基于小波变换和GA-BP神经网络的电力电缆故障定位

由于电力电缆敷设于地下,当发生故障时难以快速且准确定位,出现了故障定位问题。因此,提出一种基于小波变换和遗传算法反向传播(Genetic algorithm back propagation,GA-BP)神经网络的电力电缆故障定位方法,在分析对比各小波能量集中程度和波动次数的基础上,选择多贝西小波(Daubechies wavelet 6,Db6)作为小波基函数,对于各故障位置,采集正向故障行波的α模分量,并对其进行小波分解。选取在d1尺度下的模极大值点作为特征值,同时将故障距离作为标签值,从而构建了训练和测试样本数据集;利用遗传算法(Genetic algorithm,GA)的种群进化和全局最优搜寻能力来改善误差逆传播(Back propagation,BP)网络对初始权重敏感的缺点,并使用优化后的权值、阈值重新对BP神经网络进行训练和预测,最后通过与传统双端行波定位算法、BP算法、粒子群优化BP算法(Particle swarm optimization BP,PSO-BP)相比较,证明了所提方法在测距性能方面的优越性。

基于半监督学习标签传播-极端随机树算法的光伏阵列故障诊断及定位

对光伏阵列故障进行精确诊断和定位有助于提升光伏发电系统的可靠性。针对现有的诊断方法过度依赖大量有标签样本,难以同时兼顾故障类型诊断、故障定位及低成本等问题,将多传感器法与半监督学习算法相结合,构建了一种融合标签传播算法(label propagation,LP)和极端随机树(extra-trees,ET)的半监督学习算法LP-ET。为克服工程实际故障样本较少且往往缺失故障标签的问题,搭建了光伏阵列故障仿真模型获取样本,引入LP算法,基于少量含故障类型及定位信息的有标签故障样本,实现原始故障样本集全标注;继而引入ET模型,持续构建大量决策树形成极端随机树,采用多数投票机制(Bagging)获得故障类型及定位结果。实验结果表明,所提出的LP-ET模型可以在含有大比例未标注样本数据集情况下实现短路、断路、退化及遮阴故障的较高精度诊断,兼顾单组件及多组件故障,有效解决光伏阵列故障诊断及定位问题。

工字型截面弯曲切应力分布辨析

工字型截面是材料力学薄壁结构的典型代表,部分教材与教学PPT素材在弯曲切应力分布部分存在问题与争议,本文利用简化模型与力平衡条件给出理论分析结果,同时给出了有限元分析结果作为研讨性教学素材。

高阶思维训练的课程内容设计--以材料力学典型例题为例

培养学生"高阶性"思维模式是一流课程建设的目的,具有一定"挑战度"的课程内容设计是该项工作的重点与难点。本文通过实例说明该工作的特征,为相关课程建设的实施提供参考。

武汉市反相抵押贷款养老的调研分析

笔者通过对武汉市反向抵押贷款养老的调研,以Logit模型对数据进行分析,得到一下结论,希望对有关部门具有借鉴意义。

长三角城市群产业结构调整对经济增长的空间溢出效应研究

对长三角城市群产业结构调整的空间溢出效应进行实证检验。研究发现,产业结构调整对地区经济发展的增长效应是通过空间溢出的形式,其示范效应、联系效应大于竞争效应。研究还发现,以固定投资、人口密度、人口质量水平等为主的城市特征变量也存在不同程度的空间溢出效应。基于此研究结论,为长三角城市群的发展规划提供可资参考的意见。