排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
单相智能电能表作为我国用户电量采集系统的主要组成部分,其高可靠性和长寿命决定着电网的正常运行。该文分析了目前用于电子产品的可靠性预计方法的特点和局限性,指出以Telcordia SR-332手册为理论依据的元器件应力法最适用于单相智能电能表可靠性预计且具有重要的理论和工程应用价值。将此方法应用于某厂家某一型号单相智能电能表的可靠性预计,对参数测试及各类应力的计算过程进行细化,得出相对精确的预计结果,然后对预计结果进行全面分析,最终提出改进措施。 相似文献
4.
频谱泄漏和栅栏效应是影响衰减信号离散傅里叶变换精度的主要因素。为了提高多频衰减信号离散傅里叶变换频谱参数的校正精度,提出一种加窗两点矢量插值校正算法。对信号加M阶余弦窗并计算加窗后信号的离散傅里叶变换,利用真实频率附近的两根谱线的矢量比建立方程,通过求解方程获得频率偏移量和衰减因子,利用上述获得的两个参数计算出信号的频率、幅值和相位。余弦窗的最大旁瓣衰减特性能有效的降低频谱泄漏的影响,两点矢量频域插值可以消除栅栏效应,两者结合极大地提高了算法的参数校正精度。仿真和试验结果表明,算法具有较高的参数校正精度和稳定性,且计算效率较高,适用于实时处理及对计算资源要求苛刻的场合,为多频衰减信号的特征提取提供了一种可选的方法。 相似文献
5.
传统边缘侧电力设备无法有效检测出对电网影响较大的冲击性负荷的设备类别与功率启停信息。为此,提出一种基于孪生分支网络的非侵入式冲击负荷辨识方法。通过总线入口处的高频采样数据提取波形的V-I轨迹特征和对角高斯谐波特征;预设多种先验信息对不同设备的冲击负荷特性进行训练,特别地,设计一种基于孪生分支结构的卷积神经网络,利用二分类交叉熵损失函数实现冲击负荷的分类辨识,同时引入最小平方误差损失函数对冲击负荷功率进行分解;使用非侵入式的方式并基于ARM Cortex-M4平台进行算法部署与识别测试。对比不同识别算法对冲击负荷的辨识能力,结果表明,当电网发生大功率冲击性波动时,孪生分支网络可以更准确地识别冲击负荷的设备类别,有效提高了对冲击负荷的辨识效果。 相似文献
6.
7.
针对传统频域插值傅里叶变换参数估计精度低的问题,在分析频谱泄漏产生原理基础上,提出适用于多频信号的高精度频域迭代插值方法。该方法先利用传统插值法估算信号各频率参数,然后利用信号的估计参数值计算泄漏补偿因子,并用补偿因子重新计算信号各频率参数,最后通过多次迭代实现所需的计算精度。通过对方法的估计结果进行噪声干扰敏感性分析、参数变化对估计精度影响及对方法敏感性分析结果表明,在噪声干扰与长程泄漏明显情况下,所提方法仍具最好估计精度及稳定性,且收敛速度快,可作为改进信号参数估值精度的可选方法。对IC芯片封装中引线键合过程数据处理与分析结果表明,所提方法能较好抑制长程泄漏影响,提高参数估计精度。 相似文献
1