课程文献中心 更多>>

关键词： 边缘计算   新能源台区   实数化   潮流算法   计算策略  

摘要： 供电台区接入的新能源电源比例日益提高,不可回避地带来了调控需求,因此亟需相适应的边缘潮流算法。为了在通信条件薄弱、计算资源有限的场景下,兼顾准确性、实用性、高效性,提出一种面向400 V供电台区边缘计算的实数化潮流算法。鉴于400 V台区网络呈阻性且设备功率因数较高的特点,将交流变量从向量和简化为标量和;设计了相应的节点转化策略与迭代算法;提出了数据缺失情况下的赋值策略;进一步提出了基于灵敏度修正或再次迭代计算的在线计算策略。通过仿真算例分析,最后验证了所提算法的准确性与实用性。

关键词： 信息化协同   民爆设备   管理  

摘要： 在信息化时代背景下,如何通过信息技术、信息技术推动企业实现信息化转型是各行业未来发展的必然趋势.而对于民爆企业而言,通过信息化协同能够有效提高民爆设备管理效率和安全性,从而为企业发展提供更好的保障.我国民爆企业的发展历史较为悠久,大部分民爆企业采用的民爆设备管理模式仍然较为传统,信息化、自动化水平较低,难以对民爆设备管理中存在的问题进行精确管控和预测,因而需要相关人员加强对信息化协同的重视度,通过信息技术推动民爆设备管理实现现代化升级转型,为企业未来高质量发展提供更好的保障.

关键词： 沥青混合料   动态模量   相位角   增强算法  

摘要： 沥青混合料的动态模量是沥青路面设计的一个重要参数。利用集成方法从大量的沥青混凝土数据集中提取材料特性、动态模量和相位角信息,对优化沥青路面性能具有重要意义。极限梯度提升模型(extreme gradient boost,XGBoost)通过加权求和聚合一系列决策树模型,构建了一个强大的预测模型,同时通过优化损失函数将预测误差降至最低。为了进一步提高动态模量和相位角预测的准确性,使用启发式算法对模型进行了优化。最初,基于样本初始化基础模型,并计算训练数据的损失函数的梯度。随后,XGBoost利用梯度细节构建决策树模型,优化叶节点权重,并通过加权求和更新模型的预测。在此过程中,使用启发式算法对整个XGBoost模型的最佳参数进行优化。实验结果表明,改进的XGBoost模型在所有性能评价指标上都优于原模型,提高了预测沥青混合料动态模量和相位角的准确性。

关键词： 城镇安全   智能算法   数据融合   强化监管  

摘要： 随着城镇化进程加速,城镇安全监管成为城市治理中的重要环节。本文聚焦算法与数据融合技术在城镇安全监管中的应用,通过智能分析多源数据,精准识别安全隐患,提升监管效率与应急响应速度,为城镇安全管理提供科学依据和技术支撑,有效增强公共安全水平。

关键词： 经验小波变换   样本熵   非局部均值滤波   信号降噪  

摘要： 针对全球导航卫星系统(GNSS)监测坐标时间序列中信号与噪声不易分离的情况,提出了一种融合经验小波变换(EWT)算法与非局部均值(NLM)滤波算法的组合降噪方法。首先,使用EWT算法对非线性、非平稳性信号进行自适应分解,得到若干个具有不同频率特征的经验模态分量;其次,引入样本熵(SE)确定有效信号分量与混合噪声分量分界;最后,使用NLM滤波算法对混合噪声分量进行进一步降噪处理并与有效信号分量进行重构得到最终降噪信号。分别实验仿真信号与实测GNSS坐标时间序列进行实验,结果表明本文提出的组合降噪方法,降噪结果均优于单一的EMD、EWT方法,具有较好的降噪结果。

关键词： 逆变器并联   SVPWM   动态调节   环流抑制  

摘要： 针对逆变器并联系统中的零序环流问题,提出一种基于空间矢量脉宽调制(SVPWM)的零序环流抑制算法。在引入虚拟阻抗后,动态调节SVPWM中零矢量的作用时间,达到环流抑制的目的。搭建逆变器并联系统的Simulink仿真模型,验证基于SVPWM的零序环流抑制算法。结果表明,在输出滤波电感不同的条件下,零序环流峰值从±4 A逐渐减小至0左右。

关键词： 数字经济   财务数字化   数据管理  

摘要： 随着全球经济的快速发展,加之信息技术的不断进步,数字经济时代正式来临,在此时代背景下,企业也面临着前所未有的机遇和挑战。面对这些机遇和挑战,企业必须做出适应性调整,而数字化转型无疑成为了企业生存和发展的必然选择。在企业的数字化转型过程中,财务作为企业的核心部门之一,其数字化转型的重要性不言而喻。财务数字化转型既是企业整体数字化转型的重要组成部分,更直接关系到企业的核心竞争力与可持续发展。对此,本文展开了详细论述,以供参考。

关键词： 中职   计算机教学   传统文化  

摘要： "立德树人"理念下,教育教学工作愈发重视对学生民族文化自信的培养,尤为强调传统文化与学科教学的有机融合.鉴于此,为进一步提升中职计算机教学的育人效果,促进学科教学"立德树人"目标的落实,本文先简要阐述了计算机教学中引入传统文化的价值,然后对计算机教学中引入传统文化的难点进行分析,最后总结了中职计算机教学中引入传统文化的具体方法,以供参考和借鉴.

关键词： 锂离子电池   参数辨识   卡尔曼滤波器   蜣螂算法   协方差矩阵  

摘要： 锂离子电池参数辨识结果是电池状态预测的重要基础,提出了一种基于蜣螂算法(dung beetle optimizer,DBO)优化卡尔曼滤波(Kalman filtering,KF)的方法,用以在线辨识电池模型参数。该方法利用DBO快速全局寻找最优解特点,在KF算法中优化过程噪声和观测噪声的协方差矩阵,提高了识别电池模型参数的准确性。仿真实验数据表明,相较于未优化的KF参数辨识的结果,所提方法辨识误差有明显减少,预测的参数值更加接近真实值。

关键词： Bi-LSTM神经网络   超参数   启发式智能优化算法   刀盘扭矩   性能分析  

摘要： 智能预测合理的刀盘扭矩可有效降低盾构隧道开挖对地层的扰动并减小刀盘磨损,对于盾构安全高效施工具有重要意义.本文基于智能优化算法和深度学习神经网络,提出了盾构隧道刀盘扭矩时序智能预测方法.采用Bi-LSTM神经网络作为深度学习预测模型,分别联合粒子群优化算法(PSO)、遗传优化算法(GA)、饥饿游戏搜索算法(HGS)和麻雀搜索算法(SSA)智能确定Bi-LSTM神经网络的3个超参数,即学习率、神经元数量和丢弃率,进而获得了盾构隧道刀盘扭矩智能预测方法.智能模型预测值与实测值的均方根误差作为4种优化算法的适应度函数,数据预处理采用归一化方法降低不同参数间的量级差异影响.智能预测模型的输入考虑了15个参数对刀盘扭矩的影响,包括1个隧道几何参数、6个地质力学参数和8个盾构掘进参数.结合盾构隧道现场实测数据,从精度、效率和稳定性3个角度评价4种优化算法寻优Bi-LSTM神经网络超参数的性能,结果表明相比于其他3种优化算法,HGS方法具有较好的稳定性、较快的效率和较高的计算精度,是确定Bi-LSTM超参数的适用性方法.