自适应广义酉变换近似消息传递算法

信号/参数经过线性变换,再经过逐位非线性变换得到测量值的过程可以抽象为广义线性模型。广义近似消息传递算法是处理广义线性模型的一种Bayes方法,通过引入信号的稀疏先验分布,利用似然函数和先验分布得到后验均值和后验方差。然而,当测量矩阵的元素不服从次Gauss分布时,广义近似消息传递算法性能会急剧恶化。通过奇异值分解,广义酉变换近似消息传递算法消除了测量矩阵的相关性,在包括相关测量矩阵的各类测量矩阵中表现出更强的鲁棒性。然而,经过足够多次迭代后,广义酉变换近似消息传递算法的信号重构误差在平衡点附近振荡;且随着测量矩阵相关性的增加,广义酉变换近似消息传递算法性能开始恶化。为了进一步提高广义酉变换近似消息传递算法的稳健性、改善算法准确性,该文提出自适应广义酉变换近似消息传递算法。该算法通过构造目标函数并自适应选择合适的步长,使得广义酉变换近似消息传递算法能够收敛到平衡点,从而获得更好的性能。大量的数值仿真实验结果验证了自适应广义酉变换近似消息传递算法的有效性。     

基于虚拟仪器技术的电子设备测试系统

通过对基于Lab Windows／CVI的虚拟仪器的开发平台的研究,提出了用于电子设备的通用测试系统的设计方案,主要由通用计算机和基于PXI、GPIB总线技术的功能化硬件模块组成。用户可以通过编写测试软件驱动硬件平台,代替传统的仪器完成测试任务。由于可以按照自己的需求设定测试任务,因此能够实现测试平台的通用化,最大限度地减少了仪器的数量,同时也提高了测试系统的可维护性。     

我国液体分离膜技术现状及展望

液体分离膜技术包括微滤、超滤、纳滤、反渗透及电渗析等.膜分离性能通常表示为透过通量和截留率,操作模式则分为浓缩和渗滤两种.我国约有300多家从事膜分离技术研究与开发的研究机构及工程公司,综述了上述膜技术在海水、苦咸水淡化及软化、饮用和医用纯水制备,半导体及微电子工业超纯水制备,电泳涂装和电镀废水处理及其在食品、医药、化工冶金等行业的研究与应用现状和发展趋势.     

废旧锂离子电池预处理的绿色放电技术研究

废旧锂离子电池中仍残留一部分电压,需要进行放电处理。当前盐溶液介质放电是主流的放电方法,但缺少对不同盐溶液放电效果系统的评测。本文重点从放电效率和环境影响2个方面对不同盐溶液作为放电介质时的效果进行评测对比,对放电过程中的气态、液态和固态污染物进行定性和定量分析,同时对放电机理进行讨论。研究结果表明：以质量分数为5%的Na₂S溶液为放电介质,在放电时间为8 h时,电池残压即可降至0.5 V以下,在放电过程中,S^2-在正极失去电子转变为单质硫,同时,在负极析出氢气逐渐消耗废旧锂离子电池的残压;将Na₂S溶液作为放电介质时,放电过程产生的渣量少,放电后液引入的其他离子质量分数低,气态产物主要由氮气和水蒸气组成,污染物排放少,放电效率高。     

纯电动汽车用动力电池性能评价方法研究

通过分析纯电动汽车用动力电池的放电特性,指出了目前对纯电动汽车用动力电池性能采用恒流放电方式进行评价不能较好地反映动力电池的实际使用性能.以ECE循环工况作为纯电动汽车常用工况,计算了EVERY电动汽车的放电电流特性,并与实验结果进行对比,表明计算结果与实验结果基本一致.在ECE循环工况时,动力电池的放电特性能够基本上反映纯电动汽车在实际使用工况下的放电特性,以该方法建立非恒流放电方式替代目前采用的恒流放电方式对纯电动汽车用动力电池的实际使用性能进行评价将更为有效.     

基于小波包和聚类算法的滚动轴承故障检测研究

针对Kmeans算法在滚轴故障检测中k值需要人工设定以及初始聚类中心的随机选取问题,提出I-Canopy-Kmeans算法的故障检测方法对其进行优化。该算法在初始聚类中心的随机选取方面,使用“最远最近”的原则,即在获取n个Canopy时,任意两个Canopy中心点之间的距离应该尽可能远,且第n个Canopy中心点应该是其他数据点与前面n-1个中心点最远距离中最小的一个;在阈值选取方面,使用欧氏距离求出所有数据点的均值点,再计算均值点到所有数据点的距离,并用L₁和L₂分别表示最远距离和最近距离,然后将(L₁+L₂)/2赋值给阈值T₁、(L₁+L₂)/3赋值给阈值T₂。实验结果表明,与传统Kmeans算法相比,I-Canopy-Kmeans算法的各项评价指标均有提高,其中I_AR提高最多,达到了40.01%。     

基于VMD-EWT-IASSP-EBILSTM的短期电力负荷预测

电力系统在国家工业基础设施中起着举足轻重的作用，维持系统负荷高精度预测是保障电力系统高效供应的关键。针对负荷数据的非平稳性、随机性与非线性，负荷预测误差较大的问题，结合变分模态分解(Variational Mode Decomposition, VMD)、经验小波变换(Empirical Wavelet Transform, EWT)、改进的空洞卷积金字塔模块(Improved Atros Spatial Pyramid Pooling, IASSP)、集成双向长短时记忆模块(Ensemble BiLSTM，EBiLSTM)，提出了一种短期电力负荷预测模型。为解决负荷数据的非平稳性引起的模型预测波动问题，通过变分模态分解方法与经验小波变换的结合分解为若干子序列，显著降低了原始负荷序列的复杂性；为提高模型预测精度，将分解的负荷子序列利用过零率指标划分高低频序列，在低频序列中构建一种时序依赖捕获模块EBiLSTM提取长期负荷特征，高频序列中构建特征提取模块IASSP提取局部负荷特征，最后累加各子序列的预测结果，实现电力系统负荷的短期预测。选取行业通用客观评价指标：平均绝对误差、均方根误差，在宁夏某地电站的实测数据上对比前沿算法进行仿真实验验证。结果表明，该算法MAE误差降低了37%~75%左右，具有较高的准确性与可靠性。