基于博弈组合赋权的变压器差异化状态评估

针对变压器状态评价存在大量模糊、不确定甚至是冲突信息,同时现有的评价方法预设传统阈值过于主观,且权重确立相对简单有失偏颇,导致评估结果存在偏差的问题.提出了基于博弈论组合赋权的变压器差异化状态评估方法:首先利用多维度特征参量的全量历史数据与Weibull模型计算特征参量的状态离散区间和差异化阈值,然后建立基于差异化阈值...     

论中国古典园林及其美学价值

中国古典园林总是尽量地融近自然,强调人文景观和自然景观的和谐统一,具有含蓄幽深的美,是一种自然风景式的风格,与西方规格图案式的园林风格截然不同。中国古典园林深得传统文化的精髓,是教育青年的宝贵财富。     

永磁同步电动机逆系统解耦控制

提出了一种永磁同步电动机（PMSM）的逆系统线性化解耦控制方法。首先,通过非线性状态反馈获得PMSM的逆系统,将多变量、非线性、强耦合的PMSM动态解耦成转速与定子电流两个低阶的线性子系统,然后,分别设计线性控制器对转速与定子电流子系统进行闭环控制。仿真结果表明：提出的控制方案具有优良的动态和静态性能,且对负载变化具有较强鲁棒性。     

全过程数字化电力造价评审系统构建研究

基于电力工程造价评审业务现状,考虑评审标准动态配置、评审业务全过程串联、工程数据自动采集等系统需求,设计“资源-标准-业务-数据-应用”层级交互的造价评审系统架构,说明经济性评价、工程预算评审、电子化预结算、数据采集等主要功能的实现过程,介绍系统实现的技术架构与权限设置,可为数字化评审系统建设提供参考,也为造价管理数字化转型提供借鉴。     

大直径高精度圆弧面球冠的数控车加工

大直径薄壁零件在机械加工中一直是个难点。由于直径大,壁薄,所以刚性较差、易变形,用一般的加工方法达不到加工要求。某型号产品中有一零件形状类似球冠,其内外球面尺寸分别为SR(384．3±0．05)mm、SR(394．3±0．1)mm,尺寸精度、形位公差精度要求高,具体尺寸如图1所示。     

平整过程中异步轧制轧制压力计算模型

平整过程中由于带钢下表面平整液滴落导致带钢出现上下表面摩擦因数不同的异步轧制现象,使用平整过程的轧制压力模型预报平整异步轧制过程中的轧制压力时精度不高。为此,针对普通工程适用的平整轧制压力模型计算平整异步轧制轧制压力误差较大的问题,提出适用于异步轧制的轧制压力计算方法。考虑到异步轧制的工艺特点与设备的实际工况,首先分析带钢上下表面润滑条件差异性和受力变形情况,建立变形区的平衡方程和单位轧制压力计算方程。其次研究了异步与同步轧制上下轧辊压扁的差异性,根据上下轧辊轧制过程中变形的几何关系和弹塑性力学理论,确定了变形区各参数的计算方法。在此基础上,采用迭代方法提升计算模型精度,建立了适用于平整机组异步轧制过程的轧制压力计算模型,同时给出了带钢上下表面摩擦因数返算方法。最后,为了验证模型的准确性,利用国内某平整机组的设备参数和实际生产过程中的典型规格带钢工艺参数,对比不同润滑条件下本轧制压力模型理论计算值与工程适用的平整轧制压力模型计算值和现场实测数据。结果表明,提出的平整过程中异步轧制轧制压力计算模型能适用于异步轧制情况下的轧制压力计算,与工程适用的平整轧制压力计算模型相比误差减小5%,具有...     

基于物联网技术的wMPS发射站控制系统

针对工作空间测量定位系统(wMPS)网络测量场中对发射站的控制需求,提出了一种基于物联网技术的发射站集中控制系统;该系统包括发射站节点层,现场网络层和应用层,利用无线传感器与微控制器实现发射站节点的控制与通信,网络层将发射站分区域接入工业网络,测量主机作为服务器对发射站进行统一管理;通过实验表明,无线传输系统延时小,每秒可完成3次完整的控制与响应流程,控制系统运行稳定且易于扩展,提高了测量系统应用于现场时的工作效率。     

任职教育院校管理的主要矛盾及对策建议

行政管理、学术管理、教学管理和教学科研资源管理四个方面不能全面协调发展,管理的整体形态与信息化条件下任职能力培养规律不相适应,是当前任职教育院校管理科学发展面临的主要矛盾.为此,必须实现"三个转变":一是要更新管理理念,实现由管行政向管全局转变;二是要强化组织领导,实现由纵向抓向立体抓转变;三是要优化制度设计,实现由各自为政向综合集成转变.     

任职教育院校管理的主要矛盾及对策建议

行政管理、学术管理、教学管理和教学科研资源管理四个方面不能全面协调发展,管理的整体形态与信息化条件下任职能力培养规律不相适应,是当前任职教育院校管理科学发展面临的主要矛盾.为此,必须实现"三个转变":一是要更新管理理念,实现由管行政向管全局转变;二是要强化组织领导,实现由纵向抓向立体抓转变;三是要优化制度设计,实现由各自为政向综合集成转变.     

融合VAE和StackGAN的零样本图像分类方法

零样本分类算法旨在解决样本极少甚至缺失类别情况下的分类问题。随着深度学习的发展,生成模型在零样本分类中的应用取得了一定的突破,通过生成缺失类别的图像,将零样本图像分类转化为传统的基于监督学习的图像分类问题,但生成图像的质量不稳定,如细节缺失、颜色失真等,影响图像分类准确性。为此,提出一种融合变分自编码(variational auto-encoder, VAE)和分阶段生成对抗网络(stack generative adversarial networks, StackGAN)的零样本图像分类方法,基于VAE/GAN模型引入StackGAN,用于生成缺失类别的数据,同时使用深度学习方法训练并获取各类别的句向量作为辅助信息,构建新的生成模型stc-CLS-VAEStackGAN,提高生成图像的质量,进而提高零样本图像分类准确性。在公用数据集上进行对比实验,实验结果验证了本文方法的有效性与优越性。