基于高阶累积量的酉变换DOA估计算法

目前将酉变换算法用于奇数阵元均匀圆阵时需要利用模式空间算法进行预处理,而模式空间算法需要阵元数过多,且与酉变换算法结合后只能针对特定俯仰角在方位向上进行一维搜索.针对问题提出利用高阶累积量算法对阵列接收数据进行预处理,为提高测向精度和估角性能,利用酉变换算法将预处理得到的高阶累积量矩阵实数化.与模式空间算法相比上述方法降低了对阵元个数的需要,并且能够直接进行二维谱峰搜索.与经典多重信号分类算法(MUSIC)相比,在不增加特征值分解及谱峰搜索计算量的情况下,提高了算法的分辨力.按照给出的算法原理,通过仿真试验验证了所得的结论的正确性.     

谈高校计算机实验室的管理与维护

高校计算机实验室是办好高等院校的基本条件之一,其主要作用为进行计算机实验教学、培养专业人才,开展科学研究的重要基地.因此高校计算机实验室管理与维护工作是高校教学和实验的重要组成部分.     

热轧加热炉DCS故障诊断专家系统的研究

热轧加热炉集散控制系统(DCS)从检测单元到执行机构的各个单元之间存在着错综复杂的关系,其肿大量的是因果关系。本文针对其中的因果关系,结合故障树分析法便于对事件进行分析、易于转化为专家系统中的规则知识、规则推理具有直观性和速度快的优点,从而建立故障树。然后以故障树来获取和分析知识,以产生式规则建立知识库,以规则匹配来进行推理,从而建立起步进式热轧加热炉DCS故障诊断专家系统。此方案充分利用了故障树和专家系统在故障诊断中的优势。     

《C语言程序设计》教学实践

C语言程序设计课程是一门公共基础课,也是一门实践性很强的课程。旧有的教学教学方法和手段已不能适应学生的需要,我们在C语言程序设计课程的教学中引入改革措施,提出案例教学、师生互动、合理使用多媒体等一系列的改革措施,得到了较好的效果。     

光纤光栅传感器在结构健康监测中的应用

详细阐述光纤光栅传感器的结构及布拉格光纤光栅传感器的工作原理。重点介绍结构健康监测系统构成、光纤光栅传感器系统的信号处理、安装等方面问题;展望光纤光栅传感器在结构健康监测领域中的前景。     

电压相角测量算法研究及其应用

探讨了递归Fourier算法、过零点同步相角测量算法和过零点异步相角测量算法,分析了3种电压相角测量算法的优缺点,并利用过零点异步相角测量算法设计了一种GPS母线电压相角测量装置,介绍了该装置的结构组成及工作原理。该装置实现了对静态电力系统运行的实时监控和调度,具有较高的工程实用价值。     

网络资源的多层监测方法与实现

设计了针对网络资源不同层次进行监测的实现方法,这些层次包括：网络传输层对象（网络服务器性能、TCP、UDP实现过程）、应用层对象（主要是业务数据库）、表示层对象（页面及相关的脚本行为）、用户（浏览器）以及Web服务（HTTP协议实现过程）。对于不同层次的数据,采用了不同的采集方法,并实现了对不同监测资源的重新组合分析。在分层获取、分析、存储数据基础上进行了统一身份认证、统一展示标准和指标集成展示,从而实现了分布式监测系统的集成。     

轴承故障音频诊断系统设计与开发

轴承音频信号包含了其运行状态的许多重要信息,通过这些信息的恰当分析、处理就能对轴承故障进行有效诊断.与振动信号相比,音频信号的采集是非接触式的,具有使用方便、成本低廉等优势.因此,将基于音频信号的隐马尔可夫模型(Hidden Markov Model,HMM)建模方法引入到轴承故障诊断研究,以PC机为平台,在Visual C 7.0环境下设计开发了一套功能完善、操作方便、界面友好的轴承音频故障诊断系统.主要介绍了诊断系统的体系结构,HMM方法建模的步骤和故障诊断过程中的具体应用操作.多次实验结果表明,效果良好.     

基于机器学习的配电网异常缺失数据动态清洗方法

针对传统配电网数据清洗过程中异常数据判断阈值需要人为设定、缺失数据填补效率不佳的局限性,提出基于机器学习的配电网异常缺失数据一体化动态清洗方法。首先,基于局部异常因子检测算法和高斯混合模型,提出一种异常数据动态检测改进算法,实现配电网异常数据阈值的准确自动选择。其次,基于随机森林算法与最小二乘回归法,提出一种配电网缺失数据动态填补算法。根据缺失数据时间长度自适应优化填补算法,在保证数据填补精度的同时降低计算时间。在此基础上,通过异常数据检测和缺失数据填补共同构建一体化动态清洗架构。采用湖南某地区配电网数据进行实例验证,结果表明所提方法可实现异常辨识阈值准确自动选择,有效检测配电网异常数据,并且实现缺失数据填补精度与速度的平衡,具有较好的工程应用价值。     

自适应提升及预测误差修正的风电功率超短期预测

为了提高超短期风电功率预测精度,提出了一种自适应提升及预测误差修正的风电功率超短期预测方法。首先,使用CEEMDAN将原始风电功率序列分解为多个分量,用RCMSE对其重构成新模态以降低风电功率序列复杂性及提高预测效率;其次,用EESHHO优化ELM权值和阈值提高模型的泛化性,同时引入AdaBoost提高预测模型的精确度和稳定性;最后,在学习历史训练误差的基础上提出修正预测值的策略,进一步提高预测精度。算例结果验证了所提方法的有效性。