变压器有载分接开关故障处理一例

通州市供电局金沙变电所1号主变型号为SFSZL6—31.5/110±3×2.5％,系常州变压器厂1991年7月制造的,110kV线圈中性点端配用吴江开关厂1990年12月生产的SYXZ—110kV/200A有载分接开关。1号主变于1991年12月投入运行。 主变有载分接开关于1992年12月27日7∶30′由3档调至4档,110kV侧电流为90A,8∶20′有载分接开关重瓦斯保护动作,主变三侧开关跳闸,主变停止运行,有载分接开关累计调压次数1049次。     

基于声电效应的生物电流源定位

生物电流源的实时准确定位对于房颤等电生理疾病的诊断具有重要意义。为了进行生物电流源的2维定位,基于声电效应和互易定理,采用有限元法仿真分析了2维导联场,再通过MATLAB对导联场数据进行处理,其中仿真模型选取质量分数为0.9%的Na Cl溶液作为均匀导电介质。仿真结果表明,在均匀介质条件下,仅用1对探测电极即可实现生物电流源的精确定位,电流源和电流汇的仿真位置与实际位置之间的误差均≤0.04 mm。利用声电效应有望实现生物电流源的高精度实时定位,为房颤定位的临床实用化奠定了基础。     

基于混合时频域特征的卷积神经网络心律失常分类方法的研究

心律失常是常见的心血管疾病之一，目前很多方法通过计算机辅助系统对心电图进行分析以识别心律失常，但由于大多数心律失常数据样本较少，计算机辅助系统识别心律失常效果不佳.本文提出了一种基于混合时频域分析特征提取的卷积神经网络方法，该方法提取心电图的RR间期时域特征、希尔伯特-黄变换提取的频域特征和连续小波变换提取的时频域联合特征，经过特征融合后输入卷积神经网络训练分类模型，并采用Focal Loss作为网路的损失函数，实现对心律失常的分类.本文使用MIT-BIH(Massachusetts Institute of Technology-Boston’s Beth Israel Hospital)心律失常数据库验证本文提出方法对4类心电数据分类的结果，实验结果表明，与现有的分类算法相比，本文所提出的混合时频域特征方法能有效提升心律失常分类的准确性.