铁路路障检测方法

铁路的路外交通事故每年都为铁路部门和国家带来很大的损失，非常有必要研制出一套铁路路障视频监测系统，而图像处理和图像的监控技术就是研制这套系统的基础。综述了现有的图像处理和监控技术的主要技术和方法，以及图像检测技术在铁路路障监测系统中的应用和实现。     

Gaussian小波SVM及其混沌时间序列预测

为了提高混沌时间序列的预测精度,针对小波有利于信号细微特征提取的优点,结合小波技术和SVM的核函数方法,提出基于Gaussian小波SVM的混沌时间序列预测模型.证明了偶数阶Ganssian小波函数满足SVM平移不变核条件,并构建相应的Gaussian小波SVM.时混沌时间序列进行相空间重构,将重构相空间中的向量作为SVM的输入参量.用Ganssian小波SVM与常用的径向基SVM及Morlet小渡SVM进行对比实验,通过对Chen's混沌时间序列和负荷混沌时间序列的预测,结果表明,Ganssian小波SVM的效果比其他两种SVM更好.     

一种电气化铁路接触网开关微机监控系统

提出了一种适用于电气化铁路接触网开关集中控制的分布式微机监控系统;给出了系统结构,硬件构成及软件设计。实验及现场运行表明,该系统设计合理,性能可靠     

尾管钻井技术及其应用

尾管钻井技术主要用于对相邻地层存在很大压差的困难井段进行短距离快速钻进，是一种开发压力衰竭产层的钻井新技术，该技术已在一些油气田投入应用。取得了显著的技术效益和经济效益，介绍了尾管钻井技术的发展概况及其分类。尾管钻井使用的井下工具，施工工艺和实际应用等情况，指出了尾管钻井的施工要点。并对该技术研究发展的方向提出了建议。     

基于改进PSO算法的电力系统无功优化

提出了一种多策略融合自适应粒子群优化(MSI-APSO)算法求解电力系统无功优化问题的新方法。该方法采用分阶段调整加速因子,结合适应值自适应调整惯性权重,然后基于群体信息改善部分性能差的粒子,迭代后性能改善的粒子,采取速度保持策略,从而提高了PSO全局寻优性能。针对IEEE30节点系统进行无功优化计算,并与带惯性权重的粒子群(PSO-w)算法、带压缩因子的粒子群(PSO-c)f算法、全面学习粒子群(CLPSO)算法进行了比较,表明MSI-APSO具有更好的全局寻优能力和收敛性能。     

基于价值损耗的燃料电池混合动力能量管理策略评价

为了评价燃料电池混合动力系统能量管理策略的经济性,对基于状态机和模糊逻辑2种能量管理策略的燃料电池混合动力叉车的价值损耗进行分析。首先,通过分析燃料电池和锂电池的工作特性,分别构建依赖实际工况的燃料电池单体电压衰减率模型和锂电池容量衰减率模型;同时定义计及燃料电池氢耗量的燃料电池混合动力系统的综合价值损耗指标。其次,通过测试叉车极限工况,计算燃料电池功率和锂电池容量,并根据母线电压确定锂电池SOC范围。最后,设计基于状态机和模糊逻辑的2种燃料电池混合动力叉车能量管理策略,并通过仿真分析在叉车一次循环工况下2种能量管理的价值损耗。研究结果表明:相较于模糊逻辑策略,采用状态机策略造成燃料电池寿命损耗提高7.81%,氢耗量提高1.89倍,锂电池寿命损耗减小21.33%。     

压缩感知理论及其电能质量应用与展望

压缩感知理论是信号采样与处理领域的热点和前沿,在电能质量检测中具有很好的应用前景。为此,对压缩感知理论及其电能质量应用与展望进行综述。阐述了现有电能质量扰动信号采样和分析方法的不足,介绍了稀疏分解与压缩感知的基本概念和发展现状,重点介绍了压缩感知理论的3个基础关键问题:稀疏表示、非相关观测和非线性优化重构;同时,着重介绍了时频原子稀疏分解和压缩感知理论在电力系统电能质量扰动信号中的应用现状。最后,给出了电能质量扰动信号稀疏分解和压缩感知理论的下一步研究展望。     

一种模糊支持向量的负荷混沌时间序列预测法

根据电网负荷混沌性的特点,提出一种基于模糊支持向量的核回归方法进行电力系统的负荷预测。同时提出多参数同步优化策略,增强了该方法的实用性和有效性。从理论上分析了小样本条件下,可以有效避免过学习的原因,该方法不需设计网络结构,降低了对实验人员经验的依赖程度。选取实际负荷时间序列数据,通过与神经网络法进行对比实验,结果显示出该方法的优越性和适用性,具有较好的实用价值和应用前景。     

间歇性列车风对支撑绝缘子污闪影响分析

针对电气铁路支撑绝缘子污闪情况,分析了在列车风环境下,高速机车间歇列车风环境对支撑绝缘子表面积污状况的影响。分析表明,在列车风环境下,绝缘子两端部积污明显,应以端部积污状态来确定清扫频率;在输电线路闪络模型的基础上,结合在间歇性列车风影响下支撑绝缘子闪络的特点,分析了风场环境及风速对污闪的影响,修正了闪络模型。     

带局部搜索的动态多群体自适应差分进化算法及函数优化

 提出将一种改进的差分进化算法——带局部搜索的动态多群体自适应差分进化算法(DMSDELS)应用于函数优化.该算法将种群中的个体随机动态分成多个子群体,以增强个体间的信息交换;变异操作中,选择最优个体为基向量,差分向量的方向选择有利于搜索的方向,以提高收敛速度;变异尺度因子F与交叉概率CR采用自适应机制,以平衡局部搜索与全局搜索;部分优秀个体搜索达到指定代数进入局部搜索,以加快收敛.通过对13个benchmark典型复杂函数进行测试,并与其他七种优化算法进行比较,仿真结果表明:DMSDELS算法具有较高的搜索精度和收敛性,且具有较强的跳出局部最优解能力.