混合集总分布参数网络机助设计的新改进

本文发展了混合集总分布参数网络的模块综合法。将基本的混合参数二端口网络通过阻抗变换和频率变换,在变换域中成为无耗广义单位元件,应用Richards定理可以方便地综合混合集总分布参数网络。以无耗设计为初值,应用级联矩阵法对有耗混合集总分布参数网络进行优化,从而使设计精度进一步提高。

PMM2000电力参数网络监测仪表

介绍了 PMM2000数字式微型多功能电力参数监测网络仪表的系统功能特点,系统硬件结构,软件设计与算法及其在楼宇自控中的应用。

基于虚拟仪器的多参数网络化测量系统设计与实现

利用虚拟仪器编程软件的网络功能实现远距离多参数测量的方法。论述了网络测量系统的硬件结构、软件平台及应用软件的工作模式。

面向ETO产品设计更改的参数网络建模及应用研究

ETO产品的开发设计是一个不断迭代的过程,需要进行反复的更改。为了有效地减少开发中的迭代次数,解决产品开发过程中更改所造成的影响,提高设计效率。首先,通过对产品系统或零部件的设计参数进行分析,建立产品零部件参数网络;其次,对产品设计更改过程中参数之间的关系进行分析,给出定量关系指标,并采用广度优先和深度优先搜索算法对关系指标进行计算,提出面向ETO产品设计更改过程的参数网络导航方法;最后,以某柴油机产品的设计更改作为应用实例,对导航方法进行验证。

利用矢量网络分析仪去除和嵌入S参数网络

本文介绍了一种修正矢量网络分析仪误差系数的方法,供用在经标准分析仪校准之后得到的各种参考面上进行S参数测量。该方法允许从由网络分析仪获取的测量结果中去除二端口 S参数网络。通过在分析仪上修正误差系数,可以实时现察去嵌入后的测量结果。此外,相同的测试程序可用来将虚拟网络嵌入 S参数测量。该方法可直接用于经传统短路、开路、负载、直通(SOLT)校准方法校准过的任何矢量网络分析仪(VNA)

基于迭代式粒子群优化的永磁同步电机热网络模型参数辨识研究

针对集总参数热网络模型未知参数多、参数辨识收敛困难的问题,利用永磁同步电机在不同工况下的特性,提出迭代式粒子群优化辨识框架,用实验测量的电机温度场数据,以各节点估计温度与实测温度的均方误差作为目标函数,将并行优化转化为三步串行迭代优化,减少每一步优化变量数,缩小种群规模,避免陷入局部最优。应用于某额定功率70 kW电机,得到一般热阻和热容随温度变化的规律,电机损耗、绕组涡流系数和气隙热阻随转速变化的规律。台架实验表明,在综合驾驶工况下,以槽内绕组、端部绕组、永磁体、定子齿和定子轭的温度估计最大误差和平均误差作为评价指标,与实测结果以及传统的采用固定参数的集总参数模型相比,提出的模型精确度高,工况适应性好。

基于网络权重参数敏感度分析的终身视觉回环检测方法

在基于视觉的同时定位和地图构建系统中通过回环检测判别机器人是否到达过先前的位置,可有效消除位姿估计造成的累积误差。随着数据量的增大,现有方法会导致网络模型泛化性能降低。为实现可持续回环检测,提出一种网络权重参数敏感度分析视觉回环检测方法,将残差神经网络与广义均值池化相结合来构建轻量化特征提取网络;设计了可变相似感知区域,将可变滑动窗口和相似度矩阵相结合来提取三重样本;提出的网络权重参数敏感度分析方法降低了网络模型的灾难性遗忘。与典型方法MAC相比,所提方法在Nordland等数据集的召回率提高了42%左右。

深度神经网络参数轻量化方法综述

近年来,深度神经网络在各种具有挑战性的任务上取得了巨大的成功,不断刷新人们对人工智能的认识。但是,深度神经网络模型的参数量巨大、计算成本、存储成本过高,难以部署到资源受限的边缘计算设备中。因此,人们开始从网络的架构和参数量两个角度尝试对网络进行轻量化设计,同时保证神经网络性能可接受。本文从网络参数轻量化的角度出发,首先简要回顾深度神经网络发展历史和工作原理;其次,介绍当前主流的3类参数轻量化方法:参数量化、张量分解以及参数共享;然后,从思想描述、适用层级、训练方式等维度对比分析方法优劣;最后,对神经网络轻量化的未来发展方向进行展望。

