交联聚乙烯电缆绝缘中不同尺度缺陷结构综述

电介质的宏观性能与其内部的缺陷结构有着密切的关系。在XLPE电缆的生产、敷设和运行过程中,XLPE绝缘中会引入或产生不同类型、不同尺度的缺陷结构,对XLPE电缆绝缘的性能产生影响,甚至缩短XLPE电缆绝缘的使用寿命。根据缺陷结构尺度的不同,本文将XLPE电缆绝缘中存在的缺陷结构划分为纳米尺度缺陷、微米尺度缺陷及毫米尺度缺陷,并综述了不同尺度缺陷结构对XLPE电缆绝缘性能的影响。     

基于异常样品剔除的酒醅近红外定量分析模型的精度提升

目的 利用异常识别算法识别出原数据集中存在的奇异点,以建立预测精度更高的酒醅定量分析模型。方法 在研究中采用集群分析思维,利用马氏距离、主成分马氏距离、蒙特卡罗交叉验证法对108个样本进行异常样品识别以及剔除,以光谱-理化值共生距离算法进行样品集的划分,划分比例为3:1。结果 酒醅水分近红外定量分析模型经马氏距离处理后预测精度达到最高,预测相关系数上升了0.43%,预测均方根误差下降了6.94%;酒醅酸度近红外定量分析模型经马氏距离处理后精度达到最高,预测相关系数上升了0.02%,预测均方根误差下降了0.20%;酒醅还原糖近红外定量分析模型经蒙特卡罗处理后,预测相关系数上升了8.74%,预测均方根误差下降了42.14%;酒醅淀粉近红外定量分析模型经蒙特卡罗处理后精度达到最高,预测相关系数上升了2.81%,预测均方根误差下降了57.80%。结论 经过验证,剔除异常样品可建立出预测精度更高的酒醅定量分析模型。     

基于FT-NIR光谱技术结合KPCA-MD-SVM对白酒基酒的快速判别

为保证在摘酒过程中基酒分段的准确,研究通过利用傅里叶变换近红外设备对整个摘酒过程中的基酒样品进行光谱采集,使用支持向量机（SVM）对最优预处理的基酒光谱建立基酒分段模型,其模型训练集的正确率为93.02%,测试集判别率为90.08%。为减少建模时间和提高模型的可靠性,使用核主成分分析（KPCA）对基酒光谱数据降维,并对此建立基酒分段模型。其训练集正确率为94.81%,测试集判别率为90.75%,相比无KPCA分析时的分段模型训练集高1.79%,测试集高0.67%。为进一步提高模型的判别能力,使用马氏距离（MD）剔除了降维后的异常数据样品,创建的基酒分段模型训练集对基酒段数的正确率为98.72%,测试集正确率为98.75%。剔除异常样品后的分段模型的训练集正确率提高了3.91%,测试集判别率提高了8%。以上研究表明了KPCA+MD+ SVM基酒分段模型能对基酒进行快速判别,为近红外光谱在自动化摘酒方面提供了一种理论可能。     

PEMFC电堆内部水结冰、融化及冷启动过程的研究

为了研究质子交换膜燃料电池(PEMFC)堆在冰点(273 K)下快速、低损坏的冷启动,建立了一个包含40片单池的二维动态堆模型,用于估计电池堆内每片单池内水的结冰/融化时间,并利用获取的液相/固相分界线分析各单池的差异性。在环境温度为260 K时,仿真模拟了电堆的结冰/融化过程并得到以下结论:(1)关机后,电堆外层单池先结冰且每片单池结冰耗时相等,但外层单池开始结冰的时间间隔较内层单池间的开始结冰时间间隔长,最里层几片单池几乎同时结冰;(2)开机前,加载热源加热质子交换膜,若内部残留水结冰则电堆的升温时间比没有残留水的升温时间要长,残留水影响电堆的冷启动过程。     

基酒FT-NIR光谱预处理与特征波筛选方法的比较

为解决白酒基酒分类的问题,降低基酒的分类误差,减少基酒对摘酒师傅身体的危害,本实验选取18种预处理以及3种特征波筛选方法来较少光谱中的无关干扰信息,降低建模数据复杂度。基酒的傅里叶近红外光谱（Fourier Transform Near Infrared Spectroscopy,FT-NIR）经过光谱理化值共生距离法（SPXY）划分数据集、预处理、马氏距离（MD）异常剔除、特征波筛选、支持向量机回归（SVR）预测来完成最终的分类。研究发现：多元散射校正（Multiplicative Scatter Correction,MSC）后的训练集预测集分类准确率可以达到100%,主成分分析（Principal Component Analysis,PCA）与特定算法结合才能实现准确分类,因此要注意与其他算法的组合,无信息变量消除法（Uninformative Variables Elimination,UVE）和竞争性自适应重加权算法（Competitive Adaptive Reweighted Sampling,CARS）都能实现高效的特征波选择,预测集的平均准确率接近90%。实验证明,经过处理后的光谱数据最多占原数据的47.57%,基酒近红外谱图经过预处理与特征波筛选后可以降低后期回归模型处理数据的复杂程度,提高模型的精确度。     

