铸造铝合金方棒浇铸质量控制与应用

针对热顶模半连续铸造铝合金方棒存在的工艺技术及产品质量缺陷问题,分析了生产中产生问题的原因,研发了方棒铸造用结晶器成型技术,采取了操作强化、工艺控制、技术升级、工装维护等具体措施,使生产率提升到17 t/h,铸造成材率提升到99.5%,产品质量良好。     

APF直流侧电压控制小信号建模及参数整定

直流侧电压控制是并联型有源滤波器APF(active power filter)的关键环节,精确设计控制器参数有助于提高系统性能。在传统直流侧电压控制模型基础上建立了其控制小信号模型,进而提出一种基于小信号模型的PI参数整定方法。采用零极点配置将含有右半平面零点的小信号模型转化为普通的二阶滞后系统,根据劳斯判据和两步整定法详细讨论了PI参数的选取原则,重点分析不同PI参数对系统性能的影响。该方法在实验参数已知的情况下,可以准确计算出PI控制器参数,在保证系统谐波补偿性能的同时具有较小的直流侧电压超调。仿真和样机实验结果都表明了该方法的可行性。     

关于电力输电线路施工技术要点的有益探索

在电力工程中,输电线路的作用是沟通、联络各个变电站与发电厂,给用户分配、输送电能,其为电力系统的关键组成,由此可以看出输电线路地位举足轻重。电力系统是否能安全、可靠、稳定运行,其中重要的一个环节是电力输电线路施工技术。在此,文章分析、探讨了电力输电线路施工近年来出现的一些新技术的应用。     

基于改进下垂控制的多逆变器功率分配控制

多逆变器并联组网运行时,针对传统下垂控制中一次调频和调压能力有限而导致的频率和电压越限问题,提出了一种具有自愈能力的改进下垂控制策略.该策略通过适当提高空载角频率和空载电压,将逆变器实际输出功率与预期功率的差值通过积分环节来调整下垂系数大小,从而实现频率和电压的自愈.在此基础上,分析了下垂系数对功率分配的影响,通过基准...     

等温退火对锆合金表面非晶AlNbTiZr中熵合金涂层结构与力学性能的影响

对磁控溅射法制备的AlNbTiZr中熵合金涂层在500℃下进行了不同时间(0～150 h)的真空等温退火。采用XRD、SEM及纳米压痕和纳米划痕的分析手段研究了等温退火对涂层显微组织演变和力学性能的影响。结果表明：经500℃/150 h退火后涂层相结构出现了结晶现象。涂层经60 h等温退火后其硬度和弹性模量均达到最大值为10.7 GPa和152.7 GPa,而90 h和150 h热处理后硬度和弹性模量均有所下降。随着等温退火时间的延长,塑性变形能力和断裂韧性有所提高。Al、Nb和Ti元素在界面处的相互扩散加剧,界面结合强度有较大提升。这均有利于涂层适应压水堆苛刻的工作条件。     

基于干扰消除辅助稀疏连接神经网络的大规模MIMO信号检测

近年来,深度学习成为无线通信领域的关键技术之一。在基于深度学习的一系列MIMO信号检测算法中,大多未充分考虑相邻天线之间的干扰消除问题,无法彻底消除多用户干扰对误码率性能的影响。为此,该文提出一种将深度学习与串行干扰消除(SIC)算法进行结合的方法用于大规模MIMO系统上行链路信号检测。首先,通过优化传统的检测网络(DetNet)及改进ScNet检测算法,该文提出一种基于深度神经网络(DNN)的检测算法,称为ImpScNet。在此基础上,进一步将SIC思想应用到深度学习框架结构设计中,提出一种基于深度学习的大规模MIMO多用户SIC检测算法,称为ImpScNet-SIC。此算法在每个检测层上分为两级,其中,第1级由该文提出的ImpScNet算法提供初始解,再将初始解解调至相应的星座点上作为SIC的输入,由此构成该算法的第2级。此外,在SIC中也使用了ImpScNet算法估计传输符号,以便获得最优性能。仿真结果表明,与已有的各种典型代表算法相比,该文所提ImpScNet-SIC检测算法特别适合大规模MIMO信号检测,具有收敛速度快、收敛稳定及复杂度相对较低的优势,并且在10^–3误码率上有至少0.5 dB以上的增益。     

