在信息技术课程中开展过程性评价的探索与实践

过程性评价就是在在学习一评价一学习的过程中,引导学生积极主动地学习,促使学生全方位地良性发展,以学生综合素质为目标,采取灵活多样的评价方法,注重学生学习过程和学习结果的评价。在信息科技课程的评价过程中我们要探索新的评价原则和评价方法,促进学生的发展和信息科技课程的改革。     

四种数字混沌扩频序列的平衡性分析

探讨了Chebyshev、改进型Logistic、Logistic和Tent四种典型混沌映射的映射参数与平衡性之间的关系,得出了混沌序列新的映射参数取值范围,为混沌扩频码的产生提供了依据;并通过四种混沌序列的平衡性曲线图和映射参数对混沌扩频通信系统的误码率影响曲线图,验证了新取值范围的正确性。仿真和分析表明：Chebyshev映射的平衡性最好。     

异构多子网的以太网物理拓扑发现算法研究

针对异构网络的特点,在分析了网络拓扑发现相关协议的基础上,本文提出了一种依赖SNMP协议、基于异构多子网的以太网物理拓扑发现算法。实验显示,该算法可以准确、高效地进行物理拓扑发现,准确识别链路连接类型,是解决该问题的一种有效方法。     

无线射频多传感器数据采集系统设计

设计并实现了基于无线射频技术的多传感器数据采集系统.详细阐述了系统的实现原理和方法.系统下位机采用集成温湿度传感器SHT71、烟雾传感器MQ-2和模数转换器ADC0832完成数据采集,并通过无线收发模块nRF905 发送;上位机利用无线收发模块 nRF905接收数据并L通过串口传送给PC机进行实时监测.系统电路结构简单,工作稳定可靠,改变了传统线缆直连实现信号传输的方式,极大地提高了设备应用的灵活性并且可以实现多种信号的采集.     

基于级联多电平换流器的两级式储能系统控制策略

储能技术是构建以新能源为主体的新型电力系统的关键技术和维持微网可靠稳定运行的重要保证。国内外现有理论研究及示范工程主要集中于单级式链式储能系统,功率模块与电池系统之间无源连接,结构简单但控制自由度不高。同时,针对基于链式储能的电池荷电状态(state of charge,SOC)不均衡问题,现有的相内SOC均衡控制策略存在不同负载率适应性不足、极度不均衡时可能过调制等缺点,为此,文中基于两级式链式储能系统,研究其总体控制策略,对相间、相内SOC均衡策略进行分析,并提出一种自适应的相内SOC均衡策略,详细说明均衡控制参数的设计原则。该策略能有效地改善链式储能系统在轻载、重载等不同工况下的适应性和均衡效果。最终通过仿真验证了所提控制策略的可行性和有效性,从而为工程实施提供理论储备和技术支撑。     

考虑有功协调优化的配电网动态电压控制

配电网电压动态变化特征日益凸显,对配电网动态优化控制提出了新的要求。除此之外,配电网有功与无功的耦合特性也使得仅基于无功/电压的控制方法效果降低。因此,提出了一种考虑有功/无功快速协调优化的配电网动态电压控制方法,实现在秒级时间尺度内关键节点的电压恢复。首先建立配电网有功/无功控制设备动态模型,并基于模型预测控制理论建立了动态电压控制系统预测模型。设计了面向配电网电压协调控制的多目标自适应优化策略,基于配电网同步相量测量单元动态测量数据实现有功/无功控制设备出力的动态协调。仿真结果表明,该方法能够实现配电网电压波动的秒级抑制,并将目标节点电压快速无差地恢复至扰动前水平。     