电源网络低频段S参数拓展方法

电源网络S参数与芯片电源模型(Chip Power Module,CPM)级联可实现电源时域噪声仿真,完成电源完整性设计签核。当下部分仿真工具在AC阻抗优化过程中导出的S参数存在低频段无法覆盖的问题,影响时域纹波仿真精度,如果重新对S参数进行提取,又会增加仿真时间降低仿真效率。针对AC阻抗优化过程中导出的S参数无法覆盖低频段的问题,提出了一种电源网络S参数低频段拓展方法,结合电压调节模块(Voltage Regulator Module,VRM)的R-L模型,推导出低频段的S参数可以借用抽取的S参数中最低频点处的S参数实现低频段S参数的拓展。仿真和实验结果表明,通过对低频段S参数进行拓展,电源时域纹波噪声仿真的精度提升31%。同时,低频段的S参数直接借用已抽取的S参数中低频点的数值无须重复提取,在8 GB内存的配置下,仿真时间节约14%左右,提高了仿真效率。

牵引用永磁同步电机温度场集总参数热网络法分析

永磁同步牵引电机具有效率高、体积小、功率密度高等优点,在城际铁路运输领域应用越来越多,具有广阔的发展前景。但随着永磁同步牵引电机的单机容量日益增大,其内部损耗也随之不断增加,损耗的增加使得电机的温升不断增加。在高温环境下,永磁体有可能产生退磁等一系列问题,影响牵引电机的稳定安全运行。本文以一台永磁同步牵引电机为例,对电机转子内置转子等较复杂部件进行合理等效,其次使用集总参数热网络法,建立能够反映电机整体热量传递的热网络结构,该结构可快速计算电机不同工况下的温度分布情况,对电机的热设计有一定的帮助。

基于非参数因果网络的风险溢出分析及多因子预测

风险溢出是系统性金融风险产生和演化的核心动因,因此,探究风险的溢出路径与强度至关重要.为了弥补传统方法在维度与参数上的局限,本文将非参数条件互信息检验与因果网络结构学习算法相结合,提出了一种新的非参数高维因果网络构建方法来分析金融系统波动溢出的动态联动性和风险传递机制.此文在非线性合成数据集中验证了该方法的有效性和稳健性并根据因果拓扑关系构造最优预测子集对序列进行多因子预测.并将该模型应用于构建2013年1月至2019年12月期间全球81家能源公司日度股票收益的波动溢出网络,测量基本面与投资者两种维度的风险溢出强度动态变化并进行预测分析.此外,结合企业财务数据和宏观经济变量,考虑企业之间的业务异质性,探索风险溢出的决定因素.研究结果表明,1)能源产业链的上游以及高油价风险敞口的能源企业表现出较大的风险外溢效应和风险承受程度;2)除公司规模以外,企业资产收益率,边际收益等因素也影响溢出效应的强弱;3)能源公司的风险溢出在业务上存在很大差异,溢出驱动因素也有所不同,这对于在投资组合决策和监管政策设计等具有重要的参考价值;4)虽然因果预选信息选择策略结合非参数模型的短期预测效果要优于结合参数模型,但是随着预测步长的增加,参数模型的优势却更明显.

综合考虑材料热各向异性与多种传热方式的磁性元件热阻网络精准模型

磁性元件正在向高频化、小型化、高功率密度的方向发展,随着功率密度的提高,散热已成为影响器件可靠运行的关键因素,因此对磁性元件的热分析提出更高的要求。传统的热分析模型存在运算时间长、传热方式单一等问题,该文引入已有研究中提出的三轴九热阻网络模型,在此基础上添加热对流与热辐射两种传热方式,综合考虑材料热各向异性与热传导、热对流、热辐射。并通过精细划分元件温度计算子区域、实际器件损耗场分析、热电耦合迭代提高模型的计算精度,提出一种更加完善的三轴十五热阻网络模型,基于该模型对实际磁性器件建模,验证了该模型的准确性,并于最后提出一种通用的针对EE、EI、UU等典型磁心构成的磁性元件的热阻网络建模方法。

