城际动车组四象限整流器控制策略研究与应用

在分析城际动车组单相四象限整流器拓扑结构的基础上,得到单相四象限整流器的数学模型,并采用电压外环和电流内环的控制策略,分别以直流侧给定电压、网侧给定电流为控制对象,实现直流侧电压和网侧电流的无差、准确控制。通过Simulink仿真及试验验证了该控制策略。试验结果表明：从预充电过程过渡到脉冲整流过程中,直流侧电压超调量较小。牵引/制动工况下,网侧电压和网侧电流相位相差0°/180°、波形正弦性好,直流侧电压稳定,波动较小。     

基于差分扩展的高效数字图像嵌入算法研究

针对某些特殊情况需要将数据进行安全可靠传输的问题,本文提出一种基于差分扩展的将数据嵌入数字图像的算法。即将数字图像作为待传输数据的载体,按照差分扩展原理将待传数据嵌入到数字图像后进行发送,再由接收方按照与之相逆的方法进行数据恢复。经过实验表明,该算法与其它算法比较,在保证图像有很低的失真率的同时还确保更高的数据嵌入率     

基于牵引PMSM的地铁直流侧振荡抑制策略探讨

在地铁永磁牵引系统中,逆变器直流侧的负阻抗特性降低了系统阻尼,导致牵引逆变器直流侧易发生电压振荡,从而影响牵引系统的稳定性。为此,建立地铁牵引逆变器直流侧数学模型及小信号模型,得到了直流侧系统的稳定条件,进而提出基于q轴电流补偿的直流侧电压振荡抑制策略,并应用于系列化标准地铁牵引永磁同步电机(PMSM)的控制系统中。通过MATLAB/Simulink仿真及在中车大连电力牵引研发中心有限公司试验中心进行试验,表明基于q轴电流补偿的直流侧电压振荡抑制策略应用在牵引永磁同步电机控制系统中具有较好的性能,牵引变流器直流侧电压振荡得到有效抑制,直流侧电压、d轴电流和q轴电流变化平稳。     

输入饱和及输出受限的纯反馈非线性系统控制

针对具有输入饱和和输出受限的纯反馈非线性系统,设计了神经网络自适应控制器。首先利用隐函数定理和中值定理将非仿射形式的纯反馈非线性系统转换成有显式输入的非线性系统,基于李雅普诺夫第二方法以及反推法并采用障碍型李雅普诺夫函数进行控制器的设计,最后通过稳定性分析证明了闭环控制系统是半全局一致最终有界的,利用仿真例子验证了控制方案的有效性。     

金属离子Al~(3+)对SBA-15分子筛形貌的调控作用研究

以异丙醇铝为铝源,在高浓度酸性环境下,通过Al3+调控SBA-15的形貌与性质。在强酸条件下,所得样品的实际n(Si)∶n(Al)都远高于配料n(Si)∶n(Al),且样品的Brnsted酸为0,Lewis酸也较低,铝元素无论是以嫁接还是骨架配位形式都难以嵌入到SBA-15的体相中。随着配料n(Si)∶n(Al)降低,SBA-15由线粒状向端粒颗粒状发展;当配料n(Si)∶n(Al)=5和2.5时,SBA-15仍然具有有序结构,但是二维有序性不强。当n(Si)∶n(Al)=20时,所得材料具有最高的比表面积、孔容及孔径,其值分别为827m2/g,1.25cm3/g,6.06nm。无机硅物种和有机高分子表面活性剂相互作用及体系Al3+浓度导致的胶束空间限制这两方面是Al3+对SBA-15的形貌形成的原因。     

铝钢复合带材异径轧制变形规律的研究

以4A60铝合金和08Al低碳钢为研究对象,利用异径轧机进行异径同速轧制,从厚度变化、硬度分布及金相组织等几个方面对薄铝复层的铝/钢轧制复合变形区的金属流动规律进行了研究分析。结果表明：铝钢轧制复合过程中铝先于钢达到稳定塑性变形,轧制复合过程中变形区可分为铝钢变形未复合区、铝钢变形复合区和钢变形区。当变形量增加到55%时,钢的硬度从约110 HV升高到210 HV,而铝层的硬度变化不大,基本保持在（40±5） HV。4A60铝和08Al钢的临界复合压下量为15%左右,当压下量超过45%时,仅发生钢的变形,而铝的厚度基本保持不变。铝层厚度与总厚度的比值（复合比）由轧前的0.054降低到轧后的0.052,说明轧制复合过程中铝的变形更大。     

基于神经网络的矿石分类方法北大核心

为提升矿物分类的实时性和准确率,提出了一种新型神经网络模型FEMAN(Feature Extraction Multi-Head Attention Network)用于矿石在线分类检测。该模型能够对能谱仪提取的矿石特征X射线谱线图实现精确分类。该模型采用Data encoder模块和多头注意力机制构建模型,Data encoder模块能够减少输入数据的维度,提取有效特征,提升模型处理速度。多头注意力机制能学习峰值之间的关联性,降低谱峰偏移对分类结果的影响,增强模型的鲁棒性。为丰富样本数量、克服样本不均衡等问题,使用GAN网络进行数据增强,提升样本多样性和均衡性。结果表明,相较于1D-VGG16模型83.8%的准确率,FEMAN模型分析准确率可达90.6%。FEMAN模型的检测准确率和召回率均有明显提升,同时检测时间为0.0953 s,能够满足矿石在线检测需要。