基于不充分知识下的电缆故障检测与诊断方法

为了解决传统电缆故障检测诊断方法的精度,提高电力系统的运行稳定性,提出基于不充分知识下的电缆故障检测与诊断方法.分别从电缆类型、电缆结构、电缆参数和传播特性等方面,构建电缆分布结构模型.安装电缆故障检测装置,收集电缆实时运行数据.在电缆分布结构模型下,获得电缆故障等效电路,利用不充分知识理论提取电缆故障信号特征.并通过...     

基于校园网的二手物品交易平台的设计与实现

依托某校校园网设计并实现一个服务于广大师生员工的二手物品交易平台,该平台主要满足该校师生员工的学习、工作和生活,实现了用户注册登录、发布修改商品信息、浏览商品信息、添加到购物车和提交订单等功能,节省了人力物力,打破了时间空间的限制,大大提高了效率。     

岩体水力定向压裂技术的研究

水力压裂是高效破岩技术之一,在煤岩层增透、卸压控制等方向应用较多。但是,目前煤岩体定向压裂控制方向的研究相对较少。为突破常规煤岩体压裂限制,本文研究水力破岩压裂技术的可控性及适用性。为分析水力压裂的定向控制性,开展了理论和数值分析,理论分析和数值分析结果相一致,在λ<1时,起裂、扩展压力随λ增加而增加,在λ>1时起裂压力、扩展压力随λ增加而减小,主裂纹沿最大主应力方向扩展;在近似等围压条件,定向控制裂纹可以引导和控制破岩主裂纹的扩展,且定向控制裂纹与最大主应力的方位角越小,定向控制裂纹对主裂纹引导作用越明显。基于理论和数值分析结果,可知水力定向压裂技术具有较好的应用价值。     

工程训练中心实验预约系统的设计与实现

针对目前出现的问题,文章设计并实现了工程训练中心实验预约系统,该系统解决了因为纸质方案管理而造成的效率低下、频繁出错等问题,提高了实验设备和实验场地的管理效率,方便了任课教师对实验室的预约,同时学生也可以随时随地查询到实验实训的安排。     

基于平衡迭代规约层次聚类的无线传感器网络流量异常检测方案

针对现有网络流量异常检测方法不适用于实时无线传感器网络(WSN)检测环境、缺乏合理异常判决机制的问题,该文提出一种基于平衡迭代规约层次聚类(BIRCH)的WSN流量异常检测方案。该方案在扩充流量特征维度的基础上,利用BIRCH算法对流量特征进行聚类,通过设计动态簇阈值和邻居簇序号优化BIRCH聚类过程,以提高算法的聚类质量和性能鲁棒性。进一步,设计基于拐点的综合判决机制,结合预测、聚类结果对流量进行异常检测,保证方案的检测准确性。实验结果表明,所提方案在检测效果和检测性能稳定性上具有较为明显的优势。     

毛细管电泳芯片的模拟设计与实验研究

利用ANSYS软件对毛细管电泳芯片微沟道内样品流动情况进行模拟,获得了不同进样模式下微沟道的结构与流体流速之间的关系,对芯片整体结构参数进行设计:毛细管微沟道最终尺寸为宽度16μm,深度10μm,有效分离长度为3.5cm的圆角转弯形沟道.采用激光诱导荧光原理进行实验测试,建立测试系统,对两段不同长度的DNA片段实现了基线分离, 研究结果为毛细管电泳芯片的进一步应用奠定了基础.     

基于卷积神经网络的开关柜故障率预测方法

开关柜设备对于配电网的稳定运行至关重要,评估其在发生不同类型绝缘缺陷情况下的故障概率,可更好地对设备状态及配电系统运行进行安全风险评估,制定合理的状态检修策略。利用配电站开关柜现场带电检测采集的大量局部放电检测数据和故障案例,提出一种基于卷积神经网络深度学习的开关柜设备故障率计算方法。该方法通过设计缺陷分类模块和故障二分类模块,利用多层卷积神经网络实现对每种缺陷类型的故障概率计算。与其他分类模型对比表明,该模型概率计算结果具有较高的准确性。该方法能对开关柜设备缺陷的严重程度和故障概率进行有效评估,在工程上具有较高的实用性。     

基于塑性体积应变的梯度塑性理论研究

首先介绍了2种基本类型的梯度塑性理论以及两者间的差别,然后在材料的屈服函数中考虑硬化参数的梯度项,引入了梯度塑性理论的一般本构关系。考虑到岩石材料的特殊性,以塑性体积应变为内变量,在Drucker-Prager屈服模型中引入该内变量的梯度项,建立了岩石的一种内变量梯度塑性模型;在经典塑性理论基础上推导了塑性体积应变的表达式,得出了分析岩石应变局部化的增量本构关系。最后在平面应变状态下分析单向受力时岩石应变局部化状态,推导出了应变局部化带宽度的表达式,并且得出了带宽随局部化带参数变化而变化的结论。     

高效的基于数据与模型的信道估计算法

针对正交频分复用(OFDM)系统,提出一种新型的数据与模型联合驱动下的信道估计算法.该算法结合一种可在线训练的低复杂度学习型估计方法与线性最小均方误差(LMMSE)估计,既赋予信道估计器通过在线训练提升了估计性能的能力,又借助模型解决了在线生成训练数据会造成额外导频开销的问题,提升了系统效率.仿真结果表明,所提算法在低...     

在线学习辅助的智能接收机设计与实现

为了解决复杂场景下的可靠通信问题,设计了一种在线学习辅助的正交频分复用（OFDM）智能接收机。该接收机能够判断信道环境是否发生改变,并在线收集样本数据进行训练,形成当前环境下最佳的接收参数。在OFDM系统的信道估计模块中,设计了基于样本含噪均方误差（MSE）的性能比较器作为信道环境变化的判断依据,并采用轻量化的神经网络结构以实现快速在线训练。最后,通过通用软件无线电外设（USRP）进行了实现和验证。仿真和空口实验表明,所提接收机能够有效感知并适应新的信道环境,并且在导频数量受限的情况下,接收性能和收敛速度均优于现有的机器学习方法。