基于电流动态偏差值的MMC-MTDC直流侧故障识别

为了快速可靠识别基于模块化多电平换流器MMC(modular multilevel converter)的多端柔性直流MTDC(multi-terminal direct current)输电系统直流侧故障,提出了一种基于单端单极电流的柔性直流电网故障识别方案。该方案通过对电流动态偏差值极值的检测与电流累差值的计算实现直流线路故障快速定位,采用母线短时能量保护区分直流母线故障和线路故障,并根据所提保护方案设计了一套故障检测和识别单元。在PSCAD/EMTDC仿真平台上搭建仿真模型,通过仿真算例验证了该保护方案能在各种情况下快速、可靠地识别故障,无需双端数据通信,无需复杂数据分析与处理,满足多端柔性直流输电系统对保护的要求。     

Buck-Boost变换器非线性行为分析与混沌控制研究

根据电流模式控制下的Buck-Boost变换器的工作原理,在其工作于电感电流连续模式下,利用MATLAB/Simulink仿真软件搭建了状态方程模型,并通过调整参考电流大小仿真运行得出变换器在不同参数设置下由稳定状态进入倍周期分岔并最终导致混沌的非线性行为现象.为了消除所产生的混沌状态,提出采用传统PID控制及立方差反馈控制策略两种方式,仿真结果表明前者可将电感电流与输出电压控制在常数值上,后者可将其控制在不同周期态上,变换器的混沌现象都能得到有效抑制.     

内翅片换热管内相变材料融化的数值模拟

将蓄冷空调常用的蓄冷装置——蓄冷球,用内翅片管来替代,将内翅片管中装入自行研制的相变材料,利用二维稳态导热方程,对相变材料的实际融化过程进行理论研究,探讨装有相变材料的内翅片换热管在不同时刻、所有节点的释冷情况．结果表明,内翅片换热管外的载冷剂温度不同、对流换热系数不同以及内翅片管的半径不同对翅片管内蓄冷材料的释冷特性有较大影响．     

ILD智能交通测试仪的设计与现场运行

文中介绍了ＩＬＤ智能交通测试仪的工作原理、硬件及软件的设计，利用模式识别的有关理论和频差法制定了分类原则，有效检测交通车流量，并针对运行调试中出现的问题，讲述了系统的可靠性措施。     

我国冷轧钢卷包装工艺现状分析

我国钢铁企业逐渐认识到钢卷包装的重要性,钢卷包装的好坏直接影响产品的质量。本文通过分析手工包装、半自动包装、全自动包装的特点,从我国国情出发提出了钢卷包装现阶段和今后的发展方向。     

一种改进的自适应网格划分的分布式聚类算法

在众多聚类算法中,基于网格划分思想的聚类算法是较为常用的算法类型之一,但现有的算法对于处理海量高维数据而言,会存在以下两个问题：一是聚类结果的准确率较低;二是算法耗时较长.为了解决现有算法的不适应性,该文在网格聚类算法的基础上结合降维技术、自适应网格划分、相对熵和分布式计算,提出了一种改进的自适应网格划分的分布式聚类算法(AMCBS),可以较好解决以上问题.经实验证明,该算法对于D31标准数据集、UCI数据集、人脸图片数据集和GitHub文本数据集等的效果均优于常见的聚类算法,具有较好的准确率和较高的运行效率.     

管式加热炉PID算法改进及其在虚拟仪器中的应用

工业控制中经常采用PID算法,但是针对管式加热炉的工艺及控制要求,PID算法难以实现对管式加热炉精确的温度控制,且抗干扰性不强.改进了PID算法,并将该算法应用于虚拟仪器,通过带延迟的一阶惯性环节验证了改进算法的控制效果.将改进算法与PID其它算法进行结果比较,达到了对管式加热炉的控制要求,经投运,效果明显改善.采用LabVIEW设计PID模块,提高了控制系统的性能和开发效率.     

5G IAB技术及在泛在电力物联网中的应用研究

随着泛在电力物联网概念的提出,电力无线专网的建设成为了行业的焦点。本文首先提出了电力行业的无线通信业务需求及引入IAB技术的必要性,然后分析了IAB的网络架构及拓扑自适应功能,再结合目前电力无线专网的技术体制,提出了IAB技术在电力无线专网特殊部署场景中的应用解决方案。     

基于轨迹模板匹配的动态手势识别方法

首先采用基于混合高斯模型与椭圆肤色模型进行手势分割,分割出手势区域,使用卡尔曼滤波器进行手势跟踪,获得手势中心点的位置.在此基础上,记录各帧中心点位置,得到运动轨迹,利用提出的轨迹模板匹配方法对动态手势进行识别.该方法利用基本的几何特征便可完成手势运动轨迹的设置与识别,无需特征选择或训练样本的搜集.最后,采用基于Zynq-7000的Zedboard平台对该算法进行实现,并采用HLS硬件加速工具进行算法加速.实验结果表明,该算法可实现较精确的手势识别,接受弹性的输入采样,识别正确率在95%以上,且通过硬件加速后,可在嵌入式平台中实时识别,具有较好的实时性.     

大规模移动应用第三方库自动检测和分类方法

移动应用中广泛使用第三方库来帮助开发和增强应用功能.很多关于移动应用分析以及访问控制的研究工作,需要在分析之前对第三方库进行检测、过滤或者对其进行功能分类.当前大部分研究工作都使用白名单的方式来检测第三方库或者对其功能进行分类.然而,通过白名单检测第三方库不完善且不准确,其原因包括：（1）第三方库的种类和数量很大,（2）常见的代码混淆或者第三方库伪装等技术使得白名单方法不能准确的识别第三方库.本文提出一种第三方库自动检测和分类方法,包括基于多级聚类技术准确识别第三方库,以及基于机器学习对第三方库的功能进行准确分类.实验对超过130,000个Android应用进行分析,验证所提出方法的有效性.实验总共检测到4,916个不同的第三方库.在人工标记的数据集上,通过十折交叉验证,对第三方库分类的准确率达到84.28%.将训练好的分类器应用于全部4,916个检测到的第三方库,人工进行抽样验证的准确率达到75%.