用于短期风功率预测的历史数据深度迁移模型

随着全球化石燃料短缺日益严重,可再生能源的开发与利用愈发得到重视。风能是被广泛使用的清洁能源之一,在生产工作中,风力发电作为风能的主要利用形式,需要对其功率进行预测。依托风场日常记录的历史数据,传统学习模型可对风功率进行短期预测,但往往仅使用自己域内的历史数据作为分析对象,该类算法导致结果片面,局限性大,不能有效使用类数据中的隐含联系,抑制原始数据缺失或异常值引起的模型性能下降问题。笔者设计一种基于历史数据深度迁移的短期风功率预测模型。首先,使用带降噪处理的自动编码机构建深度神经网络模型。其次,应用深度迁移方法共享隐藏层,挖掘特征之间的隐含联系。最后,从具有相似特征和地理位置的风场数据中迁移重要知识,提高模型准确率和可靠性。实验结果表明,研究方法较之未使用迁移的方法更充分利用现有数据,预测准确率显著提高。     

基于电磁感应的脉冲功率发生器试验研究

为了验证基于电磁感应原理的脉冲发生器的可行性,设计了一种小型脉冲发生器试验模型。对发生器的初始磁场与磁芯转变过程进行了分析与计算,建立了发生器的等效电路模型,并结合试验测量的负载电阻电压得出发生器的感应电压。设计的发生器整体直径约70mm,长度约85mm,其中磁芯直径为25mm,长度为25mm,提供初始磁场的永磁体厚度为10mm,试验得出发生器感应电压峰值为784.5V,与理论计算结果基本吻合,验证了发生器的可行性。     

基于畸变分离的摄像机标定方法

在摄像机标定过程中,为了避免对摄像机模型中的畸变系数进行多次重复标定,提出一种将二阶径向畸变系数与摄像机模型分离的标定方法.该方法利用畸变形成的围线面积作为畸变评测函数,用模拟退火原理改进粒子群算法的惯性权重和学习因子;然后用改进的粒子群算法标定摄像机的畸变系数和图像中心点坐标,最后计算其他的摄像机参数.该方法无需预先知道摄像机的任何内外参数,算法简单,易于实现.实验表明,该方法与传统的非线性优化方法相比,图像坐标的平均反投影误差明显减小,而且具有更好的鲁棒性和精度.     

爆炸式电磁感应脉冲发生器

为了探索脉冲发生器新的技术方法,在传统脉冲发生器的基础上,提出了一种依靠爆炸驱动的电磁感应脉冲发生器。介绍了发生器的工作过程,对发生器中炸药的爆炸和冲击过程进行了计算和数值模拟,建立了带有初始电压和初始静磁场的发生器的工作电路模型,得出了感应电压的计算方法。设计了一种通过永磁体提供初始静磁场的脉冲发生器,并分别对装有两种不同炸药的发生器进行了实验。实验表明:爆速较高的炸药驱动发生器可产生峰值更高的电压脉冲。实验结果偏低于计算结果,原因是理论计算中简化了磁芯磁场和冲击波速度。