结合变尺度法的改进类电磁机制算法

标准类电磁机制算法处理连续函数优化问题时存在最优参数选取和收敛速度问题.数值实验研究表明类电磁算法不具备初值敏感性,并在搜索后期算法收敛速度缓慢甚至可能出现停滞.数值实验分析指出粒子之间达成动态力平衡状态是造成算法停滞的可能原因之一,提出一种解决策略是摒弃EM算法后期搜索过程,结合变尺度法对EM算法前期搜索到的近似最优值进行二次优化.该混合计算方法将二者的优势相结合,实验结果表明新方法在保证计算实时性的同时,取得了较高的计算精度.最后,对EM算法本身构造提出一些改进意见,并初步建立用于连续函数优化的EM算法计算框架,为后续更深入的研究EM算法提供参考.     

基于矩量法的接地网接地电阻计算

矩量法是一种适用于任意结构接地网接地参数精确计算的方法,但是在应用矩量法计算接地网接地电阻及其他参数时,特别是在计算非均匀土壤接地参数时,由于需要使用格林公式进行互阻计算,往往计算量十分巨大,不便于使用计算机进行软件实现．基于此提出一种新的优化算法,将矩量法与MATLAB算法结合,从而节省了计算时间,并提高了计算精度,适用于多层土壤和不规则接地网参数的数值计算．     

输电线路除冰机器人关键技术综述

输电线路覆冰严重危害到电网的安全稳定运行,与传统除冰方法相比,采用机器人除冰在能耗、成本及安全性等方面具有优势.作为一个新兴的研究领域,国内外对除冰机器人的研究尚处在起步阶段,并没有成熟的技术可借鉴,因此有必要对现有研究成果进行系统分析和深入总结.回顾国内外高压输电线路除冰机器人的研究和应用现状,详细探讨了除冰机器人复杂柔性结构输电线缆上的高可靠性运动机构设计;复杂非结构化环境下的机器人自主行为控制与导航;无损伤高效除冰机构;野外大范围长时间工作的持续动力供给;远距离强电磁干扰条件下的机器人远程通信、监测和遥操作;恶劣工作环境中的本体特殊保护机制等关键技术问题.给出除冰机器人下一阶段研究方向的建议.     

石英稳频技木

<正> 一、石英谐振器的工作特性 2.3.1石英谐振器的幅频特性石英谐振器的激励电平与谐振频率的关系称为石英谐振器的幅频特性,有时也叫做频率电流特性或激励电平特性,它是石英谐振器非线性特性之一。石英谐振器的工作频率是石英谐振器功率损耗的函数。石英谐振器耗散的功率可以直接用耗散功率表示,也可以用流过石英谐振器的电流或加在石英谐振器两端的电压来表示,国际电工委员会用缴励功率表示法,而我国一般习惯采用电流表示法。     

考虑异质信息不相容的模拟电路融合诊断

研究提出了一种基于异质信息融合的模拟电路故障诊断方法,以解决模拟电路诊断中故障特征信息缺乏和决策融合中异质信息不相容而导致误判等问题.该法首先采用基于可转移置信模型的核近邻法提取电路温度特征信息,并进行故障预识别,再结合基于可测点电压的神经网络故障预识别结果,在考虑信息不相容的情况下计算关联权重系数、先验权重系数,从而实现电路的综合诊断.电路仿真试验结果表明,所提诊断方法对容差模拟电路的多故障和单故障均适用,故障定位准确率高.     

高压输电线路除冰机器人的除冰机构设计

回顾了国内外高压输电线路除冰机器人的研究现状。针对不同除冰机器人的结构特点,设计了冲击式、铣削式和碾切式三种除冰机构;给出除冰机构切削力、功率等关键参数的理论计算结果,并设计了相应的除冰实验,验证了除冰机构设计的有效性。     

基于可传递置信模型的模拟电路融合诊断方法研究

本文提出了一种有效的基于可转移置信模型的模拟电路故障融合诊断方法,解决模拟电路诊断中故障特征信息缺乏和决策融合中异质信息不相容等问题。该法首先采用所提出的电路温度故障信息的提取规则,将获得的温度故障信息输入隶属度函数进行故障预识别,再结合基于可测点电压神经网络故障预识别结果,利用可传递置信模型进行电路融合诊断。通过具体电路实验仿真,表明了该方法的有效性,提高了模拟电路融合诊断准确率。     

应用模糊最优小波包和LS-SVM的模拟电路诊断

为解决模拟电路故障诊断中的特征提取困难并对模拟电路故障信号进行有效的分类,提出了一种结合模糊理论、小波包分解和最小二乘支持向量机(LS-SVM)的模拟电路诊断方法。该法首先对模拟电路的响应信号进行小波包分解,并引入模糊准则对其优化,得到由分类能力强的最优小波包基能量值构成的特征集,然后将特征集输入LS-SVM网络,实现对不同故障类型的识别。小波包的优化分解减小了LS-SVM网络的规模,从而降低了算法复杂度,加快了网络的训练时间和分类速度。模拟诊断实例表明,此方法能快速有效地实施模拟电路的故障定位。     

输电线路除冰机器人行为控制研究

介绍了输电线路除冰机器人的研究现状.针对其工作环境恶劣、不确定因素多的特点,提出了基于马尔可夫决策的行为控制器的设计方法.该方法首先定义了输电线除冰机器人的马尔可夫模型,然后给出了相应的最优方针搜索策略,还给控制器添加了概率调节机制,以达到执行效果反馈的目的.为解决机器人作业中的突发情况,在该方法中还引入了人工辅助和行...     

基于k–最近邻分类增强学习的除冰机器人抓线控制

输电线柔性结构特性给除冰机器人越障抓线控制带来极大困难. 本文提出了一种结合k–最近邻(k-nearest neighbor, KNN)分类算法和增强学习算法的抓线控制方法. 利用基于KNN算法的状态感知机制选择机器人当前状态k个最邻近状态并且对之加权. 根据加权结果决定当前最优动作. 该方法可以得到机器人连续状态的离散表达形式, 从而有效解决传统连续状态泛化方法带来的计算收敛性和维数灾难问题. 借助增强学习算法探测和适应环境的能力, 该方法能够克服机器人模型误差和姿态误差,以及环境干扰等因素对抓线控制的影响. 文中给出了算法具体实现步骤, 并给出了应用此方法控制除冰机器人抓线的仿真实验.