融合多尺度特征的脑电情感识别研究

基于单尺度二维、三维卷积的脑电情感识别算法存在原始信号映射到高维特征矩阵过程中信息易丢失、模型参数量大、提取特征相对单一等问题。提出多尺度金字塔交互注意力残差网络（MPIAResnet）。利用多尺度一维卷积核直接提取原始脑电信号的多尺度空间特征,将标准卷积替换为分组卷积,相比二维、三维卷积具有更少的参数量,同时利用通道交互注意力机制优化特征提取过程。在此基础上,与双向GRU(BiGRU)融合组成MPIAResnetBiGRU网络,进一步提取脑电信号的上下文语义信息,实现脑电信号的时空特征融合。基于公开数据集DEAP的实验结果表明:在受试者依赖实验中,该模型Valence和Arousal维度识别准确率达到97.60%和98.15%,相比单尺度模型提升8.56和8.36个百分点;在小批量训练集实验中,当训练集占比为30%时,测试集准确率依然可以保持在90%以上;在分频带实验中,2个高频带信号识别准确率优于低频带信号,证明了模型的有效性;而在受试者全部参与实验中,该模型的识别准确率也均优于对比方法。     

基于改进深度Q网络算法的多园区综合能源系统能量管理方法

多园区综合能源系统可通过多能互补互济显著提升运行经济性,然而园区之间的复杂互动、多能耦合决策会给多园区综合能源系统的能量管理带来决策空间庞大、算法难以收敛等挑战性问题。为解决上述问题,提出了一种基于改进深度Q网络(modified deep Q network,MDQN)算法的多园区综合能源系统能量管理方法。首先,采用独立于园区的外部气象数据、历史互动功率数据,构建了基于长短期记忆(long short-term memory,LSTM)深度网络的各园区综合能源系统外部互动环境等值模型,降低了强化学习奖励函数的计算复杂度;其次,提出一种基于k优先采样策略的MDQN算法,用k-优先采样策略来代替ε贪心策略,克服了大规模动作空间中探索效率低下的问题;最后,在含3个园区综合能源系统的算例中进行验证,结果表明MDQN算法相比原DQN算法具有更好的收敛性与稳定性,同时可以提升园区经济效益达29.16%。     

自适应加权的多特征融合ECT图像重建算法

为了解决电容层析成像(electrical cpacitance tomography, ECT)图像重建中电容值与介电常数这一非线性病态问题,提出一种自适应加权的多特征融合(adaptive weighted multi-feature fusion, AWMF) ECT图像重建算法,利用网络模型拟合电容张量和介电常数的非线性映射关系。首先,在网络模型中采用密集卷积网络(DenseNet),不仅缓解梯度消失现象,还融合不同通道的特征信息;添加挤压激励网络(squeeze excitation network, SENet)自适应调整特征通道的权重,用以提取不同通道的关键特征,提高重建图像的精度。其次,构建树形聚合结构（tree aggregation structure network, TASN）网络模块,扩大感受野并提取丰富的多尺度特征信息,消除普通卷积所带来的伪影现象。在COMSOL5.3软件上建模仿真后,通过MATLAB2014a对图像进行重建。实验结果表明,重建图像误差系数降低至0.0256,相关系数提高至0.9717,与传统算法和CNN算法相比,具有更高的图像重建质量。     

基于类噪声信号的等值负荷惯量两阶段辨识方法

负荷惯量的准确、在线估计是电力系统电压和频率稳定分析的重要基础。为此,提出了一种基于类噪声的负荷惯量辨识方法,基于系统中时刻存在的类噪声信号跟踪等值负荷惯量的时变特性。考虑到类噪声条件下惯量参数可辨识性较差,采用两阶段辨识的思路,首先对负荷的电磁参数进行辨识,然后基于第一阶段辨识得到的状态变量估计出惯量、转矩系数等机电参数。仿真算例和实测数据分析表明,所提负荷惯量辨识方法能够适应不同变转矩情形下负荷惯量的类噪声辨识需求;相较于恒转矩辨识方法,该方法能够更加准确地反映实际负荷的机电暂态特性,得到稳定、可靠的惯量辨识结果。