级联失效模型下电力信息物理系统鲁棒性与能控性分析

电力网与信息网的深度融合在增强电力系统能控性的同时,也使得系统抵御外界干扰的能力下降。首先,根据提出的节点负载与容量的负载重分配分配概率建立电力信息物理系统级联失效模型,研究不同耦合策略下的电力信息物理系统级联失效过程中的鲁棒性与能控性变化。其次,利用幸存负荷百分比的概念来量化电力网抵御级联失效的能力,并分析不同耦合策略和容量参数对CPPS的鲁棒性和能控性的影响。基于网络能控性理论提出电力节点重要度的评估方法,并且在IEEE39系统中进行验证。研究结果表明,电力网高介数节点与信息网高介数节点耦合形成的电力信息物理网络抗干扰能力更强,电力网节点容量参数比信息网节点容量参数对系统影响更大。     

无迹卡尔曼滤波估计空间目标特征信息

为了加强对空间目标,尤其是非合作目标的探测监视,空间目标的各种特性正受到越来越多的关注。本文通过无迹卡尔曼滤波UKF对空间目标的位置、速度、姿态、角速度和材料复折射率这5种状态参数进行了反演估计。利用观测角度、光度和偏振度数据作为观测值估计目标的状态,基于位置与速度运动学模型和姿态与角速度动态模型,完成5种状态的时间演化,实现了对5种状态参数的联合估计。仿真结果表明,设置合理的状态初始值、状态方程和测量方程噪声,5种状态参数误差均能合理收敛,UKF能够较好地预测空间目标的5种特征参数,同时也验证了观测角度、光度和偏振度数据可以用于反演空间运动目标的这5种非直接观测特征信息。     

融合多尺度CNN与双向LSTM的唐卡问句分类模型

当前大语言模型的兴起为自然语言处理、搜索引擎、生命科学研究等领域的研究者提供了新思路,但大语言模型存在资源消耗高、推理速度慢,难以在工业场景尤其是垂直领域应用等方面的缺点。针对这一问题,提出了一种多尺度CNN与双向LSTM融合的唐卡问句分类模型,本模型将数据的全局特征与局部特征进行融合实现唐卡问句分类任务,全局特征反映数据的本质特点,局部特征关注数据中易被忽视的部分,将二者以拼接的方式融合以丰富句子的特征表示。通过在Thangka数据集与THUCNews数据集上进行实验,结果表明,本模型相较于Bert模型在精确度上略优,在训练时间上缩短了1/20,运算推理时间缩短了1/3。在公开数据集上的实验表明,本模型在文本分类任务上也表现出了较好的适用性和有效性。     

天津LNG码头SBAS-InSAR时序形变及地面监测数据响应分析

为了查明油气重大基础设施中,由星载雷达干涉测量、地面GNSS形变监测、地下位移传感器监测和管道应力应变监测网络构成的星地一体化监测技术的有效性,本文采用SBAS-InSAR技术提取了天津LNG（Liquefied Natural Gas ）码头区域油气管线区域的长时间序列的地表形变数据,进一步分析了地面GNSS（全球导航定位系统）地表位移、多层深度位移计、管道应变传感器数据与同步的SBAS-InSAR地表形变量的数据响应关系,并进一步分析了雨-旱循环的时序变化规律。结果表明：2019年5月-2022年4月的3年间天津LNG码头区域非均匀沉降最为显著,最高达到-394mm;SBAS-InSAR的时序形变数据15-53mm的沉降形变,在GNSS中有9-57mm的地表位移响应,两者相关显著,具有良好的一致性;SBAS-InSAR地表形变变化特征与多层位移计在1m、2m和3m深的位移数据响应特征都与降水量关系密切,呈现显著的雨季-旱季波动特征,二者具有良好的同步性,说明SBAS-InSAR地表形变变化特征能够揭示地下土层的位移变化特征;SBAS-InSAR地表沉降量与地下管道应变呈正相关, SBAS-InSAR获取的地表形变是反映地下管线应变的良好指标。由星载雷达干涉测量、地面GNSS形变监测、地下位移传感器监测和管道应力应变监测网络构成的星地一体化监测数据的集成应用,能够为未来星地一体化的管道安全监测技术体系构建提供有益的借鉴。     

