Ovation DCS在高炉干法除尘器中的应用

介绍了美国西屋Ovation DCS在1000m3高炉干法除尘器中的应用和取得的经验,包括系统的硬件组成、实现功能和实际运行的效果,以及控制方式及程序设计思想,并提供一些经验供类似的高炉干法除尘器工程借鉴。     

电力系统稳定器参数优化的研究

电力系统稳定器(PSS)的性能受其参数影响很大,如何对其参数进行协调优化是一个值得深入研究的问题。基于单机无穷大系统和4机2区域系统模型,通过采用 SFPSO算法对电力系统稳定器进行参数的协调优化,以抑制低频振荡。随机聚焦粒子群算法SFPSO（Stochastic focusing particle swarm optimization）是一种应用于连续空间的、具有较好的全局搜索能力和寻优速度的改进粒子群算法（PSO）。通过仿真测试以及不同算法优化结果的对比,结果表明,利用该方法设计的PSS,在不同的干扰下都具有良好的性能,对系统的稳定性提升有较大帮助。     

多核系统的小波包并行算法及其在电力系统数据压缩中的应用

利用多核并行技术,使用Pthreads与OpenMP并行编程环境在单机双核平台上开发小波包并行算法.通过分析串行算法潜在并行性,基于Pthreads将小波包分解数据分组并分配给不同的线程,由线程并行处理;根据小波包重构对象不同,重构过程实现并行处理近似重构与细节重构.基于OpenMP适当分解循环体,得出小波包嵌套与非嵌套并行算法,并将这些算法应用于电力系统海量数据压缩.与串行小波包算法的耗时比较表明,并行算法的速度可以达到接近串行算法的2倍,显著提高了小波包在电力系统应用中的计算速度及电力系统数据压缩效率.     

一种增强的基于GCA的入侵检测方法

增强的基于GCA（Gravity-based clustering approach）的入侵检测方法是先对训练集采用GCA进行聚类,然后依据凝聚层次聚类算法的思想,以簇间的差异度和整体相似度作为聚类质量评价标准对GCA聚类产生的簇进行一些合并,合并后能使簇中心更集中,簇内对象更紧密。再根据标记算法标记出哪些簇属于正常簇,哪些属于异常簇,最后用检测算法对测试集数据进行检测。实验表明该方法对未知攻击的检测能力有所增强,特别是能有效降低误报率。     

基于ARMA模型的校园网网络流量预测模型的分析与研究

该文利用短相关流量模型自回归滑动平均模型（ARMA模型）．通过对校园网网络流量数据的采集及分析处理,建立网络流量预测模型,并对流量预测模型进行分析、验证与研究。     

一种引起变压器铁心接地电流带电检测数据异常的新问题

随着状态检修模式的深入开展,通过分析变压器铁心带电检测数据可以简单有效的判断变压器铁心的运行状况,做出相应的检修决策。然而,我局检修人员在对变压器铁心带电检测工作中发现:变压器二次设备引下线缠绕铁心接地引下线同样也会引起带电检测数据异常。本文通过介绍这一问题的分析、排查及处理过程,为今后带电检测数据异常分析提供一定的指导经验。     

基于CUDA的高速并行小波算法及其在电力系统谐波分析中的应用

针对小波分解计算速度慢、实际工程应用少的问题,采用图形处理器(GPU)作为计算平台,提出一种基于计算统一设备架构(CUDA)的细粒度高速并行小波分解算法。通过分析小波Mallat算法的并行性,并考虑GPU单个处理单元计算能力相对较弱的特点及CUDA的多层式存储器结构、多层式线程组织结构和单指令流多线程流(SIMT)体系结构,采用数据分组及轻量级线程任务分解的方式,提出了适合CUDA程序设计模型的高速并行小波分解算法,并将其用于电力系统谐波分析。实验证明,该算法相对于CPU串行小波分解和Matlab engine小波分解的计算耗时,最高可分别达到26倍和65倍的速度提升,且算法具有线性加速能力。     

基于Winpcap的数据包捕获技术的研究

本文概述了数据包捕获技术的基本原理,简要介绍了Winpcap的内部结构及数据包捕获程序的工作流程。并针对当前普遍存在的丢包率问题给出相应的解决方案。为进一步提高网络安全、优化网络性能提供理论依据。     

基于移动互联网环境的高校电子商务移动教学平台开发设计

在信息技术快速发展的今天,人们的生活、工作、学习习惯都发生了很大的改变。怎样才能使微型课程能够充分发挥其优点,并能有效地防止其负面效应,本设计通过对国内外现有的微课教学平台的分析,比较不同的微课平台的优缺点,结合各自的优点,设计和开发了一套完整、系统、交互性的微型课程平台,满足高校对网络教学的需求。基于移动互联网环境,对高校电子商务移动教学平台进行开发与设计,针对电子商务移动教学资源平台的移动教学平台研究现状、移动教学平台分析与设计、学习课程资源库框架构建、教学平台技术实现、学习效果影响与对策几部分进行表述,使学习者能够在不造成认知、记忆、思维等方面的条件下,有效地提高学生的学习效率。     

基于Q学习优化BP神经网络的BLDCM转速PID控制

为了提高无刷直流电机(BLDCM)的工作稳定性,设计了一种基于Q学习算法优化的BP神经网络控制器(QBP-PID).QBP-PID利用BP神经网络(BPNN)对PID增益进行调节,并且引入Q学习的最优策略来修正权值动量项因子,优化BPNN中的关键权值,使得控制器具有更好的学习能力和在线修正能力.仿真结果表明:相比传统的PID、模糊PID (Fuzzy-PID)和BP神经网络PID(BP-PID),QBP-PID的自适应能力、抗干扰能力和鲁棒性更强.