摘要：非侵入式负荷分解能从家庭总表数据中分解出单个负荷的运行状态,这对用户调节自身用电策略、参与需求侧响应具有重要意义。针对当前负荷分解模型受限于欧式空间下数据的顺序输入,无法准确描述电器不同运行状态之间的时间关联性导致分解准确度不高的问题,提出一种图数据建模与图表示学习的非侵入式负荷分解方法。首先基于图理论将待分解信号转换为包含节点和边的图数据。其次,设计带残差机制的图卷积网络充分挖掘低采样频率下数据包含的属性特征和时间关联性特征,构建负荷分解的图表示学习。然后,针对模型分解结果缺乏精细化修正策略的问题提出改进的后处理方法,进而全面提升模型的综合性能。最后,使用公开数据集AMPds2和REDD进行验证,结果表明该文方法具有较低的分解误差和较强的泛化性能。

摘要：针对普通车削不能很好的满足一些难加工材料性能要求的情况,提出了超声波辅助车削技术,这项技术是将超声振动有规律地叠加在刀具上,形成稳定有规律的振动,这样就会产生动摩擦并且以动摩擦代替静摩擦。通过对超声车削加工和普通车削加工在不同切削速度和切削厚度时的有限元模拟仿真,分别探讨在相同条件下不同厚度、不同切削速度对瞬时切削力的影响;同时,对比普通车削和超声车削在加工过程中的等效应力云图,可以得出超声车削在加工难加工材料时的优越性。