集中集成的线损综合分析系统及其应用

介绍了由多个现有信息系统集成的线损综合分析系统的信息结构、组成结构和业务功能.对其应用效果的分析表明,该系统能为全面降低线损,为实现节能增效提供技术保障.     

基于免疫遗传算法优化的神经网络配电网网损计算

提出了一种基于免疫遗传算法(IGA)的BP神经网络方法计算配电网的理论线损.该算法在遗传算法(GA)的基础上引入生物免疫系统中的多样性保持机制和抗体浓度调节机制,有效地克服了GA算法的搜索效率低、个体多样性差及早熟现象,提高了算法的收敛性能.为了解决BP神经网络权值随机初始化带来的问题,用多样性模拟退火算法(SAND)进行神经网络权值初始化,并给出了算法详细的设计步骤.仿真结果表明,同混合遗传算法相比,该算法设计的BP神经网络具有较快的收敛速度和较强的全局收敛性能, 比现有其它计算配电网理论线损的方法更为准确.     

基于开关磁阻电机的车用集成起动交流制动系统研究

针对基于开关磁阻电机的车用集成起动交流制动(ISAD)系统,分析主要工况起动助力发电,提出了各工况状态下的控制策略,并给出仿真波形,同时采用TMS320F240和EPM7128S可编程逻辑装置(CPLD)构成核心控制器,最后以1 kW三相6/4极开关磁阻电机样机完成起动助力发电实验,给出了实验波形和分析结论。实验结果表明,提出的控制器及其控制策略是有效的,其ISAD控制系统在工程实践上是可行的。     

热变形工艺对各向异性NdFeB永磁体显微结构和磁性能的影响

采用热压-热变形法制备各向异性NdFeB磁体,通过正交实验研究了热变形温度、变形量以及变形速率对磁体磁性能及显微结构的影响。结果表明,随变形温度、变形量、变形速率的增高增大,磁体剩磁Br及最大磁能积(BH)max增高,当变形温度升高至700℃、变形量增大到65%、以0.045mm/s的速率变形时,磁体获得最佳磁性能,(BH)max达360kJ/m3(45MGOe),同时主相NdFeB晶粒由最初的球状晶、沿垂直于压力方向长大转变为片状晶,晶粒取向度增高;当变形温度、变形量过高或变形速率过低时,磁体中将会出现异常长大晶粒,使磁性能恶化。     

电力系统负荷模糊建模方法与装置

电力系统负荷建模问题作为一个区别于其他建模问题的特殊的电力系统难题,关键在于负荷的时变性.基于量测的建模方法中常用的单一的多项式模型和指数模型已经不能满足要求,而其他输入输出模型又十分复杂,难以实现.基于量测的建模方法,针对电力系统负荷建模和模糊T-S模型的特点,把模糊T-S模型用在了非线性的动态负荷建模中,在一定程度上解决由于负荷强时变性而难以进行负荷建模的问题,简化了复杂的负荷模型,并得到了比传统的多项式模型和指数模型更加精确的辨识结果,同时给出了负荷建模装置的硬件设计电路.实际应用结果证实了所提方法的有效性和实用性.     

考虑非达西渗流的泥浆离心脱水分析

为深入探究离心脱水技术在处理主要由黏性土组成的建筑废弃泥浆时的内在机理及其影响因素,利用分段线性化方法,充分考虑黏性土中渗流的非达西特性以及土体变形的非线性特征,建立在离心作用下能够考虑其非达西渗流特性的泥浆脱水分析模型。通过与已有研究成果及室内试验结果的对比,证明了该模型的有效性。在此基础上,分析了模型参数对脱水过程的影响。研究结果表明:脱水速度和最终土水界面位移量随着电机转速的增大而增大;增加泥浆初始厚度会增大最终土水界面位移量,但会降低初期的土水界面移动速度;压缩指数在初期对土水界面位移的影响并不明显,但其增大会导致最终土水界面位移量的增加;非达西渗流参数的增大会导致土水界面位移的减少,但通过提升电机转速,可以有效地降低非达西渗流对脱水效果的不利影响。研究成果可为离心脱水技术在建筑废弃泥浆处理中的进一步优化与应用提供借鉴和参考。     

舰艇水下腐蚀静电场计算及影响因素仿真分析

为了进一步分析影响舰船电场的不同因素,提高舰艇水下静电场仿真分析中电偶极子建模方法的准确性,研究产生舰艇水下腐蚀静电场的腐蚀电化学原理和特性,从腐蚀电流密度的角度推导船体-螺旋桨电偶腐蚀电流表达式,并利用镜像法求解出了空气海水二层模型下水平和垂直电偶极子电场解析式。建立基于舰艇腐蚀电流电偶极子的电场解析模型,在此基础上利用数值仿真对一中型舰艇水下50 m测线上的电场进行分析。结果表明:在设定变化范围内,船体腐蚀电位、螺旋桨腐蚀电位、船体浸水面积、螺旋桨浸水面积、海水温度、海水电导率对舰艇水下腐蚀静电场的影响程度分别约为29%、23%、53%、82%、30%和67%。仿真结果和电场解析模型可以为进一步研究舰艇水下腐蚀静电场特征及防护方法提供有力的理论支撑。     

结合视觉Transformer和CNN的道路裂缝检测方法

提出了一种结合视觉Transformer和CNN的道路裂缝检测方法。利用CNN来捕获局部的细节信息,同时利用视觉Transformer来捕获全局特征。通过设计的Fusion特征融合模块将两者提取的特征有机地结合在一起,从而解决了单独使用CNN或视觉Transformer方法存在的局限。最终将结果传递至交互式解码器,生成道路裂缝的检测结果。实验结果表明,无论是在公开的数据集上还是在自建的数据集上,相较于单独使用CNN或视觉Transformer的方法,所提出的方法在道路裂缝检测任务中有更好的效果。     

动态场景下基于视觉的SLAM技术研究

针对视觉同时定位与地图构建(SLAM)技术在动态环境中存在定位精度低、地图虚影等问题,提出了一种基于深度学习的动态SLAM算法。该算法利用网络参数少且目标识别率高的YOLOv8n改善系统的视觉前端,为视觉前端增加语义信息,提取动态区域特征点。然后采用LK光流法识别动态区域的动态特征点,剔除动态特征点并保留动态区域内的静态特征点,提高特征点利用率。此外,该算法通过增加地图构建线程,剔除YOLOv8n提取的动态物体点云,接收前端提取的语义信息,实现静态语义地图构建,消除由动态物体产生的虚影。实验结果显示,在动态环境下该算法与ORB-SLAM3相比,定位精度提升92.71%,与其他动态视觉SLAM算法相比,也有小幅度改善。