摘要：为了适应多频多负载无线供电应用场景,提出了一种单发射双接收磁耦合多频谐振式无线电能传输系统设计方案。首先,基于互感理论和耦合模理论,建立了单发射双接收无线电能传输系统等效电路模型;其次,通过分析脉宽调制对系统无线电能传输特性的影响规律,提出了一种基于单极性控制的多频复合脉宽调制策略;然后,针对单发射双接收磁耦合多频谐振式无线电能传输系统,设计了一种基于圆角矩形的同轴异侧单发射双接收平面螺旋形磁耦合线圈及相应的高频控制电路和谐振补偿电路;最后,搭建系统样机进行实验测试。测试结果表明,该系统能够同时实现多个磁耦合谐振频率无线电能的有效传输,验证了系统设计方案的可行性及有效性。

摘要：能源结构转型对电力系统用能方式和用电负荷产生重要影响。为了将用户侧用电需求自适应接入配电网、分布式发电系统,实现“源-网-荷”互联,均衡地域间能源供需差异,该文面向低压配电网互联应用,设计了多端口能量路由器的拓扑结构和功率控制策略,并进行了实验验证。测试结果表明多端口能量路由器能够实现不同端口之间的功率互济与平衡控制,为分布式发电接入配电网、实现“源-网-荷”一体化运行提供了模拟实验平台,可为低压配电网就地消纳新能源和稳定运行提供实验数据,以提升未来电网适应灵活性与多样性的新型供电方式。

摘要：目的合成孔径雷达(synthetic aperture radar,SAR)是一种主动式微波传感器,能够获取高分辨率的遥感图像,在海上船舶检测中至关重要。然而,SAR船舶检测主要面临两个挑战:复杂背景和船舶目标尺寸的多样性。为此,提出了适用于SAR船舶检测的多粒度上下文网络。方法首先,设计了多粒度通道注意力(multi-granularity channel attention,MCA)模块,对全局和局部的不同粒度的上下文信息进行加权,以增强对船舶目标重要信息的关注,降低复杂背景对检测结果的干扰。然后,设计了多粒度空洞自适应空间特征融合(multi-granularity atrous adaptive spatial feature fusion,MAASFF)模块,采用自适应空间特征融合的方法,将3种不同扩张率(1、2和3)的空洞卷积提取的特征图进行融合,以减少特征图生成中的上下文信息损失,增强特征金字塔的表示能力,从而提高不同尺寸船舶的检测效果。结果实验结果表明,本文方法在SAR-Ship-Dataset和SSDD(SAR ship detection dataset)两个数据集上与其他9种方法进行比较均取得最佳的检测结果,平均精度分别达到了96.1%和97.0%,进一步验证了该网络在SAR船舶检测任务中出色的性能表现。结论本文提出了一种多粒度上下文网络,旨在抑制复杂背景干扰并增强对多尺寸船舶特征的提取能力,有效提高了SAR船舶检测的准确性。

摘要：现有行人搜索方法着重于从有限的标注场景图中学习有效的行人表征,虽然这些方法取得了一定的效果,但学习更具有身份辨别力的行人表征通常依赖于大规模的标注数据,而获取大规模的标注数据是一个资源、劳动密集型的过程。为此,该文提出了一种场景图多粒度遮挡特征增强算法,对原始场景图进行多粒度随机遮挡,扩充训练数据,并从遮挡后的场景图中生成具有多样化信息的虚拟特征,最后利用生成的虚拟特征增强真实特征中的行人表征。进一步,基于生成对抗学习,该文设计了多粒度特征对齐模块,用于对齐遮挡图像特征和原始图像特征,保持两者语义一致性。实验结果表明,在CUHK-SYSU和PRW数据集上,该算法能够显著提升行人搜索任务的搜索精度。

摘要：面向“物联网系统”“模块化电子系统设计”“自动控制系统设计”等课程,利用模块化电子系统搭建、三维环境交互、智能交互技术,全方位还原物联网应用的典型场景环境;通过工程项目化的教学方式,使学生有直观的认识;同时在实验中引入物联网传感器和控制器的硬件终端,使学生在实验中进行传感器组网、控制器设计,控制算法的嵌入和仿真。教学实践表明,采用虚实结合的实验教学模式极大提高了学生的工程应用能力和综合创新能力。

摘要：场景序列是场景分析及优化的基础,其精度直接影响相关的分析及优化计算的有效性。基于此,提出了一种基于人工智能计及负荷水平约束的新能源出力场景生成新方法,可明显提升所生成场景的精度,并克服调度中心没有有效方法的困难。该新方法的基本过程为:首先采取基于卡尔曼增益信息融合技术进行历史数据扩充,实现了对应历史样本的有效扩充;然后,基于自组织映射网络将历史日负荷曲线进行聚类得到多个日负荷类型簇,把与每个负荷簇内的日负荷曲线在同一天的新能源出力序列划分为相应的簇,得到了负荷水平约束下的源荷信息;最后,构建基于马尔科夫链(Markov chain,MC)日类型转换关系的状态转移矩阵,滚动抽样生成未来一段时间的日类型序列,并结合利用各簇源荷数据训练好的生成对抗网络(generative adversarial network,GAN),生成对应日类型下的96点源荷序列场景。算例证实了所提方法的有效性和先进性。

