深度学习及其在地质领域中的应用

深度学习技术的快速发展将成为地质领域再出发的助推剂,深度学习是人工智能范畴内的一个重要分支,是一种以人工神经网络为基本框架,从大量历史数据中学习规律并预测新数据的算法。为了充分理解深度学习在地质领域的应用价值,明确其在地质领域应用中存在的挑战和机遇,本文在系统阐述深度学习的发展过程、方法分类以及常见的4种深度学习模型的基础上,对比了它们在地质领域应用的特点和优势。主要从基础地质、地质勘探、地质灾害以及水文地质4个方面介绍了深度学习在地质领域应用的研究和进展,最后根据现有的情况给出了未来发展的建议,为深度学习在地质领域中应用可能遇到的机遇和挑战提供参考。     

基于激活函数的LCC-S型无线电能传输系统建模和稳定性分析

基于电力电子器件的无线电能传输（WPT）系统是一种开关系统,其大信号模型是研究系统运行特性和稳定性的基础。建模的关键是如何描述系统中的非线性、离散开关变量,为解决这一问题,该文提出一种基于S型激活函数的建模方法。S型激活函数是连续、平滑、可微的且在一定值时具有饱和特性,因此可利用陡度因子较大的激活函数来近似开关的切换过程,将WPT系统由离散的开关系统转变为连续系统。该文以LCC-S型WPT系统为研究对象,构建其开环和闭环模式下激活函数模型,利用该模型分析控制器参数和系统参数对瞬态行为和稳定性的影响,并通过仿真和实验进行验证。结果表明,所构建的模型与仿真和实验结果吻合较好。该模型数学表达式结构简单统一,物理意义明确,是一个具有普遍意义的高精度大信号连续模型。     

基于谐波状态空间的无线电能传输系统建模和稳定性分析

LCC-S(一次侧LCC、二次侧LC串联)型无线电能传输(WPT)系统具有发射侧输出电流恒定以及对耦合机构错位的高容忍性等优点,近年来被广泛应用。然而WPT系统固有的非线性特性可能会导致系统失稳,因此文中以LCC-S型WPT系统为研究对象分析系统出现的不稳定现象。首先,将谐波状态空间(HSS)理论引入WPT系统建模,给出了将时域中的状态空间方程转化为HSS方程的方法,该建模方法考虑了系统中各次谐波的相互耦合作用,具有更高的精确度。其次,基于Pade近似等值延时环节,推导了基于HSS理论的闭环控制模式下系统的小信号模型。通过特征值的分布研究控制器参数以及硬件参数对WPT系统稳定性的影响规律。最后,通过仿真和实验验证了所建数学模型的准确性以及理论分析的正确性。