一种新型网络计费系统的研究

在讨论了网络计费的各项关键技术后，包括网络参数、Linux内核模块、Linux核心过滤模块，提出了1个IP网络宽带计费系统解决方案，并突出介绍了其核心部分IP宽带计费网关的设计与实现．分析了此计费系统的应用前景．     

基于LINUX的802.1Q协议分析与应用

传统以太网尽管能够显著地利用带宽,但是并不能抑制广播报文的扩散,广播报文仍然能够扩散到整个网络中去.同时,网络中的主机也不能够根据需要将其划分至相应的逻辑子网中,因此,网络的结构缺乏灵活性.而采用VLAN技术的以太网可以很好地解决以上问题.首先讨论了802.1Q VLAN的帧格式及Linux下实现802.1Q VLAN所需要的数据结构,然后详细讨论了Linux下802.1Q VLAN的数据处理流程.最后给出了802.1Q VLAN在校园网中的应用分析.     

冰凌输沙的又一例证

给出寒区河流冰凌输沙现象的又一例证。     

基于卡尔曼滤波的InSAR柔性基线距离测量

对于柔性长基线构型的双天线InSAR系统,基线矢量动态偏移产生的误差会降低系统的成像质量,并最终影响高程精度。针对单相机和激光测距仪组合测量系统中如何提高基线距离向精度的问题,提出了一种基于卡尔曼滤波的基线距离测量方法。建立了基线距离向抖动数学模型,在此模型基础上提出了基于卡尔曼滤波的动态测量方法,对该方法进行了动态仿真分析。仿真结果表明,在几十米的测量距离内,该方法能够将基线距离向的测量精度降低到亚毫米量级,是测量基线距离的有效方法。     

配电网降损节能措施

针对配电网的设备管理,论述了配电网中线损形成的原因,并从管理和技术两个方面总结了降低配电网中线损的方法.     

开关电感型单相五电平电流源逆变器

多电平电流源逆变器因具有高安全性、低输出谐波特性等优点得到广泛关注。提出了一种开关电感型单相五电平电流源逆变器,其直流控制单元采用Buck结构,为电感提供了独立的充放电回路,实现了电感电流控制与输出电流控制的完全解耦,使用较小电感即可控制电流稳定。所提逆变器采用开关电感结构形成多电平输出,减少了器件数目,利用其高度对称性可简化外围电路设计。针对于单相逆变器输入侧电感电流存在二倍频波动的问题,在传统比例积分控制的基础上,增加功率前馈控制,以储能电感在每个开关周期内实现电流恒定作为先决条件,折算不同状态下直流侧开关器件的占空比扰动量,在不增加电路复杂度的前提下,采用较少器件和小储能电感有效抑制了电感电流的二倍频波动,减小了输出电流中3次谐波含量和总谐波畸变率,提高了输出电能质量。最后,通过仿真和实验验证了所提拓扑和控制策略的可行性。     

两级式单相逆变器的二次功率解耦控制

两级式单相逆变器由前级DC/DC和后级DC/AC组成,通常利用负载电流前馈提高DC/DC的动态响应能力,但DC/AC输出瞬时功率的二次脉动,会由前馈通道使DC/DC的输入源产生二倍频电流。为了消除负载瞬时功率脉动对前级DC/DC的影响,提出在电压环引入串联虚拟阻抗以及增加电流环有功指令的前馈解耦控制方法,并推导出2条前馈通路的最优组合方式。在此基础上给出串联虚拟阻抗和有功电流前馈的优化选取方法以及控制器参数设计思路。该方法不仅能有效抑制输入侧的低频纹波电流,保证了系统的稳态性能,而且能够完整快速提取前馈分量,提高了DC/DC负载突变时的响应速度,实现了前后级之间的二次功率解耦。理论分析表明,所提控制既能满足二倍频电流抑制要求,又增大了电压环带宽,系统的动态特性更强。仿真和实验结果验证了所提控制策略的有效性。     

车用锂离子电池热管理系统研究

近年来,随着能源和环境问题越来越突出,锂离子电池驱动的电动汽车在缓解这些问题方面显示出了巨大的潜力和优势。与其他电池相比,锂离子电池具有比能量高、能量密度高、使用寿命长等优点。然而,受限于电池的工作温度,锂离子电池电动汽车发展面临巨大挑战。在高温环境下,锂离子电池可能会产生热失控,导致短路、燃烧、爆炸等安全问题。本文介绍了锂离子电池所使用的热管理方法,并对其优缺点进行了讨论和比较。同时,本文的最后,提出了锂离子电池的发展前景。     

工科大学生科技创新实践能力培养体系的建设研究

大学生科技创新实践能力培养是高等学校工科学生培养的一个重要组成部分。以工科大学生课外科技创新活动为载体,探讨工科类大学生科技创新实践能力培养体系的建设,提出了培养体系的研究内容及实施方案。该培养体系在过程控制与装备工程专业学生中进行了实施,取得了良好的效果,提高了工科大学生的科技创新实践能力。     

基于MobileNet的地基云图分割方法研究

本文利用深度卷积神经网络技术,针对全天相机的云图分割方法进行了改进,将MobileNet作为三种分割模型U-Net、SegNet和DeepLabV3+的主干,再分别使用白天和夜间云图进行训练预测,利用一些评价指标对于其性能做出评价。结果表明,MobileNet可以更好的提取网络特征信息,经过改良后的U-Net网络更适合于地基云图的分割,对于白天云图和夜间云图的分割精确度分别达到了89%和95%。