摘要：台风气象下电网负荷将会出现剧烈波动且威胁到电网安全稳定运行,亟需一种有效的方法来生成相应的负荷需求场景。文中提出一种面向稀少历史样本、基于可解释性条件生成对抗网络(CGAN)的台风负荷场景生成方法。首先,对历史台风负荷进行修正,并根据台风登陆位置、等级等信息对其进行标签分类。然后,提出一种两阶段数据扩充策略以应对数据匮乏问题,第1阶段利用历史台风日负荷序列之间的横纵向相关性信息进行样本扩充,第2阶段利用台风日与非台风日负荷之间的残差信息进一步进行样本扩充。最后,提出基于特征影响指标的CGAN因果解释方法,刻画了不同特征对于模型结果的调控力度大小。算例证实了文中所提模型及方法的有效性和先进性。

摘要：该文提出一种变电站开关设备透明化成熟度评价理论框架,并细分为5个递进等级,信息描述、多点映射、动态可视、时效分析和业务协同,旨在覆盖从数据基础构建到高级应用协同过程。从信息组织、关联交互、融会贯通和功能服务4个维度提出成熟度评价指标,并设计完整应用流程。项目成果可为变电站开关设备数字化技术的高阶应用提供技术参考。

摘要：通讯设备的定位与维修速度是影响通信专线稳定性的关键因素。为提高告警设备故障定位及检修效率,本文设计与实现了一个通信设备劣化性能与告警数据间关联规则自动生成系统。首先,采用Auto-Encoder模型对连续性能数据进行离散化处理,并利用转移矩阵寻找转移概率较小之离散性能数据,将其定义为劣化性能,这一过程旨在挖掘设备的劣化性能特征,统一劣化性能与告警数据的维度,生成与告警数据统一维度的时空二维布尔型数据集。接下来,本文采用深度优先的相互关联规则挖掘方法,将统一维度的二值化数据集作为输入,生成劣化性能与告警数据之间的时序传导规则。同时,为了提升数据处理效率,本文利用Jaccard系数在时间轴上对劣化性能数据进行压缩,合理降低数据规模,从而加速关联规则的生成过程。最后,通过结合离线学习和在线更新策略,系统能够实时输出劣化性能与相关数据之间的关联规则,从而推测并定位关联告警设备。本文基于运营商实际的政企专线数据集,进行了相关的运行测试。测试结果表明,该系统能够准确、快速地生成设备劣化性能数据与告警数据之间的关联规则,并实现根据在线劣化性能数据实时预测并定位关联告警设备的功能。The positioning and repair speed of communication equipment are key factors affecting the stability of communication leased lines. To improve the fault location and maintenance efficiency of alarm devices, this paper designs and implements an automatic system for generating association rules between the degradation performance of communication equipment and alarm data. First, the Autoencoder model is used to discretize continuous performance data, and a transition matrix is applied to identify discrete performance data with a small transition probability, which is then defined as degradation performance. This process aims to extract the degradation performance features of the equipment and unify the dimensions of degradation performance and alarm data, generating a spatiotemporal two-dimensional Boolean dataset with the same dimensions as the alarm data. Next, this paper uses a depth-first mutual association rule mining method, taking the unified-dimensional binary dataset as input to generate temporal propagation rules between degradation performance and alarm data. To enhance data processing efficiency, the Jaccard coefficient is employed to compress the degradation performance data along the time axis, reasonably reducing the data scale, thus accelerating the rule generation process. Finally, by combining offline learning and online updating strategies, the system can output association rules between degradation performance and related data in real-time, thereby predicting and locat

摘要：为了改善足式机器人的适应性行走能力,提出仿生控制和智能优化算法相结合的控制策略.利用Rulkov神经元模型对生物中枢模式发生器(central pattern generator, CPG)进行机理建模;设计了基于CPG模型的单关节和多关节耦合的网络拓扑结构,并利用多目标遗传算法优化CPG单元间的耦合系数矩阵,使得CPG网络的输出信号可以控制机器人关节按照一定的时序发生动作;设计机器人信息融合反馈系统并提出坡面适应性行走控制策略,并以四足机器人GhostDog作为实验对象,在Webots仿真平台上做实验验证.结果表明,所提出的行走控制策略可以控制机器人自主完成模式切换,具有一定的环境适应性.