基于ISSA-BPNN算法的配电线路绝缘跳线夹过热感知方法

以夏季高温和高荷载条件下绝缘跳线夹的过热的智能感知为研究对象,建立绝缘跳线夹在典型作业工况下的电-热多物理场耦合三维有限元模型,通过试验验证了模型的有效性,并获取绝缘跳线夹在不同电流负荷、光照强度、环境温度及风速等因素下温度场分布数据作为线夹过热感知模型的训练样本。为了提高麻雀搜索算法(sparrow search algorithm,SSA)在全局搜索的能力引入反向学习策略构建了改进麻雀搜素算法(improved sparrow search algorithm,ISSA),采用改进麻雀算法优化BP神经网络(improved sparrow search algorithm optimization back propagation neural network,ISSA-BPNN)建立绝缘跳线夹温度预测模型,并使用均方值、决定系数评价ISSA-BPNN与粒子群算法优化BP神经网络(particle swarm optimization back propagation neural network,PSO-BPNN)、遗传算法优化BP神经网络(genetic algorithm optimization back propagation neural network,GA-BPNN)、麻雀搜索算法优化BP神经网络(sparrow search algorithm optimization back propagation neural network,SSA-BPNN)及BP神经网络5种算法的预测精度。结果表明,ISSA-BPNN模型相较于其余4种算法的预测模型其预测平均误差可控制在0.71%以内,且收敛速度更快,可以更加精准预测绝缘跳线夹温升,为绝缘跳线夹的状态检测与评估提供了依据。

基于ISSA-VMD和二代小波的sEMG信号降噪研究

表面肌电(sEMG)信号是一种可以有效表征肌肉活动的弱生理信号,采集过程中易受到多种噪声干扰。为解决变分模态分解(VMD)参数经验设置的问题,并进一步消除sEMG信号中的噪声,提出了一种基于改进麻雀算法(ISSA)优化VMD和二代小波阈值法相结合的sEMG信号降噪法。首先,采用基于改进T混沌映射、自适应权重和麻雀数目动态变化的改进麻雀算法并将品质因子作为目标函数对VMD进行参数寻优,然后利用ISSA优化的VMD分解对预处理过的sEMG信号进行分解,通过谱相关分析区分信号分量和噪声分量,最后对信号分量进行二代小波阈值法降噪,得到降噪信号。结果表明:ISSA较SSA有效提高了VMD参数寻优能力;在不同噪声等级下,基于ISSA-VMD和二代小波硬阈值的降噪法的降噪性能优于二代小波和ISSA-VMD;基于ISSA-VMD与二代小波硬阈值降噪法处理实际sEMG信号,能有效去除噪声。

初中物理“学程导学式”教学模式探究

“学程导学式”教学模式的实践流程为“明确学习任务和目标—确定学习途径和策略—落实学习实践过程—融入学习评价与反馈”。文章以“压力的作用效果”这节课为例,以“学程导学式”教学流程为重点,详细论述了初中物理“学程导学式”教学策略,以增强学生的物理学习效果。

高温对带电作业EVA绝缘毯力学性能的影响研究

EVA树脂绝缘毯在配网带电作业中得到了广泛应用,其在高温高负荷条件下常出现热熔、机械损伤而导致绝缘失效。为了分析高温对EVA绝缘毯力学性能的影响,在不同温度下对EVA绝缘毯进行拉伸测试、差示扫描量热分析(DSC)、X射线衍射分析(XRD)及动态热机械分析(DMA),采用断裂伸长率、拉断力及储能模量等参数表征高温下EVA绝缘毯的力学性能与聚集态结构的变化。结果表明:随着温度的升高,EVA绝缘毯结构中的晶体类型不变,结晶度呈现上升趋势,主结晶区晶粒尺寸先减小后增大,相应的晶粒间距逐渐增大,致使EVA树脂绝缘毯的断裂伸长率呈现先增大后减小趋势,但其拉断力呈现下降趋势;在高温作用下,EVA绝缘毯的储能模量呈现下降趋势,表明EVA树脂绝缘毯在高温下回弹性能较差、刚性较弱,40℃是EVA树脂绝缘毯适宜的运行温度。

输电线路脱冰研究方法及进展

文章综述了几十年来国内外对输电线路脱冰跳跃的研究方法及进展,包括导线脱冰造成的危害、脱冰跳跃发生的机理、脱冰跳跃问题的研究方法,包括现场测量、模型试验、数值模拟和理论计算公式,并对现有研究不足指出进行了讨论并进行了展望。分析研究表明:脱冰跳跃造成的危害严重;现有除冰技术大多基于融冰和机械破冰机理研发,具有较大缺陷;现场实测研究不足,实验模拟及数值仿真的脱冰场景和实际情况差距较大;计算公式参数较少,在实际具体线路中的适用性较差;需要进一步深入研究除冰手段及装置。