SPWM矩阵变换器补偿控制及仿真研究

矩阵变换器是一种直接能量转换装置,由于无中间贮能环节,输入侧的任何扰动将会降低输出特性和可靠性.针对SPWM矩阵变换器提出了反馈补偿和前馈补偿2种补偿方式.分析了基本补偿原理,并针对各种不同的输入条件(对称、不对称和突变),通过Matlab/Simulink建立仿真模型,对2种方案进行了仿真比较,验证了2种控制策略的正确性和有效性.     

基于改进低秩矩阵补全的交通量数据缺失值插补方法

提出了一种低秩矩阵补全的改进方法以研究道路交通量数据缺失值插补问题。应用基于核范数的低秩矩阵补全对交通量数据矩阵中的缺失值进行第1轮插补; 通过层次聚类算法将交通量数据划分为不同类别, 使得同类中的数据具有较强相关性, 异类中的数据具有较弱的相关性; 在每类样本上应用低秩矩阵补全得到缺失值的第2轮插补; 为了减少聚类数的影响, 提出最小二乘回归集成学习方法将不同聚类数下的插补结果进行融合, 得到最终的交通量数据插补结果; 用美国俄勒冈州波特兰市的交通量数据比较了5种方法的插补误差, 并分析了不同聚类数和距离度量方法的影响。研究结果表明: 在完全随机缺失模式下, 缺失率为10%~60%时, 其相对于传统的低秩矩阵补全模型的插补误差降低了5.93%~9.11%;在随机缺失和混合缺失模式下, 插补误差也分别降低了8.32%~9.55%和8.14%~9.20%;集成不同聚类数下的多个插补结果比单一聚类数下的插补误差降低2.62%~4.76%。可见, 在3种数据缺失模式下, 改进低秩矩阵补全方法降低了交通量数据的插补误差, 能有效提高插补后交通量数据的有效性。     

基于影响矩阵的桁架结构预应力损失识别方法

为计算出每束预应力钢束实时的预应力损失,依据预应力桁架结构观测变形,基于位移影响矩阵原理提出一种预应力损失识别方法. 通过有限元分析,建立预应力损失值与桁架结构观测点位移值之间的关系方程,并依据极小值优化原理,获得预应力损失值. 研究表明:当单位预应力损失取30%～50%时,得到的位移影响矩阵计算预应力损失时误差最小,约为1%～2%;三角形桁架1/4跨度和3/4跨度处位移观测点对预应力损失的敏感性最高. 最后,以黔渝线上某高铁站房的大跨钢筋预应力桁架结构为例,验证了该方法的正确性.      

一种轨道电路的新型计算方法：有限元准对角线矩阵方法

提出一种新的轨道电路计算方法－有限元的准对角线矩计算法,给出该方法对应的计算公式及详细推导。运用该广阔和等效电路模型对数字编码式音频轨道电路进行了仿真计算,分析了一些因素诸如道电路长度,轨道连接线电阻,轮轴分路电阻等对接收电压的影响。     

新型缓和曲线在基本型平面线形设计中的应用

在约束条件LC/LS=1下,推导了新型缓和曲线[1]在基本型平面线形设计中的计算公式,通过一个实例,展示了其应用效果.     

基于动态分频段FRA法的自耦变压器绕组轴向移位故障诊断

针对传统的频率响应分析(FRA)法无法识别自耦变压器绕组常见轴向移位故障的问题,提出基于动态分频段的FRA法:首先,搭建自耦变压器轴向移位故障模拟平台,获取不同轴向移位故障下绕组频响数据;其次,将幅频特性曲线波峰点与相频特性曲线C-L过零点频率相同的点作为预备分频点,同时将频响数据动态划分为多个频段,并绘制分频段极坐标图;然后,提取极坐标图的4个灰度梯度共生矩阵纹理特征和对应的归一化特征参数;最后,通过图形与特征的变化规律分析自耦变压器绕组的状态。试验验证结果表明:采用基于动态分频段的FRA法,生成的极坐标图数据点重叠情况得到改善,有利于图形分析和特征提取;不同绕组发生轴向移位故障时,各频段极坐标图变化趋势明显;同一绕组发生不同程度轴向故障时,极坐标图随故障程度增加差异呈变大的趋势;采用基于动态分频段的FRA法能准确区分自耦变压器轴向移位的故障绕组与故障程度,并能为自耦变压器现场故障诊断提供参考。     

一种较为合理的教学质量评估法

本文采用时齐马尔科夫链的方法对学生的成绩进行分析、评估,使得对教学效果评价更趋合理。     

在最大悬臂工况下单索面索塔受横向风载的分析

为了能够反映出拉索对索塔的弹性恢复力,在计算图式中引入了一组弹簧支承和一个用作移动式反力墙的“L”形刚臂。为了能够计算出垂直力对索塔的几何非线性效应,便应用了迭代法。文中还给出了简述本文计算步骤的算例,便于读者理解。     

基于GF-2遥感影像的典型道路路面类型识别

随着社会经济的快速发展,道路的交通量也呈现日益增长的趋势,基于遥感影像的路面健康检测和识别工作尤为重要。试验基于GF-2遥感影像数据,构建光谱指数和灰度共生矩阵,增加路面材质类型识别的波段因子,结合BP神经网络筛选最佳波段组合,利用SVM分类方法实现道路路面材质类型的识别。结果表明,基于最佳波段组合的道路路面材质识别结果均优于基于原始影像和主成分分析影像的识别结果,识别精度满足要求。该方法可快速、高效识别大区域的道路路面材质类型,为道路的路面健康检查和评价提供数据支撑。