高压输电线路工频参数的移频测量方法

输电线路是电力系统的重要组成部分,其参数的准确性关系到电网的安全稳定运行。为了较准确测量输电线路工频参数,提出了一种在输电线路上施加不同于电力系统频率的测量电压,避开系统工频干扰,进行线路参数测量的方法即移频法,并分析了移频信号的提取及数据处理。现场试验表明该法较工频法消除系统工频干扰更有效,得到的线路参数值准确,也避免携带笨重的电源装置及各种测量表计,方便现场试验,工作效率提高。     

利用特定消谐技术进行PWM逆变器的设计

讨论了PWM逆变器特定消谐(Selected Harmonic Elimination)技术与载波SPWM技术相比的优点;以最常用的三相电压型逆变器为分析对象,研究了SHE技术的基本原理,总结出了非线性方程组中开关角初值的规律,给出了使用Matlab求解开关角的方法.将其应用于实际的PWM逆变器,通过实验结果验证了SHE技术的优越性.     

基于UG和VERICUT数控加工与仿真研究

介绍了UG加工模块与VERICUT仿真软件的功能,在UG中建立一凸模零件,进行加工、仿真,后置处理生成相应程序,利用UG和VERICUT的无缝连接建立机床仿真,对相应程序进行检验和优化,得到更加合理的NC程序。对于降低实际生产中的风险和成本、缩短产品开发周期、提高生产效率和产品质量都有很大作用。     

脉冲波形对脉冲反射法的电缆故障 定位影响的研究

针对脉冲反射法在电缆故障定位中的应用进行了研究。利用电磁暂态软件建立仿真模型,对电缆的不同的故障模式、脉冲波形和脉冲宽度对测量的精度的影响进行了分析。研究结果表明:断线故障的反射波形和原始脉冲是同向的,而接地故障反射波形是反向的,脉冲反射法中,推荐使用方波作为脉冲的波形。方波的脉冲波形宽度越窄,高频分量越高,信号衰减越快,则可测范围越短,测距精度越高。对正确判断故障类型、确定脉冲波形形式和宽度等具有重要指导意义。     

接触热导率数值预测研究

假设粗糙表面轮廓高度服从高斯分布,并将两粗糙表面间的接触等效为粗糙表面与光滑刚性表面的接触。由均方根粗糙度和平均凸峰坡度得出接触点的平均半径和单位面积内的接触点个数,分别建立了用圆柱体和圆锥台来表现接触粗糙峰的两种有限元模型,对接触热导率进行了数值预测。通过对比发现,用圆柱体来表现粗糙峰的模型计算出的结果与试验吻合较好,且其误差随界面载荷的增大而减小。     

激光散射图像检测桃果实货架期的食用价值

研究了应用激光散射图像检测桃果实食用价值的方法。通过分析桃果实货架期感官得分,将‘霞脆’鲜桃分为有食用价值和无食用价值两类。通过检测硬度、可溶性固形物含量和可滴定酸含量的变化,验证了此分类的可行性。利用波长650 nm、功率20 mW的半导体激光搭建激光散斑测量装置,采集‘霞脆’桃在货架期的激光散射图像,从图像中提取颜色特征参数（R、G、B、H、S、I及各标准差）和纹理特征参数（像素面积、平均灰度值、灰度标准差、平滑度、三阶矩、一致性和熵）。最终通过统计分析得到像素面积、R、G、B、一致性和熵的变化与货架期‘霞脆’桃果实食用价值有较好的相关性。以这6 个特征参数建立对‘霞脆’桃果实货架期食用价值判别的支持向量机模型。结果表明,训练识别率为95.0%,预测识别率为92.5%,利用激光散射图像对货架期桃果实食用价值进行无损检测具有可行性。     

