以双馈风力发电系统(doubly-fed induction generator based wind energy conversion system,DFIG-based WECS)为例,利用小信号分析法推导出由风机、双质量块传动链构成的动力与传动系统通用传递函数方程。动力与传动系统传递函数的零...以双馈风力发电系统(doubly-fed induction generator based wind energy conversion system,DFIG-based WECS)为例,利用小信号分析法推导出由风机、双质量块传动链构成的动力与传动系统通用传递函数方程。动力与传动系统传递函数的零极点位置、稳定性与系统参数及系统运行工作点相关。该传递函数可进一步分解为扭转分量和非扭转分量。传动链参数仅对扭转分量造成影响。在此基础上,建立了考虑动力传动、电机、变流器、控制等环节的风力发电系统传递函数模型。模型综合了各环节参数,可直观反映系统参数对系统响应的影响,有助于深入了解系统动态行为。算例及时域仿真结果证明了所提出传递函数模型的准确性和高效性,可为系统参数设计研究提供理论依据。展开更多
针对现有研究未充分关注控制棒驱动机构(control rod drive mechanism,CRDM)的早期故障诊断问题、很难将故障特征定位至具体部件以及人工引入的故障样本与装备实际故障特征存在差异等不足,提出了一种基于振动信号的CRDM滚轮早期故障诊...针对现有研究未充分关注控制棒驱动机构(control rod drive mechanism,CRDM)的早期故障诊断问题、很难将故障特征定位至具体部件以及人工引入的故障样本与装备实际故障特征存在差异等不足,提出了一种基于振动信号的CRDM滚轮早期故障诊断方法:首先,利用寿命考核试验时机采集了某密封磁阻马达式CRDM的滚轮全寿命振动信号,基于经验模态分解(empirical mode decomposition,EMD)和Hilbert变换方法进行解调分析,获得与滚轮退化状态相关的模态成分;然后,采用时、频域分析方法获得了11个能够直接表征CRDM滚轮磨损状态的特征量,并根据退化趋势提取出与实际故障特征高度吻合的早期故障样本;最后,分别基于BP神经网络和支持向量机两种方法实现了CRDM滚轮早期故障的多特征智能诊断。结果表明:提取的滚轮早期磨损故障样本与实际运行过程保持了较好的一致性,证明所提CRDM滚轮早期故障诊断方法具有较强的工程应用价值。展开更多
为了提高呼吸信号判别驾驶疲劳的准确率,通过模拟驾驶试验探究呼吸信号与驾驶员疲劳状态的关系,提出呼吸疲劳节点的概念,并基于呼吸疲劳节点判别驾驶员的疲劳状态。首先,通过模拟驾驶试验采集驾驶员的呼吸信号,采用Karolinska嗜睡量表(K...为了提高呼吸信号判别驾驶疲劳的准确率,通过模拟驾驶试验探究呼吸信号与驾驶员疲劳状态的关系,提出呼吸疲劳节点的概念,并基于呼吸疲劳节点判别驾驶员的疲劳状态。首先,通过模拟驾驶试验采集驾驶员的呼吸信号,采用Karolinska嗜睡量表(Karolinska sleepiness scale, KSS)对疲劳程度进行主观自评量化。其次,把单位时间内眼睛闭合百分比(percentage of eyelid closure over the pupil over time, PERCLOS)作为参考,与主观自评反馈结合,对驾驶员呼吸疲劳节点进行标定。最后,基于呼吸疲劳节点利用随机树算法(random tree, RT)获得轻/重度呼吸疲劳变化节点的判别模型。结果表明:该模型能更加及时、准确地判别出驾驶员的疲劳状态;基于随机树算法获得的筛选条件对轻度呼吸疲劳变化节点识别的准确性要高于重度呼吸疲劳变化节点;轻/重度呼吸疲劳变化节点的平均识别误差分别为3.50 min和3.66 min,预测准确率分别为92.09%和92.03%。展开更多
