基于功角稳定的余热发电机励磁DSP控制系统

余热发电较普通火力发电具有蒸气压力易突变的特点,现在国内余热发电机励磁并网后多采用恒功率因数调节方式。当汽轮机蒸气压力突变瞬间,由于有功功率同向突变,发电机的功角也同向变化,当功角超过允许值时,发电机有可能失步停车。针对此问题开发了基于DSP的励磁三闭环控制系统。当蒸气压力大于最大值时,发电机工作于恒功角方式。当蒸气压力小于最大值时,发电机工作于恒功率因数方式。并网前发电机工作于恒励磁电流方式,从而保证了发电机始终处于既节能又可靠的运行状态。     

基于维样本近邻区间的分类算法研究

针对传统KNN算法忽略样本分布对分类的影响,易受到孤立样本、噪音等干扰,时间代价大等问题,提出了一种改进的近邻分类算法.该算法首先采用类维样本存储,打破了样本的整体性,转换了训练样本存储模式;其次按类维度寻求未知样本的类维近邻域,计算类维相似度进而得到未知样本的类别相似度;最后以最大类别相似度标识未知样本.该算法提高了分类效率,降低了独立样本对样本分类的影响.同时可处理连续型和标识型样本分类,并可适应各类样本分布情况,扩大了算法的应用范围.实验结果表明,该算法较传统的近邻算法与邻域分类算法在分类精度与分类时间上有了较大提升.     

基于量子Logistic映射构造的跳频序列性能分析

为了获得具有优异抗干扰性和安全性的跳频序列,基于量子Logistic映射,对比于Logistic映射,通过非均匀量化的方法来构造跳频序列;分析了跳频序列的平衡性、汉明相关性、跳频间隔,在FPGA上实现了量子Logistic映射。实验结果表明,在相同的条件下(频率数目和序列长度),本文算法在平衡性、汉明相关性方面都优于Logistic映射,跳频间隔和Logistic映射数值接近。基于此,可以将量子Logistic映射应用于跳频通信系统,相应的抗干扰性和安全性优于Logistic映射。     

北固山隧道施工力学特征及围岩变形控制

基于ANSYS软件,采用有限元法和BP神经网络建立数值分析模型,并确定围岩的力学参数.首先,考虑隧道开挖的空间效应,并分析围岩的位移场和应力场.然后,阐述围岩和边坡的破坏机理,从而进一步表明围岩的牵引作用对边坡和隧道稳定性的重要性.最后,应用所得破坏机理对北固山隧道围岩变形进行分析.结果表明:考虑边坡稳定性和围岩变形的技术方案是合理、有效的.     

基于可信度法求解区间双层线性规划问题

采用区间数可信度方法, 给出区间双层线性规划问题可行域和最优解的概念, 并利用单层与双层规划最优值区间方法和极大极小算子, 构建区间双层线性规划问题的确定等价模型. 数值算例结果表明该方法有效.     

流动性与股价崩盘风险关系及影响渠道的实证研究

以2007—2016年A股非金融类上市公司为样本,基于治理理论和短期主义理论,使用固定效应模型对面板数据进行分析,研究股票流动性与股价崩盘风险的关系,进一步分析股票流动性影响股价崩盘风险的渠道.结果表明,股票流动性与股价崩盘风险呈显著正相关关系,并且证明了股票流动性是通过短期机构投资者渠道影响股价崩盘风险的.研究结论为投资者、上市公司以及市场监管机构从微观视角认识股价崩盘风险提供有价值的参考.     

黄菖蒲根际低分子量有机酸对土壤吸附氨氮的影响

根际低分子量有机酸是一类活性的化感物质, 具有促进污染物迁移、转化与累积等重要的生态功能.本研究利用GC-MS技术, 解析了黄菖蒲根际代谢物的组分特征与相对含量, 通过模拟实验揭示了低分子量有机酸对土壤吸附氨氮的热-动力学的影响.结果表明:黄菖蒲根际代谢的不同种类低分子量有机酸均能促进氨氮吸附, 但作用程度存在差异; 氨氮在土壤中的吸附动力学符合Elovich方程与双常数方程, 等温吸附均符合Langmuir和Freundlich方程的特征,其键能常数K_L与有机酸解离常数pKa呈负相关; 低分子量有机酸调控土壤吸附氨氮的机理主要是有机质活化作用.     

基于公交运行数据的到站时间填充方法

公交实时到站数据是乘客出行行为分析的基础,但是现有公交运行数据存在到站时间缺失问题。以公交实时到站数据为基础,结合公交车辆的运行特性以及拥堵传播特性,建立考虑多因素加权的多项式插值方法,对公交车辆的到站缺失数据进行填补。填补后的到站时间能够更详细地描述车辆运行过程,得到更精确的车辆到站间隔。应用该方法对北京市地面公交运行数据进行补全,得到了修正的时刻表,并对公交运行间隔与串车现象进行分析。     

代数和对数奇异Fourier积分的最速下降方法

针对有限和半无限区间上包含代数和对数奇异因子的振荡型Fourier积分,通过改变积分路径,将振荡因子变换为复平面上的快速衰减因子,使得积分不再振荡。对于转换后无穷区间上的奇异积分,可以使用修正的Gauss-Legendre求积方法高效计算,数值算例验证了理论分析的正确性和方法的高精度。     

Passivity analysis for uncertain stochastic neural networks with discrete interval and distributed time-varying delays

The problem of passivity analysis is investigated for uncertain stochastic neural networks with discrete interval and distributed time-varying delays. The parameter uncertainties are assumed to be norm bounded and the delay is assumed to be time-varying and belongs to a given interval, which means that the lower and upper bounds of interval time-varying delays are available. By constructing proper Lyapunov-Krasovskii functional and employing a combination of the free-weighting matrix method and stochastic analysis technique, new delay dependent passivity conditions are derived in terms of linear matrix inequalities (LMIs). Finally, numerical examples are given to show the less conservatism of the proposed conditions.