- 王龙;王小龙;戚丁檀;李瑞;许勇彬;
目的 风力机在风沙环境下工作时,叶片会受到不同程度的腐蚀,降低气动性能,为研究缺陷翼型的动态失速特性。方法 利用SST k-ω湍流模型模拟了S809翼型正弦振荡动态失速,并将结果与美国OSU风洞试验数据进行对比,显示出较好的一致性。在此基础上对前缘缺陷形状为圆形、三角形、矩形的翼型缺陷深度均为h/c=1%的S809翼型进行动态失速研究。结果 发现前缘缺陷使得流动分离点前移,流动附着角度也相应减小;翼型下俯过程会导致翼型尾缘失速涡附着性降低并向尾缘滑移,进入深度失速后翼型下俯阶段涡脱落频率大于上仰阶段。结论 前缘缺陷对小攻角阶段翼型非定常气动力系数影响较小;在大攻角阶段前缘缺陷对翼型升、阻力系数与升阻比的影响显著,气动力系数快速变化,阻力系数急剧增加。研究结果可为恶劣环境下风力机翼型及叶片的设计和维护提供重要参考价值。
2025年01期 v.45;No.196 42-48页 [查看摘要][在线阅读][下载 1567K] [下载次数:96 ] |[网刊下载次数:0 ] |[引用频次:2 ] |[阅读次数:5 ] - 胡业林;吴曼;钱文月;
目的 针对电机劣化等级样本不均衡及劣化分类精度低等问题。方法 提出一种谐波诊断技术与改进DCGAN-AlexNet相结合的劣化等级分类方法。首先,为了解决电机劣化样本的不均衡性,建立了一种基于Wasserstein距离深度卷积生成对抗网络(W-DCGAN),用于样本数据增强,从而扩充数据集。其次,在传统AlexNet网络基础上进行修改,应用批归一化,改变卷积核大小,简化全连接层并增加随机失活层(DropOut),且在归一化之后加入注意力机制模块(CBAM),使得修改的模型可以更好地进行特征提取,增强特征学习能力。最后,对所提模型的有效性进行实验验证。结果 改进后的CBAM-AlexNet网络模型参数量减少到原来的56%,并且在小样本条件下能够有效提高电机劣化等级分类的识别精度。结论 谐波诊断技术与改进DCGAN-AlexNet相结合,模型小且识别准确率高,为电机劣化等级诊断技术的发展提供了新的思路和高效的解决方案。
2025年01期 v.45;No.196 49-56页 [查看摘要][在线阅读][下载 1299K] [下载次数:121 ] |[网刊下载次数:0 ] |[引用频次:1 ] |[阅读次数:2 ] - 高昕;郑前东;
目的 为降低环境因素对电力负荷预测的影响以及提高短期负荷预测精度。方法 提出一种结合皮尔逊相关系数(PCC)、主成分分析(PCA)、金枪鱼群优化算法(TSO)改进BP神经网络的短期电力负荷预测模型。首先,为消除无关变量的影响,利用PCC进行特征选取,挑选出与负荷预测有关的气象属性;其次,利用PCA提取气象特征序列中的关键影响因子,消除原始序列的相关性和冗余性,降低模型输入维度,提高训练效率;最后,为解决传统BP神经网络在初始权重和阈值参数上具有随机性的问题,采用TSO来搜寻最优解代替随机参数,获得改进的模型。结果 利用某一地区的电力负荷数据进行仿真分析,结果表明所构建模型预测平均绝对百分比误差达到了0.52%。结论 证明了经特征选取与TSO优化后模型具有更高的预测精度。
2025年01期 v.45;No.196 57-63页 [查看摘要][在线阅读][下载 1353K] [下载次数:114 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:2 ] - 姚善化;潘品杨;王仲根;
目的 为改善遥感图像局部区域模糊、部分细节信息重建丢失等问题。方法 提出一种基于空洞卷积和混合注意力的遥感图像超分辨率重建算法。首先经过浅层特征提取模块得到浅层特征图,再利用卷积与空洞卷积以及非线性激活块相结合,扩大了整体感受野,提升了训练过程的稳定性,从而增强深层特征表达能力;其次,使用级联的空间注意力与通道注意力模块来改善高频信息缺失问题;最后,对所提取的特征进行上采样和重建获得高分辨率图像。结果 在NWPU RESISC45和UCMerced-LandUse数据集上,仿真结果分析表明,该算法的峰值信噪比与结构相似性两项评价指标均优于所对比算法,在主观视觉效果上,重建图像也更能突出纹理细节信息。结论 所提算法拥有更好的重建效果,提升了遥感图像的质量和可用性。
2025年01期 v.45;No.196 64-73+98页 [查看摘要][在线阅读][下载 1415K] [下载次数:159 ] |[网刊下载次数:0 ] |[引用频次:1 ] |[阅读次数:0 ]