绝对式光电编码器的编码理论研究进展

介绍了用于角度测量的绝对式光电旋转编码器的编码理论研究概况,具体包括反射式格雷码、矩阵码、m序列码和单码道格雷码的绝对位置编码方法和编码特征。绝对位置编码的发展过程是以唯一性和单变性为基础特性,以单码道性为最终目标进行编码矩阵列数的缩减。目前,编码类型的发展经历了n条码道的反射式格雷码、n/3条码道矩阵码、2条码道的m序列码以及1条码道的单码道格雷码,已经达到单码道的最终目标。由于单码道格雷码编码理论尚不完善,仍依赖搜索获得编码,因此其快速构造方法是未来绝对位置编码理论的发展方向。最后,对近几年发展起来的基于图像传感器的非编码测量方法进行了介绍和展望,该方法是对传统测量方法的颠覆,有望成为光电式旋转编码器的另一个发展方向。     

平行坐标技术在干式变压器温度场可视化分析中的应用

本文中笔者将平行坐标技术应用于变压器温度场多维可视化分析,以矿用变压器为例,给出了其高、低压绕组纵向温度分布.     

AT供电方式下高铁站台空间电场分布研究

为分析高速铁路站台接触网周围空间电场的影响,建立站台接触网与列车及建筑物的等效模型,通过模拟电荷法计算并分析AT供电方式站台区域工频电场的分布规律,运用MATLAB绘制出不同高度及有无建筑、有无列车等多种情况的电场强度变化曲线.分析得出垂直方向上距地面高度越高,场强越大;水平方向上以接触线为中心向远处衰减.列车对站台上场强屏蔽效果显著,在白色安全线处达到了86％;而建筑由于距离较远对电场屏蔽效果仅为6％,站台上电场强度的极大值出现在人体头部区域,无建筑无列车停靠时场强在头部已经接近5000V/m,所以旅客在无列车停靠时也尽可能站在白色安全线外候车.     

毫米波三维异质异构集成技术的进展与应用

三维异质异构集成技术是实现电子信息系统向着微型化、高效能、高整合、低功耗及低成本方向发展的最重要方法,也是决定信息化平台中微电子和微纳系统领域未来发展的一项核心高技术。文章详细介绍了毫米波频段三维异质异构集成技术的优势、近年来的发展趋势以及面临的挑战。利用硅基MEMS 光敏复合薄膜多层布线工艺可实现异质芯片的低损耗互连,同时三维集成高性能封装滤波器、高辐射效率封装天线等无源元件,还能很好地处理布线间的电磁兼容和芯片间的屏蔽问题。最后介绍了一款新型毫米波三维异质异构集成雷达及其在远距离生命体征探测方面的应用。     

内含实体对H型垂直轴风力机气动性能的影响

以H型垂直轴风力机及其内含圆柱形实体为研究对象,对NACA0018翼型的五叶片H型垂直轴风力机的气动性能进行数值模拟和实验验证。分析8种不同直径的内含圆柱体,在内含实体截面积占风轮迎风面积之比分别为21.2%、50.0%和76.9%时,风力机风能利用率的峰值分别下降8.04%、20.7%及74.3%。结果表明：随着内含实体直径的增大,风能利用率的峰值逐渐减小,开始较为缓慢,达到一定值时快速下降。小直径内含实体主要影响叶片在下风区的转矩,对风能利用率的影响较小,而大直径内含实体还会影响叶片在上风区的转矩,其风能利用率迅速减小。对于内含固定直径的实体,比如在现有建筑物外侧安装风力机时,其风轮半径的选择需综合考虑风能利用率和风力机的建造成本两方面的因素。研究结果可为建筑物与垂直轴风力机进行有效结合以提高风能的利用提供参考。     

基于纸浆纤维的贵重物品内包装塑造系统研究

为解决贵重物品与其内包装“契合度”不高的问题，提出基于纸浆纤维的贵重物品内包装塑造系统。系统通过三维扫描获取待包装物品的点云信息，经主控计算机进行数据处理，以下位机为执行中枢，辅之其他外部设备，利用纸浆纤维为贵重物品塑造“量身定制”的内包装，提升内包装契合度，增强保护效果，绿色环保，安全稳定。     

基于VMD和改进TCN的短期光伏发电功率预测

光伏发电功率存在波动性,且光伏出力易受各种气象特征影响,传统TCN网络容易过度强化空间特性而弱化个体特性。针对上述问题,文中提出一种基于VMD和改进TCN的短期光伏发电功率预测模型。通过VMD将原始光伏发电功率时间序列分解为若干不同频率的模态分量,将各个模态分量以及相对应的气象数据输入至改进TCN网络进行建模学习。利用中心频率法确定VMD的最优分解模态分解个数。在传统TCN预测模型的基础上,使用DropBlock正则化取代Dropout正则化以达到抑制卷积层中信息协同的效果,并引入注意力机制自主挖掘并突出关键气象输入特征的影响,量化各气象因素对光伏发电的影响,从而提高预测精度。以江苏省某光伏电站真实数据为例进行仿真实验,结果表明所提预测方法的RMSE为0.62 MW,MAPE为2.03%。     

基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。     

双足机器人五质心模型的预测控制实现方法

为提高双足机器人的步行性能，提出了基于五质心模型的预测控制实现方法。该方法按照机器人的结构，将机器人质量分配在躯干、双臂、双腿中的五个质心，并推导出基于机器人腰部的零力矩点变换公式。应用模型预测控制方法，控制机器人在线跟踪优化的行走轨迹。为验证算法正确性，进行了3D动态仿真实验和现实环境中步行实验。实验结果与基于单质心模型和三质心模型的模型预测控制算法对比，证明这里算法具有更高的步行轨迹跟踪精度。