PET局部脑氧代谢率测定

应用PET和示踪动力学原理进行无创性局部脑氧代谢率（rCMRO2）测定为研究正常脑功能以及疾病状态下脑的病理生理状况提供了有力工具。本文对rCMRO2测定中的关键技术，包括局部氧摄取分数（rOEF）、局部脑血流量（rCBF）和局部脑血容量（rCBV）测定进行了详细介绍。     

土木工程课程设计与毕业设计模式探索

课程设计与毕业设计是土木工程专业非常主要的实践教学环节,研究结合学校现有教学资源与人才培养目标的特色要求,就其课程与毕业设计选题、内容、指导教师遴选、过程控制、考核与保证质量措施等方面进行了改革与实践。     

基于TMS320VC5410 DMA方式的高速并行采样系统设计

针对便携式图像系统中视频信号采集与数字处理的需求，设计了以TMS320VC5410(DSP)为核心的通用采样处理系统。利用VC5410的6通道DMA(直接内存存取)控制端口，实现了信号的高速并行采样，其采样率最高可达20MBps。介绍了并行采样系统硬件组成、DMA控制端口逻辑关系以及高速并行采样的编程实现。     

放射形配网潮流计算的一种新的牛顿法

前推回推法是放射形配网潮流计算最基本的算法.通过对前推回推法求解过程的数学演化,导出一种新的牛顿类型的算法及其雅可比矩阵直接分解公式.利用比较原理,间接证明该算法是一种具有超线性收敛性的近似牛顿法.与经典牛顿法相比,该算法无须计算雅可比矩阵、无须三角因子分解等过程,直接由前代/回代或回代/前代过程就能完成;与前推回推法相比,该算法无须特定的节点和支路编号过程.文中以一个实际的中等规模配电系统为例,分析、比较前推回推法、导出的近似牛顿法、经典牛顿法等的收敛性和计算速度,证实上述研究结论.     

水电站复杂厂用电保护整定值配合研究

以大面积采用微机保护装置的三峡水电厂复杂厂用电系统为研究对象,针对其运行方式分析困难等复杂问题,结合电厂的实际运行工况,提出以厂用电母线为主要研究节点,确定母线的最大（小）运行方式,以其最大运行方式下发生三相短路电流值来整定,最小运行方式下发生两相短路电流值来校验,解决复杂系统整定值配合问题。并在分析了该厂保护固有动作时间及保护装置特性的基础上,采取缩短时间级差的方法来确保主保护的速动性,有效解决复杂厂用电系统多级保护之间保护动作时间的配合问题。结果表明,水电厂投入运行以来没有出现因时间级差缩短到0.2     

基于分层遗传算法的双阈值图像分割

图像分割是图像处理中的重要问题,通常的图像分割法包括阈值法、边缘检测法、区域跟踪法等.其中,阈值法是一种通用的方法.本文将分层遗传算法用于阈值的选取,仿真结果表明,在设定了合适的遗传算子后,该算法可以实现正确的图像分割,将分层遗传算法用于图像处理中,是非常有效的.     

抑制连续换相失败的电流指令值补偿策略

高压直流输电系统在常规低压限流控制下,故障恢复期间直流电流和换相电压的恢复速度不匹配导致连续换相失败。为了减小连续换相失败的概率,本文首先引入直流电流变化率补偿低压限流控制器输出的电流指令值。然后,引入换流母线交流电压变化率对补偿后的指令值进行二次补偿,通过整定控制参数,提出二阶直流电流指令值动态补偿策略。最后,在PSCAD中搭建基于国际大电网会议的标准模型对策略进行测试,结果表明,在发生接地故障时本文策略能够协调直流电流和换相电压的恢复速度,抑制直流系统发生连续换相失败。     

糠醛渣对Cr(Ⅵ)的吸附性能

研究了糠醛渣对Cr(Ⅵ)的吸附性能.结果表明:糠醛渣对水中Cr(Ⅵ)的吸附在100 min达到平衡;在50 mL、30 mg/L的Cr(Ⅵ)溶液中,当其用量为1.0 g时,糠醛渣对水中Cr(Ⅵ)的吸附去除率达到95.14%;温度对水溶液中Cr(Ⅵ)的去除有一定的影响,糠醛渣吸附水中Cr(Ⅵ)的过程为吸热反应.平衡吸附量与平衡质量浓度之间的关系符合Freundlich和Langmuir等温吸附方程所描述的规律.     

基于绝缘子内置电容分压的配电线路故障检测技术研究

短路故障和断线故障是配电网常见的线路故障,对配电网安全稳定运行有重要影响。本研究以不接地配电系统为对象,提出在线路绝缘子内部集成陶瓷电容,通过电容分压检测配电网线路故障的暂态电压信号,进而实现配电线路故障检测的新方法。采用PSCAD/EMTDC软件建立了短路故障和断线故障情况下配电系统的仿真模型,研究了典型故障工况下绝缘子内置电容分压器监测的线路电压特征。结果表明：对于低阻和中阻接地故障,线路故障相电压迅速减小至稳定值,健全线路对应相的电压欠阻尼振荡衰减至稳定值,故障线路与健全线路的暂态高频信号特征明显;对于相间短路故障和单相断线(含接地)故障,可根据负荷侧稳态电压特征进行检测与识别。这表明本研究提出的绝缘子内置电容分压的配电网线路故障检测方法是可行的。     

基于SDS-SSA-LSTM的变压器油中溶解气体浓度预测

油中溶解气体浓度预测对变压器早期故障检测至关重要。为了提高预测精度,本文提出了奇异谱分析(SSA)结合长短期记忆网络(LSTM)的预测模型。首先针对传统序列分解做法中的数据泄露问题,提出一种基于SSA逐步分解的采样策略,然后基于该策略将特征复杂的原始油中溶解气体浓度序列分解为特征相对单一的趋势分量与波动分量,最后利用LSTM网络对各个分量分别进行单步和多步预测。累加各分量的预测值,得到原气体浓度的预测结果。算例表明,相较于单一LSTM,本文所提模型在实验天数内整体的预测精度更高。