基于误差估值累加开环校正的诱导式欺骗检测方法

诱导式卫星欺骗干扰可诱导航空器逐渐偏离预定航迹，难以被发现，因此及时有效地检测干扰是飞行安全的保障。在现有紧组合导航体制基础上，设计了一种基于误差估值累加开环校正的紧组合导航结构，并证明了其性能与传统闭环校正紧组合导航性能等效。在此结构中，将紧组合导航系统与自适应序贯概率比检测方法结合，提出了一种基于误差估值累加开环校正的诱导式欺骗检测方法，融合紧组合导航信息与其他不受欺骗影响的导航信息，构建欺骗检测统计量进行诱导式欺骗检测。仿真结果表明，开环校正结构可避免随时间累加的惯性导航系统误差所导致的组合导航滤波器发散问题，同时欺骗检测方法可进一步提高算法对“最坏”情形下微小诱导式欺骗的检测效果。     

基于依赖最大化和稀疏回归的多标签特征选择

针对基于稀疏回归的多标签特征选择方法中数据的特征和标签之间线性关系假设不成立的问题,提出一种基于依赖最大化和稀疏回归的多标签特征选择方法 (multi-label feature selection with dependence maximization and sparse regression,DMSR)。构建数据的低维子空间,最大化低维空间与数据的标签空间之间的依赖性,使用希尔伯特-施密特独立性准则作为依赖性的计算依据,将数据从特征空间映射到该低维空间,设计一种交替优化的算法对稀疏回归模型进行求解,得到用于特征选择的投影矩阵。在多个不同类型的多标签数据集上的实验结果表明,所提算法的性能优于其它对比算法。     

适用于高比例风电接入的自适应低电压故障穿越控制策略EI北大核心CSCD

随着高比例新能源电力系统的发展,系统等效转动惯量大幅下降,电网发生故障时,系统频率稳定问题愈发凸显。然而新能源电源传统的低穿控制策略仅考虑电压支撑需求,并未考虑大面积风电机组低穿成功造成的暂态低频问题。基于此,该文提出一种综合考虑电压与频率变化量的自适应低电压故障穿越控制策略。该控制策略通过构建电压与频率变化量指标并比较二者大小实现低电压故障穿越控制策略切换。当电压指标小于频率指标时,切换至有功功率优先模式,通过调整有功电流参考值,增大风机有功功率输出,从而有效缓解传统低穿策略下高比例新能源系统的暂态低频问题;反之,则选择无功功率优先模式,增大风机无功功率输出,以支撑系统电压。与传统低穿控制策略相比,新策略可以兼顾故障期间调压与调频需求,提升风电并网系统的稳定性。最后通过MATLAB/Simulink验证了所提控制策略的有效性。     

注射模生产中智能化控制及应用

分析了注射模生产的现状，针对其生产中智能化调控应用方面的不足，提出模内参数的自适应调节方案，还介绍了自适应工作的原理、可调参数种类、逻辑推理等，并实际验证了基于注塑设备联网集成工艺数据下注射模成型工艺自适应调节的可行性。     

燃料电池汽车加氢站安全设计要点分析与建议

加氢站内氢气具有高压、易燃、易爆特性，一旦发生火灾或爆炸事故，将会带来巨大的经济损失甚至人员伤亡，因此，必须高度重视加氢站本质安全设计工作。针对加氢站工程设计中的安全要点，从加氢站的选址、总平面布置、设备安全设计、安全辅助系统、建筑设施及消防等各环节进行全方位分析，旨在全面提升加氢站的安全水平。结合国内加氢站技术发展现状，提出了加氢站安全设计、安全管控方面的建议。文中的分析结果可为加氢站的工程设计、建设、标准制定和安全运营提供参考。     

纸质简谱图像的分割、倾斜校正及音符歌词提取

乐谱图像的自动分割、倾斜校正是乐谱识别过程中的关键技术,各种计算机光学乐谱识别技术在乐谱图像的数字化中有着广泛的应用,但对于乐谱中简谱的识别一直鲜有研究.本文针对人工拍摄条件下光照不理想的简谱图像,提出一种基于PCNN(脉冲耦合神经网络)和DNN(深度神经网络)相结合的分块简谱图像自动分割算法,该方法根据简谱图像灰度分布特征对图像进行自适应分块处理,依据每个分块的灰度特征与PCNN最佳迭代次数之间的关系构造合适的DNN神经网络,从而实现了最优分割图的自适应选取;进一步利用最优分割图像中音符小节线的水平投影,提出一种双尺度下降法实现了简谱图像的倾斜校正;提出去边垂直投影法和连通域距离判断法实现了简谱图像中音符及歌词的提取.实验仿真结果表明:本文算法对复杂光照条件下的简谱图像处理都具有较好的鲁棒性,同时表现出更高的效率.     

多机电力系统非线性自适应励磁控制器的设计

为了增强多机电力系统的动态稳定性,提升电力系统平抑负荷扰动的能力,本文提出了一种基于自适应反步技术的非线性自适应励磁控制方案.由于发电机的机械功率和阻尼系数受系统运行状态的影响,因此可以直接视为未知数,利用自适应定律估算出来这些未知量.根据李雅普诺夫(Lyapunov)函数的形式推导出自适应规律,保证发电机的转子角速度、机端电压、输出功率等不同物理量均收敛.然后在4机11母线的电力系统输电线路上仿真三相短路故障,测量转子转速偏差,对所提出的控制方案进行评估,并与现有的反步控制器和常规电力系统稳定器(CPSS)进行了比较.根据仿真结果,本文所提出的方法比现有的两种控制器的控制效果更有效.     

基于深度信念网络的滚动轴承特征迁移诊断

滚动轴承的故障智能诊断研究多是针对同源数据进行，而不同型号、不同工况下的滚动轴承，由于时、频特征差异，加之背景噪声的影响，导致识别准确率偏低。为了解决这一问题，笔者以6307和6205两类深沟球轴承为研究对象，建立了以深度信念网络（deep belief network，简称DBN）为核心的迁移诊断模型，构造了以波形指标、峭度指标、近似熵及分散熵为代表的特征识别参数。为了抑制信号传递路径（共振频带差异）和背景噪声的影响，引入最大相关峭度反卷积（maximum correlated kurtosis deconvolution，简称MCKD）方法，并对其关键参数实施了自适应选取。结果表明，由MCKD与DBN联合组成的迁移诊断模型，在3类不同数据源之间的诊断准确率均超过了95%，为滚动轴承的迁移特征诊断提供了一条可行的途径。