超高速轻量转子动平衡技术精密控制探究

随着家用电器对高速电机转速要求不断提高,转速以吸尘器领域为例,转速高达140 000 rpm,同时具备体积小、功率密度高等要求,电机高速化对转子系统的不平衡要求更高,来解决旋转机械的振动故障有70 %来源于转子系统不平衡造成的重大质量、寿命影响。同时高速化后声品质要保障低噪音,对振动允许值要求超高,达到实验、声品质标准,因此对高速转子动平衡精密控制以及校正实现研究也极为迫切,本文针对电机的轻量高速转子保证进行研究。     

基于词亲和度的微博词语语义倾向识别算法

准确识别词语语义倾向并构建高质量的情感词典,从而提高微博文本情感分析的准确率,具有重要意义。传统的基于语料库方法对种子词选取敏感,并且不能有效对低频词语语义倾向进行识别。本文提出了一种基于词亲和度的微博词语语义倾向识别算法。利用词性组合模式提取候选词集,选取微博表情符号作为种子词,并构建词亲和度网络,利用同义词词林对低频词进行扩展,计算候选词与种子词之间语义倾向相似度。根据设定阈值判断词语语义倾向。在200万条微博语料上分别将本文算法与传统算法进行对比,实验结果表明本文算法优于传统算法。     

AdaBoost高速并行字符识别算法应用

针对常用字符识别速度和精度矛盾的问题,提出了改进的AdaBoost字符识别算法。利用先验知识的稳定特征将字符集进行完全二分类,在此基础上分别训练级联的分类器,在充分的样本学习后可得到较高的识别正确率。针对AdaBoost算法的计算量大,用纯软件实现难以满足工业应用的实时性要求,根据其大量的乘累加运算相似性,基于积分图像和FPGA的并行结构来快速实现。实验结果表明,该算法能够满足印刷质量在线检测系统的识别正确率和实时性要求。     

工业无线网络Krylov子空间估计与动态信道选择

在工业无线传感网络中,信道性能要进行估计,工作信道要进行选择,以保证通信的可靠性。以分析工业环境噪声为基础,建立Krylov子空间频率选择接收信道模型,并分析信道中接收信号的时空性能。根据信道估计分析,提出使用时延判断信道的优劣的动态信道选择方法。实验数据表明,该方法能提高有效通讯距离2 m左右,减少丢包率30%以上。     

基于JAIN SIP的用户代理软件设计

会话初始化协议(SIP)是下一代网络中应用层的信令控制协议。JAIN SIP是用于实现SIP应用而提供的一套标准Java接口。提出了一个基于JAIN SIP的用户代理软件框架,包括图形用户界面(GUI)、SIP消息处理模块、媒体处理模块和SIP协议栈,并对各个功能模块进行了详细分析。用JAIN SIP来开发基于SIP协议的应用不仅可以提高开发效率,而且将使应用程序获得较高的可靠性和较好的移植性。     

基于数据网格的分布式音乐服务器系统Gmusic

提出了Gmusic概念，Gmusic是利用数据网格的概念设计，在Globus Toolkit基础上开发的分布式音乐服务器系统，该系统主要利用了Globus Toolkit提供的对网格环境下文件的注册、发布、删除、拷贝、查询、远程访问、数据传输、安全性保护等功能。阐述了Gmusic系统的特点、结构分析和系统的实现。     

“快鱼”钱伯斯

他行动迅速，说话快得像拍卖商，带着西弗吉尼亚的南方口音。这位CEO正是计算机业最炙手可热的明星。     

基于成本效益分析的城市配电网典型供电模式规划

针对不同城市用地规划单元,本文从成本效益分析角度出发,结合规划单元边界条件,将电压等级规划、变电站规划、中压线路规划三者有机地统一,并考虑中压线路分支线及负荷分布对规划方案的影响,建立了规划单元的数学模型。根据供电区域用地类型的不同,只需对各自供电区块的规划单元进行求解,便可实现整个规划区的配电网规划。通过应用本方法对上海某居住区功能块配电网进行规划,验证了该方法的准确性和灵活性。     

张北柔性直流电网换流阀故障穿越策略与保护定值优化

不同于以往端对端柔性直流工程,应用直流断路器的柔性直流电网要求直流线路故障时换流站可实现故障穿越。文中以张北柔性直流电网工程为背景,首先,建立了直流线路故障时换流阀暂态电流的数学模型;然后,基于传统阀控过流保护策略,分别提出了保证换流阀故障穿越能力的定值设计方法和保证换流阀安全性的定值设计方法,解决了传统的阀控过流保护策略无法兼顾直流线路故障下换流阀的故障穿越能力要求和站内故障时换流阀的安全性要求的问题;最后,提出了基于分桥臂闭锁的新型阀控过流保护策略,并设计了详细的动作时序。在PSCAD中搭建张北柔性直流电网仿真模型,验证了所建立数学模型的准确性和所提出策略的有效性。     

基于时空分布映射的大规模电池健康状态研究

针对传统方法难以对不间断电源系统、微网储能系统的蓄电池组进行高效准确的状态估计问题,提出了一种全新的基于数据驱动的方法应用于大规模电池的健康状态预测。首先,分析电池的历史数据,从电池健康状态（空间维度）和时间演变放电过程（时间维度）2个层面对电池状态进行有效聚类。其次,将数据分布映射到高维空间,设计相应的基于时空分布映射的电池健康状态预测深度神经网络模型。最后,实验模型验证了所提方法的有效性。