基于多特征状态参量的接线盒数字化屏显智能采集终端设计

阐述一种用于电能计量装置状态检测的数字化智能采集终端。分析终端架构、各模块功能、特征状态参量的检测方法。该终端集成多个特征状态参数,解决复杂环境和多种状态参数带来的挑战。

砂土的密度相关状态参量的划分及分析

土的密度与强度、变形紧密相关,应将密度或密度相关的物理量作为状态参量反映其对应力-应变关系的影响。将状态参量按其作用特点划分成初始孔隙比e0、基于正常压缩线NCL的相对孔隙比γ或超固结比OCR、基于临界状态线CSL的相对孔隙比ψ和基于动态各向异性压缩线ACL的相对孔隙比ξ,并分析了这4种状态参量之间的联系与区别。论证了砂土存在唯一的NCL,其初始点与CSL重合。状态参量ξ以涵盖NCL、CSL的各向异性压缩线ACL为参考线,修正了状态参量ψ不适用于等向压缩、K0压缩等应力路径的问题。基于CSUH模型,分析不同应力路径下状态参量ψ和ξ对计算结果的影响。结果表明:与状态参量ψ相比,选用状态参量ξ条件下的CSUH模型计算的应力-应变关系更适用于各种复杂的应力路径。

电力系统二次设备状态参量模型的构建

为了给二次设备状态评价、风险评估和状态检修等工作提供科学的依据,构建了结构统一的二次设备状态参量公共模型,并进一步根据继电保护设备的自身特性形成其状态参量模型。利用层次分析法对该模型中参量的重要性进行评分并计算,确定继电保护装置状态参量的权重值。所提出的状态参量还需要在实际运行中不断地检验和调整。

电气设备状态参量智能传感技术

电气设备状态参量的准确传感是对电气设备进行状态评估和制定运维策略的基础。随着智能电网中设备规模的不断扩大,以及对数据质量要求的不断提高,常规传感技术难以满足目前电气设备状态参量传感的需求,智能传感技术受到广泛关注。该文首先分析电气设备状态参量智能传感技术的典型特征和发展逻辑。在此基础上,从嵌入式系统与传感器智能化、光学传感、MEMS传感、无线传感网络与边缘计算架构4个方面阐述目前国内外学者在电气设备状态参量智能传感领域的最新研究成果,指出研究中仍需解决的问题。最后,对电气设备状态参量智能传感技术未来的发展作出展望。

基于状态参量的饱和砂土剪胀性本构模型

现有的边界面模型多用临界状态区分松砂、密砂,但试验中,很难确定密砂的临界状态.本文以相变线(PTL)为参考线,引入以相变状态为基础的状态参量,将已有的边界面模型加以改进利用状态参量的概念,可以准确判断砂土在初始时刻和任意时刻的变形趋势,而基于状态参量的剪胀比在相变点处仍等于零.无论是松砂还是密砂,或砂土从一种状态到另一种状态,基于状态参量的剪胀都能真实的模拟砂土的反应.研究结果表明,利用本文的模型参量得到的密砂三轴排水试验,模拟结果与试验结果相吻合,较好地反映了砂土的力学特征.

能量公设与热力学系统独立状态参量的选取

论述了能量公设,并得到能量状态的一般表达式由各种能位形式组成,每一种能位形式可表示为一个强度量和一个广延量的乘积.由此,提出了热力学系统独立状态参量的数目由能位数目来决定,并且每一个独立状态参量只能是组成同一能位的强度量ζi和广延量ξi中的一个.

定子绕组绝缘状态参量的偏最小二乘回归分析

借助提取主元的思路 ,在小样本情况下 ,用PLS方法对定子绝缘状态的非破坏性参量与其击穿电压之间的相关性信息进行筛选和综合 ,讨论了定子状态特征参量的各种数据信息。试验结果表明该方法在样本数较少及非破坏性参量之间存在多重相关性时 ,具有更好的分析解释能力 ,为定子绝缘状态参量分析提供了新的研究方法。

状态参量与砂土剪胀性判别方法

论述了砂土剪胀性特点和状态参数概念.通过对现有试验结果的对比分析,建立了相变线的概念,提出了相变孔隙比和相变应力比的定义和计算公式.提出了状态参量的计算公式和依据状态参量判别砂土剪胀(缩)的具体方法,并建立了砂土的剪胀比计算公式.为建立砂土本构模型提供依据.

