磁集成开关电容高增益级联Boost变换器

为进一步改善基本级联Boost变换器的电压增益等关键性能,提出了一种磁集成开关电容高增益级联Boost变换器。该变换器利用拆分开关电容的两个倍压单元,使之与级联变换器的前级储能结构重新组合,同时将磁集成技术应用其中,一方面实现高电压增益,同时减小开关管的电压应力与电感电流纹波。分析变换器的各个工作模态,推导出性能参数,给出了磁集成设计方案,最后通过仿真和实验样机实验,验证了理论分析的正确性。     

柔性直流对交流系统短路电流影响因素分析

交流系统短路后,柔性直流可等效为具有一定幅值和相位的电流源。文中基于受端电网发生故障时的柔性直流等效模型,分别对影响柔性直流等效电流源相位、幅值的相关因素进行了分析。柔性直流等效电流源的相位主要受故障类型影响,而幅值主要受控制方式、限幅环节以及电气距离影响,且不同情况的相互组合对交流系统短路电流的影响更加复杂。研究表明,对于交流侧三相短路故障,柔性直流对短路电流的影响共有馈入为零、馈入为有功控制环节限幅值、馈入为无功控制环节限幅值和馈入为无功控制环节参考值4种情况。最后通过基于PSCAD的仿真结果验证了相关分析的正确性。     

典型工业粉尘地区复合绝缘子污秽成分及其闪络特性

近年来,盐城德隆镍业厂区附近数次发生输电线路外绝缘放电、污闪现象,且采用复合绝缘子后仍不能得到有效抑制,而临近的化工区却没无该情况发生。因此,本文对盐城电网辖区内镍厂、化工厂绝缘子进行污秽取样,开展了污秽化学成分分析测试,包括阴阳离子含量、不溶物元素组成、主要化合物成分等;继而基于成分分析结果,开展了混合污秽下的污闪特性试验,得到了不同污染源典型污秽成分下复合绝缘子的闪络特性。研究结果表明：化工厂和镍厂附近绝缘子污秽成分有一定的差异,体现在镍厂污秽成分含硝酸盐较多,而化工厂附近含氯盐较多;对于一大两小型复合绝缘子,其在镍厂典型污秽下的闪络梯度要比化工厂低5%-10%;对于重工业粉尘地区的外绝缘配置,建议采用一大一小型绝缘子来提高电气强度。     

基于深度学习和灰度纹理特征的铁路接触网绝缘子状态检测

铁路接触网绝缘子状态检测对铁路行车安全有着 重大的意义,为解决目前人工对绝缘 子图像检测结果的不确定性,提出一种深度学习结合灰度纹理特征的检测方法。首先使用 Faster R-CNN (faster region-based convolutional neural network)目标检测算法对图像中绝缘子精确识别,再通过灰度共生矩阵对绝缘子纹理 特征进行分析提取,之后结合支持向量机将绝缘子分为正常绝缘子和异常绝缘子,实验数 据结果证明使用能量、熵、相关度3种纹理特征进行绝缘子状态分类时对实验数据中的正 常状态绝缘子的分类精度可达100%,异常状态绝缘子的分类精度达97.5%,最后依据绝缘 子图像灰度分布的周期性特点,利用灰度积分投影将异常绝缘子分为破损绝缘子和夹杂异 物绝缘子。实验结果表明所提方法可以有效对绝缘子状态进行检测分类。     

“高电压工程”课程思政教改探索与实践

针对“高电压工程”课程思政教学改革的要求,分别从教学目标、教学内容、教学方法和考核手段四个方面,挖掘课程中蕴含的思政元素,通过教学创新,有机融入思政内容,使学生不仅学到专业知识,更体会到专业内容蕴含的社会主义核心价值观。最后,通过课堂教学对“高电压工程”课程思政的改革效果进行了实践和检验,为其他电气类专业课的课程思政教学改革提供参考。     

基于超级电容的列车制动能量回收控制策略

针对列车电制动回馈能量回收与利用问题,文中通过分析列车运行特性,重点探究了列车运行过程与牵引网电压波动之间的关系。结合牵引变电所供电功率与列车用电功率动态不匹配特性,采用车载式制动能量回收利用系统的方案,提出了基于列车用电功率动态变化的超级电容充放电控制策略。该方案主要由超级电容串并联储能单元和双向DC-DC变换器组成。利用MATLAB进行建模仿真分析,结果表明,该控制策略在有效回收利用列车制动能量的同时抑制了牵引网电压波动,为列车制动能量回收与利用提供了有效的解决方案。     

