新型动态变弧长模型在接地弧光中的应用研究

针对配电网中单相接地故障引发的间歇性弧光电弧模型准确度欠佳的问题,在传统电弧模型和弧隙能量平衡原理的基础上,提出了一种Cassie-Mayr综合动态电弧模型.以建立的电弧时间常数和弧长变量作为模型的动态依据,综合运用Mayr和Cassie经典模型的特点,实现了综合电弧模型在高、低阻跨越过程中准确度的提升.将综合动态模型...     

典型梯形螺纹轴的车削方法和程序优化

针对数控车削梯形螺纹的工艺特点,着重分析了常用车削方法和工艺流程,把传统车削梯形螺纹的方法和新型方法进行对比。为了解决梯形螺纹轴零件在实际加工中存在的刚性低、易变形、易磨损、易伤刀、精度不容易保证等困难,笔者选用FANUC OI系统数控车床,对典型零件阐述了新型的车削方法和数控优化程序设计。     

基于RFID传感标签和MEC算法的MOA在线监测研究

针对国家泛在电力物联网建设需求,提出一种基于无源射频识别(radio frequency identification,RFID)RFID传感标签和思维进化算法(mind evolutionary computation,MEC)的MOA在线监测技术.文中首先提出一种无源RFID传感标签设计方案,进而分析了 RFID传...     

一种新型微加工交直流电场传感器设计

提出一种灵敏度和测量范围可调的交流/直流电场传感器设计方案.该传感器采用绝缘体微加工工艺制造,由微弹簧支撑的金属膜组成,其工作原理为金属膜在入射电场作用下产生位移,并由光电探测器检测相应的输出电流差值.该传感器与传统电场传感器不同,无需旋转部件,避免了相关的磨损和维护等问题.利用激光位置监测系统实现了高灵敏度监测,通过...     

基于正交拉丁方理论的数字签名分组批量验证

针对态势感知网络中海量的、时敏性强的消息需要中心节点进行快速、安全验证的问题,基于组合数学的正交拉丁方理论设计了数字签名分组批量认证方案。该方案着眼于消息安全性验证效率的提升,利用正交拉丁方理论设计数字签名的分组方案,以聚合签名理论作为签名批量验证算法,构建了一个采取多个处理器并行运算的非适应性数字签名分组批量验证模型。理论证明和仿真分析表明,所提模型在非法数字签名个数上限d(d<相似文献   

基于BERT-BiGRU集成学习的情感语义识别

如今,在社交网络上发表评论已成为公众对社会现象表达态度和立场的主要方式。精准识别社交文本的情感倾向性对于舆情管控、社会维稳等有重要价值。针对传统情感识别模型大多集中于评论的表层语义挖掘,存在分类效果不佳、泛化能力有限等问题,提出了一种基于BERT-BiGRU多模集成学习的深层情感语义识别方法。首先,通过BERT预训练模型获取评论文本的上下文语义特征表示,再结合BiGRU提取深层非线性特征向量,实现单模型下的最优效果;接着,为了使模型效果稳定且多方面表现均衡,基于BERT系列预训练模型训练出表现优异且具有差异化的多个情感分类器;最后,利用数据扰动和投票策略的集成学习方法,实现各模型深层特征的充分融合。实验结果显示:BERT-BiGRU模型相较于其他传统模型,在两个公开数据集(COV19和ChnSenti)上具有更优的情感识别效果。     

石墨电极烧蚀机理及实验

对于高性能的单次脉冲而言,石墨比传统金属材料更适合于在高能量转移情况下的脉冲放电工作环境。本文以热力学理论的热传导模型为出发点,结合实验中对烧蚀量的测量验证,探求石墨在高能脉冲放电情况下烧蚀的理论解释。依据热力学原理,建立了电极烧蚀过程的简化数学模型。由于石墨电极具有特殊的热力学性质,因此在微秒级或是放电持续时间更长的放电中,电极表面的温升过程时间较放电时间而言可以忽略不计。此时可近似认为开关电荷转移量与电极烧蚀量呈线性关系。该结论可以从实测数据中得到验证。     

大功率激光系统中气体开关工作气压的初步研究

在两电极气体开关的工作系统中,工作气压决定着开关工作时的静态击穿电压。随着开关的运行,电极烧蚀会使电极间距扩大,需要调节开关内部气压,以使得开关的欠压比(Over-voltage Rate)维持在一个较稳定的水平。欠压比在该水平上可以使得开关的拒动作几率与开关自闪(Self-Fire)几率都在一个可接受的范围。文章对气体开关在不同烧蚀间距下,不同工作气压下的直流耐压水平进行了比较分析,以确定开关在运行过程中的工作气压。同时该气压可使气体开关满足其正常触发导通所要求的欠压比。     

基于迁移学习和R-FCN的电力设备红外图像识别算法

电力设备类型的准确识别是实现红外图像智能诊断的前提.针对电力设备红外图像数量多、识别任务重等问题,采用迁移学习和基于区域的全卷积网络(R-FCN)算法实现电力设备红外图像的智能识别.首先,利用Labelimg软件制作电力设备红外图像数据集;然后,基于迁移学习的原理,选择在VOC数据集上表现优秀的识别算法R-FCN;最后...     

基于改进型Faster R-CNN的接触网设备缺陷检测方案

针对小样本及复杂环境下接触网关键设备缺陷检测难等问题,文中提出了一种基于改进型Faster R-CNN的接触网设备缺陷检测技术。针对原始的Faster R-CNN网络,采用ResNet-101替代VGG-16来构建基础卷积层,维护目标的原始结构,提升检测速度。通过对不同卷积层的特征图进行多尺寸融合,提高对多种设备缺陷的检测精度。实验结果表明,改进后的Faster R-CNN能够在复杂接触网设备中实现零部件的精确检测,mAP达到88.28%,每张图片检测时间仅需0.15秒。与相同条件下的其它检测算法相比,综合性能最佳。