电压互感器手车复合绝缘失效及电场分布的研究北大核心CSCD

复合绝缘是空气绝缘开关设备小型化设计的一种重要绝缘方式。复合绝缘结构的PT(电压互感器)柜运行情况表明,该类型产品的绝缘故障率较高,特别是在湿度和污秽联合影响下,因绝缘结构设计不当的产品很容易产生局部放电,进而引发相间短路。究其原因,绝缘隔板是相间短路的"桥梁"。文中对一起24 kV PT手车三相短路事故原因进行了详细分析,通过电场仿真结果可以看出:在复合绝缘结构中,高压对绝缘板之间的距离是复合绝缘结构设计的关键。文中的故障分析以及电场分析为新产品开发与故障诊断提供了有益的参考。     

基于AI的全场景智能基站节电系统设计与实现

摘 要：在集约化网络的建设背景下,如何实现自动化、智能化、保体验的基站能耗管理,成为当前运营商的运营管理痛点。创新地提出一种全智能检测、全场景建模、全流程自助的3G/4G/5G智能基站节电方案,通过动态时间规整算法区分覆盖场景,利用SARIMA模型预测时间框构建自适应模型,实时监控指标保证用户感知,自动下发节电策略,短信告警及时拉起。在用户无感知的情况下,实现小区粒度级最大限度节约基站能耗。该方法已在某省网络试点推行,试点区域单站平均节电效率可达9.24%每日,具备实际生产指导意义。     

铝合金厚板搅拌摩擦焊焊缝局部金属的塑性流动特征

以0.02mm厚铜箔为标示材料,采用带三角平面圆锥形搅拌针对20mm厚7075-T6铝板进行焊接。通过测试沿焊缝厚度方向上温度场分布及观察标示材料分布状态,分析焊缝局部金属塑性流动行为特征。结果表明,沿焊缝厚度方向上自上而下的金属温度逐渐降低;焊缝上、下表面温度差约为90℃;同一厚度上相对称的两点,位于前进边金属的温度高于返回边约15℃。位于焊核区上部的铜箔呈细小颗粒状均匀分布;下部铜箔则呈层片状分布,且向前进边偏移。焊核区由多个呈纹路状、有序排列的洋葱环结构相互层叠而成,这与焊缝塑化金属沿轴向迁移方式发生变化有关。     

小波预处理与语音识别

利用小波的带通性质 ,给出了一种新的小波预处理方法 .实验表明 ,经过小波预处理后提取的特征 ,提高了语音的识别率     

高校多媒体网络教室的病毒防治

本文针对高校多媒体网络教室面临的计算机病毒、网络攻击等安全问题,首先分析了病毒的传播途径,然后探讨了计算机病毒防治的方法,从技术上和管理等方面有的放矢地采取安全防治对策,为师生创造安全的实验教学环境。     

无线传感器网络感知节点的I~2C设备驱动设计与实现

针对I2C总线在控制外围设备方面的优势,提出了将I2C总线应用于无线传感器网络中感知节点传感器接入的方案,分析了I2C总线协议的数据传输流程,设计了基于TinyOS的I2C总线设备驱动程序架构,并实现了以ATmega 1281为微处理器的感知节点中光照传感器ISL29002的驱动程序;该驱动程序可以成功驱动传感器并已用于西北温室群监控系统中,应用表明驱动程序能够长期稳定工作。     

基于潜在语义分析的场景分类优化决策方法

针对传统pLSA模型中语义建模和参数求解不足的问题,提出一种基于先验信息的pLSA场景分类方法.首先对概率模型中的参数矩阵增加同类场景数据的低秩性及单幅图像相对语义主题的稀疏性约束,建立基于先验信息的优化决策模型;然后采用非精确增广拉格朗日乘子法给出模型参数求解算法;最后将基于潜在语义分析的场景分类方法应用到较大规模的场景分类任务中.与其他基于pLSA模型的分类算法进行比较的实验结果表明,文中方法便于产生低维空间中紧致有效的场景语义表示,避免了EM算法收敛性欠佳引起的局部最优问题,具有更好的场景分类性能.     

An efficient accelerator for attribute reduction from incomplete data in rough set framework

Feature selection (attribute reduction) from large-scale incomplete data is a challenging problem in areas such as pattern recognition, machine learning and data mining. In rough set theory, feature selection from incomplete data aims to retain the discriminatory power of original features. To address this issue, many feature selection algorithms have been proposed, however, these algorithms are often computationally time-consuming. To overcome this shortcoming, we introduce in this paper a theoretic framework based on rough set theory, which is called positive approximation and can be used to accelerate a heuristic process for feature selection from incomplete data. As an application of the proposed accelerator, a general feature selection algorithm is designed. By integrating the accelerator into a heuristic algorithm, we obtain several modified representative heuristic feature selection algorithms in rough set theory. Experiments show that these modified algorithms outperform their original counterparts. It is worth noting that the performance of the modified algorithms becomes more visible when dealing with larger data sets.