吉林省青少年网络道德教育的策略研究

网络道德教育现己成为当代青少年教育中的薄弱环节,加强对青少年的网络道德教育已经成为当今社会的一个紧迫的研究课题。本论文采用问卷调查法、文献整理法、逻辑分析等方法,对吉林省青少年网络道德教育的现状进行了剖析,结合调查结果提出了相应的对策,以此作为培养青少年形成正确的道德判断能力和自律,促进吉林省青少年健康成长的参考依据。     

一种基于粗糙集证据理论深度融合的局部冲突快速合成方法

传统证据理论在进行多焦元属性融合时可能产生组合爆炸,当待合成证据体冲突时容易导致一票否决。针对以上两个问题,通过将待合成证据体转换为知识信息系统,应用粗糙集理论对多源信息进行规则约简,得到约简后的知识规则信息系统,计算出信息系统对每条证据体的支持度;在证据合成中,基于规则信息系统引入证据体支持度、焦元可信度、焦元一致性等因素来表示证据体之间的局部冲突,在此基础上给出冲突证据合成规则。通过测试算例对所提方法进行了测试验证,结果表明：该方法具有较快的收敛速度,计算时间消耗能够得到大幅度降低,在冲突证据合成中具有较强的鲁棒性。     

一种改进的高精度光谱寻峰算法研究

针对被采样的超弱光纤光栅(FBG)反射光谱含有干扰噪声的问题,提出一种应用于大容量超弱传感网络的高速寻峰算法。该算法引入权重因子加入到最小二乘拟合算法实现加权最小二乘拟合(WLS)算法,对高斯曲线拟合系数进行优化,定位出中心波长,然后再通过非对称高斯修正(AG)对定位的中心波长进行修正,提出WLS结合AG(WLS-AG)的算法,实现抗噪声干扰高精度寻峰。通过实验,对比分析最小二乘拟合算法、质心算法、WLS算法及文章提出的WLS-AG算法分别在不同噪声下的峰值误差平均值,以及变温环境下误差平均值。实验结果表明,在高信噪比的情况下,WLS-AG算法连续20次重复性实验平均误差<1 pm,在低信噪比的情况下,平均误差约为10 pm;在不同温度下的检测误差在1 pm内,且最为稳定,满足超弱FBG传感系统精度解调的要求。     

MMC-HVDC输电线路双端非同步故障测距方法

提出了一种基于模块化多电平变换器的高压直流(MMC-HVDC)输电线路双端非同步故障测距方法。首先,通过分析MMC-HVDC系统直流侧线路故障时的电流环路,将跳闸后的双端MMC的两侧环路分别等效为RLC串联电路,并先后控制双端MMC桥臂子模块的投入,为两侧RLC串联电路提供一个初始电压;然后根据RLC电路的零输入响应特性,分别提取双端MMC子模块电容电流的最大值以及该时刻的电压;最后利用双端非同步测量的数据计算故障距离。该方法不依赖于电容的初始电压,并且不受过渡电阻影响,可重复测量,提高了测距的可靠性。在PSCAD/EMTDC中搭建了21电平的MMC-HVDC模型,并对所提故障测距方法进行仿真,验证了其有效性。     

化工机械设备安装工艺技术分析

随着我国改革开放的不断深入,人们对化工工程机械设备的安装越来越重视。化工机械设备安装是化工工程项目建设中最重要的结构组成,机械安装技术是否准确合理将直接影响整个化工工程项目的整体完工。然而,最近几年,有关新闻媒体经常报导在进行化工机械设备安装时,设备存在较多的安全事故,屡次出现意外事故,并且工程质量经常达不到标。基于此,通过详细的分析化工机械设备安装概念、存在的安全问题,并对其进行相关的安装特点探讨,不断地创新设备安装技术,提高整体建设质量与工程效率,预防在安装过程中潜在的安全问题。     

GPS RTK在山体塌陷勘测中的应用

河南省某隧道上方的山体局部地区出现了大面积的塌陷,为判断山体塌陷对隧道的影响,需判断塌陷区与隧道的相对位置,提出了利用GPS RTK进行测量。在地物测量定位过程中,阐述了GPS RTK技术如何进行基准站位置和测量时间的选择,并采用了测前检核方法进行精度的控制。检测结果表明:RTK操作方便,能够实时地勘测出两者的相对位置。     

阴极辊在线抛磨参数对电解铜箔性能的影响

[目的]阴极辊的表面状态会影响电解铜箔的品质,抛磨处理能够令阴极辊保持较佳的表面状态。[方法]通过对日常生产中阴极辊抛磨参数的跟踪与铜箔性能的分析,探究了电解铜箔生产中阴极辊在线抛磨对铜箔粗糙度、拉伸强度、延伸率等性能的影响。[结果]适当提升抛磨刷的摆动频率,降低抛磨刷与阴极辊间的接触压力,增大阴极辊抛磨长度,以及使用小粒度的抛磨刷均能降低铜箔的粗糙度,提高铜箔的常温拉伸强度,减小铜箔纵向与横向延伸率的差异,提高产品合格率。[结论]控制好阴极辊的在线抛磨参数有助于获得品质良好的电解铜箔。     

基于联邦学习的边缘侧电能质量扰动分类研究

传统云端电能质量扰动识别模式下,海量扰动数据对云端的服务器造成了较大的存储、计算压力,且云端扰动识别存在延迟,实时性较差;边缘侧扰动识别可以缓解云端压力,降低延迟,但边缘侧之间无法实现数据的跨域共享。针对以上问题,文章提出了基于联邦学习的边缘计算框架,首先,边缘侧使用本地数据训练模型,然后将模型参数上传至云端进行聚合,更新模型并下发至边缘侧进行部署,在边缘侧对电能质量扰动进行识别分类。实验结果表明,相比云端扰动识别模式,基于联邦学习的边缘侧扰动识别对云端的存储需求下降了97.58%,数据通信成本下降了53.68%,单次扰动识别的传输速率需求下降了99.994%,满足扰动识别实时性的要求;优化后的联邦学习算法与传统的联邦学习算法相比,扰动识别准确率提升了1.72%～3.64%。