异类传感器实时信息融合的STMHM算法

异类传感器实时信息融合由于两类设备的数据率不同和数据误差的限制,一直未得到有效解决,提出一种空时二维多假设模型(STMHM)算法来解决该问题。设计的融合数据模型,将异类传感器的测量数据映射在二维直角坐标系下;按照新的融合数据模型分别构建两类传感器的目标量测空间和融合空间;设计量测空间时间初始化方法和目标实体空间的滤波算法;通过仿真验证表明:该算法能够实现异类传感器的信息融合,初次融合成功的确认时间在3～5个主动传感器扫描周期。     

认知无线电技术在ZigBee中的应用研究

目前多种无线通信技术共享2．4GHzISM频段,它们之间的相互干扰以及频谱重叠现象已成为人们非常关注的一个问题。文中将认知无线电技术应用到ZigBee网络通信中,针对2．4GHz频段,利用认知无线电的频谱感知功能,对信道状态进行检测,搜寻频谱空穴,并且对频谱进行长期感知和统计,使ZigBee用户选择最可能空闲的频段作为传输信道,同时提出了一个2．4GHz无线环境感知模型。该方法提高了ISM频段的频谱利用率,并且减少了同频段其他多种无线通信技术对ZigBee产生的干扰,保证了ZigBee信号的有效传输。     

结构性黄土压缩特性的微观非连续变形分析

黄土的结构性与其形成过程密切相关,并对其物理力学性质产生重要影响。针对结构性黄土的大孔隙和胶结特性,对DDA算法进行了扩展,将结构性黄土中起主要胶结作用的黏粒胶结嵌入已有的DDA算法中;使用Monte Carlo法和DDA模拟黄土的沉积过程,该方法能够模拟颗粒下落过程中的相互碰撞及摩擦,分析结构性黄土在压缩过程中颗粒的平动和转动规律,由此构建与原状黄土孔隙比接近的微观结构模型;进一步使用扩展DDA对所生成的黄土结构模型进行不同压力下的一维压缩试验模拟,并与室内压缩试验进行对比。发现胶结试样颗粒位移比不含胶结试样颗粒位移小,但整体规律相似;每个颗粒位移的大小和方向不尽相同,但主要以竖向位移为主;在压缩过程中,不同区域的颗粒位移存在较大差异,上部颗粒位移大,越往下部颗粒的位移越小。该研究成果可为从微观认识黄土力学行为提供一条途径。     

中置式高压电容器柜改进设计

分析了南屯煤矿白马河风井变电所高压电容器柜原设计方案存在的问题,并对其进行了改进设计:选用适用于容性负载的真空断路器;添加放电线圈,并将放电线圈与电容器直接并联,使放电线圈与电容器组成一个完整的放电回路;添加接地开关,接地开关既有机械闭锁又有电气联锁,操作方便,安全性高。实际应用表明,改进设计后的高压电容器柜功能更加完善,更加安全、可靠。     

基于WebGIS和3G的警务指挥调度系统研究与设计

该文针对公安系统的实际需求设计了一个基于WebGIS和3G的警务指挥调度系统。论文首先介绍了警务指挥调度系统的设计思路和总体架构,然后分析了Android开发平台和J2EE开发架构的优点,最后完成了移动终端和中心平台的软件设计并对其实现方法进行了研究。     

信息融合技术在变压器油气识别故障诊断中的研究

变压器故障分为放电性故障和过热性故障两大类别,它们均会在变压器油中有所反映。本文通过对变压器油中主要气体的分析,判断变压器的故障类型。具体方法是:利用改进算法的BP网络和信息融合技术,以变压器油中五种主要特征气体作为神经网络的输入,以六种变压器状态作为相应的输出,通过加入动量因子,可以提高学习率系数,充分发挥改进算法的BP网络具有自适应学习能力的优势。仿真测试结果表明,本方法能够在较大范围内准确有效地进行变压器的故障诊断。     

基于保护信息的变电站行波测距可靠性提升

行波测距具有精度高、受系统运行方式影响小等优点,但是独立的行波测距易受噪声干扰、可靠性不足;传统交流线路保护技术成熟、抗扰能力强、可靠性非常高,因而利用保护信息来提高行波测距可靠性是比较可行的技术路线.本文基于保护行波测距一体化技术,分析独立行波测距存在的主要问题及保护与行波测距信息交互技术;结合保护相关信息,从测距启动、同步模量选择、测距结果甄别三个方面提出了提升变电站行波测距可靠性的详细技术方案,并搭建了软硬件测试平台,试验结果验证了所提方案的有效性.     

影响大用户产业接入的电网关键因素研究

从电力公司角度构建了全方面、多维度的电网影响因素体系,由此对地区四大典型新兴产业的电网接入情况进行研究。结合改进的主成分分析法与基于时间效应改进的灰色关联度模型计算各影响因素与四类典型大用户产业落户情况之间的信息量值以及关联度大小。综合模型计算所得到的结果确定不同产业中各指标的影响权重和影响比例。从而根据影响指标等级划分表确定不同类型产业的主要电力影响因素,在大用户电网接入规划中能够对主要影响指标采取针对性措施,实现在改善电网以加强大用户接入适应程度的同时,保证电网投资收益的正常运行。     

改进的小脑模型神经网络及其在时间序列预测中的应用

针对小脑模型神经网络(cerebellar model neural network,CMNN)中泛化能力与存储空间容量之间的冲突这一关键问题,提出了一种改进的小脑模型神经网络——模糊隶属度小脑模型神经网络(fuzzy membership cerebellar model neural network,FM-CMNN),用于解决非线性动态系统的时间序列预测问题.首先,FM-CMNN在保留原始CMNN输入变量的地址映射方式的情况下,在CMNN存储空间中引入铃型模糊隶属度函数,从而保证在不需增加量化级数的情况下提高网络的泛化能力.然后,使用梯度下降算法对网络权值进行更新,提高网络的逼近强度.最后,通过非线性时间序列预测基准实验和污水处理中水质参数预测实验,验证了FM-CMNN性能的可靠性.     

耦合弯曲-剪切载荷L型压电振子的低宽频特性

针对传统的压电能量采集装置固有频率高、工作频率范围窄及能量转换率低的问题,基于Timoshenko梁理论提出耦合弯曲-剪切载荷的L型压电振子,研究基于L型压电振子的复合压电结构的能量采集特性. 根据无线传感器的作业环境特点,研究L型悬臂梁的长度、宽度及延伸段长等因素对压电能量采集频率、输出电压峰值及能量转换效率的影响规律. 组合不同尺寸L型压电悬臂梁,研究设计回字形布局的阵列式复合振子. 经仿真分析与实验验证结果可知,在0~250 Hz低频环境下,能量采集频率为28~36 Hz、61~68 Hz、92~99 Hz以及103~111 Hz,较等尺寸传统阵列式压电复合振子覆盖频率平均提升了260%.