应用等效磁网络方法分析电力变压器漏磁场分布

应用等效磁网络方法分析了电力变压器的漏磁场分布．等效磁网络方法是一种介于场与路之间的数值计算方法,其原理简单,实现方便．文中给出了等效磁网络模型和建立等效磁网络方程组的方法,以及用此方法求得的变压器漏磁场分布与阻抗电压,并与二维有限元分析结果作了对比．研究结果表明,等效磁网络方法是一种简洁而不失准确的数值计算方法     

带投资收益的离散风险模型研究

在离散复合二项模型中加入一个随机投资收益而得到带投资的离散风险模型,在这种模型下得到了破产概率所满足的积分方程,有限时间内破产、破产时刻、破产前一刻盈余和破产时赤字的联合分布的递推公式,也得到了和经典模型相类似的破产概率表达式和Lundberg不等式.     

基于多径参数模型和混合优化的时变水声信道跟踪

针对海洋水声信道的稀疏特性,将多径水声信道冲激响应建为一个由各多径分量的时延和幅度组成的多径参数模型.该模型中输入信号向量产生的响应与多径时延参数呈非线性关系,与多径幅度参数呈线性关系.基于此特点,针对海洋水声信道的时变特性,分别采用进化算法和LMS自适应算法对模型中的多径时延和幅度参数进行混合寻优,从而解决时变信道条件下模型参数寻优困难的问题.仿真及海试信道跟踪实验结果表明:采用多径参数模型可降低模型寻优对象的维数,减少运算复杂性,提高估计效率;采用混合优化算法可减少多径参数模型的非线性寻优的复杂度,与进化算法相比,该算法具有更优越的时变信道跟踪性能.     

边坡稳定和滑坡实例计算对比分析

文章以文献中的大量边坡稳定和滑坡为工程实例,应用边坡稳定分析应力状态方法的解析公式,进行边坡安全系数的计算,计算结果与文献中的条分法、非线性模型、神经网络、有限元强度折减等方法的结果相比较,定性结果比较一致.由于应力状态法解析解具有完整的数学力学模型,大大简化了计算程序、应用软件的依赖过程,较真实地反映了实际土坡的稳定...     

声矢量传感器目标方位估计

对偶极子型声矢量传感器应用于水声目标方位估计的信号处理方法进行了分析和研究 ,并采用傅立叶分解方法 ,将一般的窄带信号偶极子定向处理方法推广到宽带 ,推导出了相应的处理算法 .经计算机模拟计算 ,在特殊角度用波束旋转后 ,方位估计精度一般高于 2°,海上试验也验证了本文方法的有效性     

一类非线性奇摄动边值问题的渐近解

利用匹配渐近展开法,研究了一类带参数的非线性奇摄动边值问题.首先找到满足退化方程的外部解,然后根据参数k的变化分五种情况找到用特殊函数表示的内层解,得到了该问题具有左边界层、右边界层或内部层之一的结论(其中左、右边界层又各分为两种情况).最后通过匹配原则,将内外展开式进行匹配给出了该问题的一致有效的零阶渐近展开式.     

改进的建筑工人疲劳与不安全行为实验测量方法

研究建筑工人疲劳和不安全行为之间的关系,有利于施工安全与事故预防.然而,当前研究主要采用主观评价量表和问卷调查等方法收集相关数据,主观性较强.该研究以现有安全绩效实验方法为基础,通过分析其局限性,综合考虑生理和心理两类疲劳,对现有实验方法进行了改进.通过检验实验验证了改进后实验方法的可行性和有效性.结果 表明:改进后的...     

亚纳秒脉冲高电压测量探头

为测量紧凑型快前沿高电压脉冲源的输出电压,设计了D-dot电压探头。分别进行了刻度因素标定和频响标定,采用前沿约50 ns的高压脉冲信号对探头进行在线标定确定探头的刻度因素。将探头安装在阻抗为50 的传输线上,用亚纳秒脉冲源进行频响标定,表明该探头的响应约为150 ps。高压实验结果表明该探头能够正确获取高电压快脉冲信号,工作稳定可靠。

     

氮-磷共掺杂石墨烯量子点制备及荧光特性

为了制备氮-磷共掺杂石墨烯量子点(N,P-GQDs)以探索其荧光性质的可调性,我们采用水热法以柠檬酸为碳源,六氯三聚磷腈为氮源、磷源,制备出了蓝色光致发光的氮-磷共掺杂石墨烯量子点(N,P-GQDs)。通过一些测试表征可以发现:制备的N,P-GQDs尺寸分布均匀,其横向平均尺寸约4.8 nm,晶格间距为0.24 nm,纵向平均厚度约0.95 nm。在光学性能测试中,观察到N,P-GQDs的荧光发射光谱对激发波长具有强的依赖性,其对可见光表现为较强的吸收性。通过量子产率公式计算得出N,P-GQDs的量子产率为10.4%。所制备出的N,P-GQDs具有优异的抗漂白能力及光学稳定性。通过调节样品的稀释浓度比例对N,P-GQDs的荧光性质的可调性进行研究,发现随着稀释倍数的增加,荧光强度先增加后下降。此外,发现制备的N,P-GQDs对Fe³⁺产生强烈的复合作用,使N,P-GQDs荧光猝灭,由此建立了Fe³⁺的传感分析方法。     

基于物理信息神经网络的光斑质心计算

为了实现强噪声干扰下的远场光斑质心高精度计算,研究了一种基于物理信息神经网络的质心定位方法—质心物理信息神经网络(centroid-PINN),该方法利用U-Net神经网络优化质心计算误差损失.为了验证该方法,利用模拟产生不同强度的两种类型噪声(斜坡噪声和白噪声)干扰下的高斯光斑训练网络.通过两种类型的光斑(高斯光斑和类Sinc函数光斑)测试神经网络,均得到了较高的质心定位精度.相比传统质心定位计算方法, centroid-PINN无需根据噪声水平设置参数,特别是能够处理斜坡噪声的干扰,获得高精度定位结果.成果可用于高性能激光光斑质心参数测量设备的研制,对于夏克-哈特曼波前测量装置的研制也有一定的借鉴意义.