自愈式电容器加速电老化试验及寿命估计

自愈式电容器的电老化过程伴随着电容下降,无法满足无功补偿对其要求时会影响电力系统的正常运行。为探究自愈式电容器电老化过程中电容值下降规律,并据此推断其工作寿命,在环境温度下针对自愈式电容器元件开展了试验电压为额定电压的1.0、1.2、1.4和1.6倍,加压时间为1 000 h的加速电老化试验,测量了试验过程中的电容值变化量。分析了施加电压对电容值下降速度的影响;并根据以上数据预估电容器在电老化下的寿命。试验结果表明:随着电压增加电容值下降量迅速增大,近似成幂函数增加;由加速电老化试验数据并结合电老化经验公式可以初步估算电容器电老化寿命,为自愈式电容器电老化及寿命预估提供参考。     

同步发电机整流系统的稳定性分析

同步发电机整流带反电动势负载时,当系统参数不匹配,在一定工况下,可能出现低频振荡。为了消除低频振荡,基于系统的特征方程、利用R ou th判据推导出小扰动稳定判据,对特征根和系统的等效阻抗进行了计算和分析。系统出现低频振荡是由于系统负的等效阻抗导致自激和Hop f分叉。当系统的总阻抗为零,且有一对共轭的特征虚根时,低频振荡出现。仿真证实了理论分析。给出在转子的交轴上增设一短路绕组和增大交轴阻尼绕组的时间常数等几种解决低频振荡的措施。     

家天下“虚拟养老院”

我国老龄化严重,供给能力发展跟不上需求的发展增速,社会和家庭都将面临更大负担.当前传统养老其服务质量和安全保障存在缺陷,无法满足老人就医等高层次需求,机制和水平落后于国外;除此之外区域性主导品牌特征不显著,行业整合,优胜劣汰,向品牌集中化发展,是一种必然趋势;服务将向各地普及,功能将向由单纯养老向复合养老过渡.由此可见,在政府的支持和消费者意识发生转变的条件下,市场必定需要发展新型的养老模式代替传统养老模式.     

考虑开槽和饱和时鼠笼异步电动机谐波的解析计算

为了在设计阶段降低异步电动机电磁振动噪声,有必要计算气隙磁通密度谐波。该文提出了考虑开槽和饱和时鼠笼异步电动机电流谐波和气隙磁通密度谐波的解析计算方法。建立求解稳态电流谐波的数学模型,再由电流求出总磁动势和气隙磁通密度谐波。电流谐波与磁通密度谐波之间的相互依赖关系可利用多次求解来处理。与实测结果和有限元法计算结果的比较验证了该方法的有效性。该解析法可应用于气隙磁通密度谐波的快速计算,尤其对于中大型异步电动机有重要的实用价值。     

线圈型电磁斥力机构的分闸效率仿真及影响因素分析

电磁斥力快速操动机构在直流断路器、限流器及选相开关等领域具有广阔的应用前景。在分析线圈-线圈型电磁斥力机构工作原理的基础上,利用有限元软件Ansoft建立了线圈-线圈型电磁斥力机构场路耦合瞬态动力学特性分析的二维有限元模型。对线圈匝数和放电电容的充电电压分别在30~60 V和340~380 V范围内,线圈规格分别为1×8 mm、0.9×7.1 mm和0.8×6.3 mm的情况下的电磁斥力机构运动特性进行了仿真计算。根据计算结果能够获得分闸时间的长短,进而可以反映出分闸效率的高低。仿真结果表明,3个因素中充电电压影响最大,线圈规格的影响较小。充电电压的提高会使分闸效率得到极大的提高。同时,随着线圈匝数增大分闸效率先增加后减小。仿真结果中,线圈规格为0.9×7.1 mm、线圈匝数为40、充电电压为380 V时斥力机构有最大的分闸效率。     

同步发电机整流系统的建模

为分析同步发电机整流系统的运行稳定性,给出了系统简化模型。为考虑换相重叠,超瞬变电感从电机中分离出来,带整流负载的三相同步发电机数学模型只计及转子回路磁链的直流分量。忽略了交流侧和直流侧的谐波,整流器的数学模型利用开关函数。对三相同步发电机整流带反电动势负载系统的数学模型进行线性化,从而导出了发电机在直流侧的等效阻抗、系统等效阻抗和系统特征方程,利用它们可分析系统的稳定性。     

基于双有序性约束的人脸年龄估计研究

目的 人类年龄是人类识别和搜索任务中的重要特征,现有研究一般将人脸年龄估计视为传统的分类任务,忽略了年龄之间的有序特征,导致估计年龄与真实年龄之间的差距较大,因此,有必要寻找一种方法以缩小估计年龄与实际年龄的差距。方法 提出一种基于双有序性约束卷积神经网络模型(DO-CNN)的人脸图像年龄估计方法。首先,DO-CNN使用基于广义Logistic分布的有序回归模型作为卷积神经网络的分类器,并验证比其他有序分类器在人脸估计任务上的优越性;接着,进一步提出有序竞争比损失函数,在传统竞争比损失函数上,通过引入风险项使损失函数注意到预测年龄与真实年龄的误差,进而指导模型缩小估计年龄与真实年龄的差距。结果 在开源人脸图像年龄数据集FGNET和AgeDB上的对比实验显示：相比现有研究方法,DO-CNN分别提升约12%和3%的准确率,当允许的误差范围扩大后,该优势依然保持。此外,基于广义Logistic分布的有序回归分类器相比基于其他分布的有序回归分类器具有明显提升。结论 实验结果表明：基于双有序性约束的卷积神经网络模型可以明显提升人脸年龄估计的准确率,并减少年龄估计的实际误差。