GIS局部放电检测的有源外置UHF传感器设计

针对传统无源外置局部放电超高频(UHF)传感器频带窄、增益低、容易引入噪声的问题,研究并设计了基于有源集成天线(AIA)技术的有源外置传感器.传感器通过宽频带天线接收局部放电产生的电磁波信号,在天线介质板上直接由有源对数检波器放大信号进行包络检波,省去了传统设计中的平衡不平衡转换与射频传输线,降低天线前端的匹配损耗,改善传感器的频带、噪声和增益.测试结果表明:传感器中心频率为900 MHz,驻波比小于2的频带为730 MHz ～ 1.05 GHz,传感器输出信号峰值为5V,频率为2～10 MHz.该传感器抗干扰能力强,增益高,适合GIS局部放电的检测.     

基于UHF传感器与以太网的GIS局部放电监测系统设计

针对传统局部放电监测采样率低、信号易受干扰、不利于实时监测,而超高频（ UHF）传感器进行局放监测因设备通信速度慢、无法故障录波的问题,设计了一种基于UHF传感器与以太网的气体绝缘开关设备（ GIS）局部放电监测系统。该系统由一个主控采集系统和若干个传感器模块组成,传感器模块获取局部放电产生的UHF电磁波信号0.3～2 GHz,通过对数检波电路降频至2～10 MHz;主控采集系统采集该信号,通过SDRAM缓存后经以太网发送至变电站管理员,实现对GIS局部放电高速实时在线监测。测试实验结果表明：该系统功能强,速度高,工作稳定,监测范围广,当局部放电发生时,系统能实时发送报警信号,并可提供故障信号波形用以故障分析。10/100 M以太网通信实际速度可达500 kB/s,比传统的RS—485通信速度提高90倍以上。     

一种可完全恢复的门限多秘密视觉密码方案

针对门限结构下恢复多幅秘密图像存在信息损失的问题,给出了一个完全恢复的门限多秘密视觉密码定义,能够适应门限值与秘密数量之间的各种对应关系.在此基础上,通过构造具有上下门限值的单门限多秘密视觉密码方案,并设计旋转规则融合算法和区域合并算法,提出了一种多门限方案.最后,对方案的有效性进行了理论证明和实验验证.     

基于C#控制的NI板卡在振动试验台中的应用

NI板卡可用于车辆振动试验台的数据采集和处理,C#语言可用于定制用户接口界面,在C#下调用NI接口的方法却甚少有人提及,这里介绍了两种在C#平台下控制NI USB-6363板卡,调用接口函数完成数据采集功能的流程,最后给出在C#下完成基本数据采集和故障监测功能的实例,与通过基于LabVIEW的故障监测系统得到的实验数据进行对比,验证了C#数据采集程序的精确性,为C#下实现数据采集提供了创新的思路.     

一种基于信息分离的高维多目标进化算法

高维多目标优化是指对目标维数大于三维的多目标问题(multi-objective optimization problem,简称MOP)进行优化.大多数传统的多目标进化算法采用Pareto支配关系指导搜索,很难在高维多目标优化问题上得到较为理想的结果.为此,提出了一种基于信息分离的高维多目标进化算法(multi-objective evolutionary algorithm based on information separation,简称ISEA).该算法在目标空间中将原坐标系进行旋转,使第1条坐标轴与向量(1,1,…,1)^T平行.ISEA定义转换坐标的第1个坐标值为收敛信息(convergence information,简称CI),剩余的坐标代表个体分布信息(diversity information,简称DI).同时,采用一种基于分层选择的邻域惩罚机制,利用一种由两个超圆锥组成的邻域形状保持种群的分布性,当个体被选入归档集后,其邻域内的个体将被惩罚进入下一层选择,防止邻近的个体同时被选入归档集.邻域形状的第1部分利用分布信息覆盖邻近的个体,第2部分覆盖边界上的差个体.与NNIA,e-MOEA, MSOPS,AR+DMO以及IBEA这5种经典算法进行了比较.实验结果表明,ISEA在处理高维多目标优化问题时具有良好的收敛性和分布性.     

无线网络编码感知路由综述

流间网络编码具有改善无线网络性能的潜力,然而,由于实际网络中编码机会数量通常十分有限,仅仅被动地利用编码机会无法获得高的性能增益.编码感知路由的核心思想是使用有利于网络编码的路由,它通过在路由建立阶段构造特定的编码结构,可以主动创造编码机会.系统地总结了流间网络编码中的编码结构,并以此为主线,分类介绍了编码感知路由的研究现状.最后,对编码感知路由的研究热点进行了展望.     

本体评估方法研究综述

本体是知识共享的重要工具,也是语义Web的支柱.本体的使用是以保证其质量为前提.本体评估为本体构建的质量及本体的选择重用提供了技术支持.分析了本体评估的必要性;对本体评估的现状进行综述,主要包括归纳总结了本体评估的方法及本体评估的基本思路,介绍了本体评估的指标体系,比较分析了本体评估工具;最后提出本体评估存在的问题和进一步研究方向.     

基于领域划分的微博用户影响力分析

近年来微博作为一种新兴的社交网络逐渐被广大用户使用.微博信息简短、更新迅速、包含信息量大,给微博用户获取信息带来了诸多不便,因此,利用影响力分析的手段找到具有较大影响力的微博用户具有重大意义.微博内容较传统的媒体信息具有较强的时效性和权威性,同时微博用语也极其不规范,这给微博用户影响力的分析带来了极大的困难.首先对获取的微博用户信息进行领域的划分,采用基于微博内容和用户关注的方式将用户归类到其所属的领域.其中,采用新词发现以及特征扩展的方法来提高划分结果的准确性.然后,对各个领域的用户进行影响力分析,提出3种影响力传播模型,用户最终的影响力大小根据3种模型的结果进行加权计算.最后对实验结果进行分析、比较,证明了计算用户影响力的方法能取得较优的结果.     

双资源批量生产柔性作业车间多目标调度方法

针对双资源批量生产柔性作业车间调度问题,提出了一种多目标精细化调度方法。针对双资源批量生产柔性作业车间多目标调度问题特点,建立了一类以制造成本最低和完工时间最短为优化目标的双资源等量分批柔性作业车间调度多目标优化模型;提出了5种双资源批量生产柔性作业车间精细化调度技术;针对模型提出并设计了一种改进的NSGA II算法。通过案例分析验证了该方法的有效性。     

云环境下基于数据流的k-means聚类算法

k-means算法是一种 最常用的基于划分的聚类算法。传统的集中式k-means算法已不能适应当前呈爆炸式增长的数据规模,设计分布式k-means算法成为了目前亟需解决的问题。现有分布式k-means算法基于MapReduce计算框架且没有考虑初始聚类中心的影响。由于每个MapReduce任务均需要读写分布式文件系统,导致MapReduce不能有效表达多个任务之间的依赖关系,因此提出了一种基于数据流的计算框架,该框架建立在MapReduce之上,将数据处理过程按照数据流图建模。在该框架的基础上,提出了一种高效的k-means算法,它采用基于多次采样的初始聚类中心选取方法来实现负载均衡及减少迭代次数。实验结果表明,该算法的可扩展性较好,且效率比现有算法高。