点可迁图中的两个不相交的极大独立点集

C.Berp,E.J.Ockayne和S.T.Hedetniemi猜想每个非空点可迁图包含两个不相交的极大独立点集.本文证明了下面的结果: 1.设L在V(G)上可迁且为交换群,则G有两个不相交的极大独立点集。 2.设L在V(G)上可迁且为幂零群,则G有两个不相交的极大独立点集。 3.p~k阶(p为素数)非空点可迁图包含两个不相交的极大独立点集。     

区间分析法在容差子网络级故障诊断中的应用

研究含有容差的模拟电路故障诊断是工程实际遇到的问题，是故障诊断理论走向应用的关键一步，本文探讨应用区间分析的方法作为容差子网络级故障诊断的工具，以期引起这方面的研究．     

多电源网络中过流保护间的灵敏度配合分析

在单电源辐射网中,输电线路的各过流保护之间的灵敏系数是可以做到相互配合的。但在多电源复杂电网中则不一定。本文通过对过流保护灵敏度的进一步分析,总结归纳出了多电源复杂电网中如何校验各保护间灵敏系数在任何运行方式下是否配合的方法,该方法无需计算出各种运行方式下的灵敏系数,仅考虑在保护整定计算时已求出的分支系数,同时还提出使得各过流保护间灵敏度相配合的整定原则。     

高温6H-SiC CMOS运算放大器的设计

目的设计可工作在高温下的6H-SiC CMOS运算放大器。方法该电路基于标准的PMOS输入两级运放而成,考虑泄漏电流匹配添加Dcomp二极管。利用零温度系数理论和泄漏电流匹配的原则对电路管子的尺寸进行确定。通过求解SiMOS管和6H-SiC MOS管零温度系数点来稳定偏置电路。结果利用Hspice进行仿真,当温度从300K变化到600K时,SiC运放的增益和相位裕度的变化率分别为2.5%和3.3%,而Si电路的增益从300K的64dB降到600K的-80dB。由于SiC MOS器件沟道迁移率低导致器件的跨导低于相同尺寸下的Si器件,所以其开环增益也小于相同结构和尺寸的Si OPAMP。结论此电路可以在高温下稳定工作,但是单管的性能较Si单管差。     

Rn中积分中值点取值范围的改进

将Rn中积分中值定理的中值点取值范围,由积分区域D上缩小到D的内部D/aD上取到.     

低压网络短路电流计算及应用问题思考

供配电设计中的短路电流计算问题是在工程设计中较为容易忽视的问题，这样对于低压鬈出线路的短路保护存在一定的问题，本文主要对于低压网络短路电流计算进行详细探讨，希望对于低压配电网设计具有一定帮助。     

勒贝格定理的有趣证明与函数黎曼可积性

本文从振幅函数谈起,有趣的证明了勒贝格定理,然后通过典型例子充分说明了该定理是判定函数黎曼可积性的得力工具。     

发电厂升压变压器阻抗的合理选择范围

研究了发电厂升压主变阻抗参数对短路水平的影响,分析了采用高阻抗变压器对降低系统短路水平的作用及局限性。     

基于RBF神经网络的输电线路故障类型识别新方法

基于径向基函数(radial basis function,RBF)神经网络理论,采用电流突变量比例系数,提出了一种对输电线路故障类型识别的新方法。利用PSCAD/EMTDC软件建立500 kV高压输电线路仿真模型,仿真不同工况下的故障。由各相电流之差提取故障差流信号的突变量,并计算故障后一个周期内差流突变量的有效值,得到故障状态下各相差流突变量占三相差流突变量有效值总和的比例系数,结合零序电流判别系数构造故障类型识别特征向量,建立RBF神经网络进行故障类型识别。仿真结果表明,采用电流突变量比例系数作为特征量包含的信息更丰富,对RBF神经网络的训练效果更好,不受故障位置、故障初始角和过渡电阻等因素的影响,网络识别精度高。     

无线传感器网络中最优覆盖节点集的求解算法

在传感器节点高密度部署的环境中,如何保证在满足"覆盖要求"的同时,使用的节点数目最小是一个NP完全问题.结合遗传算法在处理集合搜索中的广泛应用,设计了一种基于遗传算法的节点集搜索机制.在保证充分覆盖的前提下,令一部分冗余节点进入低功耗休眠状态,形成最优覆盖节点集.最后进行了算法的性能评价和网络覆盖的仿真实验.结果表明,该算法能以较小的代价完成最优节点集的搜索,有效提高整个网络的生存时间.     

