“电力系统继电保护”混合教学探索与实践

“电力系统继电保护”是电气工程专业的重要专业课程之一,但传统的教学实施过程中仍然存在“教师为主学生为辅”、“学生先修课程不牢”、“学习劲头不足”及“理论联系实际不紧密”等问题。本文基于“新工科”思想及工程认证的OBE理念,对电力系统继电保护的线上线下相结合的混合教学模式进行探索,充分利用“雨课堂”、“微课”及“慕课”等教学手段,有效改善教学效果,并通过调整考核方式进行课程目标达成情况的全方位评估,并持续改进。     

单相H桥光伏逆变器的混沌控制EI北大核心CSCD

逆变器是强的非线性系统,它通常具有复杂动力学现象,例如跨临界分岔、倍周期分岔等,它会大大增加输出电流的谐波含量,降低变换器的效率,使其发生振荡乃至崩溃。目前大多数混沌控制存在建模困难、控制效果不明显、稳定性不强的缺点。针对此,提供了一种全新的混沌抑制方式,即改进余弦延时反馈控制(improved cosine delay feedback control, ICDFC)。该方式先使用被控对象的输出量和自身延时一个周期的差值作为反馈量,该反馈量再经过余弦函数环节和反馈控制参数之后得到控制信号,并将该控制信息以反馈形式直接作用到被控对象中。同时构建系统频闪映射模型并寻求系统的Jacobian矩阵和平衡点,最后基于朱里判据给出了反馈控制参数的限定条件。为说明所提出混沌控制方法的优越性,开展了大量的仿真模拟试验,并与指数延时反馈控制进行比较。结果表明,ICDFC能更有效地抑制逆变器的混沌行为,且大大增加了系统运行的稳定域。     

基于自抗扰的混合储能系统控制策略

混合储能系统作为独立光储直流微电网的重要组成部分，兼具能量型储能和功率型储能技术特性，可以实现微电网系统内不平衡功率的平抑以及直流电压的稳定。为提高混合储能系统工作性能，提出了一种基于自抗扰的控制策略，利用扩张状态观测器对内、外未知扰动进行观测估计与扰动补偿，并引入模糊自适应与扩张状态观测器相结合，从而提高系统的稳定性与抗扰性。在Matlab/Simulink数字平台对混合储能系统进行了建模仿真，验证了该控制策略的可行性与优越性。     

基于特征增强的模糊红外刑侦目标提取算法研究

本研究旨在解决红外图像刑侦场景中目标边缘模糊和轮廓不完整等问题。提出了一种基于特征增强的模糊刑侦目标提取方法。首先，设计模糊刑侦目标边缘提取网络模型(Blurry Criminal Investigation Target Edge Extraction Network Combined with Spatial Channel Attention, BCES-Net)，并利用空间通道关注模块(Spatial and Channel Attention Module, STCAM)获取具有强语义信息的特征图像。接着通过建模提取来获取包含语义类别信息的边缘特征和模糊刑侦目标特征。在训练过程中，基于特定损失函数和多种特征融合技术，通过反复监督学习和训练校正，提高了边缘和模糊刑侦目标分割性能。在手部热痕迹数据集上，与DeeplabV3+、U-Net、HRNet、PSPNet等模型相比，BCES-Net模型在均交并比(mean Intersection over Union, mIoU)、平均精度均值(mean Average Precision, mAP)、准确率等评价指标上显著优越，mIoU达到88.3%，mAP达到94.35%，准确率达到95.5%。本研究创新性地提高了模糊红外刑侦目标提取的准确度，为实际应用提供了技术支持。     

运动想象脑信号的深度置信网络分类优化

关于脑机接口（BCI）系统中的运动想象（MI）脑信号的特征提取一直是一个难题。相较于SSVEP、AEP和P300等其他BCI模式，MI的分类准确率相对较低，缺乏有效的识别方案。本文提出了一种结合深度置信网络（Deep Belief Network,DBN）和麻雀搜索算法（Sparrow search algorithm,SSA）的特征提取和分类识别算法SSA-DBN。融合SSA与DBN的优势，可以在保持较低计算复杂度的同时，提高特征提取和分类识别的准确率。本研究首先利用完全自适应噪声集合经验模态分解（CEEMDAN）方法提取信号的固有模态函数（IMF）特征。然后，将筛选出的适合分类识别的IMF分量与希尔伯特黄变换（HHT）方法相结合，提取出不同导联时频信号的特征空间向量，并进行叠加平均。最后，将特征向量输入到SSA-DBN算法进行分类处理。为确保公平性，在验证算法性能时，选取了具有代表性的BCI Competition IV Dataset 2a数据集，同时对比了其他算法的表现，并详细说明了调参方法。为了避免过拟合问题，可以考虑使用更大规模的数据集进行测试，如PhysioNet或BCI...