基于多元经验模式分解的电力系统低频振荡模式辨识

提出了一种辨识电力系统主导低频振荡模式的新方法。该方法结合了多元经验模式分解(Multivariate Empirical Mode Decomposition, MEMD)、Teager能量算子及预测误差法(Prediction Error Method,PEM),通过多元经验模式分解将含电力系统低频振荡特征信息的信号进行分解,得到多个本征模函数(Intrinsic Mode Function, IMF)分量;借助Teager能量算子的快速响应能力,筛选出含有主导振荡模式的主要IMF分量;最后采用预测误差法辨识出各主导振荡模式的振荡频率和阻尼。分别利用IEEE68节点测试系统和辽宁电网实测PMU数据对所提方法进行分析、验证。结果表明,该方法可有效从电力系统的广域量测信息中辨识出电力系统的主导振荡模式。     

能源互联网多源多层次协调优化方法研究

能源互联网已经成为分布式设备智能化管理,多种形式能源耦合互补应用的关键技术。为了解决能源互联网中的多能协调优化问题,文中针对含可再生能源的能源互联网,按照\"分层控制-协同优化\"的思想,提出一种多源多层次的调度层级划分模型对系统内的分布式设备进行管理,实现区域系统内冷、热、电、气等能源的优化调度。文中采用基于实数编码的遗传算法对该优化模型进行仿真分析,验证了该分层优化方案能够以最小成本为优化目标实现区域能源互联网能量自治及多能优化,同时协调不同区域间的优化调度。     

单边侧入光式导光板质量可视化检测方法

导光板是液晶显示屏背光模组的重要组成部分,在其生产过程中不可避免会出现亮点、划伤、压伤、暗影等缺陷,直接影响显示效果.针对这种问题,根据网点的排列特征、缺陷的成像效果,本文提出了一种基于机器视觉的导光板缺陷检测方法.首先,根据网点的排列疏密程度将图分成疏区和密区;其次,由于疏区网点会对缺陷检测带来极大干扰,提出了网点分离的思想,通过设计滤波器分离网点与背景,分别进行疑似缺陷提取.设计高斯导数滤波器对密区进行滤波,并在此基础上利用灰度形态学、图像运算等处理方法提取密区疑似缺陷;进而,针对导光板不同区域,根据产线质检要求提取缺陷区域的特征,并通过这些特征制定筛选规则判定缺陷;最后,在自主研发的导光板缺陷检测系统上,对提出的检测方法进行了大量的现场测试.测试结果表明,针对亮白点、压伤和划伤缺陷具有较高的检测精度,检测精度可达99%以上,基本可以满足工业检测要求.     

基于孪生卷积神经网络的图像融合

传统的图像融合算法多有计算复杂程度高、不能有效提取图像纹理等不足,为了弥补以上传统算法,提出了一种基于孪生卷积神经网络（Siamese Convolutional Neural Network,Siamese CNN）的图像融合方法.首先,用孪生卷积神经网络生成一个权重图,该权重图包含了来自两个待融合图像的全部像素信息.然后,用图像金字塔对像素以多尺度的方式进行融合,并且采用了局部相似性策略自适应调整分解系数的融合模式.最后,和现存的几种图像融合的方法进行了对比.实验证明,该方法有较好的融合效果,具有一定的可实用性.     

论现象学方法对设计思维的深化及对设计教育的启发

运用现象学的“回到事情本身”与“本质直观”的方法,可以使人们深入理解设计的本质。设计是善的目的及其可视化表达,设计思维是指向“人的自由”的目的思维,设计思维的每个阶段都贯穿着人的自由。设计教育应立足于设计思维的本质,从设计判断力、设计表达力、设计创造力等方面培养学生的自由创造精神。     

