一起电力系统谐振事故分析

分析了电力系统谐振现象及其特点,以及谐振对于系统的危害.通过对一个典型谐振案例的电气参数变化规律剖析,从铁磁谐振角度出发分析事故原因并提出了预防谐振的措施和解决谐振问题的合理化建议.所提出的方法可以有效地减少电力系统谐振事故的发生几率,有利于提高电力系统安全稳定运行水平     

基于量子计算的多Agent协作学习算法

针对多Agent协作强化学习中存在的行为和状态维数灾问题,以及行为选择上存在多个均衡解,为了收敛到最佳均衡解需要搜索策略空间和协调策略选择问题,提出了一种新颖的基于量子理论的多Agent协作学习算法。新算法借签了量子计算理论,将多Agent的行为和状态空间通过量子叠加态表示,利用量子纠缠态来协调策略选择,利用概率振幅表示行为选择概率,并用量子搜索算法来加速多Agent的学习。相应的仿真实验结果显示新算法的有效性。     

粗糙集理论中基于属性重要性的离散化方法

连续属性离散化一直是机器学习领域中亟待解决的关键问题之一。目前已有许多离散化方法,存在的主要问题是断点集的选取带有很大的主观性,导致大多数的离散化算法难以得到较满意的离散效果。分析了当前研究中常用的离散化方法,提出了一种基于属性重要性的离散化方法,利用遗传算法,把最小断点集作为优化目标,利用遗传算法,以属性重要性构造适应度函数,保证了原决策系统的不可分辨关系,避免了决策表信息的损失,所得结果相对来说比较客观。     

一种考试用指纹识别设备的设计与实现

介绍了指纹采集、识别系统的一般结构、优缺点；脱机指纹识别系统的具体设计，包括硬件组成、软件功能和通信协议的开发，以及单片机对大容量数据的存储和处理方式，对单片及应用系统的开发有一定的参考价值。     

基于方向协调的蚁群算法

为了克服传统蚁群算法易出现的停滞现象,定义一种新的方向信息素来刻画寻优过程中的全局信息,从而保证在最优路径的基础上提高解的全局性,并加快算法的收敛;此外,由于新的探索率因子的提出及全局选择策略的修正,使得信息素较弱的路径得以选择,进而扩大了搜索的范围,提高了算法的鲁棒性.最后,通过多个不同规模旅行商问题的测试,与蚁群系统算法相比,实验结果表明了该算法具有更好的搜索能力及更快的收敛速度.     

基于模糊控制摆动式球磨机控制系统设计

超微细粉碎技术是在伴随纳米技术和新材料而发展起来的一项新的粉碎加工技术，随着现代工程技术的发展，许多基础工业对超微细粉末的粒度、粒度分布、粒形等特性提出了更高的要求。如何突破物料的“粉碎极限”已成为制备起微细粉末的关键技术。针对被控对像具有非线性、多变量强耦合、不确定性和大滞后以及获得精确数学模型困难的特点，设计了模糊控制器。本系统经过设计、安装和现场调试，能够快速的突破物料的“粉碎极限”，取得较好的加工效果。     

同步发电──电动机的变极数方法

抽水蓄能电站的同步发电—电动机，在负荷为峰值时，水轮机带动同步发电—电动机旋转，此时同步发电—电动机为发电机的运行状态；在基荷或部分腰荷时，同步发电—电动机作为电动机方式运行，水轮机改作水泵，将下池的水抽回水库。本文论述了抽水蓄能电站的同步发电—电动机改变主磁极极数的两种方法．并用分数槽绕组的轮换数和方格图分析了某同步发电—电动机的电枢绕组。     

基于MUDW的电能质量扰动定位研究

电能质量检测中的扰动信号具有随机、不规则和多变等特性,使信号识别较为困难,本文通过改进原有的形态非抽样小波(morphological undecimated wavelet, MUDW),将其应用到电能质量检测中,从而对扰动信号进行定位。改进的形态非抽样小波包含广义开闭和闭开混合滤波器以及能定位扰动信号边缘的多分辨形态梯度,该方案满足信号重构条件。利用MATLAB软件,对于含有暂态或稳态的单一和复合扰动信号进行仿真。通过与文献中的形态非抽样小波对比,结果表示改进后的形态非抽样小波有较好的抗噪性能以及识别能力。     

基于瞬时无功理论及数字锁相环路的动态电压恢复器控制策略研究

动态电压质量问题随着信息技术和自动化技术的发展越来越受到重视,动态电压调节器(Dynamic VoltageRestorer简称DVR)是解决这一问题的主要手段,它能有效抑制电网电压波动对敏感负载的影响。本文提出的基于瞬时无功理论以及数字锁相环路为基础的控制策略,对控制策略的验证采用工科常用的MATLAB中的Simulink模块,仿真结果表明该控制策略的稳定性和反应速度都较以前有了很大的提高,实用性更强。     

基于数组的关联规则挖掘算法

提高频繁项集挖掘算法的效率是关联规则挖掘研究的一个重点领域。文章提出了基于数组的关联规则挖掘算法，只需要扫描数据库1次，通过不断减少数据库中的事务个数，并且利用一维数组对候选2-项集进行计数来提高挖掘效率。实验表明，该文所提出的算法效率比经典Apriori算法快2～3倍。