型钢高强自密实混凝土黏结滑移性能试验研究

为研究型钢与高强自密实混凝土界面黏结滑移性能,以混凝土保护层厚度和型钢埋置长度作为变化参数,设计9个型钢高强自密实混凝土试件进行推出试验. 观察试件破坏过程、破坏形态和裂缝发展形式,获取了试件加载端的荷载-滑移全过程曲线,研究不同变量对其黏结性能的影响规律. 结果表明：型钢高强自密实混凝土组合结构界面极限黏结强度随着混凝土保护层厚度的增加而增大,最大增幅94.9%;随着型钢埋置长度的增加而减小,最大削减为38.1%. 界面黏结抗剪刚度随着型钢保护层厚度的增加先增大后减小,最大增幅85.1%;随着型钢埋置长度的增加而增大,最大增幅为30%. 界面耗能能力与其变量相关性较弱;随保护层厚度的增加,界面损伤发展越晚;随型钢埋置深度的增加,界面损伤速度减缓. 提出了型钢高强自密实混凝土黏结强度的计算公式,能较好地预测型钢高强自密实混凝土黏结强度.     

辅助驾驶系统对重型卡车驾驶员长途驾驶中疲劳程度的影响

乘用车领域的过往研究发现,相较于手动驾驶使用辅助驾驶系统的驾驶员会更容易出现疲劳,因此有必要探究辅助驾驶系统对重型卡车驾驶员长途驾驶疲劳程度的影响。基于超过120 h的自然驾驶实验,采用多项生心理指标（如心率、心率变异性等）对比了重型卡车驾驶员手动驾驶车辆时和在辅助驾驶系统帮助下驾驶车辆时的疲劳程度。辅助驾驶情况下驾驶员平均心率、呼吸频率、呼吸深度以及瞳孔直径均高于手动驾驶情况下,辅助驾驶情况下驾驶员连续二次心跳（RR）间隔均方根、低高频比例、眨眼频率、眨眼时长以及眼睑闭合百分比（PERCLOS）均低于手动驾驶情况下。当驾驶员处于手动驾驶情况时,驾驶时间每增加2 h,反应时间会增加0.032 s;当驾驶员处于辅助驾驶情况时,反应时间不随驾驶时间发生显著变化。重型卡车驾驶员在辅助驾驶系统帮助下驾驶车辆时的疲劳程度低于手动驾驶,本研究可以为辅助驾驶系统在重型卡车中的安全应用提供理论支持。     

机械反馈式伺服阀流量测试动态缸参数选用分析

相比电反馈伺服阀动态特性可直接通过阀芯位移响应测试获得,机械反馈式流量伺服阀的动态特性,通常需利用动态缸作为流量传感器间接测量获得。测试结果受动态缸泄漏、阻尼、质量惯性等固有非理想化因素的影响,通常无法准确表达伺服阀本身的性能指标。基于一套实际阀控缸系统,建立Matlab-Simulink仿真模型,解析获得的频带宽结果相比实测结果误差小于0.5 %,由此建立了可准确表达阀与缸性能特性的仿真模型。在此基础上,理论给出了伺服阀本身的频率特性指标,即无泄漏无阻尼及无限刚度动态缸条件下的系统频率特性。以此为依据,分析了实际动态缸活塞质量、活塞粘性阻尼以及泄漏变化情况下,阀控缸系统频率特性偏离理想条件的变化规律。     

