二级倒立摆的建模与MATLAB仿真

通过对二级倒立摆结构构成及平衡控制问题的分析,给出基于牛顿力学定律的数学建模方法,并应用二次型最优控制理论实现二级倒立摆控制。根据MATLAB仿真结果表明,建模方法可行,采用二次型最优控制对系统进行控制,能满足控制系统稳定性、鲁棒性要求。     

5′-核苷酸酶和HRP酶共固定修饰电极快速检测鸡肉中肌苷酸含量

利用气相沉积方法在玻碳电极表面得到二氧化钛凝胶膜,并在电极表面同时固定5'-核苷酸酶(5'-NT)和辣根过氧化物酶(HRP),构建了一种新型快速测定肌苷酸(IMP)含量的安培传感电极(5'-NT-HRP/GCE).在溶解氧存在的条件下,IMP被凝胶膜中的5'-NT催化氧化,通过产物H2O2在电位-150 mV下被HRP酶催化还原的电化学响应对IMP进行测定.在邻苯二酚存在下,该传感器对IMP表现出快速的响应(响应时间小于10 s).该电极对IMP的测定具有较宽的线性范围(1×10-6-2×10-4mol/L)和较低的检测限(0.5×10-6mol/L).该电极对IMP的测定具有很高的准确度和良好的重现性.除抗坏血酸以外,与IMP共存的其它物质对其测定没有干扰.结果表明,该电极显示出很好的重现性和稳定性,能用于鸡肉中IMP的在线检测.     

5’－核苷酸酶和HRP酶共固定修饰电极快速检测鸡肉中肌苷酸含量

利用气相沉积方法在玻碳电极表面得到二氧化钛凝胶膜,并在电极表面同时固定5'-核苷酸酶(5'-NT)和辣根过氧化物酶(HRP),构建了一种新型快速测定肌苷酸(IMP)含量的安培传感电极(5'-NT-HRP/GCE).在溶解氧存在的条件下,IMP被凝胶膜中的5'-NT催化氧化,通过产物H2O2在电位-150 mV下被HRP酶催化还原的电化学响应对IMP进行测定.在邻苯二酚存在下,该传感器对IMP表现出快速的响应(响应时间小于10 s).该电极对IMP的测定具有较宽的线性范围(1×10-6-2×10-4mol/L)和较低的检测限(0.5×10-6mol/L).该电极对IMP的测定具有很高的准确度和良好的重现性.除抗坏血酸以外,与IMP共存的其它物质对其测定没有干扰.结果表明,该电极显示出很好的重现性和稳定性,能用于鸡肉中IMP的在线检测.     

基于骨架变换的显微图像拼接方法

针对高放大倍数下显微镜图像视野较小的问题,提出了一种基于骨架变换的显微图像拼接方法.该方法先调整显微镜的轴位置,获取样本的序列显微图像;再对相邻序列显微图像进行拉普拉斯算子对比,得到显微图像清晰区域的二值图像;经过数学形态学处理后,提取出清晰区域的骨架;对相邻骨架插值,得到新骨架,提取出序列显微图像中新骨架与相邻骨架所包围区域,最终拼接出显微图像的清晰区域.试验证明,该技术能得到较好的拼接结果.     

基于PWM占空比优化的PMSM预测直接转矩控制

针对PMSM传统直接转矩控制存在开关频率不规则、开关噪声的频率范围太宽和死区补偿算法复杂等问题,本文提出了一种基于优化脉宽调制(PWM)和死区补偿的PMSM预测直接转矩控制(DTC)方法。该方法首先在已知零电压矢量的基础上,根据预测转矩和磁通误差来选择两个其他有效电压矢量,与此同时,也考虑反电动势和磁通-转矩耦合器;接着,利用零电压矢量和两个其他有效电压矢量预测每个采样周期的转矩和磁通变化量,其中,三个电压矢量的开关周期由转矩和磁通误差以及在上一步中计算出的预测转矩和磁通变化共同决定;然后,采用死区补偿算法和改进的PWM来减小死区效应,以提高预测效果;最后,通过仿真和实验验证了所提方法的有效性和优越性,研究结果表明,所提方法在转矩控制和磁通控制效果要明显优于其他方法,且极大降低了开关损耗。     

