自动调谐系统阻抗匹配网络解析法

针对无线射频通信自动调谐系统中阻抗匹配网络传统迭代算法模型复杂、匹配速度慢的缺点,提出了一种基于Smith圆图和电路原理的解析法,理论推导及定量分析了低通П型可调匹配网络匹配过程对网络元件参数的具体影响。首先调谐系统对电压进行采样得到天线阻抗,判断该阻抗范围,选择对应公式获得该网络元件的参数值,然后通过控制部分实现天线阻抗和源阻抗的匹配。实验结果表明提出的解析法能在593μs内对频率为0.9 GHz、负载为200+j140Ω的自动调谐系统阻抗匹配网络进行有效的匹配,而QPSO则需32 ms。与传统算法相比,该方法无需构建复杂的迭代算法模型,具有简单、运行时间短等优点。     

基于新特征提取法和量子神经网络的手写数字识别

研究了一种将新特征提取方法（13维特征提取法）与量子神经网络相结合,来实现手写数字识别的方法。13维特征提取法是从每个字符中提取关键的13个特征值,而量子神经网络是将神经元与模糊理论相结合的模糊神经系统,能很好地减少模式识别的不确定度,提高模式识别的准确性。通过使用MNIST样本库仿真比较实验可知,该方法具有设计算法相对比较简单,且识别正确率较高的特点。     

蝙蝠算法在含DG配电网故障定位中的应用

针对分布式电源的大量应用与配电网结构的扩大,使故障定位开关函数的建立愈加复杂,传统算法的搜索速度与准确性亟待提高。通过建立改进的开关函数模型,能够满足目前分布式电源广泛接入的现状,处理多DG、多故障的定位要求。通过配电网结构划分降维策略进一步增加了算法的计算速度,建立改进的评价函数,防止故障定位误判。介绍了蝙蝠算法求解配电网故障定位的具体步骤。通过算例进行仿真对比表明,蝙蝠算法相比其他人工智能算法在配电网单故障与多故障定位方面具有更加快速、准确的全局寻优能力。     

射频自动阻抗匹配的分层遗传算法实现

阻抗匹配问题在射频技术中有着极其重要的意义,良好的阻抗匹配不仅有利于电路的低压低耗实现,而且较小的反射系数为系统的可靠运行提供了保证。针对遗传算法在自动阻抗匹配过程中收敛速度慢且易陷入早熟（即陷入局部最优）,提出利用分层机制来预防早熟,并对遗传算法中的交叉操作算子进行了改进来加快收敛。通过MATLAB对上述算法进行实现,并采用不同频率及不同负载阻抗对上述算法及遗传算法进行测试从而进行比较。结果表明分层遗传算法很好地预防了早熟,收敛速度比原算法得到较大的提升。     

电力通信网的关键节点辨识

在如今快速发展的智能电网中,电力通信网节点数量和网络结构变得越来越庞大且复杂。为了识别网络中的关键节点,结合电力通信网拥有其作为电网通信主干网架的独特行业背景,综合电力通信网的拓扑结构、通信业务和电网的影响等因素构建了多指标评价体系。通过层次分析法求得各指标的主观权重,并用熵权法求得各指标的客观权重,最后结合两种权重得到指标综合权重,根据各指标的重要度及对应综合权重确定各个节点的重要度。仿真表明,相对于其他算法,该算法的评价指标更为综合,权重分配更为客观合理,能准确辨识网络中关键节点,为保障电力通信网的安全可靠运行提供参考依据。     

《电磁场工程应用》高阶课堂探索

建设有深度、有难度、有挑战度的“金课”,是每个教师都面临的挑战。以《电磁场工程应用》课程的“电导和接地电阻”为例,介绍其高阶课堂的构建过程。在课程教学中,采取线上线下混合式教学模式。在线下课程中,采取“思考”+ “讨论”的“问号课堂”,激发学生思考和讨论。采取适当“吊胃口”的方式,达到让学生“既疑又懂”的效果,尽量做到“思中学”、“做中学”,培养学生主动学习和主动实践能力。     

基于健康度和重要度的配电网运行风险评估方法

针对故障概率与故障后果风险指标应用于配电网运行风险评估的不足,提出了基于健康度和重要度的配电网运行风险评估方法。综合考虑配电网多样化运行的发展现状和配电用户对供电可靠性需求的差异,定义了面向系统运行状态的健康度和面向用户差异的重要度为风险指标,全面分析在各风险源因素作用下,健康度和重要度等级的确立规则及计算方法,建立风险评估模型,并在此理论基础上开发了风险评估软件功能平台,完成对配电系统的实时感知、评估和预警。以佛山市实际配电系统为示范工程,截取断面数据进行分析,实验结果可反映系统运行的实时风险,在警戒状态下自动生成预防控制措施,保证配电网安全运行,提高供电可靠性,验证了所提方法的正确性和可行性。     

中值滤波与小波变换的指纹图像混合去噪的算法

图像去噪是指纹图像预处理中的重要内容,直接影响着指纹识别系统的准确率.结合中值滤波与小波去噪分别去除椒盐噪声和高斯噪声中的优势,提出了一种指纹图像混合去噪算法,并对其中的关键步骤进行了详细分析.仿真结果表明:相对于单一使用一种去噪方法,混合去噪算法能更有效地去除指纹图像中的椒盐和高斯混合噪声,获得了较好的峰值信噪比增益.     

电力负荷的RBF神经网络预测

针对中长期电力负荷预测,给出了RBF的预测原理,推导了权值的更新方式。对比了RBF和BP预测方法,结果表明,RBF方法收敛速度快、预报精度高,由此也证实了其具有的工程应用前景。     

基于量子神经网络的模拟电路的软故障诊断

提出了基于小渡与量子神经网络的客差模拟电路的软故障诊断方法,它能将故障的不确定性数据合理地分配到各类中,从而减少故障检测的不确定度,提高故障检测的诊断率,克服了BP在模糊分类方面的局限性.通过实验,采用QNN与白适应BP神经网络相比,故障诊断率可提高11.11%.