基于TURBO码的OFDM水声通信系统应用

提出了一套OFDM水声通信系统方案,采用Turbo码作为信道编码,使用梳状导频和块状导频进行信道估计.由于浅海水声信道多径导致的频率选择性衰落比较严重,连续的误码不可避免,需要性能强劲的信道编码.Turbo码在低信噪比下性能良好,适用于信道条件恶劣的浅海环境.对该方案进行了理论分析,仿真实验以及海试.在海试中得到传输距离2km,有效数据率2.8kbit/s,证明该方案可以用于中短程浅海水声通信.     

RFID防碰撞算法中Aloha算法的研究

防碰撞算法是RFID应用系统中的关键问题之一,解决这个问题可以采用时分多路(TDMA)技术,其相关的算法有Aloha法、时隙Aloha法、二进制搜索法、动态二进制搜索法等防碰撞算法。本文着重对Aloha算法进行分析论证。     

自主式水下航行器载荷分离运动仿真研究

自主式水下航行器是由载荷和运载体组成的一个多体系统.从其功能仿真模型出发,研究了载荷和运载体的分离过程.通过分析分离过程中航行器受到的约束和流体动力的影响,利用多刚体动力学的方法理论,建立了在载荷和运载体存在约束情况下的航行器纵向运动方程,同时根据刚体运动的6自由度方程,给出了载荷与运载体分离后达到安全距离过程中的功能模型.基于上述模型进行了仿真,比较了不同速度和不同顶定分离角对载荷和运载体分离过程的影响.仿真和分析结果证明了模型的合理性和有效性,对实际工程应用具有一定的参考价值.     

变频器输出对调速电机影响的仿真

利用MATLAB提供的计算机仿真工具,对变频调速系统中的调速电机建立起合理的定子侧高频阻抗仿真电路,分析、计算在PWM等脉宽的方波电压脉冲波作用下调速电机定于绕组单相对地的电压分布情况,结果表明,变频调速电机输入端的过电压不仅仅由于连接电缆的传输、反射引起,PWM脉宽调制波中的大量高频谐波也能够引起更为严重的定子绕组匝间的过电压.可以利用RC无源滤波器进行高频成分的滤波,仿真结果说明滤波后高频谐波引起的过电压得到极大减小,定子绕组匝间电压分布均匀.     

复杂网络的功效性与脆弱性研究综述

随着人类社会日益网络化,人们对各种关乎国计民生的复杂网络的安全性和可靠性提出越来越高的要求,复杂网络的功效性和脆弱性自然成为研究焦点之一.本文首先从复杂网络功效性和脆弱性分析和结构优化两方面详细综述了目前复杂网络功效性和脆弱性研究的进展,最后对这方面研究存在的问题和未来发展的趋势进行了总结和展望.     

人民币号码自动识别方法研究

针对人民币印刷中号码的识别问题,本文研究了其中的识别算法,包括号码图像的二值化、号码区域的定位、号码字符的分割及归一化和号码字符的识别,提出了一种号码区域定位及分割方法。在此基础上,建立了相应的识别系统并进行了实验研究。结果表明,系统具有较高的识别精度,能较好地满足实际需求。     

基于自适应阈值分割改进Canny算子的管道边缘检测方法研究

针对工厂中管道破损位置无法通过机器视觉准确判断的问题,提出一种基于自适应阈值分割改进Canny算子的管道边缘检测方法。该方法从滤波方式、梯度方向以及阈值分割角度对采集图像进行处理,首先采用采样-自适应中值滤波+双边滤波代替传统Canny算子中的高斯滤波,减少图像边缘信息丢失并去除图像中的噪声,然后增加梯度幅值的计算来更好地检测不同方向的边缘信息,最后为避免人工选取阈值效果不佳的情况,采用最大类间方差 (OTSU)阈值分割算 法进行阈值的自适应选取。实验表明,该方法相比于传统Canny算子的图像信噪比提升28.22%,边缘点数提升39.97%,四连通道数提升11.52%,八连通道数提升5.92%,提取特征完整且连续性较好,实现了对管道图像中破损情况的有效检测。     

考虑参数不对称的配电网单相接地故障柔性消弧方法

为了解决配电网参数不对称导致的中性点位移过电压以及消弧不彻底的问题,在配电网正常运行时利用闭环控制对中性点电压进行调控,自动跟踪配电网结构参数的变化,实现不平衡电压的快速精准抑制。设计注入电流反馈控制环节,结合不平衡电压调控过程以及故障后的零序电流和零序电压,仅注入一次电流便可实现故障辨识、故障选相并求得故障可靠消弧所需的注入电流参考值。仿真分析验证了闭环控制能够有效跟踪、抑制中性点不平衡电压,所提柔性消弧方法在系统参数不对称的情况下,故障判别精度高,故障消弧效果良好。     

基于可见光图像的变压器缺陷识别技术研究

为了提升变压器的智能化和可靠性,以110kV油浸式电力变压器为对象,针对变压器外表面可通过可见光图像识别的故障,对变电站现场摄像头布置进行了优化设计,采用深度神经网络方法对对油浸式变压器状态进行了实时监测,并对比了YOLOv3与Faster R-CNN算法对图像识别区别,研究了样本数量对正确率和召回率的影响,分析了标注策略对识别结果的影响,对摄像头装置性能提出了相关的要求。     

基于模型预测控制算法的供热机组负荷控制

为提高对磨煤机故障的事前预知能力,结合深度学习方法的优势,在传统长短时记忆（LSTM）神经网络的基础上,提出基于卷积神经网络-长短时记忆神经网络（CNN-LSTM）的磨煤机故障预警方法。选择与磨煤机堵煤故障相关的测点作为模型的输入量,进行多元时间序列预测。得到模型输出预测值与磨煤机正常工作状态下的运行数据之间的偏离度函数,运用核密度估计方法确定预警阈值,实现磨煤机堵煤故障预警。以某660 MW火电机组的中速磨煤机为研究对象,建立CNN-LSTM模型并进行故障预警试验。试验结果表明,该模型可以精确预测磨煤机多个测点参数的变化趋势,相较于LSTM神经网络模型具有更高的精确度。该方法能够提前对磨煤机堵煤故障做出有效预警。