简支深梁用和函数法的级数解答

引用和函数法求解弹性力学平面问题, 对简支深梁受三角形荷载作用时的应力进行了分析,同时给出了该问题的付立叶级数解答,该方法不仅将求解弹性力学的偏微分方程组解耦成非耦联的几个偏微分方程,而且其结果与传统的Airy应力函数得到的解答完全一致, 证明了该方法的正确性和适用性,该方法拓展了将经典的弹性力学解析法用于解决工程实际问题的空间。     

RED的网络性能研究*

在很多网络中, 支持新的拥塞避免机制( 如RED 和ECN) 的节点将会和支持传统丢尾缓存( Drop-Tail) 的节点共存。研究含有两个拥塞节点的混杂网络中TCP 流集的性能, 比较了几种控制算法的数据流公平性, 仿真结果显示采用Adaptive 算法并不能增加数据流的公平性; 仿真也显示混杂网络中单个RED 参数的设置情况会影响整个网络的性能, 具体可以从网络吞吐量、响应时间等判断。RED 的参数设置在双瓶颈情况下再次变得重要, 正如在单瓶颈的情况下一样。     

含小水电分布式电源的配网线路串联补偿优化

以小水电接入电网为例进行分析研究,深入分析小水电给电网带来的不利影响,重点分析对变压器损耗和线路损耗这两方面的影响。最后,举例某地区小水电接入配电网进行分析研究,对丰水期的小水电加入串联补偿装置后线路电压的变化情况展开研究。     

基于多模型融合的CNN-LSTM-XGBoost短期电力负荷预测方法

短期电力负荷的精准预测可以有效指导机组组合调度、经济调度与电力市场运营。针对输入数据特征量受限时负荷预测的低精度问题,提出一种基于多模型融合的CNN-LSTM-XGBoost短期电力负荷预测方法。通过建立融合局部特征预提取模块的LSTM（long short term memory）网络结构,并将其与XGBoost（eXtreme boosting system）预测模型并行结合,之后结合MAPE-RW（mean absolute percentage error-reciprocal weight）算法进行模型融合初始权重设置,对最佳权重进行搜索,构建最佳融合模型。通过运用电力负荷数据对所提方法进行预测实验,结果表明CNN-LSTM- XGBoost模型的MAPE（mean absolute percentage error）与RMSE（root mean square error）分别为0.377%与148.419 MW,相比于单一网络模型与融合模型结构实现了误差指标的显著降低,验证了基于多模型融合的CNN-LSTM-XGBoost短期电力负荷预测方法具有较快的模型训练速度、较高的预测准确度与较低的预测误差。     

IGBT串联均压方法综述

绝缘栅双极性晶体管IGBT(insulated gate bipolar transistor)在高电压场合应用时需串联使用满足电压需求。由于器件内部的性能差异和外围电路参数不一致等,引起IGBT模块之间电压不均衡问题,威胁其运行安全。综述了国内外IGBT串联均压方法的发展及其研究现状。根据均压方法机理的不同,将IGBT串联均压方法分为被动均压方法和主动均压方法两种,进一步将主动均压方法归纳为无源控制方法和有源控制方法两类。根据各类方法的基本电路拓扑分析了均压原理,梳理了不同方法在电路拓扑、参数选择和控制策略等方面的优化和最新进展。通过均压效果、附加损耗和可靠性等多方面对不同均压方法进行对比,被动均压方法拓扑简单不需外加控制电路更适合在低频应用场合,在高频应用场合中,准有源栅极控制法以单驱动与无源器件相结合的方式,具有良好的发展前景。最后对IGBT串联均压方法进行了展望。     

负荷功率模型的最优特征选择研究

负荷功率呈现时空多样的变化特性,其影响因素众多,构建负荷功率模型的关键之一是确定模型的输入特征量。文中着重研究短期负荷功率模型的特征选择,旨在从历史负荷、气象、日期等众多特征中选出最优特征集。首先,采用最大信息系数、基于支持向量机的递归特征消除法和随机森林3种不同特征选择方法分别对输入特征集进行选择;然后,根据对比分析结果提出基于遗传算法的最优特征集搜索策略,选定XGBoost预测模型的误差指标作为适应性函数进行迭代优化搜索;最终,确定负荷功率模型的最优特征输入集。采用某地区220 kV变电站母线负荷数据进行算例分析,对比各方法所选特征集作为功率模型输入得到的负荷预测效果,验证了文中方法的有效性和准确性。     

红外测温技术在离心复合铸造轧辊生产上的应用

本文分析了离心复合铸造轧辊生产过程中离心机停机温度和时间对轧辊质量的影响 ,提出了用先进的红外测温技术来预报停机温度和时间 ,以实现微机监控适时停机 ,保证轧辊内外层熔合良好 ;同时指出了红外测温技术在离心复合铸造轧辊生产上的应用前景     

Defect classification using a new feature for pulsed eddy current sensors

The objective of this study is to identify defects such as surface cracks, subsurface defects and metal losses using feature based pulsed eddy current sensors. A new feature, termed as the rising point, related to the propagation time of electromagnetic waves in metallic targets is proposed for defect classification. Experimental studies of the validation, robustness of the new feature of rising time are reported. In addition to other features, defects can be detected and quantified robustly and lift-off can also be derived from the rising time. Conclusion and further work are derived on the basis of the findings.     

低压铸造凝固模拟中时间步长的实用算法

针对低压铸造凝固模拟计算过程中存在的收敛性问题，提出了一种能够处理复杂边界条件的简单算法，准确地给出了临界时间步长，避免了计算发散的现象，同时减少了计算的工作量。     

Estimation in Random Coefficient Autoregressive Models

Abstract. We propose the quasi‐maximum likelihood method to estimate the parameters of an RCA(1) process, i.e. a random coefficient autoregressive time series of order 1. The strong consistency and the asymptotic normality of the estimators are derived under optimal conditions.