磁粉制动器的滑差功率研究

首先用理论方法对经过结构优化的磁粉制动器的滑差功率进行了计算，然后在自行设计、安装的实验台上对其进行了温升实验，所得理论计算值和实测值的一致性较好，在此基础上确定了它的额定滑差功率线图。     

基于降维观测器与多胞体方法的执行器故障检测

针对具有执行器故障且状态方程和输出方程同时受到外部扰动影响的离散系统,研究了降维观测器设计方法和基于多胞体理论的区间估计方法,并在此基础上提出了基于区间估计的执行器故障检测方法。首先,通过适当的状态等价变换,将原系统分解成2个降维子系统,使得一个子系统可以直接解耦干扰。然后,在无执行器故障发生的前提下,基于对干扰解耦的子系统,提出了一种降维观测器设计方法,实现了原系统状态的渐近收敛估计。其次,针对具有干扰的子系统,设计了Luenberger型观测器,并结合多胞体理论,提出了一种对可测输出的区间估计方法。之后,基于可测输出的区间估计,提出了一种残差的构造方法,以此提出了一种执行器故障检测新方法。最后,给出了仿真设计和分析,验证了方法的有效性。     

基于层次注意力机制的垃圾用户检测模型

目前基于网络的垃圾用户检测方法只考虑了简单社会关系,缺乏对更多复杂社会语义关系的利用,难以达到最优性能.针对这一挑战,提出一种基于层次注意力机制的垃圾用户检测模型(HAM-SD).模型首先使用异质信息网络对社交媒体进行建模,挖掘丰富的语义与结构信息,接着利用节点级注意力层聚合元路径邻居增强节点表示,同时利用自适应层级聚合模块选择不同层级特征提升表征能力,然后通过语义级注意力层融合不同元路径下的节点表示,最后带入分类检测模块实现垃圾用户检测.在公开数据集上的实验结果表明该模型能够有效检测垃圾用户,并在不平衡数据分布时保持较强的稳定性.     

基于电阻率层析扫描的水下抛石体内部空洞探测

为提高水下抛石体的识别精度,构建了预留有内部空洞的抛石体物理模型与电阻率层析扫描模型研究电阻率层析扫描技术在水下抛石体内部空洞探测中的成像效果,并与传统克里金插值法效果进行了对比。结果表明:电阻率层析扫描可以有效识别水下抛石体中的空洞,并且在刺激源数量为6时电阻率层析扫描模型模拟精度达到较高值;电阻率层析扫描技术在通道纵剖面上的识别能力要远高于传统克里金插值法;将数值模拟结果中电导率大于300.μS/cm的区域视为空洞区,整体反演结果略大于真实值,在 x、y、z 3个方向上的偏差分别为2.73、1.75、6.95.cm;基于反演结果对电阻率层析扫描模型进行正演,正演结果与实测数据的拟合度超过0.95,证明了电阻率层析扫描模型反演的准确性。     

基于改进Mask R-CNN的露天矿边坡裂隙智能检测算法

为了预防因露天矿边坡表面恶化而产生节理、裂隙或断裂等破坏边坡完整性所引发的安全事故,同时解决传统图像处理算法以及经典的深度学习模型直接应用于露天矿边坡裂隙检测效果不甚理想的问题,提出了一种基于改进的Mask R-CNN的露天矿边坡裂隙智能检测算法,运用了Mask R-CNN在目标检测、语义分割以及目标定位方面的集成性特点,改进了其在掩膜分支的边缘不清晰以及误检等缺点,构建了一种针对露天矿边坡裂隙图像的检测分割框架。该方法在掩膜分割分支引入了空洞卷积神经网络以及分类分割迭代上采样操作,能够解决边坡裂隙分割边缘粗糙的问题,实验结果表明,与传统的裂隙分割算法相比,该算法具有更高的识别精度以及更好的分割效果。     

