小批量多元控制图建模方法研究

在分析研究现有小批量及多元控制图相关理论的基础上,基于Kalman滤波原理,提出一种综合解决小批量多元过程控制的建模方法。仿真实验及应用实例表明,该建模方法能够充分利用已经取得的数据,动态建立控制模型,从而解决小批量生产过程中建模数据不足的问题。     

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。     

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。     

SnO2/MWCNTs/PVP电阻式柔性湿度传感器的制备及其性能研究

柔性湿度传感器在可穿戴式健康监测中发挥重要作用,合理选择柔性传感器的材料和工艺是制备柔性传感器的关键。为实现柔性基底的高性能湿度传感器,通过静电纺丝工艺在带有柔性电极的聚对苯二甲酸乙二醇酯(PET)的衬底上制备出SnO₂(二氧化锡)/CNT(MWCNTs多壁碳纳米管)/PVP(聚乙烯吡咯烷酮)湿度传感器和CNT/PVP湿度传感器。通过自主设计湿度生成和测试装置,对两种传感器的灵敏度、响应时间等参数进行测试。实验结果表明,两种湿度传感器输出阻值与相对湿度之间呈线性关系,SnO₂/CNT/PVP传感器的灵敏度是CNT/PVP传感器的3.3倍,说明掺杂SnO₂能显著提高SnO₂/CNT/PVP湿度传感器的灵敏度特性。     

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。     

基于复杂网络的泛在电力物联网设计方法

在物联网与智能电网相结合的背景下,如何构建泛在电力物联网,使其更为高效与经济,是需要首先解决的一个问题.而复杂网络由于其出众的拓扑建模与分析能力,与该研究内容非常契合,因此考虑将复杂网络理论应用于泛在电力物联网的规划与设计之中,通过网络效率、凝聚度等网络评估指标,节点度、节点介数、效率损失系数、凝聚度变化率等节点评估指标,研究一种针对给定电力网络设计其泛在电力物联网感应层与网络层的方法,为泛在电力物联网的规划提供参考与依据.     

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。     

IGBT芯片静态输出曲线连续测量方法

绝缘栅双极型晶体管(IGBT)芯片的静态输出曲线是考核其能量损耗及指导多芯片并联设计的重要指标之一。现有测量IGBT静态输出曲线的方法多采用商用化的功率器件分析仪,然而商业化功率器件分析仪存在价格昂贵、夹具单一的问题。亟需开发一种简单、快速、有效的静态输出曲线测量方法。面向高压IGBT芯片,提出一种新的静态输出曲线连续测量方法及测试电路,有效减小了IGBT芯片的电导调制效应和温升效应对静态输出曲线的影响。通过实时测量动态过程中的电压及电流,可以快速得到IGBT芯片静态输出曲线。通过对比本文连续法与功率器件分析仪的测量结果,证明了所提方法的有效性。