磁性微电子机械系统(MMEMS)的应用

微电子机械系统(MEMS)技术结合磁性材料的特性,会产生许多新的功能,并在很多领域得到应用,如信息技术、汽车工业、生物医学,航空以及科学仪器等.本文阐述了在微米尺寸下,磁性MEMS相对于静电和压电执行器,在强度、偏振、执行距离等方面具有的优势,并就磁性MEMS现有及潜在的应用加以概述.     

基于偏最小二乘回归的年用电量预测研究

对年用电量的预测若采用一般最小二乘回归法建模，其估计参数存在着很大的误差且物理意义明显不足。而偏最小二乘回归方法则实现了多元线性回归、主成分分析和典型相关分析的综合、克服了自变量之间的多重相关性的问题，因而更具有先进性，其计算结果更为可靠，在实际系统中的可解释性也更强，且方法简单，计算快捷。该文将偏最小二乘回归模型(Partial Least Square Regression，PLS)应用于年用电量预测，并与基于最小二乘的多元线性回归模型预测成果进行对比，探讨了偏最小二乘法在电力负荷预测中的可行性和优势。通过四川省电网年用电量预测表明：偏最小二乘回归法比一般最小二乘法优，具有较强的实用性。     

高频开关电源变压器的设计方法

介绍了国内外高频开关电源变压器的研究现状及主要的设计方法.     

基于最小二乘支持向量机和负荷密度指标法的配电网空间负荷预测

传统的负荷密度指标的求取方法通常采用经验法或简单类比法,难以满足精度要求,从负荷密度与其影响因素存在着某种非线性关系的角度出发,提出了一种基于最小二乘支持向量机(least squares support vector machine,LS-SVM)的配电网空间负荷预测方法。该方法首先引入模糊C–均值算法把各类用地性质负荷聚类为几个等级,建立比较精确的负荷密度指标体系;然后根据待预测地块的规划属性,在体系中为LS-SVM预测模型选出与预测样本特征更为相似的样本进行训练,提高LS-SVM的泛化能力和预测精度;采用遗传算法对LS-SVM预测模型的参数进行自动优化,进一步提高预测模型的适应性和预测精度,实例验证了该方法的实用性和有效性。     

基于2阶段家族保护遗传算法的电压稳定霍普夫分岔控制

系统的电压稳定裕度由亚临界霍普夫分岔值表征,如何延迟甚至消除霍普夫分岔,提高稳定裕度,对于防止系统电压失稳具有重要意义。根据一种新的霍普夫分岔指标建立了电压稳定霍普夫分岔控制的最优化模型。该模型考虑了更为切合实际的约束条件,包括系统阻尼限制、PV节点无功出力限制、励磁电压限制以及各节点电压限制等。为有效求解该优化模型,提出了一种2阶段家族保护遗传算法。算法利用混沌变量的遍历性生成初始种群,第1阶段完成家族内部的选择,使得每个家族成员都是优良个体;第2阶段实现家族间的选择,这是一种优–优选择,使算法能以更快的速度收敛到全局最优解。通过对测试函数和WSCC-9节点系统的仿真表明该模型和算法的有效性和可行性。     

基于半呼叫的SSF模型

在半呼叫模型中,要很好地协调业务控制功能SCF和呼叫控制功能CCF,始终是业务交换功能SSF的难点.本文提出一个SSF模型的建立方案.该模型以单点控制为核心,独立区分上下两层功能单元的命令,灵活满足独立业务的需求,解决多业务的冲突问题,并实现多业务的触发.建立触发检出表EDP、事件检出表TDP和业务冲突表CDP是实现上述功能的重要手段,并结合了会话功能SESSION实现业务的映射,从而建立一个高效的SSF模型.     

基于多层极小支配集聚类的WSN算法仿真与分析

在无线传感器网络技术中,多层极小支配集聚类算法是对随机聚类算法的改进,本文讨论了图论中的极小支配集算法,并根据实际需要提出了一种改进的简化近极小支配集的算法,大大降低了计算极小支配集的复杂程度,然后讨论了极小支配集应用在无线传感器网络的聚类的实现.最后用仿真程序验证了该算法在节能性方面的突出改进.     

一种基于分数阶微积分的分数阶伪随机数字水印新算法

本文研究和实现了一种基于分数阶微积分的分数阶伪随机数字水印算法.首先,提出并论述用正弦型信号的分数阶微分的采样差构造分数阶微分伪随机数字序列,该分数阶微分伪随机数字序列对分数阶微分阶次和正弦型信号相位的初始值敏感,当分数阶微分阶次和正弦型信号的初始相位未知时,无法恢复出该伪随机数字序列.其次,在此基础上,提出并论述一种基于分数阶微分的分数阶伪随机数字水印算法,其算法的保密性取决于分数阶微分阶次和正弦型信号的初始相位的不可知性.最后,仿真实验表明本分数阶微积分水印算法的不可感知性和顽健性好.     

超球体单类支持向量机的SMO训练算法

由于One-class支持向量机能用于无监督学习,被广泛用于信息安全、图像识别等领域中.而超球体One class支持向量机能生成一个合适的球体,将训练样本包含其中,故更适合于呈球形分布的样本学习.但由于超球体One-class支持向量机没有一种快速训练算法,使其在应用中受到限制.SMO算法成功地训练了标准SVM,其训练思想也可用于超球体One-class支持向量机的训练.本文提出了超球体One-class支持向量机的SMO训练算法,并对其空间和时间复杂度进行了分析.实验表明,这种算法能迅速、有效地训练超球体One-class支持向量机.     

三角形刀片切削过程的有限元分析

通过对三角形车削刀片的切削过程进行有限元分析,获得到出不同切削用量对切削力、切削温度、刀片应力的影响。可据此选择合理的切削用量以延长刀具寿命。对比有限元模拟数据与切削试验数据,发现模拟值和试验值有合理的一致性。