基于曲率和的主动声呐干涉条纹特征表征方法

干涉条纹特征是主动声呐目标识别所依据的重要特征之一。在浅水域环境中,声波能量传播特性较为复杂,信号会经过发射源到目标以及目标到接收器这2条不同的路径,目标的散射特性在声波的入射模式和散射模式之间相互作用,使得主动声呐干涉条纹呈现弯曲的结构。为对干涉条纹特征进行表征,提出一种基于曲率和的声呐特征提取方法。根据浅海声场主动声呐频率-距离干涉条纹图得到一段区间内的干涉条纹曲线散点曲率值,利用曲率求和的方法刻画条纹的弯曲程度,进而表征这一区间内的条纹特征。在理想波导环境下计算刚性球体目标在不同频率段下的曲率特征,通过统计平均值的方式得到平均曲率和为0.6左右,从特征表征结果可以看出,曲率和可通过统计离散点曲率强度描述干涉条纹特征,且在同一环境条件下,发射频率越大时曲率和强度越小。根据实测数据进行计算得到曲率和为0.512,实验与理论结果较为吻合,表明通过该方法可以获取主动声呐干涉条纹特征,进而实现目标识别和探测。     

Mammogram Learning System for Breast Cancer Diagnosis Using Deep Learning SVM

The most common form of cancer for women is breast cancer. Recent advances in medical imaging technologies increase the use of digital mammograms to diagnose breast cancer. Thus, an automated computerized system with high accuracy is needed. In this study, an efficient Deep Learning Architecture (DLA) with a Support Vector Machine (SVM) is designed for breast cancer diagnosis. It combines the ideas from DLA with SVM. The state-of-the-art Visual Geometric Group (VGG) architecture with 16 layers is employed in this study as it uses the small size of 3 × 3 convolution filters that reduces system complexity. The softmax layer in VGG assumes that the training samples belong to exactly only one class, which is not valid in a real situation, such as in medical image diagnosis. To overcome this situation, SVM is employed instead of the softmax layer in VGG. Data augmentation is also employed as DLA usually requires a large number of samples. VGG model with different SVM kernels is built to classify the mammograms. Results show that the VGG-SVM model has good potential for the classification of Mammographic Image Analysis Society (MIAS) database images with an accuracy of 98.67%, sensitivity of 99.32%, and specificity of 98.34%.     

RFID Positioning and Physiological Signals for Remote Medical Care

The safety of patients and the quality of medical care provided to them are vital for their wellbeing. This study establishes a set of RFID (Radio Frequency Identification)-based systems of patient care based on physiological signals in the pursuit of a remote medical care system. The RFID-based positioning system allows medical staff to continuously observe the patient's health and location. The staff can thus respond to medical emergencies in time and appropriately care for the patient. When the COVID-19 pandemic broke out, the proposed system was used to provide timely information on the location and body temperature of patients who had been screened for the disease. The results of experiments and comparative analyses show that the proposed system is superior to competing systems in use. The use of remote monitoring technology makes user interface easier to provide high-quality medical services to remote areas with sparse populations, and enables better care of the elderly and patients with mobility issues. It can be found from the experiments of this research that the accuracy of the position sensor and the ability of package delivery are the best among the other related studies. The presentation of the graphical interface is also the most cordial among human-computer interaction and the operation is simple and clear.     

基于学习主动中心轮廓模型的场景文本检测

在场景文本检测领域,存在由于文本尺寸波动较大导致的小文本漏检、大文本欠检测和多尺度文本边界检测错误的情况。针对上述问题,提出一种基于学习主动中心轮廓模型的场景文本检测网络。在残差网络ResNet的基础上构建多尺度特征权重融合模型,对输入的场景文本图片进行多尺度特征提取和权重融合,并计算出最终的特征融合图,适应场景文本长宽比变化较大的情况。在此基础上,将融合后的特征图输入到学习主动中心轮廓模型预测文本框的中心点和边界,该模型为场景文本检测提供丰富先验知识,以解决多尺度文本检测框包含过多背景或部分包围文本造成的边界检测错误问题。在MSRA-TD500、IC13、IC15和IC17MLT数据集上的实验结果表明,该网络能够提高多尺度场景文本检测的准确率,其中在MSRA-TD50数据集上F-measure为0.83,相较于MSR方法提升1%,在IC13数据集上F-measure为0.91,相较于PixelLink网络提升2%,在IC15数据集上F-measure值为0.87,相较于PSENet网络提升1%,在IC17MLT数据集上F-measure值为0.74,相较于TridentNet网络提升1%。