基于沙戈荒新能源送出特性的特高压工程知识图谱构建技术研究

为了解决直流系统中工况变动及负载变更条件下造成的故障电弧识别准确率低的问题,提出了一种基于自适应噪声的完全集合经验模态分解-希尔伯特（complete ensemble empirical mode decomposition with adaptive noise-Hilbert transform, CEEMDAN-HT）包络谱和堆叠自编码器（stacking automatic encoder,SAE）的直流串联故障电弧诊断方法。首先参考雄安高铁站区直流系统典型负载搭建含混合负载的直流串联故障电弧实验平台,采集多工况下的电流信号并建立故障电弧数据库。其次采用CEEMDAN对原始信号进行分解得到多个固有模态函数（intrinsic mode function,IMF）,然后进行HT变换Hilbert transform）分析包络谱,组成首尾相接的高维特征样本,最后将样本输入SAE模型中学习特征,实现变负载下的直流故障电弧识别。实验结果表明：该方法能够很好地发挥CEEMDAN-HT从原始信号中提取故障电弧特征和SAE无监督学习的能力,不需要人工设置阈值即可准确识别故障电弧并进行负载分类,平均准确率可达98.9%。     

基于AI的输电线路导线断散股缺陷检测方法

针对现有方法对输电线路导线断散股缺陷检测时存在的缺陷检测准确率较低的问题,提出了基于AI技术的 输电线路导线断散股缺陷检测方法.首先对所采集的输电线路导线图像进行降噪和增强等处理;然后利用LBG算法 完成K-means算法的优化,应用改进后的算法对导线图像进行分割提取;最后采用AI技术中的卷积神经网络算法, 实现对输电线路导线断散股缺陷的检测.实验结果表明,采用所提方法对导线断散股检测时,其检测准确率均高于 ９５％,优于对比方法,具有一定应用价值.     

“锚点”探究教学法的创新实践

结合教学实践研究“锚点”探究教学法在“电子技术基础”课程的应用,旨在以学生感兴趣的问题为基础,着力培养学生学习的主动性,将学习过程转化为在教师引导下的“再创造”过程。通过“引锚-探锚-固锚-省锚-悟锚”开展新型开放式的教学模式研究,实现单稳态触发器教学内容的一体化设计,引导学生自主建构知识体系,提升其电路分析、设计和应用实践能力。     

卷积神经网络加速器中SEU的评估与加固研究

AI加速器在空间探索应用时需要考虑到空间辐射环境下SEE引发的软错误。在AI加速器设计过程中,需要对其SEE容错能力和可靠性进行评估,本文对Lenet-5的加速器进行了SEU故障注入,提出了一种从网络结构与电路模块映射的角度进行统计评估的方法。实验结果证明,在神经网络中,由于AI加速器计算数据大的特点,发生在权重和特征图的SEU错误在传播过程中有可能会被池化层屏蔽掉,SEU错误发生在靠近输出的层级比靠近输入的层级更容易导致识别准确率的下降。此外,实验还发现,在加速器电路模块映射中,负责产生使能信号和地址控制信号的控制单元CTRL比处理单元PE和存储单元MEM更容易被SEU错误所影响,严重时会影响加速器的正常运行。最后本文针对评估结果,进行了STMR加固措施对CTRL进行了加固,相比于FTMR,极大地减少了面积开销。     

基于最大转子储能的风电场风机变利用率的 有功功率分配策略优化

风机采用最大功率追踪控制时无功率备用量,当系统供需发生变化时,易对系统稳定性造成较大影响。提出了一种风场变利用率的有功功率分配策略,在满足系统调度命令的同时,减少风能的损失,提高风能利用率。考虑到风场的尾流效应,所提方案通过改变每台风力机的利用率来控制风机的有功功率输出。其中,每台风力机的利用率根据其自身转速而自适应调整。当风机转速较高时,风力机的利用率则较高。当风机转速较低时,则降低风力机的利用率,这样风电场可存储更多的旋转动能,可在系统需要时释放回系统。通过在基于双馈风机的风电场中对所提变利用率策略进行研究,结果表明,在满足调度需求的同时,所提控制策略比传统的等利用率方案更加节能。