LED激发叶绿素荧光探测仪的设计研究

对蓝光激发叶绿素的荧光光谱进行了分析,讨论了叶绿素荧光光谱的来源,采用调制式470nm绿光LED激发叶绿素,制成叶绿素荧光光谱仪,线性范围0—100μg／L,检出限0．1μg／L,该方法快速、灵敏、有很好的特异性．     

基于约束投票极限学习机的在线静态电压稳定评估

快速准确的在线静态电压稳定评估是规模化互联电网安全稳定运行的重要保障。针对传统神经网络学习模型调参繁杂、训练时间长、样本需求数量庞大等缺点,提出了一种基于约束投票极限学习机（constrained voting extreme learning machine,CV-ELM）的在线静态电压稳定评估模型。CV-ELM基于类间样本差值构建差向量集计算输入层对隐藏层的权值及隐藏层节点偏置项,并引入多数投票机制,通过集成学习的方式进行分类决策。此外,CV-ELM可自适应确定网络参数,在分类准确率、鲁棒性及泛化能力方面均优于传统的ELM。最后,基于新英格兰10机39节点系统的算例仿真结果证明了所提模型的有效性。     

考虑样本不平衡的电力系统鲁棒暂态稳定评估

由于实际电力系统中暂态失稳样本稀少,基于数据驱动的暂态稳定评估方法面临训练样本类别分布失衡问题,严重影响暂态稳定评估结果的可靠性。针对此问题,提出了一种基于MAHAKIL过采样和BCLM的鲁棒暂态稳定评估方法。首先,通过MAHAKIL过采样改善原始样本集的类别分布;然后,基于BCLM构建电力系统鲁棒暂态稳定评估模型。在新英格兰10机39节点系统上的测试结果表明,所提方法能够显著降低原始样本类别失衡的影响,并对数据缺失和数据噪声具有较强鲁棒性。     

基于迁移学习的智能静态电压稳定评估方案

由于电力系统拓扑结构复杂多变,基于数据驱动的静态电压稳定评估通常存在模型泛化能力不足的问题。针对该问题,文中提出了一种基于迁移学习的智能静态电压稳定评估方案。基于最大相关最小冗余(Maximal Relevance Minimal Redundancy,MRMR)准则和shapley值构建S-MRMR特征选择框架,对离线生成的数据集进行数据降维;基于梯度提升分段线性回归树(Gradient Boosting With Piecewise Linear Regression Trees,GBDT-PL)算法构建静态电压稳定评估模型,提取电力系统运行特征与静态电压稳定指标间的映射关系;利用迁移学习对GBDT-PL模型进行实时更新,提高模型的泛化能力。在由电力系统仿真软件PSS/E提供的23节点系统和1648节点系统上的仿真结果表明,文中所提方案对电力系统拓扑结构变化具有较强的鲁棒性,能够满足在线电压稳定评估的要求,为数据驱动方法实际应用于静态电压稳定评估提供了有益的参考。     

柔印激光雕刻机的一种多光路方法

介绍了激光雕刻机在包装印刷行业的应用状况和激光雕刻机的原理及和工艺,重点介绍了激光雕刻机的一种多光路的方法,对光路中各种元器件原理、性能的介绍,设计了一种新的多光路、聚焦的方法,并对各个参数进行了优化、仿真,并在此基础上设计了多光路激光雕刻机。通过声光偏转的方式实现了2路激光分光,采用2路激光同时对版辊进行烧蚀,与单路激光雕刻机相比,生产力提高了2倍,采用高性能的聚焦光学系统,使得单个激光斑点达到10μm,与电子雕刻相比,大大提高了精度。在设计的激光雕刻机光路中,对激光斑点之间的距离、每路激光的强度、激光斑点的形状进行了分析优化。