基于介质窗口和UHF传感器的变压器局部放电检测与定位方法

局部放电特高频检测方法灵敏度高、抗干扰能力强,已经得到广泛认可。由于油浸式变压器油箱的屏蔽作用,其内部局部放电产生的电磁波无法辐射出来,这阻碍了变压器局部放电特高频检测方法的推广应用。为此提出了基于介质窗口式UHF传感器的变压器局部放电检测与定位方法。通过仿真分析了介质窗口的规格尺寸对UHF信号强度的影响;在一台即将投入运行的220 kV变压器上安装了8个介质窗口UHF传感器,开展了局部放电检测与试验。研究结果表明,介质窗口直径为150 mm、高度为0时其外侧UHF信号最强;据此设计的UHF传感器检测到220 kV变压器内50 pC的局部放电,并能够准确定位。介质窗口式UHF检测方法对于提高变压器局部放电检测水平具有重要意义。     

TRIZ理论在人机工效学实验设计中的应用

针对现代生产制造系统中作业人员的视觉疲劳研究,设计了基于人机工效学的检测实验.模拟了手工作业工站的生产环境,对温湿度、噪声响度、光照度等进行了限定.检测过程中利用传感器进行心率监控,保证了模拟作业的劳动强度在中度以下.分析实验设计中的技术冲突,应用发明问题解决理论(TRIZ),选定适用的发明原理.根据原理对实验步骤进行了优化和改进,测定分析闪烁临界频率、视觉反应时、简单运动时和作业时间之间的关系,区分了同时产生的视觉疲劳与其他局部疲劳分别对工作效率的影响程度.     

多元系统耦合多新息随机梯度类辨识方法

针对多元线性回归系统,利用耦合辨识概念和多新息辨识理论,讨论了多元随机梯度算法、多元多新息随机梯度算法,以及变递推间隔多元多新息梯度算法,进一步分解多元系统为一些子系统,给出了耦合子系统随机梯度算法、耦合随机梯度算法、耦合子系统多新息随机梯度算法、耦合多新息随机梯度算法,并将这些方法推广到多元伪线性滑动平均系统和多元伪线性自回归滑动平均系统.文中给出了几个典型耦合随机梯度算法、耦合多新息随机梯度算法的计算步骤和示意图.     

梯度投影法求解压缩感知信号重构问题

将结合Barzilai-Borwein步长和非单调线搜索的梯度投影法用于压缩感知信号重构.分析了Barzilai-Borwein步长计算方法,结合其特点给出了非单调线搜索方法,为降低线搜索对算法性能的影响,引入了自适应的策略,最后给出了算法收敛性分析.实验结果表明,该算法能很好地重构不同稀疏度的信号,且在相同条件下,计算效率优于经典的基追踪法、正交匹配追踪和其他梯度投影法.     

基于群密度的改进果蝇优化算法及在异常检测中的应用

针对传统果蝇算法面临的收敛稳定性差、难以协调全局搜索及局部搜索能力等缺点,提出一种基于群密度的改进果蝇优化算法。首先,借鉴现有算法的优势,将果蝇种群分为搜索果蝇和跟随果蝇,并分别使用两类果蝇进行全局化搜索与局部精细化搜索。然后,为提高算法全局搜索的稳定性,在每次迭代过程中使用基于最优区间回避的分区采样策略更新搜索果蝇的位置;该策略在每次迭代过程中获得表现最优的若干只果蝇以构造最优果蝇组,根据最优果蝇组中果蝇个体在每个维度上的取值范围确定最优区间,并通过对最优区间外的其他区间分区采样以确定搜索果蝇的新位置。最后,为协调算法的全局搜索能力与局部搜索能力,引入群密度的概念,通过计算果蝇群密度并结合相关阈值实现不同种群规模的动态调整。针对典型测试函数的实验结果表明,基于最优区间回避的分区采样策略相对于传统随机函数具有更强的全局优化性能。与传统优化算法相比,本文算法在保证收敛速度的同时获得了较高的寻优精度及稳定性,在综合性能上得到明显提升。在KDDcup99数据集上的异常检测仿真实验结果表明,本文基于分区采样及群密度的果蝇优化算法能有效避免局部最优,在获取异常检测分类器的重要参数最佳取值方面起到一定作用。     

普遍化范德华配分函数有关理论进展

通过对与密度有关的局部组成模型的分析和对纯流体及其混合物的普遍化范德华配分函数的推导,对建立状态方程及其混合规则的途径进行了系统阐述     

乘积空间的不动点定理

本文中,我们得到如下结果:设(X,d)是一个完备的度量空间,Y 是一个具有不动点性质的空间,又 f:X+Y→X+Y 连续映象,如果 f 是一个关于第一变元的局部平均压缩的映象,则 f 有一个不动点。此结果推广了 Fora[1]中关于局部压缩映象的结果。本文还讨论了乘积空间的拟压缩映象,并改进了 Fisher[4]的结果。     

一种基于小波分解的无搜索分形图像压缩算法

在不同的小波尺度中，子块基于相应固定位置的父块进行编码，同时利用不同小波尺度之间的相关性进一步缩短编码时间．实验结果表明，与空间域无搜索分形图像压缩方法相比，提出的方法在解码图像质量略有损失的情况下，压缩比提高了近3倍，同时计算量减少了6／7．     

基于离散量子微粒群优化的作业车间调度

针对强非确定性多项式难的作业车间调度(JSP)问题,提出一种离散量子微粒群优化算法(DQPSO).该算法基于量子态波函数描述微粒群粒子位置,结合遗传算法中的交叉、变异操作,采用随机键编码方法对连续空间内的解进行离散化,使得DQPSO能够直接用于求解车间生产调度这类组合优化问题.另外,针对JSP的复杂性,通过引入2层结构的局部搜索策略,构造在局部优化解附近不同搜索半径的微粒,增强算法的搜索能力,进一步提高解的多样性和寻优质量.应用结果表明,对大部分作业车间调度测试算例,DQPSO表现出更有效的寻优性能.     

Gaussian process assisted coevolutionary estimation of distribution algorithm for computationally expensive problems

In order to reduce the computation of complex problems, a new surrogate-assisted estimation of distribution algorithm with Gaussian process was proposed. Coevolution was used in dual populations which evolved in parallel. The search space was projected into multiple subspaces and searched by sub-populations. Also, the whole space was exploited by the other population which exchanges information with the sub-populations. In order to make the evolutionary course efficient, multivariate Gaussian model and Gaussian mixture model were used in both populations separately to estimate the distribution of individuals and reproduce new generations. For the surrogate model, Gaussian process was combined with the algorithm which predicted variance of the predictions. The results on six benchmark functions show that the new algorithm performs better than other surrogate-model based algorithms and the computation complexity is only 10% of the original estimation of distribution algorithm.