城轨牵引供电系统多尺度和多物理域建模仿真方法

城轨牵引供电系统实际运行涉及电、磁、热、力等多物理域耦合作用,以及多时间、空间尺度变化过程。然而,传统建模仿真方法尺度分离、机理单一,难以对系统的多尺度和多物理域状态进行统一描述及全面分析。因此,首先提出一种城轨牵引供电系统多尺度和多物理域建模仿真方法,采用Simscape平台和模块化、组件化、可视化建模思想,设计多尺度和多物理域的系统级建模框架;然后基于并行协同交互策略,提出一种模式自适应的多尺度仿真方法,实现多尺度模型之间的有机高效融合;接着基于分级多域反馈,提出系统级的多物理域仿真方法,保证多物理域模型的耦合交互仿真;最后基于仿真验证了所提出的多尺度和多物理域建模仿真方法的有效性,表明多尺度和多物理域模型能够统一描述系统在多个物理域下的宏观及微观特性,全面、充分地表征系统运行的实际物理过程。     

基于小波变换的视觉信号特征提取方法

该文提出了一种用于视觉信号特征提取的新方法将CCD获取的图像投影后的信号波形进行小波变换。当小波的尺度选择恰当时,小波变换结果的零交叉点可用于确定图像的中心。实验结果表明,该方法相对于其他方法对随机误差的干扰具有更强的鲁棒性。     

基于PWM整流器的城轨牵引供电系统研究

对基于多PWM整流器单元多重化并联结构的新型能馈式城轨牵引供电系统进行了研究。该系统充分发挥了PWM整流器直流输出特性可控,交流侧谐波成分小,能以单位功率因数运行以及交直流两侧能量能双向流动等特点,克服了传统牵引供电系统的不足。系统中采用移相电压空间矢量调制技术(PS-SVPWM),提高了装置的等效开关频率,进一步降低了交流侧的谐波成分,并采用多PWM整流器并联控制策略实现了各PWM整流器模块的负载均衡控制。同时,在系统内部采用网络技术结合虚拟仪器技术实现了对装置的远程控制和监测。通过实验对该牵引供电系统的控制方法和设计理念进行了验证。     

基于XML的工作流体系结构的研究

可扩展标记语言及其相关技术同工作流管理系统的实现方式日益紧密地结合在一起,而对XML工作流体系结构的研究将成为这一领域的热门课题。针对这样的现状,本文提出了一种基于XML的工作流体系结构,并分别从过程定义、过程实例化、分布式数据传输、XML数据保存和客户界面开发等五个方面探讨了该体系结构所涉及的技术问题。     

基于数据仓库的联机分析挖掘系统

基于数据仓库的联机分析挖掘系统的应用已成为趋势,设计并实现了一个应用模型。该模型建立了一个B／S架构的双服务器数据仓库,将数据挖掘与OLAP思想相结合,提供多维度事务内、事务间关联规则的挖掘。介绍了系统设计思想和体系结构,对系统的各部分功能进行了分析,并在此基础上提出了传统OLAP系统到OLAM系统平滑过渡的解决方案。     

基于广域测量信息的物理-数据融合频率偏差极值在线预测

大规模风电并网降低了电力系统惯量水平，增加了其暂态频率偏差的越限风险，然而现有频率预测模型对含风电系统的在线预测速度和精度都还不够，故需进一步优化频率偏差极值预测方法，用以系统的频率稳定评估。文章基于广域量测技术(wide area measurement system, WAMS),考虑风电并网对频率响应过程的影响，提出了一种物理-数据融合频率偏差极值在线预测方法。首先，利用广域量测信息对有功-频率开环解耦模型进行数据粘合，在此基础上形成可快速求解的物理-数据融合的暂态频率分析模型；其次，基于该模型，获得实时更新的频率偏差极值预测值，并提出“预测值误差指数”指标来量化预测精度，指导在线模型的自适应动态结果输出；最后，通过算例验证了所提频率偏差极值在线预测方法的快速性和准确性。     

日本级进模的设计与制造特点

<正> 我厂86年从日本夏普公司引进了电子调谐器生产线,同时也引进了全套冲压模具。多数为4～12工位的级进模。引进模具在生产中体现了精度高、寿命长、冲压效率高、易损件互换性好的优点。与同类产品相比可节省模具30套,效率提高50倍。 日本模具工业的水平不论在技术上,还是在管理上都居国际领先地位。模具技术高     

肘关节运动姿态与其对应肌肉群肌电信号的测量与分析

为了测量人体肘关节运动姿态与其对应肌肉群的表面肌电信号并分析其关联性,首先利用Qualisys光学运动捕捉系统测量出人体上肢各关节的位置,并计算出肘关节的关节角度;同时利用Delsys表面肌电测试系统测量出运动过程中与肘关节关联度较高的肱二头肌和肱三头肌的表面肌电信号,提取肌肉活跃度特征;最后对比分析得出肘关节的关节角度曲线和肱二头肌与肱三头肌的共同收缩指数曲线有相似的变化趋势。     

面向大数据流的半监督在线多核学习算法

在机器学习中,核函数的选择对核学习器性能有很大的影响,而通过核学习的方法可以得到有效的核函数。提出一种面向大数据流的半监督在线核学习算法,通过当前读取的大数据流片段以在线方式更新当前的核函数。算法通过大数据流的标签对核函数参数进行有监督的调整,同时以无监督的方式通过流形学习对核函数参数进行修改,以使得核函数所体现的等距面尽可能沿着数据的某种低维流形分布。算法的创新性在于能同时进行有监督和无监督的核学习,且不需要对历史数据进行再次扫描,有效降低了算法的时间复杂度,适用于在大数据和高速数据流环境下的核函数学习问题,其对无监督学习的支持有效解决了大数据流中部分标记缺失的问题。在MOA生成的人工数据集以及UCI大数据分析的基准数据集上进行算法有效性的评估,其结果表明该算法是有效的。     

超高速电主轴轴承的润滑条件分析

通过分析超高速电主轴轴承内部润滑的基本特点，对主轴轴承在超高速运行条件下的内部润滑状态进行了分析，讨论了供油量、润滑方式、润滑油和轴承内部零件的运动等因素对轴承内部弹流油膜、温升等润滑状态的影响，在此基础上提出了超高速电丰轴轴承润滑的要求和基本条件，并进行了实际应用试验。