3GPP在版本16(R16,Release 16)中升级了最小化路测(MDT,minimization of drive test)技术,提出移动终端可利用4G/5G网络自主上报Wi-Fi信号的接收信号强度指示(RSSI,received signal strength indicator),为运营商度量Wi-Fi网络的覆盖率...3GPP在版本16(R16,Release 16)中升级了最小化路测(MDT,minimization of drive test)技术,提出移动终端可利用4G/5G网络自主上报Wi-Fi信号的接收信号强度指示(RSSI,received signal strength indicator),为运营商度量Wi-Fi网络的覆盖率带来了可能性。然而,现有基于MDT技术的网络覆盖度量方法严重依赖GPS提供的位置坐标,但全球定位系统(GPS,global positioning system)不能提供室内精准定位,无法用于室内Wi-Fi网络的覆盖度量。为此,提出了一种不依赖位置坐标的RSSI聚类方法,充分利用室内相近位置RSSI的统计相似性,区分不同位置的RSSI测量差异,在无位置坐标条件下准确估计出室内Wi-Fi网络的覆盖率。实验结果表明,所提方法估计的覆盖率与基于真实位置坐标测量的覆盖率相近,度量准确度明显优于现有的其他方法。展开更多
文摘以双馈风力发电系统(doubly-fed induction generator based wind energy conversion system,DFIG-based WECS)为例,利用小信号分析法推导出由风机、双质量块传动链构成的动力与传动系统通用传递函数方程。动力与传动系统传递函数的零极点位置、稳定性与系统参数及系统运行工作点相关。该传递函数可进一步分解为扭转分量和非扭转分量。传动链参数仅对扭转分量造成影响。在此基础上,建立了考虑动力传动、电机、变流器、控制等环节的风力发电系统传递函数模型。模型综合了各环节参数,可直观反映系统参数对系统响应的影响,有助于深入了解系统动态行为。算例及时域仿真结果证明了所提出传递函数模型的准确性和高效性,可为系统参数设计研究提供理论依据。
文摘为了提高呼吸信号判别驾驶疲劳的准确率,通过模拟驾驶试验探究呼吸信号与驾驶员疲劳状态的关系,提出呼吸疲劳节点的概念,并基于呼吸疲劳节点判别驾驶员的疲劳状态。首先,通过模拟驾驶试验采集驾驶员的呼吸信号,采用Karolinska嗜睡量表(Karolinska sleepiness scale, KSS)对疲劳程度进行主观自评量化。其次,把单位时间内眼睛闭合百分比(percentage of eyelid closure over the pupil over time, PERCLOS)作为参考,与主观自评反馈结合,对驾驶员呼吸疲劳节点进行标定。最后,基于呼吸疲劳节点利用随机树算法(random tree, RT)获得轻/重度呼吸疲劳变化节点的判别模型。结果表明:该模型能更加及时、准确地判别出驾驶员的疲劳状态;基于随机树算法获得的筛选条件对轻度呼吸疲劳变化节点识别的准确性要高于重度呼吸疲劳变化节点;轻/重度呼吸疲劳变化节点的平均识别误差分别为3.50 min和3.66 min,预测准确率分别为92.09%和92.03%。
文摘3GPP在版本16(R16,Release 16)中升级了最小化路测(MDT,minimization of drive test)技术,提出移动终端可利用4G/5G网络自主上报Wi-Fi信号的接收信号强度指示(RSSI,received signal strength indicator),为运营商度量Wi-Fi网络的覆盖率带来了可能性。然而,现有基于MDT技术的网络覆盖度量方法严重依赖GPS提供的位置坐标,但全球定位系统(GPS,global positioning system)不能提供室内精准定位,无法用于室内Wi-Fi网络的覆盖度量。为此,提出了一种不依赖位置坐标的RSSI聚类方法,充分利用室内相近位置RSSI的统计相似性,区分不同位置的RSSI测量差异,在无位置坐标条件下准确估计出室内Wi-Fi网络的覆盖率。实验结果表明,所提方法估计的覆盖率与基于真实位置坐标测量的覆盖率相近,度量准确度明显优于现有的其他方法。
