MMC多入多出阻抗及其在不对称小扰动稳定分析中的应用

近年来,阻抗法在模块化多电平换流器(modular multilevel converter,MMC)的对称工况小扰动稳定评估中得到了广泛应用,主要采用考虑一对频率耦合的2×2阻抗模型。然而,实际运行中的MMC存在诸多不对称工况,例如桥臂参数差异、电网不平衡、动态负荷等。如何应用阻抗法对上述情况进行小扰动稳定评估却鲜有文章探讨,主要难点在于:1)多频耦合及序耦合的精确刻画;2)高阶阻抗模型的合理降维。区别于对称工况下MMC交流侧仅存在一对频率耦合,不对称工况将会导致多频耦合及序耦合,为此,有必要开发多入多出阻抗模型以考虑这些耦合项的影响。同时,为了兼顾工程实用性,需结合实际不对称场景的特征,研究多入多出阻抗模型的降维方法。因此,该文主要探讨了MMC多入多出阻抗的建模及其降维方法,具体为:基于分块对角占优理论,定量评估并提取多入多出阻抗矩阵的主导元素;根据主导元素的分布,给出系统不对称强度的量化方法,分别形成对应强/弱不对称度的复向量域(α±jβ和d±jq)降维阻抗模型。应用所得降维模型对典型的实际不对称案例进行小扰动稳定评估,结果验证了所提降维方法的正确性,其不仅大大降低了阻抗法在不对...     

有机无机复合固态电解质的制备及电性能研究

本文以聚环氧乙烯(PEO)为基体,添加无机固态电解质颗粒(LA),通过超声分散法制备出电化学性能优异且具有自支撑柔性的有机无机复合固态电解质膜,并组装扣式电池测试电性能,包括离子电导率、电化学窗口、锂离子迁移数及界面阻抗,得出LA对电解质膜电性能的影响。     

差分准对立学习多目标蚁狮算法

为解决多目标优化问题，对经典的蚁狮算法进行改进，提出了基于差分进化的准对立学习多目标蚁狮算法（DEQOMALO）。该算法针对蚁狮算法易陷入局部最优的不足，一方面，该算法引用差分进化的思想，充分利用种群和精英蚁狮的信息对原算法中蚂蚁个体的位置更新方式进行改进；另一方面采用反向学习策略对蚂蚁种群进行优化，将原种群个体和其准对立个体进行混合并择优作为新的种群，大大增加种群的多样性。选取典型的标准测试函数，将提出的算法与原始蚁狮算法以及其他传统进化策略优化的蚁狮算法进行比较。实验结果表明，改进算法在收敛性和分布性上均有很大程度的提升，在解决双目标优化问题上具有较好的鲁棒性和有效性。     

2种灰色模型在矿区地表沉陷预计中的适用性

目前矿区地表单点沉陷动态预计方法主要基于传统的水准测量数据,监测方法单一,成本高,观测点易破坏,不能保证地表形变信息的实时性,且采用灰色模型进行地表沉陷预计时只针对单一模型的应用,没有结合模型自身特点分析其适用性。以袁店二矿7221工作面为试验区域,采用合成孔径雷达差分干涉测量技术监测矿区地表沉陷量,分别建立了描述沉陷量与时间关系的GM(1,1)与灰色Verhulst模型进行地表沉陷量预计,实现了矿区地表沉陷监测与动态预计一体化。通过比较、分析GM(1,1)与灰色Verhulst模型对地表沉陷量的拟合及预计结果,得出了2种灰色模型在矿区地表沉陷预计中的适用性:在矿区开采沉陷开始至活跃前期,若地表单点沉陷量曲线呈近似单峰型,则宜采用GM(1,1)进行短期预计;当矿区地表沉陷进入衰退阶段,单点沉陷量曲线呈平底饱和状态,则宜采用灰色Verhulst模型进行中长期预计。     

基于多光谱差分植被抑制法的蚀变信息提取

遥感蚀变信息提取以岩矿裸露或低植被覆盖区为主,高植被覆盖区蚀变信息提取一直是一个难题。以Sentinel-2为代表的多光谱卫星数据具有大幅宽、空间分辨率和光谱分辨率都较高等特点,但尚未被应用于高植被覆盖区蚀变信息提取。因此,本文根据植被和矿物光谱特征差异,结合Sentinel-2多光谱传感器波段设置的特点,选取波段组合进行差分处理,提出了多光谱差分植被抑制法(Multi-spectral Differential Vegetation Suppression,MDVS)。分析结果表明,MDVS可以有效去除浓密植被影响,与主成分变换配合使用,在散点图中准确圈定出羟基和铁染蚀变信息。本研究为实现大范围高植被覆盖区蚀变矿物分布信息提取奠定基础,对于遥感找矿技术的应用和推广具有重要意义。     

一种飞行控制计算机高精度A/D采集单元设计与研究

飞行控制计算机的关键数据就是模拟信号,因此对模拟信号的采集精度直接影响着无人机在整个飞行过程中的状态。针对于此专门设计出了一种可以抑制外界干扰的A/D转换单元,以此来满足飞行控制计算机对其需要数据的采集要求。文章则着重讲述了对飞行控制计算机高精度A/D采集单元的设计与研究。     

基于DoG检测图像特征点的快速二进制描述子

针对SIFT描述子实时性差和传统二进制描述子对尺度、旋转和视角变化鲁棒性差的问题,本文通过优化采样模式和添加灰度差分不变量比较测试进行改进,提出了一种鲁棒性更高的二进制描述子。首先,设计了一种尺度关联、编号标记的采样模式;然后,旋转采样模式中各采样点到特定位置,确保描述子尺度、旋转不变性;接着,分析了采样点点对模式对描述子的影响,选择使用机器学习训练后的128对采样点对;最后,选择灰度值比较测试及梯度绝对值和比较测试构建二进制描述子。实验中采用DoG检测图像关键点,结果表明:本文提出的描述子在描述子构建和描述子匹配上比SIFT描述子分别快84%和67%;在有视角变化的图像匹配上,准确率比传统的二进制描述子高3%~5%,召回率平均要高30%以上。本文提出的特征点描述方法适用于时间要求高的图像匹配领域。