无线传感器网络中基于序列相关性的数据压缩算法

无线传感器网络(WSN)中传输的数据具有相关性和冗余性。如何有效降低网络中的数据量,延长网络生命周期,始终是WSN的研究热点之一。该文基于WSN中数据序列的相关性,提出一种两步数据压缩算法(TSC-SC)。网络中的簇首和簇内节点执行各自的压缩算法:簇首首先执行相关性分组算法,将数据分组,减少簇内节点的计算量以及消除簇内数据的空间相关性;簇内节点对多属性数据分类压缩,并将压缩参数传至簇首,簇首解压后再次进行分类压缩,进一步消除数据相关性,减少节点数据冗余度,降低通信能耗。为实现对压缩算法的综合性能评价,考虑基本的压缩要求和算法的计算能耗,提出了基于能量判别的算法评估模型(NCER)。仿真结果表明TSC-SC算法可以有效降低压缩比和压缩误差,充分减少数据传输量和网络的通信能耗,利用NCER指标能够直观地评价算法的性能。     

IR-UWB系统中基于归一化门限的TOA估计

在基于能量检测的脉冲超宽带测距算法中,如何提高测距精度始终是研究热点.提出一种基于门限比较的两步积分到达时间(TOA)估计算法及相应的门限设置算法.考虑到长积分周期门限比较(TC)算法的测距精度低于短周期,在前者基础上重新进行短周期积分检测,构成两步积分TOA估计算法;根据最优归一化门限与能量采样序列最大值均值比(AMMR, advanced maximum energy sample to mean ratio)的函数关系,提出基于AMMR值的门限设置算法(AMMR-TC),实现了最优归一化门限值的设置.由于短积分周期下,AMMR-TC的性能稍弱于基于能量序列最大最小值比的(MMR-TC)算法,提出将AMMR-TC与均值-门限比较(MEAN-TC)相结合的AMMR-MEAN-TC算法.仿真分析结果表明测距精度均有一定提高.     

热历史过程对XLPE电缆热历史温度的影响研究

文中采用差式量热扫描(DSC)法对实际服役的交联聚乙烯(XLPE)电缆绝缘的热历史过程进行研究,发现不同XLPE试样的DSC一次升温曲线存在着明显差异,具体表现为不同试样热历史峰的位置、大小及形状存在着较大差异,甚至有些试样观察不到热历史峰。为了研究上述差异产生的原因,对不同温度不同热老化时间的XLPE试样进行了DSC测试,当XLPE电缆绝缘所经历的热历史温度高于熔融温度时,DSC一次升温曲线上不会有热历史峰出现,此时DSC曲线的变化主要由热氧降解对XLPE晶体结构的破坏所引发。当XLPE电缆绝缘所经历的热历史温度低于熔融温度时,在DSC一次升温曲线上就会观察到热历史峰,XLPE电缆绝缘处于该热历史温度的时间越长,则热历史峰的面积越大,热历史峰的峰值温度越高,甚至有可能高于实际的热历史温度。     

近红外光谱技术结合iPLS_SPA波段筛选在黄水酒精度预测模型中的应用

为实现白酒发酵过程中黄水酒精度的快速检测,研究采用傅里叶近红外光谱（FT-NIR）技术对黄水进行光谱采集,并且采用偏最小二乘回归（PLSR）法建立酒精度预测模型。为减少全光谱的数据冗余降低复杂度,提升建模准确率,将连续投影算法（SPA）与间隔偏最小二乘法（iPLS）联用,对整个谱区进行特征波段筛选,并用决定系数R2与预测均方根误差（RMSEP）评价预测模型。结果表明：与原始数据集相比,经过异常样品剔除、预处理、特征光谱筛选后预测模型,预测集R2也从最开始的0.702变为0.952,提升35.61%;预测RMSEP从3.812变为1.367,降低64.14%;变量数也从2,203逐步下降到99,降低了95.51%。说明在减少非相关信息与噪声的同时,模型的复杂度也得到极大改善,并且模型的稳定性与准确度得到了有效提升,最终实现黄水酒精度的快速无损检测,以期为白酒发酵领域提供一种新的可能性,为近红外在白酒发酵副产物中的检验提供理论基础。     

轻中型物流车用燃料电池系统的长寿命设计

剖析商业化运行的轻中型燃料电池物流车使用场景,得到燃料电池的使用要求:服役时间长、功率需求大和启停次数多,进而分析与使用特点对应的寿命衰减模式.以减小质子交换膜的应力张量为目标,进行湿度和怠速功率的优化设计,避免干湿循环对膜的机械和化学损伤;求解代价函数全局最优解,优化能量管理策略,抑制电位循环造成的Pt凝聚和降解;以消除空-空界面为目标,优化开关机闭环策略,缓解开关机造成的碳腐蚀.实际燃料电池系统道路运行2×105 km,性能衰减3.1％.