地震活动性总体状态参量R_t在新疆天山地区的初步应用

通过计算分析新疆北天山地区、南天山东段地区、南天山西段的柯坪块区及喀什—乌恰交汇区中强震前地震活动性总体状态参量Rt的变化特征,给出了各区中强震发生时间和强度基于Rt值的判定指标。Rt≤0.89可作为北天山地区1年内发生5.1～6.0级地震的指标;Rt≤0.79可作为南天山东段1年内发生5.4～6.0级地震的指标;Rt≤0.85可作为柯坪块区1.5年内发生6级地震的指标;Rt≤0.88可作为喀什—乌恰交汇区1年内发生6～7级地震的指标。

激光金属汽化汽离混合区状态参量的稳定性及其影响因素分析

在汽离混合区激光强度时空修正的基础上,近似求解了流体力学模型下的状态参数,找出了稳定状态参数的共同自洽参量,分析了自洽参量的取值方法,研究了相关参数对自洽参量的影响机制,结果发现:(1)汽离混合区内,状态参量的稳定性可用自洽参量的稳定性来表征;(2)当入射激光强度小于108W.cm-2时,自洽参量随入射激光强度变化相对较快,稳定性差;当激光强度大于108W.cm-2时,自洽参量随入射激光强度变化相对较慢,稳定性高;(3)汽离混合区各处的约化自洽参量随辐照激光的波长成变周期增加的变化,波长越长,约化自洽参量越大;(4)要使自洽参量稳定,纹波较小,宜采取短波激光辐照;(5)当蒸汽压强小于2.7×106Pa时,自洽参量随蒸汽压强成指数递减规律变化;当蒸汽压大于2.7×106Pa时,自洽参量与蒸汽压强之间没有对应关系.

激光辐照下金属蒸气浪头自相似状态参量的稳定性分析

分析了金属材料在中强度激光辐照下气化蒸气在真空里的推进行为 ,结果显示 :( 1)金属蒸气的浪头状态参量存在自相似中间变元 ,此中间变元随辐照激光强度的不同而不同 ,但在一定的激光强度下 ;它有且只有一个取值 ,此值对应的浪头状态参量是稳定的 ;( 2 )密度和压强的浪头状态参量在激光强度小于 10 8W/cm2 时 ,两参量的取值非常小 ,当激光强度大于 10 8W/cm2 时 ,两参量的取值非常大 ;( 3 )速度浪头参量与辐照激光呈弱近似线性正比关系 。

悬索桥二期恒载作用前后结构状态参量的计算

介绍两种分析悬索桥一、二期恒载作用下结构状态参量的计算方法，为悬索桥的结构设计计算提供了参考资料。

激光金属复合汽化汽离混合区的状态参量及影响因素分析

分析了中强度激光作用下混合区对激光的吸收系数;求出了汽离混合区激光强度的时空分布;利用强度的时空分布和流体力学方程,近似的求得了混合区的约化密度、约化压强和速度分布,结果发现:①汽离混合区各处的约化密度和约化压强随时间成周期性分布,随位置坐标成指数规律增加,不同时刻的指数规律成周期性交替变化,随辐照激光波长成变周期性增加的变化;②"离子"喷射速度随位置坐标成线性分布关系;③各处的速度随波长成指数规律降低,不同位置的指数规律相近,但速度变化不大.