重介质选煤过程模型与数据混合驱动的自适应运行反馈控制

重介质悬浮液密度是决定重介质选煤产品质量的重要影响因素,但由于重介质选煤运行过程是一个时变的强非线性过程,导致根据实时工况的变化在线调整重介质悬浮液密度异常困难.为此,本文针对重介质选煤过程特性,提出一种模型与数据混合驱动的自适应运行反馈控制方法,用于在线调整重介质悬浮液密度设定值.所提方法首先将重介质选煤过程分解为低阶线性模型和未建模动态非线性项两部分;进而针对线性部分,将PI控制与一步最优控制相结合,设计了模型驱动的自适应PI控制器;并利用随机向量函数链接网络设计了数据驱动的虚拟未建模动态补偿器;最后分析了闭环系统稳定性,并在基于MATLAB和Unity3D的虚拟现实仿真平台上进行了对比仿真实验,验证了所提方法的有效性.     

高动态卫星链路多普勒频移特性分析

为满足高动态卫星接收机设计仿真及测试需求,以高机动飞行器典型运动模型为参考,通过合理近似与简化,推导出高动态卫星信道多普勒频偏变化理论模型。仿真结果表明,理论模型的多普勒频偏计算误差小于6‰,适合工程设计应用。在此基础上,进一步分析了高动态卫星通信信号载波同步关键技术,并提出了解决方案建议。     

一种基于R3D网络的人体行为识别算法

现有的行为识别算法不能充分地提取抽象的行为特征,为此提出了基于三维残差卷积神经网络（3D Residual Convolutional Neural Network,R3D）的人体行为识别算法。该网络在三维卷积神经网络（3D Convolutional Neural Network,3D-CNN）基础上加入了残差模块,可以更好地提取时空域的特征,然后通过改变步长大小进行特征图降维,提高网络效率,并加入批量归一化层和Softplus激活函数,提高网络的收敛速度和拟合能力;之后添加Dropout层,降低过拟合风险,并且使用全局平均池化层(Global Average Pooling,GAP)代替全连接层,克服了网络参数量过大的问题;最后,使用Softmax进行分类。实验结果表明,使用R3D网络在HMDB-51数据集上获得了62.3%的识别率。     

面向旅游电子商务的多目标复合评估及优化推荐算法

推荐算法在电子商务系统中具有良好的应用前景,受到了越来越多关注和重视,逐渐成为了电子商务领域的研究热点.在介绍目前主流的推荐算法的基础上,结合电子商务实际应用需求,提出了多目标复合评估及优化推荐算法.并基于途牛旅游网数据,与一般推荐算法进行比较,验证了该算法的有效性,从而为多目标复合评估及优化推荐系统的研究提供了新思路与新方法.     

氧燃比对爆炸喷涂 WC-12Co 涂层组织和力学性能的影响

目的提高直升机旋翼系统连接件的耐微动磨损疲劳寿命,解决传统镀铬工艺引起的环境污染问题。方法采用爆炸喷涂工艺,通过调节氧气和乙炔混合气体氧燃比,在35Ni4Cr2MoA高强合金钢基体上制备不同的WC-12Co涂层,研究氧燃比对涂层组成、结构和力学性能的影响规律。结果随着氧燃比的提高,涂层C含量逐渐降低,硬度、致密性、弹性模量和结合强度则先升后降。氧燃比低于1.1时,粒子飞行速度低和熔融不充分是涂层硬度和致密性下降的主要原因;氧燃比高于1.3时,爆炸焰流为氧化气氛,WC粒子的氧化和分解加剧了C元素的流失,使得涂层性能下降;氧燃比为1.2时,涂层无明显氧化和脱碳,截面维氏显微硬度(HV0.3)达到12.9 GPa,孔隙率为0.86%,与基材间的结合强度达到148 MPa。结论爆炸喷涂中高速飞行的粒子对35Ni4Cr2MoA高强合金钢基体具有一定的表面强化作用,喷丸试棒经爆炸喷涂工艺沉积WC-12Co涂层后,疲劳寿命提高107.4%。氧燃比对爆炸喷涂沉积WC-12Co涂层的组成、结构和力学性能影响较大,氧燃比为1.2时,涂层的综合力学性能最佳。