天绘一号影像表观质量检查流程自动化实现

影像表观质量检查是天绘一号卫星地面应用系统数据预处理分系统中的一项重要工作,实现了基于Excel VBA的天绘一号1A级卫星影像表观质量检查流程自动化。通过对Excel影像数据质量检查统计表中的检查任务进行自动筛选,1A级多光谱影像数据和1A级高分辨率影像TDICCD7个重叠区条带提取数据文件路径的自动查找并生成超链接,与Photoshop CS5、腾讯通进行交互,将检查情况自动记录,自动通过局域网提交检查记录文件,基本实现了表观质量检查流程全自动化,避免了人工操作繁琐、误操作等问题,提高了卫星影像表观质量检查的作业效率和准确性。     

机制砂对不同强度等级商品混凝土性能的影响

采用机制砂分别按照0%、25%、50%、75%和100%等量替代天然河砂制备C25~C55不同强度等级的泵送混凝土,研究机制砂对混凝土工作性和抗压强度的影响。结果显示,对于C25~C40强度等级混凝土,机制砂替代天然砂比例低于50%时对工作性影响不大;对于粉料量较高的C40以上混凝土,机制砂替代比例可提高到75%仍不影响工作性;但完全采用机制砂替代天然砂则容易造成离析;机制砂替代天然砂比例低于50%时对各强度等级混凝土的强度均无影响,对于高强混凝土则能够在低于75%的代砂率条件下强度都略提高,但完全采用机制砂替代天然砂则对各强度等级的混凝土抗压强度都不利。     

车联网中基于伪距双差的车辆定位技术

为满足车联网中定位精度的要求, 本文提出了一种伪距双差车辆相对定位算法,该算法通过车辆间伪距信息的车到车(Vehicle-to-vehicle,V2V)交互,抵消了公共误差及不同接收机的时钟偏移量,提高了伪距双差的车辆定位精度。通过对比分析伪距双差算法与全球定位系统（Global position system,GPS)单点定位算法的距离误差均方根,证明了伪距双差算法的定位精度。仿真结果表明采用伪距双差算法(Double differencing relative,DDR) 的相对定位技术在公共可见卫星 数大于4时,其相对定位性能优于GPS单点定位方法。     

垂直外腔面发射半导体激光器的双波长调控研究

报道了一种结构紧凑的垂直外腔面发射激光器（Vertical-External-Cavity Surface-Emitting Laser,VECSEL）及其双波长调控。通过调控泵浦光功率,实现了VECSEL输出的两个激光波长之间的相互转换,双波长的间隔接近50 nm。VECSEL的输出功率曲线呈现明显的两次翻转,翻转点对应了激射波长的转换。这是由于泵浦功率变化改变了增益芯片内部的温度,进而通过热调谐使得发光区增益峰值被调谐到腔模的不同位置。在0℃时,每个激射波长的最大输出功率都在1.5 W以上。随着泵浦功率的改变,激射波长可以在950 nm和1000 nm之间切换,同时还可以在1.5 W以上的功率水平下实现双波长同时激射。这种可切换波长及双波长同时激射的VECSEL器件在光调制、差频等领域有较大应用潜力。     

基于Internet/ Intranet的火电厂锅炉低NOx燃烧优化指导系统

从分散控制系统（DCS）上采集数据，结合人工神经网络的非线性动力学特性和自学习特性，通过对锅炉输出参数和NOx输出特性的样本学习，建立了大型电站燃煤锅炉的氮氧化物排放特性神经网络模型，并利用遗传算法实现锅炉的低NOx燃烧的优化运行指导，系统采用Browese/Server方式，实现基于Internet/Intranet模型下的大型电站锅炉燃烧优化指导。     

基于MATLAB/SIMULINK的神经网络励磁控制仿真分析

介绍了神经网络控制仿真模块的使用方法并借助此模块对使用神经网络法设计的PID励磁控制进行仿真分析,与传统的只用单一的PID控制的仿真结果进行比较,证明了神经网络控制的优越性.     

基于查询相关性分析的检索结果聚类算法

随着互联网的普及和网页数量的飞速增长,搜索引擎已经成为从网上获取信息的首选工具.然而,目前主流的搜索引擎在响应用户提交的检索请求时,往往以较长的一维列表形式分页展示结果,为了找到自己所需要的信息,用户必须对该结果列表进行耐心的浏览.为了进一步提高用户获取信息的效率和质量,减轻用户的劳动强度,研究者提出了对检索结果进行再挖掘、再组织的问题,聚类就是其中的研究热点之一.本文在分析现有检索结果聚类算法存在的问题的基础上,提出了基于查询相关性分析的标签驱动聚类算法,该算法通过分析短语与查询项的关联程度,提取作为候选簇标签的短语,然后根据这些标签确定网页摘要隶属的候选簇,最后基于对候选簇和标签的评价进行簇筛选和归并,得到聚类结果及每个簇的标签.在相同环境下进行的对比实验表明,所提出的算法优于相关工作,而且需要更少的信息资源支持.     

基于深度学习的变压器局部放电模式识别研究

针对传统PD模式识别用统计特征量需要依赖专家经验而缺乏一定的泛化性问题和卷积神经网络(CNN)模式识别算法缺乏PD图谱时序特征信息的问题,文中构建了基于CNN-LSTM深度学习的PD PRPD图谱模式识别模型,该模型综合了CNN善于挖掘PRPD图谱局部空间信息的优点和长短时记忆网络(LSTM)善于挖掘PD图谱时序特征信息的优点,可同时提取PRPD图谱的局部空间特征和时序特征,利用变压器典型绝缘缺陷放电图谱对构建的网络进行性能测试,并与CNN和LSTM对比,结果表明,对于PD图谱稳定的悬浮电位缺陷,CNN-LSTM和CNN的识别能力均为100%,但是对于金属突出物缺陷、油纸气隙缺陷和沿面放电缺陷,CNN-LSTM的识别能力优于CNN,CNN-LSTM网络的整体识别性能优于CNN和LSTM。     

风电场无功补偿计算方法与容量配置的研究

以辽宁省阜新已投运的华能阜北风电场无功补偿计算为实例,通过箱式变压器、集电线路、升压变压器和风电送出线路的无功计算得到风电场的无功损耗,再结合风电场自身的无功出力情况以及电网的结构特点研究风电场无功补偿计算的方法以及无功补偿容量的配置原则。把理论计算的无功补偿结果与实际运行中的风电场投运的无功情况进行比较,验证无功补偿计算方法的正确性,同时提出根据电网结构的特点考虑在系统侧补偿无功的建议,以指导风电场并网工程中升压站内的无功配置。