有载分接开关(on-load tap changer,OLTC)是电力变压器中故障频率较高的部件之一,为了实现有载分接开关的故障诊断,提出了一种基于重心平均动态时间规整算法的故障诊断方法。针对OLTC振动信号的非线性与强时变性,提出自适应变分模态分...有载分接开关(on-load tap changer,OLTC)是电力变压器中故障频率较高的部件之一,为了实现有载分接开关的故障诊断,提出了一种基于重心平均动态时间规整算法的故障诊断方法。针对OLTC振动信号的非线性与强时变性,提出自适应变分模态分解算法,计算OLTC振动信号的时频特征矩阵。进一步地,引入重心平均动态时间规整算法,自适应地计算OLTC振动信号时频特征矩阵之间的差异度,从而实现OLTC的故障诊断。研究结果表明,利用重心平均动态时间规整算法能够通过计算多组信号的重心平均序列提高故障诊断的鲁棒性。同时,基于所计算的差异度,不仅能够实现OLTC故障的有效诊断,还能在一定程度上定量表征故障的严重程度。该研究能够为OLTC的故障诊断提供新的思路。展开更多
随着眼动追踪技术的进步和设备成本的降低,眼动追踪技术已广泛应用于智能教育领域,分析眼动数据以评估学习状态成为智能教育中一个十分重要的环节。眼动扫描路径可以直接或间接地反映思维模式及心理状态的变化,通过分析扫描路径探索学...随着眼动追踪技术的进步和设备成本的降低,眼动追踪技术已广泛应用于智能教育领域,分析眼动数据以评估学习状态成为智能教育中一个十分重要的环节。眼动扫描路径可以直接或间接地反映思维模式及心理状态的变化,通过分析扫描路径探索学习者眼动行为的共性和差异性,为改善视觉内容和给出指导性意见提供重要参考。首先研究在同一任务情况下学习者扫描路径的时间序列表示和聚类,通过聚类结果评估专注、走神及信息迷航等三种学习状态。进而对重心平均动态时间规整(DTW barycenter averaging,DBA)算法进行改进,并用于提取群体眼动模式,结合动态时间规整(dynamic time warping,DTW)算法计算扫描路径的相似度和确定聚类种子,采用距离密度聚类(distance density clustering,DDC)算法进行聚类。实验表明,基于时间序列的眼动模式挖掘能够识别群体观看行为。而聚类揭示了不同的阅读策略,并提供了评估学习状态的能力。展开更多
The brittleness analysis and important nodes detection have been a hot spot in the complex networks.How to get the overall feature of the whole network and how to find out some important nodes are requisites to solve ...The brittleness analysis and important nodes detection have been a hot spot in the complex networks.How to get the overall feature of the whole network and how to find out some important nodes are requisites to solve these problems. In this paper, we adopt the trace of the adjacency matrix and the centrality of the complex networks to give a quantitative and qualitative analysis of networks being studied. Results show that the k-shell plays a more important role than the degree centrality and the betweenness in finding important nodes, and it can also be used to give direction on the immunization and maintenance of complex networks.展开更多
文摘有载分接开关(on-load tap changer,OLTC)是电力变压器中故障频率较高的部件之一,为了实现有载分接开关的故障诊断,提出了一种基于重心平均动态时间规整算法的故障诊断方法。针对OLTC振动信号的非线性与强时变性,提出自适应变分模态分解算法,计算OLTC振动信号的时频特征矩阵。进一步地,引入重心平均动态时间规整算法,自适应地计算OLTC振动信号时频特征矩阵之间的差异度,从而实现OLTC的故障诊断。研究结果表明,利用重心平均动态时间规整算法能够通过计算多组信号的重心平均序列提高故障诊断的鲁棒性。同时,基于所计算的差异度,不仅能够实现OLTC故障的有效诊断,还能在一定程度上定量表征故障的严重程度。该研究能够为OLTC的故障诊断提供新的思路。
基金Supported by the Natural Science Foundation of Hebei Province(F2009000321,F2007000643)the Natural Science Foundation of Hebei University of Science and Technology(XL200838)
文摘随着眼动追踪技术的进步和设备成本的降低,眼动追踪技术已广泛应用于智能教育领域,分析眼动数据以评估学习状态成为智能教育中一个十分重要的环节。眼动扫描路径可以直接或间接地反映思维模式及心理状态的变化,通过分析扫描路径探索学习者眼动行为的共性和差异性,为改善视觉内容和给出指导性意见提供重要参考。首先研究在同一任务情况下学习者扫描路径的时间序列表示和聚类,通过聚类结果评估专注、走神及信息迷航等三种学习状态。进而对重心平均动态时间规整(DTW barycenter averaging,DBA)算法进行改进,并用于提取群体眼动模式,结合动态时间规整(dynamic time warping,DTW)算法计算扫描路径的相似度和确定聚类种子,采用距离密度聚类(distance density clustering,DDC)算法进行聚类。实验表明,基于时间序列的眼动模式挖掘能够识别群体观看行为。而聚类揭示了不同的阅读策略,并提供了评估学习状态的能力。
文摘The brittleness analysis and important nodes detection have been a hot spot in the complex networks.How to get the overall feature of the whole network and how to find out some important nodes are requisites to solve these problems. In this paper, we adopt the trace of the adjacency matrix and the centrality of the complex networks to give a quantitative and qualitative analysis of networks being studied. Results show that the k-shell plays a more important role than the degree centrality and the betweenness in finding important nodes, and it can also be used to give direction on the immunization and maintenance of complex networks.
