多波束相控阵天线角度测量方法

在雷达、通信、测控等领域中,基于相控阵天线的幅度和差单脉冲测角技术是基本方法,但该方法通过旋转法向方向图去近似表示子波束方向图,并用一阶泰勒公式近似表示子波束接收信号幅度,从而带来非噪声因素误差,最终导致目标角度估计精度不高。为此,通过相控阵天线同时产生两个形状相同但相互独立的子波束,旋转波束指向中心轴方向的方向图函数来确定两个子波束的方向图函数,并用高阶泰勒公式对子波束接收信号幅度进行近似,从而减少误差。仿真和硬件测试结果表明所提方法能够有效提高测角精度。     

基于高频重构信号与Bayes-XGBoost的低压电弧故障辨识方法研究

针对低压配电系统中单个用电负载支路串联电弧故障辨识困难的问题,提出一种基于高频重构信号和Bayes-XGBoost的低压电弧辨识方法。首先,搭建多支路、多负载类型的低压电弧故障真型实验平台,并采集相关数据。其次,基于故障前后主线路电流高频信号变化规律,提出信号微弱变化叠加法重构故障有效信号。最后,建立适用于单个负载支路电弧故障辨识的XGBoost模型,并采用Bayes算法对模型多个超参数进行优化。实验结果表明,所提方法在多种工况下对单个负载支路电弧故障具有较高的辨识准确率。与6种主流故障分析方法对比,所提方法在精度、训练速度和泛化能力等方面展现出了显著的优越性,有利于实现低压配电系统单个负载支路电弧故障的可靠辨识。     

基于宽频等值电路的配电变压器局部放电电气定位研究

当配电变压器中发生局部放电时,脉冲电流信号会沿着绕组传播,检测低压绕组中性点接地处脉冲电流即可实现配电变压器局部放电检测。以往的配电变压器局部放电检测及评价方法无法判断放电位置与放电类型,难以准确评估配电变压器绝缘状态。建立了配电变压器宽频等值电路模型,研究了不同位置、不同类型局部放电脉冲电流信号在配电变压器绕组中的传播规律,提出了小波-经验模态联合去噪算法过滤现场检测中的噪声信号。通过计算脉冲电流信号的能量值以及三相波形相似系数实现了配电变压器局部放电的电气定位,以对多组不同噪声水平的信号进行验证,均可实现准确定位,验证了去噪算法和定位方法的有效性。     

预训练语言模型实体匹配的可解释性

实体匹配可以判断两个数据集中的记录是否指向同一现实世界实体,对于大数据集成、社交网络分析、网络语义数据管理等任务不可或缺.作为在自然语言处理、计算机视觉中取得大量成功的深度学习技术,预训练语言模型在实体识别任务上也取得了优于传统方法的效果,引起了大量研究人员的关注.然而,基于预训练语言模型的实体匹配技术效果不稳定、匹配结果不可解释,给这一技术在大数据集成中的应用带来了很大的不确定性.同时,现有的实体匹配模型解释方法主要面向机器学习方法进行模型无关的解释,在预训练语言模型上的适用性存在缺陷.因此,以Ditto、JointBERT等BERT类实体匹配模型为例,提出3种面向预训练语言模型实体匹配技术的模型解释方法来解决这个问题:(1)针对序列化操作中关系数据属性序的敏感性,对于错分样本,利用数据集元特征和属性相似度实现属性序反事实生成;(2)作为传统属性重要性衡量的补充,通过预训练语言模型注意力机制权重来衡量并可视化模型处理数据时的关联性;(3)基于序列化后的句子向量,使用k近邻搜索技术召回与错分样本相似的可解释性优良的样本,增强低置信度的预训练语言模型预测结果.在真实公开数据集上的实验结果...     

基于动态门控特征融合的轻量深度补全算法

稠密深度图在自动驾驶和机器人等领域至关重要,但是现今的深度传感器只能产生稀疏的深度测量,所以有必要对其进行补全.在所有辅助模态中, RGB图像是常用且易得的信息.现今的许多方法都采用RGB和稀疏深度信息结合进行补全.然而它们绝大部分都是利用通道拼接或逐元素求和简单的对两种模态的信息进行融合,没有考虑到不用场景下不同模态特征的置信度.提出一种以输入深度稀疏分布为指导,结合双模态信息量的动态门控融合模块,通过动态产生融合权重的方式对两个模态特征进行更高效的结合.并且根据不同模态的数据特征设计了精简的网络结构.实验结果表明所提出模块和改进的有效性,提出的网络在两个有挑战性的公开数据集KITTI depth completion和NYU depth v2上,使用了很少的参数量达到了先进的结果,取得了性能和速度的优秀平衡.     