便携式葡萄专用可见-近红外光谱检测仪器开发与实验

基于可见-近红外光谱技术,研发低成本、便携式葡萄专用多参数检测仪器,用于满足葡萄采后品质快速、无损的检测需求。本仪器选用凹面全息光栅搭配电荷耦合器件的光谱仪作为核心器件,用于获取样品400～1 100 nm的漫反射光谱数据;选用卤素灯作为稳定可靠的光源、低OH的Y型石英光纤作为光传输的可靠媒介,并设计可调型样品池满足不同大小和品种样品的需求,基于Windows系统采用C#撰写的软件性能稳定,便于模型的更新操作。以“美人指”、“白玉霓”两个葡萄品种进行实验,指标参数包含CIE L*a*b*、可溶性固形物含量及总酚含量。结果显示,本仪器基于最小二乘-支持向量机模型对2 个品种的a*值、可溶性固形物、总酚有较好的建模效果,“美人指”各指标的模型决定系数（Rc 2 ）分别为0.91、0.94和0.90;“白玉霓”各指标的模型决定系数分别为0.96、0.99和0.95。最后,利用70 个非建模葡萄样本模型进行外部测试,结果表明“美人指”的a*值、可溶性固形物、总酚3 个指标的预测根均方误差分别为3.15、1.39 °Brix和0.24 g/kg;“白玉霓”3 个指标的预测根均方误差分别为0.78、1.56 °Brix和0.22 g/kg。结果表明,本仪器能完成对葡萄多个理化指标的建模预测,同时样品池的设计能够满足不同品种葡萄的需求。本研究为果蔬专用型近红外仪器的开发提供技术参考。     

上学好时光

采过无穷花,方酿缤纷甜。拥有过的记忆,总是无价之宝。走过校园里纵横的石子路,曾安然于学校和宿舍这两点一线,也会在书桌前握笔小酣——上学时光在脑中回放,像那无声默片,没有嘈杂,情景深刻动人。一年中的每一天都是读书好时光。但不是每一天都是上学好时光。你的上学时光正在进行?还是已经逝去?总能从下面这些书里找到共鸣吧。     

基于卷积神经网络模型的裂纹鸡蛋图像识别

目的:提高基于计算机视觉的鸡蛋裂纹检测方法的准确性和运行效率。方法:使用禽蛋模拟撞击设备得到裂纹鸡蛋,并通过鸡蛋动态图像采集设备采集不同角度裂纹鸡蛋和完好鸡蛋图像,然后以原始图像和经预处理后图像分别建立用于裂纹鸡蛋图像识别的YOLO-v5、ResNet和SuffleNet模型,并比较不同模型识别准确度以及对未经预处理图像的适应性。结果:YOLO-v5、ResNet和SuffleNet模型均可有效识别经过预处理的裂纹鸡蛋图像,其验证集准确率分别为98.8%,97.8%,99.4%。对于未经预处理的裂纹鸡蛋,ResNet模型判别准确率较低,而SuffleNet模型对其适应性较好,判别准确度超过99%。结论:在卷积神经网络模型中,SuffleNet模型适用于裂纹鸡蛋图像的识别,且采集的图像无需进行预处理。     

基于电子鼻和乙醇传感器判别草莓新鲜度的研究

以红颜草莓果实为试材,在4℃(低温组),相对湿度85%~95%条件下贮藏,研究基于气味判别草莓新鲜度的方法。分别运用电子鼻和单一乙醇传感器采集草莓贮藏期间的气味。主成分分析结合感官评定将草莓的新鲜度划分为4个阶段,分别为4℃贮藏0~3,6,9~12,15d。采用偏最小二乘判别分析(PLS-DA)和分类型支持向量机(SVM-C)构建了基于气味判别草莓新鲜度的模型;应用电子鼻和PLS-DA法构建模型,建模组和验证组总体准确率分别为84.2%,88.3%;而基于SVM-C法构建模型,建模组和验证组总体准确率分别为99.2%,96.7%。应用乙醇传感器技术和PLSDA法、SVM-C法构建模型,准确率分别为83.3%(PLS-DA法建模组),86.7%(PLS-DA法验证组),90.8%(SVM-C建模组),90.0%(SVM-C验证组)。该研究可为建立草莓采后贮藏和流通过程中新鲜度实时监测的方法提供技术参考。