基于系统均衡理论的浮动式停车计费模型

为了使停车费率策略更加有效地实现停车资源与道路资源的均衡利用,根据效用理论与非集计模型,建立停车选择行为模型,确定停车费率等变量与选择概率及停车流量的函数关系.在此基础上,建立以出行者总停车选择效用最大化为目标的浮动式停车计费模型,将停车场利用率均衡与道路饱和度均衡作为约束,采用序列二次规划方法进行求解,并通过算例验证了模型的可行性与有效性.研究结果表明:浮动式停车费率可实现路网流量分配均衡和停车场利用率均衡,相比于固定费率可提高138%的停车社会效益,且浮动式停车费率对停车系统的调控作用优于道路系统.     

一种新的光伏发电预测模型设计

提出一种新的基于结合PSO(Particle Swarm Optimization)和BP(Back Propagation)神经网络的优化算法,按季节、日类型划分12个子网络组成的预测模型,并以影响发电量的关键因素太阳辐射强度、气温、历史发电量作为输入变量,预测光伏电站日发电量。预测结果显示:该预测模型能保证在日类型等条件发生转变时模型的持续有效性,预测误差均小于20%,预测精度能满足电网公司要求。     

多云环境下的集约化运营平台建设方案探讨

江苏联通聚焦当前多云环境下的痛点问题和实际业务需求,探讨一种集约化运营平台的功能建设方案,解决云资源池异构、分散、无法统一管理的问题,以面向政企云客户提供电信级的保障手段,有效推动全省云资源运营集约化体系的改革落地,提升客户感知和服务质量.     

液体火箭的POGO振动研究与参数分析

通过建立一个蓄压器-推进系统的耦合动力学模型,研究了蓄压器对推进系统振动频率的影响,并利用临界阻尼法分析了蓄压器-推进系统的稳定性.分析结果表明,临界阻尼比的增大会导致火箭结构系统失稳,而增大蓄压器气蚀柔度可降低临界阻尼比,提高系统稳定性;产生POGO振动时,结构振动的加速度响应最大,且推力脉动与加速度响应的相位差为-π/2;蓄压器在推进系统上的安装位置对POGO抑制有重要影响,给出了蓄压器安装的最佳位置.     

基于残差BP神经网络的变压器故障诊断

基于传统BP神经网络的变压器故障诊断方法,当网络模型达到一定的深度时,模型的诊断性能会趋向于饱和,无法进一步提升网络模型的诊断性能,此时加深网络模型的深度反而会导致模型的诊断性能有所下降。此外,在小样本数据下,传统BP神经网络仍无法取得较好的诊断准确率。因此,为了提高变压器故障诊断准确率以及在小样本数据下的诊断性能,提出了基于残差BP神经网络的变压器故障诊断方法。所提方法采用堆叠多个残差网络模块的方式加深BP神经网络的深度,将传统BP神经网络的恒等映射学习转化为残差BP神经网络中的残差学习。同时,在每个残差网络模块中,模块的输入信息可以在模块内跨层传输,使得每个模块的输入信息可以更好地向深层网络传递,从而在小样本数据下仍可以训练得到较好的诊断模型。实验结果表明,相较于传统深层BP神经网络和传统浅层BP神经网络,所提方法具有更高的诊断准确率,同时在小样本数据下也体现出较好的诊断性能。     

基于Web Service的温室远程监控系统设计

根据温室特点和Web Service技术原理,提出了基于Web Service技术的3层温室远程控制系统架构.采用.Net开发Web Service组件,利用JSP直接调用Web Service控制接口,开发了对温室进行远程手动控制的Web页面.结合J2EE开发Web服务器程序和基于Web模式的客户端程序,实现了温室的远程登录、参数查询和动态曲线显示等功能.温室远程监控系统已在实验温室和校园网内得到应用,结果表明其各项功能运行正常,系统稳定可靠.     

铜钼分离技术研究进展

硫化铜和辉钼矿可浮性比较接近是导致铜钼分离困难最主要的原因。从铜钼分离现状和新技术两个方面对其进行详细介绍。铜钼矿石一般采用混合浮选工艺,然后通过抑铜浮钼方式进行铜钼分离。但是传统黄铜矿抑制剂存在选择性差、用量大、环境污染严重等问题。针对目前铜钼分离存在的问题,国内外科研者提出一些新的分离工艺,包括氧化-浮选、电化学浮选、海水浮选、浮选柱浮选、选择性浸出、超导磁选技术等,这些技术具有明显优势,但目前仅局限于理论阶段,需要进一步完善。另外,高效低毒抑制剂的开发仍是目前铜钼分离焦点话题。     

基于CAN总线的温室环境控制系统

CAN总线是全数字式现场控制设备互连的串行通信网络,能有效支持分布式和实时控制,其数据通信具有突出的可靠性、实时性和灵活性。为此,设计了一种基于CAN总线的新型温室控制系统,以工控机为核心,通过CAN总线和各温室功能模块通信。实现对温室环境的检测、数据的实时显示和历吏查询以及执行机构的实时控制。     

BP神经网络和支持向量机相结合的电容器介损角辨识

针对电力电容器介质损耗的计算方法稳定性较差,频率波动对介损角的辨识有较大影响的问题,提出了BP神经网络和支持向量机（support vector machine, SVM）相结合（BP-SVM）的辨识方法,并且首次应用于电容器介损角的辨识。在辨识过程中,首先,对电容器工作一段时间的信号进行采样和预处理,预处理后的信号作为训练集训练BP-SVM模型;然后,使用训练好的BP-SVM模型对预处理后新的采样信号进行辨识,判断介损角的变化量。此外,给出了基于BP-SVM模型的介损角表示信号D_δ（t）的计算过程,同时分析了在讨论域内信号D_δ（t）的幅值即是介损角δ。仿真分析结果表明,提出的BP神经网络和SVM相结合的电容器介损角辨识方法比基于深度学习的辨识方法具有更高的辨识准确率,并且频率变化对BP-SVM方法的辨识性能无明显影响。     

多轴输出功率三分支齿轮系统静/动力学特性研究

以鱼雷涡轮机减速器中的功率三分支齿轮系统为研究对象,分析了多轴输出条件下系统的静力学和动力学特性。采用广义有限元法,将系统划分为轴段单元、啮合单元和轴承单元,建立了考虑各构件柔性的系统整体动力学模型。分析了不同参数对各齿轮副静态啮合力的影响规律,并计算了系统的动态响应。结果表明：在某支路添加辅机负载后,将导致分流/汇流级的载荷不均;提高两级间连接轴或轴承的刚性,会增加相应支路的啮合力;辅机齿轮安装相位会对各分支的啮合力产生周期性影响。添加辅机输出后,对分流/汇流级各分支的振动有着不同的影响。研究结论将会对多负载的功率分支齿轮系统静力学和动力学设计提供有效参考。