改进YOLOX网络的轴承缺陷小目标检测方法

针对深度学习模型在工业轴承表面缺陷检测中多目标情形下的小目标漏检率高、模型特征融合不充分的问题,基于YOLOX提出一种多注意力特征加权融合的小目标缺陷检测算法。在骨干网络引入特征提取更加细粒度的Res2Block模块,同时嵌入自注意力机制,增加隐性小目标的区域特征,减少漏检率;设计内嵌坐标注意力并作为加权条件的双路金字塔特征融合网络,提升浅层细节特征和深层高级语义特征的交互融合能力;后处理阶段引入Focal Loss损失函数,增加模型对正样本目标的学习,进一步减少漏检率。实验结果表明,与原YOLOX算法相比,改进算法在自制小型列车轴承表面缺陷数据集上mAP提高了4.04个百分点,对小目标的识别率明显提升。     

基于知识Petri网的确定性和不确定性联合推理

知识推理是人工智能的核心领域,旨在研究如何从已知(知识库和推理规则)推理出未知,以帮助智能体做出科学决策.而智能体所处的环境存在不可观性和不确定性,因此知识库通常不仅包含确定性知识,还包含不确定性知识,而且推理过程需要两类知识紧密协作.然而,目前的推理方法无法将两类知识统一表示,常常将两者对应的推理过程割裂进行.基于此,为了实现在统一的模型架构下完成确定性和不确定性联合推理,给出了一种知识Petri网推理方法.首先,定义了一种新的知识Petri网,使其不仅能够描述确定性的知识规范,也可以描述先验概率知识;其次,根据知识Petri网的网结构,给出了一种知识Petri网概率独立剪枝算法,能够指数级地降低不确定性推理的计算复杂性;最后,利用知识Petri网及其概率独立剪枝算法,给出了一种新型推理算法,实现了确定性和不确定性的联合推理,并利用Wumpus世界进行了演示和验证.     

基于实时电价响应的电动出租车充电负荷优化策略

与电动私家车相比,电动出租车充电负荷高得多且难以预测。因此电动出租车不可控的充电负荷可能会给配电系统带来巨大且无法预测的峰值,并造成严重损害。为解决该问题,本文提出了一种基于实时电价响应的电动出租车充电负荷优化策略,该策略可以有效调节充电负荷用来跟踪给定的负荷曲线。策略设计包括三个步骤,首先根据应用场景,简化电动出租车最佳充电决策。然后,提出了两种充电负荷聚合模型,分别描述了充电决策和实时电价之间的关系,以及充电决策和总电量之间的关系。最后,提出了一种有效的在线估计方法来计算适当的实时电价,以使充电负荷跟踪目标负荷,作为对价格的响应。仿真结果验证了所提策略的有效性。     

基于改进多目标粒子群算法的有源配电网储能优化配置

储能系统可解决分布式电源加入配电网所产生的不良影响,而储能系统的合理配置是其有效应用的前提。以电网脆弱性衡量指标、有功网损、储能额定容量三个方面,考虑规划与运行之间的耦合性建立储能系统在有源配电网中的多目标选址定容模型。提出改进的多目标粒子群算法用于求解。该算法在种群更新过程中引入准对立学习策略以增强解的覆盖范围和收敛速度,并根据迭代次数采用自适应分裂策略分离过早聚集的粒子,从而增强粒子多样性,保证了算法跳出局部最优的能力。通过在IEEE33节点配电系统上进行分析,验证了所提模型及算法在优化分布式储能选址定容及运行策略中的合理性,并能有效改善电网的运行经济性与脆弱性,具有更强的全局寻优能力。     

分布式储能应用模式及优化配置综述

为促进新能源的发展,解决大规模分布式电源（Distributed Generation, DG）直接接入配电网和负荷急剧增长对电网规划及运行带来的问题与潜在威胁。分布式储能技术得到了广泛应用,由于其具有快速功率吞吐能力、控制精度高、安装灵活、多主体利益等特点,可从根本上保障配电网供电的安全与稳定性。介绍了分布式储能的发展状况,根据其接入位置在分布式电源侧、中低压配电网侧和用户与微网侧详细归纳了近年来国内外各种分布式储能应用模式的研究成果,重点就其位置和容量的选择问题总结了分布式储能优化配置的各类数学模型及优化算法。并结合分布式储能在配置过程中存在的问题,对其发展趋势进行了展望。