240MVA/220kV双绕组升压变压器工艺系数分析

对几台240MVA/220kV双绕组升压变压器的空载损耗、空载电流和短路阻抗这几个重要参数的试验数据和设计计算值进行了比较与分析,得出了这些参数的一些经验系数.     

镀锡板镀锡量检测分析仪

为了精确测量镀锡板的镀锡量，提高镀锡板生产和进口的质量，用稀盐酸作电解液，根据电解剥离原理，采用微分电位法，解决了各层界面自动分层难题，研制出镀锡板镀锡量检测分析仪。仪器以Cygnal F005单片机作为智能部件，既可提供本机显示和打印测量结果的功能，又能通过USB接口与上位机配合使用。对双电层电容充电电流引起的测量误差作了修正。仪器小型轻便，操作界面友好。     

基于双压驱动的恒流斩波系统的设计

恒流斩波电路中，步进电机的驱动电压高，绕组回路阻抗低，电流上升较快。单一的恒流驱动电路在低频时绕组电流上升过快，容易导致低频过冲振荡现象。为避免振荡，本文采用双压驱动与恒流斩波驱动相结合：低速运行时采用低电压供电，低频过冲振荡小，转动平稳；高速运行时采用高电压供电，高频输出扭矩大，不易堵转。     

双圆弧弧齿锥齿轮传动的切齿啮合分析

基于双圆弧齿轮的齿形特点 ,结合弧齿锥齿轮的加工原理 ,进行双圆弧弧齿锥齿轮的切齿啮合分析 ,得到了切齿啮合过程中的啮合方程、产形轮齿面方程以及双圆弧弧齿锥齿轮的通用齿面方程表达式     

一种基于双精英种群的协同进化算法研究

针对传统带精英策略的多目标进化算法种群收敛分布不够均匀,全局搜索能力不足的缺点,提出一种基于双精英种群的协同进化算法DEPEA(Double Elite Populations Co-evolutionary Algorithm)。该算法借鉴了子区间划分和非支配排序思想,将整个种群划分成两个不同级别的精英种群和一个普通种群;两个精英种群结合协同进化思想分别采用不同的进化策略实现对算法的探究和探查能力的平衡,高级别的精英种群与低级别的精英种群采用协作操作,促进更优秀的个体产生;高级别的精英种群与普通种群采用引导操作,加快普通个体向精英个体逼近。通过对五个标准的测试函数进行实验,并与传统的NSGA-II算法和最新的hybird_MOEA算法结果进行比较与分析,表明该算法不仅具有更好的全局收敛性,且能够更好地保证种群的多样性。     

Internet建模的关键:研究AS间路由器级连接

AS-域内路由器双层建模方式是目前构建Internet规模的路由器级网络模型的最优方案,而该方案需要建模者首先了解域间路由器级连接的特点。指出AS类型对域间路由器级连接具有较大影响,通过定义域间参数映射,利用现网数据对域间参数映射进行了现象学分析,获取了不同类型AS相关参数的分布函数,解决了双层模型的组合问题。在此基础上,进一步对Internet建模尚需解决的若干问题进行了讨论。     

NaOH、甘油的水溶液浸出三氧化二锑的机理研究

NaOH、甘油或木糖醇的水溶液浸出锑氧粉得到双金属醇盐 ,溶液在一定的碱性条件下能保持稳定 ;本文对NaOH、甘油的水溶液浸出三氧化二锑生成甘油亚锑酸钠的机理及其稳定性作了一系列的研究     

高速CCD的CDS控制参数自适应算法研究

优化相关双采样(CDS)控制参数可以提高电荷耦合器件(CCD)输出信噪比,但是高速CCD的CDS控制参数很难通过实验确定.为了得到较好的CCD输出信噪比,提出了一种CDS控制参数自适应算法:在拍摄目标和曝光参数不变的情况下,改变复位脉冲宽度、噪声采样时刻、数据采样时刻3个CDS控制参数,对每种参数组合采集一帧图像,计算各帧图像中每个像素的Tenengrad函数,将每帧像素的Tenengrad平方和作为清晰度评价参数,选择清晰度评价参数最大值对应的复位脉冲宽度、噪声采样时刻、数据采样时刻作为CDS控制参数,就可使CCD输出达到采用CDS技术下最好信噪比.根据所提出的方法,在试验电路中,由现场可编程门阵列(FPGA)实现了自适应算法,并进行了清晰度对比测试.测试表明,与没有采用自适应算法的最好图像相比,测试参数Edge Profile从单位影像高度507.4像素提高到763.8像素,测试参数MTF50从526.5 LW/PH提高到937.8 LW/PH.试验结果表明,应用自适应算法可以有效提高CCD的输出信噪比.     

长径双弯头组合管件的力学性能有限元分析

针对现有管件的塑性极限载荷估算公式不适用于组合管件的现状,采用有限元分析方法,研究了压力管道组合管件中典型的型谱长径双弯头组合管件在内压作用下的力学特性,通过计算结果拟合出长径双弯头组合管件的塑性极限内压的工程估算式。     

Research of multi-population agent genetic algorithm for feature selection

Search algorithm is an essential part of feature selection algorithm. In this paper, through constructing double chain-like agent structure and with improved genetic operators, the authors propose one novel agent genetic algorithm-multi-population agent genetic algorithm (MPAGAFS) for feature selection. The double chain-like agent structure is more like local environment in real world, the introduction of this structure is good to keep the diversity of population. Moreover, the structure can help to construct multi-population agent GA, thereby realizing parallel searching for optimal feature subset. In order to evaluate the performance of MPAGAFS, several groups of experiments are conducted. The experimental results show that the MPAGAFS cannot only be used for serial feature selection but also for parallel feature selection with satisfying precision and number of features.