针对河西走廊即将出现的±800 k V/750 k V及±800 k V/330 k V超、特高压交直流多回同塔架设线路,国内目前没有专门的设计标准。因此,采用目前工程上广泛接受的JC法,针对现有不同标准下设计的杆塔进行可靠度分析,并考虑经济性...针对河西走廊即将出现的±800 k V/750 k V及±800 k V/330 k V超、特高压交直流多回同塔架设线路,国内目前没有专门的设计标准。因此,采用目前工程上广泛接受的JC法,针对现有不同标准下设计的杆塔进行可靠度分析,并考虑经济性,推荐更为合理的超、特高压交直流同塔多回线路设计标准的选择方案。分析结果表明:±800 k V/750 k V共塔时,800 k V及各自电压等级设计标准可靠度均满足,但各自设计标准下塔重较轻,推荐采用各自设计标准;±800 k V/330 k V共塔时,800 k V标准可靠度满足,各自标准下出现部分杆件可靠度指标较小,采用局部加强后可靠度满足要求,且塔重较800 k V标准轻,因此推荐采用各自标准但需对局部杆件加强。展开更多
文摘针对河西走廊即将出现的±800 k V/750 k V及±800 k V/330 k V超、特高压交直流多回同塔架设线路,国内目前没有专门的设计标准。因此,采用目前工程上广泛接受的JC法,针对现有不同标准下设计的杆塔进行可靠度分析,并考虑经济性,推荐更为合理的超、特高压交直流同塔多回线路设计标准的选择方案。分析结果表明:±800 k V/750 k V共塔时,800 k V及各自电压等级设计标准可靠度均满足,但各自设计标准下塔重较轻,推荐采用各自设计标准;±800 k V/330 k V共塔时,800 k V标准可靠度满足,各自标准下出现部分杆件可靠度指标较小,采用局部加强后可靠度满足要求,且塔重较800 k V标准轻,因此推荐采用各自标准但需对局部杆件加强。
文摘面向心脏疾病计算机辅助诊断,本文提出一种基于一维卷积神经网络和循环神经网络混合深度学习结构的心音分析方法.本结构首先利用卷积神经网络学习心脏病症在心音信号上的表征,然后通过循环神经网络处理心音信号中的时序信息进行分类,在提升心音分类正确率的同时,大幅度降低了网络参数.为验证本深度学习结构所学特征的有效性,除已有的成人心音数据集外,本文还专门构建了一个面向婴幼儿先天性心脏病的心音数据集,并通过端到端的类别响应图证明了本方法在室缺诊断时学习到的心音信号特征符合临床医师的心音听诊经验.实验结果表明,本文方法能在3153例成人心音数据分类上达到92.56%的正确率,在528例婴幼儿心音数据分类上达到97.48%正确率,模型参数仅有0.05 M.