考虑复杂关联关系深度挖掘的变压器状态参量预测方法

电力变压器状态参数预测分析可以为设备状态评估提供有力技术支撑。现有变压器状态参量预测模型主要基于单一或少数状态参量进行分析和判断,预测稳定性和科学性都有待提高。文中结合变压器设备大量状态信息、电网运行和环境气象数据,提出了一种考虑复杂关联关系深度挖掘的变压器状态参量预测方法,通过栅格长短时记忆网络提取各参量之间蕴含的内在规律和关联关系,用以修正状态参量的预测结果。将该方法用于某500kV变压器顶层油温趋势预测中,结果表明所提出的栅格长短时记忆网络能挖掘分析设备状态影响因素之间的关联关系,与未考虑关联性的预测方法及传统方法相比,通过参量序列间关联性提高了预测模型的稳定性,降低了预测误差。

基于多重信息分解与时变权重组合的换流变压器振动状态参量综合预测方法

振动峰值与频谱复杂度变化趋势反映了换流变压器的内部机械状态,对振动状态参量预测可为换流变压器的状态评估提供有效支持,该文提出一种基于多重信息分解与时变权重组合的换流变压器振动状态参量综合预测方法。首先,根据不同模态划分方法,对原始振动状态参量进行经验小波变换与变分模态分解,得到多个具有趋势性与周期性的模态分量;然后,应用3种预测模型对模态分量预测,集成相加获得单分解单预测模型的预测结果;最后,兼顾主客观因素与逐点分配原则,采用模糊层次分析法与熵权法的时变权重组合方法对不同预测结果分配权重,依照权重结果计算综合预测值。算例分析表明:相比直接预测模型与单分解单预测模型,提出的综合预测方法具有更高的精确度与稳定性,为基于振动法对换流变压器状态监测与故障诊断提供了一种新的思路和有效手段。

熵与状态参量的一种简明关系式

导出理想气体的熵与状态参量之间的一种简明关系 ,由此可知温熵图上的等容线和等压线形状。

熵对状态参量的偏弹性研究

给出熵对状态参量偏弹性的定义,研究熵对状态参量偏弹性的物理意义,并举例讨论.

自行火炮发动机多状态参量融合故障诊断方法研究

针对自行火炮发动机单一信号源进行故障诊断的缺陷,提出了基于量子粒子群优化的核极限学习机和D-S证据理论的多源信息融合诊断方案。该方案采用在MATLAB软件下构建极限学习网络,利用网络训练权值作为权重直接参与状态融合评估分析公式的方法,避免了在软件中直接建立复杂的分类网络和进行复杂大量的网络训练与测试,从而将复杂的网络问题转换为状态评估公式问题。经过实验验证,对不同来源发动机状态信息进行融合分析,可以显著提高发动机故障诊断和状态识别精度。

循环过程中状态参量的乘积规律分析

讨论了由四个常见热力学过程组成的四状态循环过程和任意循环过程中状态参量在不同状态时的数值关系,发现循环中状态参量在不同状态时的数值的不同次幂的乘积等于1,其次幂正好是要讨论状态参量和另一状态参量的一次幂表示的循环中相邻过程的过程方程中该状态参量次幂的差.在应用中可以直接根据这一规律写出状态参量在不同状态时的数值关系,简化推导和计算过程,为教学和实际应用提供一定的借鉴.

基于状态参量的智能电表误差状态预测方法

在智能电表挂网运行的过程中,其计量性能会逐渐发生变化,可能影响电能计量的准确性和电力交易的公平性,因此,对其误差状态的管控具有重大意义。在运智能电表数量巨大,一般采用定期随机抽检的方法来获得部分表计的误差情况,但随机抽检覆盖面较小,存在抽检间隔,无法全面、及时地获取在运表计的计量误差,存在已超差表计仍长期挂网的风险。对此,提出了一种基于状态参量与计量性能退化的智能电表误差状态预测方法,基于智能电表的计量原理,研究了影响表计计量性能的关键因素,进而建立了一个计及温度、湿度、负荷、检定结果、时间累积影响的预测模型,借助BP神经网络算法,实现了历史数据下的网络训练和实时数据下的误差预测。最后,建立在线监测试点,开展实例应用,验证了该方法的有效性。