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...     

风险矩阵法在A水泥工厂风险分级的应用初探

本文介绍“风险矩阵法”进行风险分级工作的基本思路，结合水泥厂的生产特点通过危险有害因素辨识，获得危险源分布情况，采用风险矩阵法对风险进行评估，按风险值将风险等级划分为重大风险、较大风险、一般风险和低风险，为水泥生产企业的安全风险分级工作提供参考。     

基于SAOR的Massive MIMO系统信号检测算法

大规模多输入多输出(Massive multiple input multiple output, Massive MIMO)系统采用最小均方误差(Minimum mean square error, MMSE)接收检测方法时存在矩阵求逆复杂度高的问题，已有较多降低复杂度的研究。在降低检测算法复杂度的同时，如何提高算法收敛速度和检测性能一直是人们关注的焦点。本文将对称加速超松弛(Symmetric accelerated over-relaxation， SAOR)迭代算法应用于Massive MIMO系统信号检测中，避免了复杂的矩阵求逆计算，实现了复杂度较最小均方误差算法降低了一个数量级。仿真结果表明，基于SAOR的检测方法通过较少的迭代次数就能逼近最小均方误差（Minimum mean square error, MMSE）算法的检测性能，为Massive MIMO系统中接收信号的快速检测提供了较好的实现方法。     

基于LBSN动态异构网络的时间感知兴趣点推荐

随着基于位置社交网络(Location-Based Social Network,LBSN)的快速发展,兴趣点(Point-Of-Interest,POI)推荐可以帮助人们发现有趣的并吸引人的位置。针对签到数据的稀疏性和用户兴趣的动态性等挑战性问题,提出了基于LBSN动态异构网络的时间感知兴趣点推荐算法。在LBSN异构网络模式中增加会话节点类型。通过动态元路径,在用户和兴趣点语义关系之间有效地融入时间信息、位置信息和社交信息等。设置了用户-兴趣点之间的动态元路径集,并提出了动态路径实例的偏好度计算方法。采用矩阵分解模型对不同动态偏好矩阵进行矩阵分解。根据不同动态元路径的用户特征矩阵和兴趣点特征矩阵,获取用户在目标时间访问兴趣点的推荐列表。实验结果表明,与其他兴趣点推荐方法相比,所提方法在兴趣点推荐精确度上取得了较好的推荐结果,具有良好的应用前景。     

基于改进型巴特勒矩阵的短波8元圆环阵列多波束技术研究

传统短波接收天线为单一的波束指向天线或全向天线。为提高接收天线增益,同时产生多个波束指向不同方向,提出利用巴特勒矩阵作为短波接收天线阵的无源波束形成网络。在传统8×8巴特勒矩阵结构的基础上,设计改进型8×8巴特勒矩阵。以均匀8元圆环阵列为天线模型,利用FEKO仿真分析了其天线特性。在3~11 MHz频段内,P2、P3、P6、P7四个端口分别在202.5°、292.5°、112.5°、22.5°方向上得到了方向性较强的单一波束,7 MHz时波束增益达到最大11.9 dBi,波瓣3 dB宽度平均为60°;在P1、P4、P5、P8端口产生相同的2个波瓣,7 MHz时其波束增益达到最大9.8 dBi,波瓣3 dB宽度平均为89°。由以上仿真分析得出,该改进型8×8巴特勒矩阵能够同时产生6个波束,波束覆盖8个方向,提高了波束的方向性,提高了天线增益。     

融入局部几何特征的流形谱聚类图像分割

为了改善谱聚类图像分割的精准性和时效性,文中提出融入局部几何特征的流形谱聚类图像分割算法.首先,考虑图像数据的流形结构,在数据点的K近邻域内执行局部PCA,得到数据间本征维数的关系.然后,引入流形学习中的局部线性重构技术,通过混合线性分析器得到数据间局部切空间的相似性,结合二者构造含有局部几何特征的相似性矩阵.再利用Nystr m技术逼近待分割图像的特征向量,对构造的k个主特征向量执行谱聚类.最后,在Berkeley数据集上的对比实验验证文中算法的准确性和时效性优势.