弱电网下LCL滤波并网逆变器自适应电流控制

由电网电压谐波以及电网阻抗变化等引起的电网不确定性严重影响LCL型并网逆变器的电流控制。电网电压比例前馈因实现方便且可有效地抑制电网谐波的作用而获得了广泛的关注,但少有文献探讨其在电网阻抗大幅变化即弱电网下的性能。该文分析表明,弱电网下该前馈补偿会大幅降低电流控制的稳定裕度。随着电网阻抗中感性成分的增大稳定裕度变差,最终导致不稳定。此外,低次谐波电流抑制也会失效。针对上述问题,提出一种基于电网阻抗估测的自适应控制方法,即时修正用于前馈补偿的电压以及调整调节器参数以保证较好的相位裕度或高带宽。对比分析以及实验研究表明提出的方案可有效地提高LCL滤波并网逆变器的电网适应性。     

关于发动机轴系振动与噪声的研究——正弦波扫描激振与应力电测的应用

摘要本文介绍了应用正弦波扫描激振、应力电测对静态、动态的发动机轴系进行了测试与研究,阐明了发动机某些零部件的固有频率特性、阻尼特性、扭振特性对轴系振动噪声的影响以及轴系共振区域的划分,对发动机系统降噪的研究进行了有益的探索.     

ARM9:创造点石成金的神话

2007年11月19日晚,天津体育馆,第十届"挑战杯"颁奖典礼的现场.ARM9组的陈少明、朱传聪坐在礼堂的最后几排. 主持人开始宣读特等奖名单.当"华中科技大学"传来时,还来不及诧异和惊喜,再熟悉不过的"多通道"几个字又如波浪涌来.两人一阵激动,朱传聪作为代表走上了领奖台,擎起了饱含着他们汗水和坚持的奖杯.     

一个人的博物馆

2003年，年近半百的樊建川在安仁古镇买下500亩地，不是做房地产生意，而是建起了中国最大的私人博物馆，还是聚落。现有藏品200余万件，国家一级文物14件，他将文革、抗战、民俗三大主体博物馆裂变成25个分馆，形成集群。目前已经开放15个馆，其余的还在陆续修建中。     

牛奶蛋白纤维及其混纺筒子纱线染色工艺

介绍牛奶纤维的特征及与棉、天丝混纺纱线的练染工艺。经试验发现，牛奶纤维不耐碱和高温，处理温度应低于90℃，一般采用氧漂＋还原漂；混纺纱线染色时可选用高温移染法，从而避免双色效应。     

毛冬青叶多酚的提取工艺及其抗氧化性质的研究

以毛冬青叶为原料,进行毛冬青叶多酚提取工艺及其抗氧化性活性的研究,建立以没食子酸为标准品,分光光度法测定毛冬青叶多酚含量的分析方法。结果显示:以pH 4的水为溶剂、料液比1∶30(g/mL)、50℃水浴1.5 h条件下提取1次,毛冬青叶多酚得率为2.89%。其多酚化合物对羟基自由基(·OH)和二苯基苦基肼自由基(DPPH·)均有较强的清除效果,最大清除率分别为55.00%和62.85%。     

二氧化硅对EP/CB复合材料电性能的影响

以二氧化硅( SiO2)为添加剂,低结构炭黑(CB)为导电填料,环氧树脂(EP)为基体树脂,甲基四氢邻苯二甲酸酐( MeTHPA)为固化剂,采用超声分散溶液混合法制备EP/CB/SiO2复合材料.通过电阻-温度特性测试和扫描电镜等分别对其电性能和微观形貌进行了表征与分析.结果表明,随SiO2含量增加,复合材料的室温体积电阻率先下降后上升,当SiO2质量分数为0.5％时,电阻率达到最小值;含SiO2的EP/CB/SiO2导电复合材料仍具有正温度系数( PTC)和负温度系数(NTC)效应,但其PTC强度小于EP/CB复合材料,NTC效应也弱于EP/CB体系.     

球形多孔硅酸镁制备及其糖汁脱色应用

目的:制备球形多孔硅酸镁,并用于糖汁脱色研究。方法:结合水热合成法和模板法,以氯化镁和硅胶球为前驱体制备多孔硅酸镁,并对其进行XRD、FTIR和SEM表征分析;然后以制备的硅酸镁为吸附剂,以脱色率为指标,考察了球形多孔硅酸镁用量、吸附温度、吸附时间及pH对甘蔗原糖溶液脱色性能的影响;最后考察了多孔硅酸镁对糖汁色素的吸附过程。结果:表征分析可知制备的多孔硅酸镁为球形多孔硅酸镁。糖汁脱色实验结果表明,在球形多孔硅酸镁用量为0.10 g、吸附温度为30℃、吸附时间为40 min、pH为6.0时,其对糖汁的脱色率为69.8%。经拟合得知,球形多孔硅酸镁对糖汁色素的吸附过程符合准二级动力学吸附方程与Langmuir等温吸附方程。结论:本研究可为发展镁法制糖技术及工艺提供新的方法与理论依据。     

基于四元小波与对数极坐标的不变纹理检索

为提高旋转与缩放情况下纹理图像的检索准确率,提出一种基于四元小波与对数极坐标的不变纹理图像检索方法。通过对数极坐标变换使旋转与缩放变化的图像产生水平或垂直移位,利用四元小波变换对移位图像进行分解,从而获得图像旋转与缩放的不变特征。使用Rayleigh分布对QWT高频子带进行建模,并将Kullback-Leibler距离作为图像特征的相似度量。在Brodatz数据库上的实验结果表明,该方法的检索准确率较高。     

一种基于可变形卷积的高光谱图像分类算法

随着深度学习的不断发展,基于深度学习的机器 视觉方法被广泛应用,其中,卷积神 经网络(convolutional neural network,CNN)对高光谱图像(hyperspectral imagery,HSI ) 分类有着显著的效果。传统卷积网络中卷积核的采样位置是固定的,不能根据HSI中复杂的 空间结构而改变,忽略了数据在空间分布上的特征,为了提高高光谱图像分类在实际应用中 的性能,本文提出了一种基于可变形卷积的高光谱图像分类方法,考虑到HSI高维度的特性 , 将可变形卷积从2D引伸到3D,从而更好地提取3D空间上的特征。本文结合双分支双注意机制网络(double- branch dual-attention mechanism network,DBDA)的网络结构和3D可变形卷积,在Indi an Pines(IP)和Botswana(BS)2个数据集上进行了实验。实验结果表明,本文的方法在 综合精度(overall accuracy, OA) 、平均精度(average accuracy, AA)、KAPPA评价标准上均获得了更好的分类准确 率,相较于次优算法,OA提高了0.15%—0.23%,AA提高了0.21%, KAPPA提高了0.000—0.001。