基于深度神经网络的电力系统快速状态估计

随着现代电力系统的迅猛发展,电网结构和运行方式日益复杂,对状态估计的实时性和准确性也提出了更高的要求。为此,该文提出一种基于深度神经网络的电力系统快速状态估计,通过相关性分析筛选出该状态估计模型的输入量测集,进一步利用海量历史数据建立基于深度神经网络的状态估计模型。当电力系统的实时量测更新时,将强相关量测输入已建立的状态估计模型中快速获得系统状态的估计结果。通过在IEEE标准系统和某实际省网进行算例仿真表明,所提方法的估计精度和鲁棒性均优于传统加权最小二乘(weighted least square,WLS)和加权最小绝对值估计(weighted least absolute value,WLAV);并且该方法的在线计算时间受系统规模影响较小,由实际省网的仿真结果可知,其计算效率较WLS和WLAV分别提升1.43和27.2倍。     

基于深度学习的泛在电力物联网应用场景分析

建设安全、稳固且信息共享的泛在电力物联网是当前电力行业的研究重点.随着人工智能技术的不断发展,深度学习以其优异的数据处理能力、强烈的态势感知能力广泛应用于各行各业.基于此,总结泛在电力物联网的基本结构、关键技术及深度学习基本理论,对深度学习在电力行业的应用进行论述,为深度学习在泛在电力物联网中的应用提供借鉴.     

基于迭代学习的直线伺服系统离散变结构控制

直线电机在执行重复性的跟踪控制任务时,负载扰动、端部效应力及摩擦力会呈现周期性变化。为了提高永磁直线伺服系统的跟踪精度与抗扰性能,消除上述不确定因素的影响,采用离散变结构控制(DVSC)和迭代学习控制(ILC)相结合的位置跟踪控制策略。并利用迭代学习控制算法来调整变结构控制器的参数,削弱抖振,提高稳态精度。理论分析与仿真结果表明,该方案在保证直线伺服系统快速精确跟踪性能的同时,对系统参数变化和阻力扰动具有很强的鲁棒性。     

《电焊机》杂志社开展第二阶段“焊接基础知识培训”学习活动

继2005年7、8月《电焊机》杂志社开展了第一阶段员工“英语口语培训”工作后，2006年10月，在宜人的秋风中，《电焊机》杂志社又开展了第二阶段的“焊接基础知识培训”的学习活动，培训讲座由成都电焊机研究所资深专家王福生教授级高工主讲。培训内容包括电焊机分类、各种焊接方法的特点及用途、弧焊电源特性、弧焊电源分类及变压器设计、电阻焊原理及主回路设计、逆变电源、     

基于神经网络的数控机床位置控制的研究

本文提出了一种新型的神经网络结构的位置控制器，给出了该控制器的学习算法，并进行了数控机床位置伺服系统的仿真实验，结果表明这种控制器性能优越，自适应能力强。     

意义性学习:人文知识内化的主体性动因

人文教育的目的在于将人文知识内化为人文素质;内部动机与外部动机对人文教育都具有重要的动力作用;主体对学习意义的把握成为人文教育的关键;意义性学习是学生学习成果内化的主体性动力。     

协会通讯

朱之鑫到中铝广西企业考察；张国臣一行莅临中州企业调研；全国人大代表参观金川集团公司冶炼厂；全国、省、市三级人大代表视察组到河南分公司检查指导工作；有色地调中心赴紫金矿业集团考察学习。     

基于自学习的参数化设计方法

为了弥补传统参数化技术的不足，文章初步提出了一种不需要交互显式建立图形约束关系的、基于自学习的参数化设计模型，并详细给出了实现算法，实验证明该方法是切实可行的。     

大众化背景下的高等教育服务--兼论弱势群体的高等教育参与

高等教育大众化禀承的理念在于高等教育服务的“大众”性，而不是简单意义上的数字的变化。今天的高等教育应该是为各个有学习能力和学习要求的人服务，应该面向国家和社会发展的现实需要并为之提供有用之才。这就要求高等教育要结合我国社会发展的现实状况和不同地区、不同民族的差异提供多样化的服务。而上述目的的实现需要提供有力的保障机制，当前，中国这个保障机制就是要建立有效的解决贫困生就学的机制。     

改进型字典学习的图像超分辨率重建

针对现有算法中字典训练花费的时间非常大,且超分辨率图像重建效果不够理想等问题,提出一种改进型字典学习的超分辨率图像重建算法.该算法在字典训练阶段,先采用PCA对低频样本集进行降维,再单独训练出低频字典,然后利用稀疏表示系数集和高频图像样本集训练出对应的高频字典,从而提高了字典构建速度.在重建阶段,先利用字典重建出初始的高分辨率图像,再根据图像结构自相似的特征,对图像进行结构自相似优化,然后对图像进行全局优化,从而提高了重建图像的质量.实验结果表明,该方法无论是在客观评价指标还是主观视觉效果方面都有明显的提高.