多分裂输电导线接续管探伤检测机器人系统设计及探测空间分析

输电线路是电能传输的重要通道,多分裂输电线路是电能传输的主力,接续管是多分裂输电线路上的重要金具,其压接质量和内部结构的好坏属于隐性工程且直接影响到输电线路的正常稳定运行,基于此,本文提出了一种适用于多分裂输电线路接续管探伤检测的机器人机构构型,设计了探伤检测机器人的虚拟样机模型,并进行了探伤装置的探伤检测作业运动规划,建立了探伤装置的D-H坐标系,基于此推导了探伤检测机器人的运动学方程并对其运动学特性进行了分析,最后,基于所建立的运动学模型,基于蒙特卡洛法在MATLAB软件中利用机器人工具箱ROBOT TOOLBOX进行了仿真实验,通过选取合适的点云数得到了探伤检测机器人末端在四分裂导线狭小空间内三个空间方向上的可达空间点云图,同时搭建机器人的机械臂模型,通过设置合理的运动参数得到了机器人探伤检测的轨迹规划仿真结果,通过仿真结果可知,机器人末端在四分裂导线所构成的狭小作业空间内可以实现无盲区的探伤检测,同时机械臂运动轨迹稳定、平滑,可以无碰避障的实现多分裂导线上的接续管探伤检测,本文的研究对于输电线路接续管探伤装置的系统设计和开发及输电网智能运维管理具有重要理论意义和实际应用价值。     

改性球形铁酸铋纳米材料的制备及光催化性能

随着水污染的加剧,研究环保高效的新型水污染处理技术尤为重要。采用溶胶-凝胶法制备了过渡金属离子La改性的BiFeO3球形光催化材料,利用XRD、SEM、FT-IR、UV-Vis、VSM等表征手段对La掺杂的BiFeO3粉末的结构、光学及磁性进行分析;并以刚果红和实际环境污水为目标污染物,探究其光催化性能。结果表明,La掺杂的BiFeO3纳米颗粒呈球状且具有较小的粒径,La的引入不仅影响了BiFeO3的磁性,还使其带隙由2.67 eV减小到2.02 eV。通过调控La的掺杂量,可有效提升BiFeO3光催化降解效率,当La掺杂量为5%时,可以将实际污染水体中的COD浓度降低40%。同时,在光催化60 min时可将浓度为20 mg/L的刚果红溶液完全降解,比同一时间BiFeO3催化效果提高了85.7%。相关机理研究结果表明La掺杂BiFeO3光催化剂降解刚果红时,起主要催化作用的活性物质是空穴。     

雷达小样本目标识别方法及应用分析

针对雷达小样本目标识别问题,结合元学习和迁移学习提出一套综合解决方案,旨在根据实际应用场景的不同提供合适的模型学习方式和分类方式,从而提升雷达小样本目标识别效率和准确率.同时,通过多组对比实验深入分析小样本学习算法在实际雷达目标识别场景下的模型性能变化,得出两个可有效指导工程化应用的重要结论.元学习模型在源任务信息充足...     

基于自适应遗传算法的水污染控制系统规划

介绍了自适应遗传算法的步骤和特点,并对其进行了改进。以辽宁鞍山市太子河段的水污染控制系统为例,建立了适宜该地区的污水处理费用函数及水污染控制系统规划模型,利用改进的自适应遗传算法对其求解,取得了良好的结果。     

基于元学习的雷达小样本目标识别方法及改进

基于深度学习的雷达目标识别方法近年来获得较大关注, 但实战中存在时效性约束和资源限制, 小样本识别难题大大限制其在实际识别任务中的性能。针对这一问题, 本文基于元学习算法, 通过从多个相关任务中学习到的元知识改善新任务的性能, 引入迁移学习思想, 提出一种改进的小样本学习方法, 并通过详细的性能对比实验分析了该方法的应用边界条件。基于实测高分辨距离像数据的实验结果表明, 元学习方法在历史积累样本所含目标类别较多, 与目标任务相关度较大的极小样本情况下, 性能优势才突出, 所提方法可显著提升其综合识别性能。     

北京地区酱香型白酒第六轮次堆积发酵中细菌群落多样性分析

利用高通量测序方法研究了北京地区酱香型白酒第六轮次堆积发酵过程中细菌群落结构及动态变化。实验结果表明:在门水平上,堆积发酵过程中的优势菌门包括Firmicutes、Actinobacteria和Proteobacteria；在属水平上,堆积发酵过程中优势菌属包括Lactobacillus、Lentibacillus等14个；优势菌属Lentibacillus的相对丰度先升高后降低,Lactobacillus的相对丰度逐步上升；Lentibacillus作为正相关性关键节点与7个菌属存在正相关关系,Lactobacillus作为负相关性关键节点与10个菌属存在负相关关系。相较于贵州省等其他产区,北京地区酱香型白酒堆积发酵过程中的细菌群落在种类数量、优势门类排序、群属丰度等方面存在明显差异。研究结果旨在揭示北京地区酱香型白酒第六轮次堆积发酵过程中的细菌群落结构变化,希望为研究北京地区酱香型白酒的酿造特点提供基础数据。     

基于隐马尔可夫模型的电力信息系统动态威胁定量分析

针对典型电力信息系统的网络威胁定量评估问题，提出了基于网络入侵检测系统（network intrusion detection syetem，NIDS）报警信息和隐马尔可夫模型的网络威胁动态分析方法HMM-NIDS。该方法充分利用NIDS报警信息，从优先级、严重度、资产值和可信度4个方面分析NIDS报警信息，给出了报警威胁定量描述和分类方法，优化了隐马尔可夫模型中的观测矩阵；基于贝叶斯网络分析攻击成功的可信度，避免NIDS误警信息干扰；基于改进的隐马尔可夫模型，融合得到系统的动态风险量化值。基于Darpa2000实验场景模拟DDoS攻击，通过对比实验，验证了所提方法的有效性和优越性。