基于双分支分割网络的复杂环境车道线检测方法

对车道线实现准确检测是自动驾驶中的关键技术。针对现有的车道线检测方法对复杂工况下的车道线检测精度不足的问题,提出一个面向复杂场景下的车道线检测模型。基于LaneNet网络设计一种双分支分割网络,利用网络模型中的损失函数使图像像素点占比提高,实现网络参数的优化。通过编码器与解码器结构对车道线采样,实现语义分割与车道线像素点嵌入分割;并通过自适应DBSCAN聚类算法实现对邻域半径和最小样本个数两个参数的自主选择,引入H-Net网络中的图像逆透视变换与车道线拟合实现检测。最后,利用图森数据集对所设计模型进行验证。结果表明,所提出的车道线检测模型有较高的精度,能实现复杂场景下的车道线检测。

基于时域近似法的CLLC谐振变换器参数设计

针对现行主流的基波分析法在电压增益计算时准确度较差,以及传统的谐振参数设计方法在对电池这类非阻性电源负载时存在参数难以确定的问题,提出基于时域近似法的CLLC谐振参数计算,解决了电压增益精确度和参数选取困难的问题。首先建立变换器的P、N、O等3种模态的时域方程,通过对运行时主要工作模式中PO、PN波形的简化,求出对应模式的电压增益公式,以电压增益范围和全局软开关的实现作为参数选取的约束条件,求出具体的谐振网络参数;然后利用MATLAB搭建仿真实验模型,实现全局软开关和电压增益要求,在谐振频率下工作效率均在95%以上。仿真实验结果验证了所提设计方法的可行性。

双参数Tweedie机器学习模型及其精算应用

Tweedie回归是保险损失预测和风险定价的主要工具之一。为充分利用大数据、物联网、机器学习等技术促进保险业的数字化转型,实现更加精准的风险识别和风险定价,本文将传统的Tweedie广义线性模型推广到双参数形式,并结合机器学习算法,提出双参数Tweedie梯度提升树模型和双参数Tweedie组合神经网络模型。基于我国一家保险公司的车联网大数据,提取了新的驾驶行为风险因子。通过实证研究检验了双参数Tweedie梯度提升树和双参数Tweedie组合神经网络在风险识别以及风险定价中的有效性,为促进我国保险业数字化转型提供了一种新的模型和方法。

关于5G RedCap网络最优配置方式的探索

引言随着5G技术的不断演进,Red Cap(Reduced Capability)为中高速物联网(Io T)应用提供了一种成本效益高的解决方案。本文通过Red Cap的技术发展背景,核心技术特性,探讨Red Cap网络的最优配置方法,以实现在物联场景下的用户体验最优化。通过分析Red Cap的关键技术特性,提出Red Cap网络参数配置、调度方式配置、BWP配置等三方面配置策略,并对其进行性能评估和分析。

分布参数互连网络系统分析方法研究

为了对包含分布参数元件的网络进行有效分析,把整个网络划分为线性集中参数网络和由分布参数元件构成的线性子网络,先采用改进节点法(MNA)建立集中网络的频域方程,然后再将分布子网络以导纳矩阵的形式加入其中。该方法将MNA应用范围从集中参数网络推广到包含分布参数元件的网络,可用于分析一般的分布参数网络。互连网络示例的仿真结果证明了该方法的有效性,仿真时间仅为HSPICE的25%左右。

异构网络融合推荐模型在道路病害检测中的应用研究

针对复杂多样的道路病害识别问题,本文提出了一种基于人工智能深度学习的道路病害视觉识别技术方案,该方案针对端侧计算架构和云侧计算架构的不同特点,设计了端云协同异构网络融合推荐的技术路线,从实验结果来看,该方案显著提升了以线裂为代表的不规则、易产生定义差异的道路病害的识别召回率和准确率。该技术方案在统筹解决工程车前端设备动态巡检场景下的数据实时传输、无线网络传输带宽和前端硬件计算能力等制约因素背景下提出,具有较强的场景实践价值。

浮筏隔振效果评定的矢量四端网络参数方法与试验研究

将矢量四端网络参数计算方法引入到浮筏隔振系统隔振效果评定中。把浮筏隔振系统分解成若干子结构,在每个子结构内建立输入输出的矢量四端网络参数矩阵,利用试验测试导纳数据,计算得到了浮筏系统各个层面的振动响应特征参量,采用功率流振级落差评定了浮筏隔振装置的隔振性能。计算结果与试验结果对比表明:所采用的计算方法合理,可以准确预报浮筏隔振系统的振动能量传递,为实际浮筏隔振效果评定提供了一种工程计算方法。