基于约束投票极限学习机的在线静态电压稳定评估

快速准确的在线静态电压稳定评估是规模化互联电网安全稳定运行的重要保障。针对传统神经网络学习模型调参繁杂、训练时间长、样本需求数量庞大等缺点,提出了一种基于约束投票极限学习机（constrainedvoting extreme learning machine,CV-ELM）的在线静态电压稳定评估模型。CV-ELM基于类间样本差值构建差向量集计算输入层对隐藏层的权值及隐藏层节点偏置项,并引入多数投票机制,通过集成学习的方式进行分类决策。此外,CVELM可自适应确定网络参数,在分类准确率、鲁棒性及泛化能力方面均优于传统的ELM。最后,基于新英格兰10机39节点系统的算例仿真结果证明了所提模型的有效性。     

城市边缘区村落的时空演变——以文侯古邑为例

随着城市不断外溢,位于城市边缘区的村落与城市的联系愈加密切,村民在审美意识和生活习惯上都更倾向于城市化,加上村民对村落所承载的时空记忆和文脉价值认识不够,致使很多城市边缘区的古村落正发生着非传统性嬗变,其特征不再鲜明。以文侯古邑为例,笔者通过田野调查及查阅文献,研究城市化对特定地缘村落时空演变的影响,主要从聚落空间形态、街巷组织、节点空间三个方面的演变进行探究。同时,为同处在城市化边缘的村落研究提供借鉴。     

爬壁机器人发展与关键技术综述

针对目前国内外对爬壁机器人的研究现状和不足,分别从吸附方式、行走方式、驱动方式和壁面过渡等方面进行归纳总结,论述爬壁机器人面临的主要问题和发展趋势.结果表明:爬壁机器人在吸附方式方面存在吸附性和机动性之间的矛盾,在壁面过渡能力方面仍存在一定的局限性,距离实际应用还有一定距离.对爬壁机器人关键技术的研究方向提出展望.     

自行式弹炮一体防空武器系统中雷达的发展方向

本文叙述了典型的弹炮一体防空武器系统中所用雷达的现状及特色，探讨了自行式弹炮一体防空武器系统中所用雷达的发展方向及关键技术。     

桂圆核对记忆障碍小鼠学习记忆能力的影响

以东莨菪碱和乙醇分别造成小鼠学习记忆获得障碍和记忆再现障碍,采用迷津法和避暗法观察并比较桂圆核提取物和吡拉西坦对记忆障碍小鼠学习记忆能力的影响。结果显示:记忆障碍模型制作成功(与生理盐水组比较,在两种模型两种方法中,模型组小鼠的错误次数增加,潜伏期缩短,遭电击时间延长,均P0.05)。桂圆核(1.2 g/kg和2.4 g/kg)及吡拉西坦片(0.5 g/kg)均可使记忆障碍小鼠的避暗潜伏期延长,遭电击时间缩短,避暗与迷宫中的错误反应次数减少(与模型组比较,P0.05)。在实验观察剂量下,桂圆核提取物的作用呈现出剂量依赖性,高剂量组与吡拉西坦的效果相近(P0.05)。结果表明,桂圆核对小鼠的学习和记忆障碍有改善作用。其作用机制有待进一步研究。     

基于ICA-CEEMD小波阈值的传感器信号去噪

针对传感器在采集信号时混入不同的噪声,提出一种基于ICA-CEEMD小波阈值的组合去噪算法。该方法是对一维含噪信号进行剪切分段、平移和拼接,得到几个不同的含噪信号作为独立分量分析(ICA)的输入通道信号。通过ICA的盲源分离技术使得信号和噪声进行初步分离。再利用互补集合经验模态分解(CEEMD)对分离信号进行分解去噪,由于不同的高频和低频噪声,需要对分解的高阶和低阶固有模态函数(IMF)进行处理。对第一层和最后一层IMF利用3σ原则提取细节信息,进一步抑制模态混叠影响,重构去噪信号。最后,利用小波阈值对重构信号做去噪处理,提升去噪效果和性能指标。为验证该方法的有效性,进行了仿真和中北大学汾机实测实验,结果表明,该方法在去噪效果和性能指标上都优于小波软阈值去噪和基于CEEMD的小波阈值去噪方法,是一种有效的信号去噪新方法。     