模拟电路元件级故障可诊断性及可及点的优化选择

本文提出了模拟电路ｋ元件故障可诊的网络结构条件，对于由元件参数、容差及计算误差造成的似块相关问题提出用奇异值分解方法在故障前给出可能的模糊故障集，以提高诊断的准确性．并在此基础上为提高网络的诊断能力给出了可及点优化选择的方法．     

随机过程中可及集的特性

可及集是与可料集相联系的一类可测集,与可及集相对应的是可及过程.相较于循序集及可料集,可及集是一类被较少讨论的集合类.本文较系统地讨论了可及集与可料集,可及集与循序集的关系.此外,还给出了循序可测性的一个便于应用的等价定义.     

基于参数最小灵敏度因子估计的模拟电路软故障诊断

提出了一种基于参数最小灵敏度因子估计的模拟电路软故障诊断方法.该方法通过较少的测量值,利用各测量值与电路参数之间的解析关系,计算出电路各参数的灵敏度因子,采用冒泡法取得其中的最小灵敏度因子,然后根据最小灵敏度因子对故障元件进行定位.实验结果验证了该方法对模拟电路软故障诊断的有效性.     

基于粗糙集-神经网络故障诊断技术的研究

提出了一种基于粗糙集-神经网络故障诊断新方法,该方法利用粗糙集理论对数据样本进行数据浓缩,提取初步的映射规则.该规则通过神经网络进行粗映射,利用神经网络的分类逼近能力,建立输入状态空间到输出空间的精确映射,大大提高了神经网络的收敛速度和逼近精度.通过对一个电力电子电路进行实验,实验结果表明,该方法可以有效地减少输入层神经元个数,提高神经网络模型的学习效率和诊断的准确性,在故障诊断中有良好的应用前景.     

基于粗糙集理论的贝叶斯网络分类算法

面对生活中数据信息量大的问题,常使用粗糙集对数据进行知识约简,消除数据中冗余的部分。但大多数研究没有考虑约简后对原有分类的影响;常使用的朴素贝叶斯算法又难以获得其先验概率。基于上述问题,本文提出了一种基于粗糙集的贝叶斯分类算法：首先利用粗糙集中决策属性和条件属性之间的依赖关系,进行属性约简,消除冗余的数据,然后通过贝叶斯算法对约简后的数据进行知识挖掘,最后通过对故障源数据的对比分析。该方法既避开了朴素贝叶斯算法对先验概率的要求,又使得数据分类和预测能力有了明显提升。     

基于克隆选择的粗糙集属性约简方法

基于免疫克隆选择的原理，提出了一种新的粗糙集属性约简方法，将属性集合的分类近似质量作为进化目标，利用免疫反应的分布性特点通过局部并行搜索实现全局优化，并采用抗体更新和亲和力抑制手段来维持群体的多样性，保证了各抗体局部优化解的稳定性，从而获得了多个优化约简集合，通过机械故障诊断数据的实例应用，表明该方法可以获得多个符合分类质量要求的属性约简集合，因此满足了设备故障诊断的特征优化选择要求。     

10kV配电网单相接地故障选线与仿真研究

小电流接地系统由于接地电流很小,加之故障情况较复杂,其选线问题一直未能很好的解决。在分析系统发生单相接地故障时暂态特征的基础上,提出了一种利用比较各线路暂态零序电流差值的故障选线方法,介绍了该选线方法的原理与步骤。通过MATLAB仿真试验表明,该方法可以准确实现故障选线,具有较高的灵敏度,且不受过渡电阻和故障合闸角等因素的影响。     

粗糙集CMAC神经网络故障诊断策略

提出一种基于粗糙集CMAC神经网络的智能互补融合的诊断策略．该策略利用粗糙集理论对数据样本进行数据浓缩．提取初步的诊断规则．对初步的诊断规则通过神经网络进行粗映射,利用神经网络的分类逼近能力,建立故障状态空间到诊断空间的精确映射．大大提高了神经网络的收敛速度和逼近精度．将该神经网络应用于的变压器故障诊断实例．结果表明．该神经网络具有分类逼近能力强．计算量小等优点．诊断正确率比普通神经网络的诊断正确率高．