基于k-medoids聚类算法的低压台区线损异常识别方法

针对低压台区线损异常情况的判断问题,以电力公司用电信息采集系统采集的日线损率数据为基础,提出了一种基于k-medoids聚类算法的低压台区线损异常识别方法,并以某地区819个台区为例进行算法可靠性的验证.首先应用局部异常因子LOF算法对低压台区异常日线损率数据进行判断、筛选和剔除;其次应用k-medoids聚类算法对日线损率数据进行聚类分析,得到低压台区日线损率数据的聚类中心点和欧氏距离,从而实现低压台区线损异常情况的判断;最后通过819个低压台区的实际数据验证算法的合理性.结果表明,算法能够对低压台区线损的异常情况做出准确的判断.     

一类分数阶比率依赖型捕食系统的动力学分析

讨论了一类食饵带有疾病的分数阶比率依赖型捕食系统的动力学行为。利用线性化方法定性分析了各类平衡点的稳定性,并给出了其正平衡点局部渐近稳定的充分条件。数值模拟显示,参数和阶数对平衡点的收敛速度及其稳定性产生很重要的影响。     

一种改进的基于人体静电冲击模型应力的瞬态功率模型

提出一种改进的基于人体静电冲击模型(Human Body Model, HBM)应力的瞬态功率模型。利用HSPICE仿真软件, 模拟MOS管遭受的HBM应力, 得到对应的等效直流电压。HBM电路的预充电电压与MOS管对应的等效直流电压值的散点图表明, 两者保持线性关系, 并通过拉普拉斯变化得到证明。与现有的瞬态功率模型相比, 改进后的模型降低了在HBM应力作用下的计算复杂度, 可以更加简便地从统计学上预测MOS管栅氧击穿的发生, 给HBM冲击作用下MOS管栅氧化层可靠性的评估提供参考。     

分形集上广义调和拟凸函数的一些积分不等式

给出了分形实线集R~α(0α≤1)上广义调和拟凸函数的定义,并且建立了一些关于广义调和拟凸函数的推广的Hermite-Hadamard型和Simpson型积分不等式.最后给出了文中得到的积分不等式在分形实线上关于α型特殊均值的一些应用.     

基于改进边际优化的离散变量优化设计算法

针对传统离散变量优化方法存在的目标函数测算次数多、收敛性不佳等问题,借鉴边际优化理论和模式搜索算法,设计了一种基于改进边际优化的离散变量优化设计算法。借鉴边际效用优化原理,通过引入周围单位步长空间的概念,在初始点选择、边际增量设计、禁忌搜索策略等方面进行了改进,并设计了变异操作以跳出局部最优。实例分析表明,所提算法能够快速准确地收敛到局部最优解,实现以尽可能少的目标函数测算得到问题的满意解或最优解,适合于求解高维离散变量优化问题和仿真优化问题。     

基于MD-LBP关联方向特征的铁路隧道漏缆卡扣检测算法

全路段跟车拍摄隧道漏缆卡扣图像再进行逐张排查,是实现卡扣故障检测的重要手段.针对目前LBP、CS-LBP等相关变体算法存在描述子质量不佳、特征维度过高的问题,提出MD-LBP关联方向特征提取算法实现故障卡扣的检测工作.该算法首先对输入图像进行高斯滤波预处理,根据图像的全局灰度均值得到图像的自适应阈值;其次计算图像的三层MD-LBP特征图结构,依次经过两次下采样分别得到Cell主方向特征和Block主方向特征;然后再在Block特征图上提取关联方向特征,并以此作为描述子;最后通过SVM区分故障卡扣,完成检测工作.实验还对比了LBP、H OG等9种特征描述子的检测情况,结果表明该算法不仅特征维度低,并且检测故障卡扣的召回率和精准度都达到了85％.     

液中放电沉积技术研究进展

液中放电沉积是一种新型的表面改性技术，起源于电火花加工技术，可在金属表面制备出具有高硬度、高耐磨性以及高结合力等优良性能的沉积层。此外，该技术不污染环境，有望替代部分常用但具有污染性的表面改性技术。液中放电沉积技术的核心内容为沉积层形成机制、工具电极材料以及介电流体成分。简单介绍了液中放电沉积技术的特点，重点阐述了沉积层的形成机制以及缺陷优化工艺，并从工具电极材料、介电流体成分和实际生产应用三个方面总结了液中放电沉积技术的国内外研究进展，展望了该技术的发展方向。     

医疗CT轴承局部喷漆防护工艺改进

医疗CT轴承具有低噪声、低振动的特点,其轴承表面需要局部喷漆。目前,成品局部喷漆时使用润滑脂进行密封,滚道内部经常出现异物进入现象,造成医疗CT轴承噪声超标。因此,根据医疗CT轴承的结构特点,通过改进轴承局部喷漆防护工艺并设计专用防护盖板,避免异物进入轴承滚道,保证CT轴承噪声和振动值处于可控范围。     

一类二阶微分方程Sturm-Liouville边值问题正解的局部存在性与唯一性

研究了一类带有Sturm-Liouville边值条件的二阶非线性微分方程的正解。利用半序Banach空间中的不动点定理, 给出了正解的局部存在性与唯一性。最后,给出2个应用例子。     

基于改进蚁群算法的智能小车路径规划仿真研究

提出一种改进的蚁群算法,解决传统蚁群算法在路径规划时容易陷入局部最优解的问题,改进的蚁群算法具备更优越的搜索最短路径的能力.MATALAB仿真实验表明,改进的蚁群算法能够节约寻找到最优路径的时间,加快收敛速度,具有更好的鲁棒性.