激光多普勒技术跨介质探测水声信号的研究

海洋是丰富的资源宝库,对海洋资源的开发和利用尤为重要。水空跨介质探测、通信、水下目标确定等技术一直是相关工作者关注的热点,同时也是技术难题。声波作为一种机械波,是水中良好的传播载体,因此通过提取水下声波信息进行水空跨介质探测及通信不失为一种好方法,但目前仍缺少完整的水下声信号传播模型及试验基础。本文提出一种基于有限元方法的水下声信号产生水面波纹振动的仿真模型,并运用激光多普勒测振技术对水面波纹进行检测,通过试验与仿真两种方式均能在水面以上精准得到水下声波信息。在相同水下声信号参数的条件下,试验与仿真得到的水面波纹振幅大小一致,验证了激光多普勒测振技术用于获取水下声波信息的可行性及所建立仿真模型的正确性,为实现水空跨介质探测及通信的突破提供了试验基础及理论依据。     

用人工神经网络方法计算太阳光谱辐照度分布

针对传统太阳光谱辐照度分布计算模型计算速度慢,需要大量气象参数等问题,提出了一种基于人工神经网络(ANN)算法模型计算特定气象参数下的太阳光谱辐照度分布的方法。首先将数据集通过Mini-Batch-Kmeans算法聚类并标签化,利用Python平台搭建ANN算法模型并对数据集进行训练,从而获得该气象条件下的太阳光谱辐照度分布。结果表明,相对于其他机器学习算法模型,提出的ANN算法具有更好的误差评估参数表现以及更稳定的预测性能。此预测模型可运用于光伏器件的输出性能参数的计算,为光伏组件实际应用中预测发电量输出和性能评估提供了便捷工具。     

种植密度对沿淮玉米籽粒淀粉粒度分布与糊化特性的影响

分析不同种植密度对沿淮玉米籽粒中淀粉粒度分布与糊化特性的影响。以豫单132、京科968等13个玉米杂交品种为材料,设置56 250 株/hm2、67 500 株/hm2、77 250 株/hm2等3个种植密度,分析不同种植密度对玉米籽粒品质、淀粉粒度分布与糊化特性的影响。结果表明,在种植密度56 250~77 250 株/hm2范围内,随着种植密度的增加,玉米籽粒的蛋白质和脂肪含量呈递减趋势,淀粉含量呈递增趋势,即淀粉/蛋白质比率增加。玉米籽粒大型淀粉粒体积和表面积百分比显著增加,小型淀粉粒却显著降低。增加种植密度后玉米淀粉的峰值黏度、低谷黏度、最终黏度和稀懈值等黏度参数均呈显著升高。相关分析表明,玉米籽粒峰值黏度等黏度参数与小、大型淀粉粒体积百分比呈正相关,与中型淀粉粒体积百分比呈显著或极显著负相关。说明种植密度影响玉米籽粒淀粉粒度分布、淀粉黏度参数和组分含量。     

考虑样本不平衡的电力系统鲁棒暂态稳定评估

由于实际电力系统中暂态失稳样本稀少,基于数据驱动的暂态稳定评估方法面临训练样本类别分布失衡问题,严重影响暂态稳定评估结果的可靠性。针对此问题,提出了一种基于MAHAKIL过采样和BCLM的鲁棒暂态稳定评估方法。首先,通过MAHAKIL过采样改善原始样本集的类别分布;然后,基于BCLM构建电力系统鲁棒暂态稳定评估模型。在新英格兰10机39节点系统上的测试结果表明,所提方法能够显著降低原始样本类别失衡的影响,并对数据缺失和数据噪声具有较强鲁棒性。