基于卷积特征提取及深度降噪网络的大规模MIMO系统信号检测

传统多输入多输出（Multiple-Input Multiple-Output, MIMO）信号检测算法受到天线数量和收发天线比例的限制,一般仅适用于少量天线、收发天线比例较低的情况。本文提出一种基于深度学习（Deep Learning,DL）的稀疏连接卷积降噪网络模型,用于大规模MIMO系统上行链路信号检测。首先,通过简化经典的检测网络（Detection Network, DetNet）,改进ScNet（Sparsely Connected Neural Network）检测算法,引入卷积神经网络（Convolutional Neural Networks,CNN）对三通道输入数据提取特征以减少训练参数,提出一种SConv（Sparsely Connected Convolutional Neural Network）检测算法。与DetNet算法相比,该算法可同时降低计算复杂度和提高检测精度。在此基础上,进一步基于CNN构建信号降噪模块,并嵌入SConv网络,提出一种卷积神经降噪（Sparsely Connected Convolutional Denoising,SConv-D）网络辅助的大规模MIMO检测算法。此算法检测过程分为两级,第一级由SConv算法提供初始估计值,再将初始估计值作为降噪过程的输入,并由此构成算法第二级。实验结果表明,本文提出的SConv-D算法适用于QPSK、4QAM及16QAM等多种信号调制模式,在高阶调制模式下获得的性能增益尤为明显。此外,该算法能够适应各种比例的收发天线及数量规模的系统配置,尤其是在收发天线数量相等的情况下亦能获得更优的性能。本文算法还克服了MMNet在高阶调制情况下的性能平台效应,在16QAM调制、收发天线数量相等的情况下,SConv-D在10^-2误比特率上能获得接近2 dB的性能增益。     

2035年美国能源真能独立？

国际能源署（IEA）11月12日发布的《世界能源展望》预计,美国2017年将超越沙特成为全球最大产油国,2035年将实现能源自给自足。尽管近年来有关美国非常规油气开发将推动国际能源格局转变的论断早已不绝于耳,但这家国际能源机构对美国能源前景的预测堪称最为乐观。不过,笔者对此不敢苟同。     

美国城镇化：区域经济和城市均衡发展

美国城市建设与经济发展和人口增长相适应,多数城市商务区和生活区分离,特别是由于人口流动自由、基础设施建设完善,区域经济和城市发展相对均衡,相关经验值得我国城市化建设借鉴。     

基于OAMP算法辅助稀疏连接神经网络的MIMO信号检测

最大似然检测（Maximum likelihood detection,ML）是传统多输入多输出（Multi-input Multi-output,MIMO）信号检测中的最优算法,但是受到天线数量、收发天线比例以及调制信号的约束,致使其仅适用于天线数量少、天线比例较低且调制信号阶数较低的场景。作为一种新型的解决方案,目前基于深度学习（DL）的信号检测算法得到了广泛关注,但同样存在收发天线规模相近时检测性能恶化问题。该文将正交近似消息传递（OAMP）算法与稀疏连接神经网络（ScNet）结合成为可训练的网络结构,提出一种新的适用于MIMO系统上行链路的信号检测算法,称作ScNet-OAMP。该算法通过神经网络提供精确的信号传输参数初始解,改善OAMP过程的线性估计和非线性估计,由此增强其降噪能力,达到提高检测精度的目的,相比于ScNet和OAMP,其能够在同等实验参数下获得最佳检测性能。实验结果表明,此算法适用于QPSK、4QAM及16QAM等不同调制信号,能够处理不同比例收发天线及数量规模的系统配置,尤其是在收发天线数量相近的情况下亦能表现出较好的性能,并且在10^-3误码率上有至少0.5 dB,甚至2.2 dB以上的性能增益。