基于改进LMD和能量相对熵的主动配电网故障定位方法

针对配电网发生单相接地故障且分布式电源（distributed generations, DGs）大量接入后,配电网结构和运行方式复杂多变、故障后电气量不明显、故障特征弱等特点,提出一种基于改进局部均值分解（improved local mean decomposition, ILMD）和能量相对熵的主动配电网故障定位方法。首先,利用镜像延拓将信号在两端延拓,消除LMD存在的端点效应,同时,在信号中加入自适应噪声,克服LMD存在的模态混叠问题,对各区段暂态零序电流进行ILMD分解;然后对分解后所有乘积函数（product function, PF）的能量相对熵进行计算,所有PF分量的相对能量熵之和即为区段间的相对能量熵,通过所设置的定位判据,对故障区段进行判断。仿真结果表明,所提算法在10 kV小电流接地系统和改进的IEEE33节点系统中,在不同的仿真条件下故障定位结果准确率高,验证了所提方法的准确性。     

高炉铁水含硅量的混沌局部线性预测

对莱钢1号高炉(750 m3)、临钢6号高炉(380 m3)铁水含硅量([Si])进行了混沌局部线性预测.结果表明,两 座高炉[Si]的一步预测的命中率在[Si]±0.1％的范围内均达到80.0％以上,对莱钢1号高炉(b)类样本甚至达89.1％,且预 测精度在10-2数量级,对实际生产具有很好的指导作用.     

基于悖论证明与局部搜索的不可满足子式求解算法

随着软硬件设计规模日益增加,功能越来越复杂,功能验证与调试在整个设计周期中占有的比重越来越大,迫切需要高效的方法诊断与定位设计中的错误,而求解不可满足子式可以显著提高自动化工具定位错误的效率.近年来,求解不可满足子式的算法多是基于DPLL(Davis-Putnam-Logemann-Loveland)回溯搜索过程的完全算法,很少有研究涉及到不完全方法.文中针对求解不可满足子式的不完全方法,提出了悖论证明与悖论解析树的概念,并提出一种启发式局部搜索算法,从布尔公式的悖论证明中求解不可满足子式.算法首先采用融合了布尔推理技术、动态剪枝方法及蕴含消除方法的局部搜索过程,逐步构建悖论证明所对应的悖论解析树;然后调用递归函数搜索悖论解析树,最终得到不可满足子式.基于实际测试集与随机测试集进行了实验对比,结果表明文中提出的算法优于同类算法,而且动态剪枝与蕴含消除技术能够有效地减少存储空间及运行时间.     

基于数据链的飞机效能评估及作战运用

针对作战飞机的效能评估与运用问题,研究了数据链体制下的航空作战一体化构成。在对数法的基础上,给出了数据链支持下的飞机效能评估方法,将效能评估值转化为平均战斗力水平,建立了空战双方兵力变化规律的数学模型。仿真分析了等效实力比、数据链、不同的增援时间对空战结果的影响。仿真得出的有效增援时间范围及"局部最优增援时刻点",为空战指挥决策提供了参考。     

其他专用涂料

200602138提高电性能的电解电容用聚合物银层；200602139活性亲水低聚物、组合物及其涂覆底材；200602140铬-钛-硼-氮耐磨涂料；200602141皮革纤维用无光涂料；200602142涂有高光涂料的罐头……     

美国内陆钢铁公司№高炉内衬的局部重砌

内陆钢铁公司局部重砌内衬（包括炉缸、炉身、热风炉、煤气净化装置和炉顶）的目的是缩短停炉时间，最终又能达到与重砌全部衬里同样的效果，炉龄目前是根据炉缸耐火材料的侵蚀情况确定的。日产９５００ｔ的高炉在停炉之后２９天开炉送风。     

基于局部重构的无监督特征选择方法

利用局部线性嵌入(LLE)算法中获得局部邻域之间的重构关系与使用最小角回归方法解决L1归一化问题都使用回归方法,针对在通过映射获得低维嵌入空间与通过特征选择获得低维空间上有着一致的思想,提出一种能保持局部重构关系的无监督谱特征选择方法.该方法利用最小二乘法计算样本的邻域重构系数,并用这些系数表示样本之间的关系,通过解决稀疏特征值问题获得能够保持样本间关系的低维嵌入空间,最后通过解决L1归一化问题实现自动特征选择.通过在四个不同数据集上的聚类实验结果证明,该方法能更准确地评价每个特征的重要性,能自动适应不同的数据集,受参数影响更小,可以明显提升聚类效果.     

基于局部自适应先验MRF模型的快速BP图像分割算法

针对常规MRF分割模型不能有效描述图像的局部特征、常导致图像的过分割现象,提出了一种局部自适应先验的MRF模型。该模型利用图像的邻接区域信息建立了一种局部自适应特征MRF模型。基于提出的模型,建立了一种具有快速收敛策略的区域BP算法对MRF模型的区域消息进行传递,有效解决了区域BP算法的计算量大的问题。实验结果表明,与常规区域BP算法相比,提出的分割方法具有更快的分割速度和精度。     

结合信任的推荐系统的性质

结合信任的推荐系统可以有效地缓解传统协同过滤算法中存在的数据稀疏问题,并能给每个用户提供可信且准确的推荐。然而系统中的每个用户都是不同的,因此考虑针对不同用户应采用不同推荐模式来查找推荐群体,以做出更具个性化的推荐。研究了微观层次上的节点特性,引入了兴趣的概念,证明了被推荐者的多种节点特性对于推荐结果的影响效果。最后通过多组实验验证了推荐系统在具有不同特性的节点上的推荐效果差异。