35kV变压器故障气相色谱分析

对于运行中的变压器,气相色谱分析法可实现其内部故障的诊断,并提供有效的运维建议.应用气相色谱分析法分析一起35 kV变压器故障,为气相色谱分析法的进一步推广应用提供有力的技术支撑.     

雪崩光电探测器的击穿效应模型分析

基于CMOS工艺制备了空穴触发的Si基雪崩探测器(APD),基于不同工作温度下器件的击穿特性,建立空穴触发的雪崩器件的击穿效应模型。根据雪崩击穿模型和击穿电压测试结果,拟合曲线得到击穿电场与温度的关系参数(dE/dT),器件在250～320 K区间内,击穿电压与温度是正温度系数,器件发生雪崩击穿为主,dV/dT=23.3 mV/K,其值是由倍增区宽度以及载流子碰撞电离系数决定的。在50～140 K工作温度下,击穿电压是负温度系数,器件发生隧道击穿,dV/dT=-58.2 mV/K,其值主要受雪崩区电场的空间延伸和峰值电场两方面因素的影响。     

一种损伤准则在差厚板拉伸成形中的应用

差厚板由于截面非均一性导致其断裂行为与等厚板有差异,为了研究差厚板的断裂行为,采用单向拉伸实验和反复加载实验相结合的方法建立了差厚板的损伤变量与应变之间的本构关系,并将所建立的本构关系嵌入到Abaqus软件中进行了拉伸模拟实验。研究结果表明:差厚板损伤变量与应变之间为非线性关系,且损伤变量随应变增加呈现出先增加较快后较慢的趋势;采用有限元模拟得到的断裂位置、力和行程曲线与实验结果相吻合,验证了所建立损伤准则的准确性。     

特高频传感器对局放信号失真的影响因素分析

局部放电产生的脉冲电流宽度为纳秒级和亚纳秒级,而特高频(UHF)传感器接收的信号持续时间达到微秒级,因而接收信号出现失真现象。经理论分析,得出UHF传感器的群延迟不平坦和相位中心不稳定引起UHF信号的失真。以自行设计的Vivaldi天线和微带天线作为样本,通过脉冲响应仿真和试验对以上两因素进行验证。并对110 k V预制故障的套管进行实验,研究不同UHF天线获得的信号与视在放电量的对应关系。结果表明:群延迟不平坦导致UHF信号的相位失真,相位中心不稳定导致幅度失真。利用群延迟平坦相位中心稳定的传感器获得的UHF信号与视在放电量的拟合优度从0.647提升至0.862。群延迟和相位中心可作为有效高度的补充参数对UHF传感器失真程度进行评价,为UHF传感器的设计和选型提供依据。     

饮用水深度处理用煤基活性炭吸附性能表征

活性炭是臭氧-生物活性炭(O3-BAC)饮用水深度净化工艺中的核心材料,准确评价活性炭的吸附性能是活性炭选型的基础.本研究采制我国4种典型商品煤基活性炭样品,同时选取一种木质炭作为对比,测定炭样的碘值、亚甲蓝值、焦糖脱色率等常规吸附性能指标以及对丹宁酸(TA)和腐殖酸(HA)的静态吸附容量;用快速小柱实验(RSSCT)...     

低温对聚乙烯发泡材料动态缓冲性能的影响

目的在低温环境条件下,测试与分析2种冲击高度(61,76 cm)下聚乙烯发泡材料的动态缓冲性能。方法参考实际包装件流通环境的温度范围,分别在23,0,-15,-30℃等4种温度条件下进行聚乙烯发泡材料的动态冲击试验。结果在低温环境条件下的EPE动态冲击曲线中,对应于最小加速度处的静应力较常温条件下的增加0.9~2.5 k Pa,加速度值降低约7~8 g。结论低温环境下,缓冲材料动态载荷能力增加,其最小加速度值低于常温条件下相同受力状态下的数值。在实际包装设计中,应结合实际流通环境温度进行缓冲设计。     

基于AHP赋权云模型的煤自燃风险评价

为实现煤自燃风险的科学性判别,从煤的自燃倾向性、供氧漏风、蓄热散热条件等3个方面构建了煤自燃风险评价指标体系。通过层次分析法（AHP）确定指标权重,结合云模型理论,提出了基于AHP赋权云模型的煤自燃风险评价。以沈煤集团某煤矿为工程背景对构建的模型进行验证,研究结果表明,该矿煤自燃风险为Ⅱ级,与实际情况相符。     

智能语音机器人的硬件开发与设计

本作品以控制和检测为主要内容,主要由机器人控制本体和远程监控平台组成。本文从控制器模块、语音输入模块、语音输出模块、电机控制模块、图像采集模块以及远程监控平台几方面对系统的硬件进行了详细的设计。     

用于域适应的多边缘降噪自动编码器

神经网络模型被广泛用于跨领域分类学习。边缘堆叠降噪自动编码器(marginalized stacked denoising autoencoders,mSDA)作为一种神经网络模型,通过对源领域和目标领域数据进行边缘化加噪损坏,学习一个公共的、健壮的特征表示空间,从而解决领域适应问题。然而,mSDA对所有的特征都采取相同的边缘化加噪处理方式,没有考虑到不同特征对分类结果的影响不同。为此,对特征进行区分性的噪音系数干扰,提出多边缘降噪自动编码器(multi-marginalized denoising autoencoders,M-MDA)。首先,利用改进的权重似然率(weighted log-likelihood ratio update,WLLRU)区分出领域间的共享和特有特征;然后,通过计算特征在两个领域的距离,对共享特征和特有特征进行不同方式的边缘化降噪处理,并基于单层边缘降噪自动编码器(marginalized denoising autoencoders,MDA)学习获取更健壮的特征;最后,对新的特征空间进行二次损坏以强化共享特征的比例。实验结果表明,该方法在跨领域情感分类方面优于基线算法。