200 kA铝电解系列整流装置谐波治理研究

分析了某200 kA铝电解系列整流装置网侧谐波电流和功率因数情况,介绍了滤波器的设计原理,并针对整流装置的谐波状况设计了一种单调谐滤波器加高通滤波器的滤波结构.实践证明该滤波装置运行效果良好,能满足谐波治理和功率补偿要求.     

蒙特卡洛法在求解空气隙膜蒸馏数学模型中的应用

对空气隙膜蒸馏建立数学计算模型，并首次采用蒙特卡洛法对膜蒸馏数学模型求解．理论计算蒸馏通量与实验结果吻合较好，表明采用的数学模拟及计算方法是可行的，对预测空气隙膜蒸馏通量进行有价值的探讨．     

分析预测理论以及在空间位置探测数据处理中的应用(续四)--运动模式的识别技术

前面系列文章[1-3]将空间位置探测数据的处理问题转换成SSS^ 问题(单目标不同种类、不同精度，不同平台探测数据的处理问题，SSS问题是单平台单探测器单目标滤波问题)、关联技术^ (将来自相同或不同探测器、相同或不同平台的，相同或不同周期的同一个目标的探测数据构成一个集合的技术)、以及航迹融合技术；并证明了需要进行处理的探测数据可以根据其对应的空间位置序列是否来自相同的运动模式而分成三种类型；来自一个相同的运动模式类；来自两个不同相同的运动模式类；来自三个不相同的运动模式类(其中间的运动模式下的探测数据由于可能获得的探测数据数量有限，所以没有使用的价值)；以及SSS^ 问题在分析预测理论的处理方法与处理SSS的方法完全相同，唯一的区别在于获得构成约束的探测域的方式不同。本篇文章开始讨论SSS^ 数据的处理问题，SSS^ 处理技术包含三个部分，目标运动模式的识别技术(本篇讨论内容)，多项式与圆周运动模式的滤波技术(下一篇研究内容)，以及一般运动模式的滤波技术(第六篇主题)。在更加以后的文章里讨论关联技术^ 和航迹融合技术。本文集中讨论了，那些种类的目标运动模式的先验知识，如何获得这些目标识别的先验知识，以及在识别过程中如何使用这些先验知识。     

微机保护中3种滤波算法的比较研究

针对信号中非周期分量,频率偏移,分数次谐波对基波分量计算精度的影响,对傅里叶、差分滤波和并联补偿3种滤波算法进行了分析比较。通过大量仿真计算,得出的结论是:并联补偿算法滤除非周期分量的效果最好;傅里叶算法在频率偏移的情况下稳定性要好于其他2种;存在分数次谐波时,差分滤波求得基波分量幅值和相角的误差最小。此结论对工程实际应用具有一定的指导意义。     

风加速Ⅱ型混凝土梁碳化试验研究

已有工程检测、理论分析和试验研究表明，风对混凝土碳化的加速作用是客观存在的，进而导致混凝土构件截面耐久性不等。铁路公路桥梁等混凝土保护层直接外露的结构，其碳化受风影响的程度更为明显，研究不同形状桥梁梁体的不同部位混凝土受风影响的碳化情况具有较大的现实意义。本文进行了风加速Ⅱ型混凝土梁的碳化试验，对试验结果进行了分析总结，并采用试验数据对理论模型的计算结果进行了检验。考虑风对混凝土碳化的加速作用对混凝土结构的等耐久性设计具有重要意义。     

舰船移动通信中的平滑调频（TFM）技术

本文根据对平滑调频信号相位路径的要求，分析了预调滤波器应具有的特性，介绍了实现ＴＦＭ调制的工作原理，并设计了用正交调制法实现ＴＦＭ调制的电路框图，并给出了ＴＦＭ信号的频谱特性。     

基波串联谐振式混合有源滤波器的研究

主要研究一种基波串联谐振式混合有源滤波器.首先介绍其拓扑结构及主要特点;接着讨论其采用检测电网电流型控制策略时的工作原理,基本思想是通过适当控制有源部分来等效增大电网支路的谐波阻抗;最后从抑制电网阻抗与无源滤波器之间的串联和并联谐振、改善无源滤波器的滤波效果以及提高整个系统的鲁棒性这3个方面详尽分析了该滤波器的稳态补偿特性.     

基于A-INS组合导航的现代有轨电车轨道几何状态快速精密测量

铁路轨道是现代有轨电车运行的基础,其几何状态对于车辆的运行安全、行车速度、平稳舒适性起着决定性的作用。传统轻型轨道几何状态测量仪(轨检小车)以高精度全站仪为核心测量设备来检测轨道几何平顺性,测量效率低,难以满足线路维护的需求。提出基于带有辅助信息的惯性导航系统(A-INS),通过获取轨道的高精度三维坐标和姿态的方法,来实现有轨电车轨道几何平顺性的快速检测与准确评估。在武汉现代有轨电车轨道几何不平顺测量应用结果表明,轨向不平顺和高低不平顺重复测量误差小于0.2 mm,超高和轨距偏差的重复测量误差小于0.2 mm。实测结果说明:基于A-INS组合导航的轨道几何状态测量系统,可以满足现代有轨电车轨道不平顺检测的精度要求。     

液压挖掘机液压系统清洁度的控制

液压系统是液压挖掘机的一个重要组成部分,保持液压系统的清洁度可以降低机器发生故障而停机的几率.主要介绍了通过控制污染物的生成,减少残留污染物和正确选用与合理使用滤油器等方法来控制液压系统的清洁度.     

Wave data assimilation with the Kalman filter

A new data assimilation method for ocean waves is presented, based on an efficient low-rank approximation to the Kalman filter. Both the extended Kalman filter and a truncated second-order filter are implemented. In order to explicitly estimate past wind corrections based on current wave measurements, the filter is extended to a fixed-lag Kalman smoother for the wind fields. The filter is tested in a number of synthetic experiments with simple geometries. Propagation experiments with errors in the boundary condition showed that the KF was able to accurately propagate forecast errors, resulting in spatially varying error correlations, which would be impossible to model with time-independent assimilation methods like OI. An explicit comparison with an OI assimilation scheme showed that the KF also is superior in estimating the sea state at some distance from the observations. In experiments with errors in the driving wind, the modeled error estimates were also in agreement with the actual forecast errors. The bias in the state estimate, which is introduced through the nonlinear dependence of the waves on the driving wind field, was largely removed by the second-order filter, even without actually assimilating data. Assimilation of wave observations resulted in an improved wave analysis and in correction of past wind fields. The accuracy of this wind correction depends strongly on the actual place and time of wave generation, which is correctly modeled by the error estimate supplied by the Kalman filter. In summary, the KF approach is shown to be a reliable assimilation scheme in these simple experiments, and has the advantage over other assimilation methods that it supplies explicit dynamical error estimates.