动态无线充电系统功率波动抑制技术研究

设计了一种新型的双通道动态无线充电系统耦合机构,以解决动态无线充电系统在分段式发射导轨切换处的功率跌落问题。通过LCC-LCC型补偿拓扑,设计了两路能量传输通道,利用LCC-LCC补偿拓扑的恒流特性,推导了系统输出以及损耗与两通道耦合参数之间的关系,实现了较为稳定的功率传输,提升了系统的抗偏移特性以及抗跌落能力。最后对所提方法进行了仿真和实验,验证了双通道动态无线电能传输方案的可行性。     

基于改进RPN的孪生小样本电力目标检测

为了解决当前电力系统巡检难度大、效率低、数据不足以支撑大规模训练的问题,提出一种基于孪生网络的小样本检测方法。首先,在Faster RCNN(faster region convolutional neural network)目标识别算法的框架下,搭建支持图片和查询图片共享的孪生网络模型;然后,利用改进的RPN(region proposal network)模块产生更高质量的proposals;最后,在检测头上对支持图片和查询图片的RoI(region of interest)进行关联匹配。结果表明,将算法应用于自主构建的EPD(electric power detection)数据集,在仅利用10张支持图片的情况下,就能实现对电力背景下鸟巢异物和绝缘子相关类别的检测,检测指标mAP达到18.92%。与其他算法相比,应用于电力行业目标检测的孪生网络小样本模型,在极端小样本情况下性能优良,同时具有更加轻量化的优势,可为电力检测新方法研究提供参考。     

联合实体边界检测的命名实体识别方法

针对传统命名实体识别方法无法有效利用实体边界信息的问题,提出一种联合实体边界检测的命名实体识别方法,即将实体边界检测作为辅助任务,增强模型对实体边界的判断能力,进而提升模型对实体的识别效果。首先,利用Bert预训练语言模型对原始文本进行特征嵌入获取词向量,并引入自注意力机制增强词对上下文信息的利用;其次,在命名实体识别任务的基础上,添加实体边界检测辅助任务,增强模型对实体边界的识别能力;再次,对比联合实体边界检测的命名实体识别方法与基线方法的有效性,并对测试结果进行消融实验;最后,进行样例分析,分析损失权重β对实体边界检测的影响。实验结果表明,在英文社交媒体数据集Twitter-2015上,联合实体边界检测的命名实体识别方法相较于基线模型取得了更高的精准率、召回率和F1值,其中F1值达到了73.57%;并且,边界检测辅助任务提升了基线方法的检测效果。所提方法能有效利用实体边界信息,从而获得更好的实体识别效果,促进了人机交互系统的发展,对自然语言处理下游任务有重要意义。     

基于差异化绿色电力交易需求的省级绿色电力市场绩效评价

绿色电力作为环境友好型能源在近年来得到了广泛的应用,为探索省级电力市场绿色电力交易成效,首先通过梳理国外绿色电力市场机制和交易组织情况,并对比分析国内国网区域和南网区域的绿色电力交易现状,总结出国内各网省绿色电力交易的开展情况和规则特点。然后从分布式绿色电力参与市场交易、绿色电力偏差调整和绿色电力曲线形成三个方面,进行了差异化绿色电力交易需求分析与实践探索。最后针对性构建省级绿色电力交易的绩效评价指标体系,并进行实例分析,为省级电力市场绿色电力交易方法和市场评价提供参考方案。     

电增压促进废气再循环对发动机性能的影响

在一台1.5 L带废气涡轮增压的直喷汽油机上进行了电动增压和废气再循环（exhaust gas recirculation, EGR）协同对发动机动力性和经济性的影响规律试验研究。结果表明：全负荷下电动增压促进最高废气再循环率随转速的上升而下降,在4个试验转速下分别提升了17.7%、15.2%、13.84%和0;部分负荷下电动增压促进最高废气再循环率随负荷的提高与转速下降,在6个试验工况下最高废气再循环率分别被提高了23.63%、30.31%、0、14.09%、19.74%和0。全负荷与较低的3个转速下电动增压介入后有效燃油消耗率（brake specific fuel consumption, BSFC）降低近10%,最高转速下废气涡轮增压完全取代电动增压;部分负荷下的两组工况内,电动增压介入后,最高BSFC降低了10.8%和8.4%。结论表明合理应用电增压促进最高废气再循环率可以提升发动机的燃油经济性并保持较高的动力性。