基于改进粒子滤波算法的车速估计

针对基于粒子滤波算法设计的车速估计器因提议分布与实际分布不一致导致粒子退化使估计误差变大的问题,提出了一种通过修正提议分布减弱粒子退化影响的改进粒子滤波车速估计器。首先,基于车辆运动学模型和传感器特性建立系统的状态转移方程和观测方程。然后,利用传感器测量值与粒子状态值的差值设计提议分布修正项对状态转移方程进行修正,并对过程噪声做自适应处理。最后,利用CarSim-Simulink联合仿真平台在双移线工况和正弦转角输入工况下进行仿真验证。与自适应粒子滤波器相比,双移线工况下改进粒子滤波估计器产生的纵向速度估计值和侧向速度估计值的平均绝对误差分别减小了40.25%和55.71%;正弦转角输入工况下,改进粒子滤波估计器产生的纵向速度估计值和侧向速度估计值的平均绝对误差分别减小了47.00%和41.21%。     

结构和价态调控的Ce-MOFs及其衍生物吸附水中氟离子的机理

严控饮水氟浓度,可以有效降低人体罹患氟骨症和氟牙症的风险。近年来,铈基吸附材料在解决氟污染问题中表现优异,而铈盐与有机酸反应生成的铈基金属有机框架材料（Ce-MOFs）或其衍生物,能有效去除水中的氟离子。硝酸铈铵（Ce(NH₄)₂(NO₃)₆）和均苯三甲酸（H₃BTC）在不同反应时长下生成了Ce-MOFs CeT1及其衍生物CeT2,更换H₃BTC为对苯二甲酸（H₂BDC）,反应生成2种Ce-MOFs,CeD1和CeD2。利用XRD、BET、SEM、XPS和FTIR对材料的结构、比表面积、元素含量和组成基团,进行系统的表征;通过控制吸附时间、溶质初始浓度、溶液pH值和竞争离子种类研究4种材料的吸附性能;对实验数据进行吸附动力学模型和吸附等温模型拟合,探究吸附机理。表征结果显示,CeT1为高度配位不饱和的Ce(Ⅳ)-MOFs,CeD1为比表面积最大（1 003.10 m²/g）的Ce(Ⅳ)-MOFs,而CeT2和CeD2则同为Ce(Ⅲ)占比较高的吸附材料。吸附实验中,CeT1、CeT2、CeD1和CeD2的最大吸附容量分别为99.38 mg/g、142.45 mg/g、60.45 mg/g和124.55 mg/g,CeT1、CeT2和CeD2符合假二级动力学模型,CeD1符合假一级动力学模型。4种材料对氟离子的吸附机理主要为静电吸引、离子交换和沉淀。其中,CeT1的不饱和配位可提供吸附位点进行离子交换和静电吸引,CeD1的大比表面积增加了污染物与材料的碰撞几率,而CeT2和CeD2中含有的Ce(Ⅲ),可通过形成溶度积常数极小的CeF₃（K_sp=8×10^-16）,以沉淀作用固定氟离子。实验分析了4种材料的特点与吸附性能之间的关系,为Ce-MOFs及其衍生物的制备与优选提供参考。     

基于时频域融合和ECA-1DCNN的航空串联故障电弧检测

为了快速准确地检测航空交流线路中出现的串联故障电弧,提出了一种基于时频域融合和加入高效注意力机制(efficient channel attention, ECA)的一维卷积神经网络(one-dimensional convolutional neural network, 1DCNN)的故障检测算法。首先,搭建航空交流电弧故障实验平台,负载选择多类型、多参数值进行电流信号的采集;其次,为了保留更多的故障信息,分析其特征频段,经过大量数据验证,航空串联电弧在发生时,1 000～4 000 Hz分量具有一定的占比,因此将原始信号与特征频段进行融合,融合后的一维数据作为模型输入;最后,搭建ECA-1DCNN检测模型,进行训练,并通过K折交叉验证模型的有效性,得到测试集平均准确率为97.96%。该方法网络层数较少,计算快速,避免了复杂时频域计算过程,较为智能,对航空串联电弧检测装置的研究提供了理论参考。