一、向量组线性关系式的求法及应用（论文文献综述）
张继承[1]（2020）在《CATIA曲面法向量和坐标转换的算法研究与应用》文中提出提出了一种新的算法用于实现VB语言对CATIA曲面法向量和坐标转换的二次开发。该算法基于方向余弦法和新坐标系轴上3个特殊点实现转换,巧妙地解决了CATIA提供给VB语言二次开发中用于测量角度的函数的不稳定性问题,规避了直接采用测量角度进行的一系列计算（如用角度来求方向余弦值）,为CMM数据源的正确性提供了有力保证。基于该研究成果,现已利用VB语言成功开发出"CMM测量点采集辅助软件",并取得了相关软件着作权。
李文杰[2]（2020）在《GⅡ码及其编解码器硬件架构研究》文中研究说明在大多数的数字通信与存储系统中,纠错码（error correction codes,ECC）或者纠删码已经被广泛地用于提高系统的可靠性。作为常见的代数码,RS码和BCH码已经被大量地研究,而且被多个工业标准采纳。通过级联短的代数码,人们可以得到有更好纠错性能的新码。大多数情况下这些代数相关码的解码算法,相较于LDPC和polar码这类的现代编码有着更低的复杂度,并且他们的解码性能可以被精确地分析。Generalized integrated interleaved（GⅡ）码是一种基于RS或者BCH子码的级联码,最早被提出用于分布式存储系统。他们也是一种局部可修复码（locally recoverable codes,LRC codes）,在某些情况下可以仅用部分码字实现纠错或者纠删。因为他们能在复杂度和性能上取得很好的折中,GⅡ码已经引起了很多研究兴趣。本文首先通过与传统的广义级联码（generalized concatenated codes,GC codes）对比,给出GⅡ码的一些特点。此外,提出了一个更广义的转移矩阵的定义。传统的转移矩阵只是其一种特殊情况,只要特定的可逆约束被满足,本文提出的广义转移矩阵的定义使得更多的矩阵可以被采纳。本文为GⅡ-RS码设计了高吞吐率的解码器。这是文献中首次实现GⅡ解码器。为 了缩短GⅡ解码器关键路径,reformulated inversionless Berlekamp-Massey（riBM）算法被采用,并且对传统的GⅡ解码算法进行了算法变形。变形后的算法可以解决GⅡ解码器的吞吐率瓶颈问题。本文还提出了一个巧妙的方法解决了由误解码引起的性能损失问题。综合结果表明设计的GⅡ解码器可以达到超过100 Gbps的吞吐率。本文通过修改转移矩阵简化了 GⅡ-BCH码的编码算法,并进一步提出了对应的编码器架构。该架构证明简化后的编码算法能够带来更低的硬件复杂度和更低的延迟,而不引入任何性能损失。传统的GⅡ码可以被看做是两层的码。在文献中,三层的GⅡ码已经被提出。直觉上来讲,多层GⅡ码有着更低的locality。可是,因为层数越多会导致相应的可逆约束越难满足,所以多层GⅡ码很难被构造。本文很好地解决了这个问题并且提出了一种构造多层GII码的方法,并用仿真结果证明多层GII码有着更低的locality。
康卓然[3]（2020）在《电力系统暂态稳定的近似解析解研究》文中研究指明近些年,中国的电力工业发展迅速,用电量持续快速增长,我国电网呈现出多回大容量直流输送大规模风、光电力的混联电网新形态,预计这种过渡时期的电网结构形态将持续510年左右,而这一复杂结构的出现对电力系统大扰动稳定带来了严峻挑战。关于大扰动稳定性分析方法的研究非常多,总体上可大致分为三类:第一类为基于数值仿真法的算法;第二类为基于李亚普诺夫直接法的算法;第三类为基于数学逼近的解析方法。仿真法目前广泛应用在工程中的机电暂态大扰动稳定问题,但这一方法解析程度低;直接法形式简洁、计算速度快,但对于大规模复杂电网,效果不容乐观;解析解法可以聚焦稳定裕度指标与参数的关系,但侵入式解析解法无法利用商业软件,非侵入式解析解法难以借助电网的结构特征开展稳定分析。目前,理想的混联电网大扰动稳定分析技术仍处于发展中。电力系统大扰动稳定包含大扰动功角稳定与大扰动电压稳定,大扰动功角稳定包含暂态稳定与大扰动动态稳定,本文讨论的大扰动稳定主要针对电力系统暂态稳定,其数学模型是一组微分-代数方程。目前的数学方法中,微分-代数方程组的分析方法远没有单纯的微分方程组的分析方法成熟。基于上述背景,本文针对交流电网,提出了一种对网络电压的处理方法。本文的主要研究内容与成果如下:1)工程中的暂态稳定分析方法大都采用Dommel-Sato迭代,根据其迭代格式,本文指出了这一迭代收敛的关键数学指标——谱半径,并且利用谱半径解释了不同故障类型对迭代收敛速度的影响。同时,在Dommel-Sato迭代满足收敛条件的情况下,推导出了待求量解的封闭形式。2)根据Dommel-Sato迭代对应的封闭形式,针对交流电网的网络方程提出了两种迭代方法——统一迭代法与交替迭代法。利用统一迭代法可以在负荷采用恒定阻抗模型或者恒定电流模型时,得到网络电压的封闭解;利用交替迭代法可以在交流电网只有单个恒定功率负荷或者有多个彼此相隔很远的恒定功率负荷情况下,得到网络电压幅值的解析表达式。利用网络电压的封闭解,可以将暂态稳定分析的数学模型由微分-代数方程组转化为全微分方程组,避免了求解过程中微分方程组与代数方程组之间的交替迭代。3)根据网络电压的封闭解,结合故障后短期的电网特性,提出了一种用于快速计算系统故障后短期电压的离散线性系统。这一离散线性系统的优点是无需考虑微分方程与代数方程的交替求解过程,提高了状态量的计算速度并具有一定的物理意义。
孙星维[4]（2019）在《立式塔扇下人体热反应变化及热舒适模型应用》文中研究表明随着人们生活水平的提高,对室内环境进行合理地调控、满足人体热舒适和建筑节能的要求则显得越来越意义重大。现有的室内环境控制当中,多以固定的温湿度调节作为室内主要的调控方法。在夏季相对较高的室温条件下,通过增加风速可以改善人体的热感觉,减少一部分室内供冷实现节能。现有有关风速对人体热舒适的影响研究中,以吊扇或落地摇头扇为主,不同风扇间的流态特性有待区分,且通过风速调节人体热感觉在实际环境中应用较少。为了对现有的主要风扇流态特性的区别进行探究,本文对立式塔扇、落地摇头扇及吊扇进行了实际的测试,对三者的结构及流态特性等进行了对比;测试结果表明,立式塔扇的风场更为集中,湍流强度更低,频率更高,相对更为节能,适用于办公环境中人员长期静坐的情况。因此,本文选用立式塔扇为对象,针对不同温度和风速下人体热反应变化设计了实验,探究了立式塔扇作用下人体主观参数及皮肤温度随环境参数的变化情况。以本次实验为基础,本文对人体热反应的主要影响因素进行了偏相关分析。分析结果表明,均匀环境下,温度和风速对人体热反应的影响最为显着,与人体主观热反应参数呈现显着的相关关系。在2428℃室温下,男生的热感觉普遍高于女生,且温度越低,其差异越大;在本次实验中,身高、体重、年龄及服装热阻对人体主观热反应的影响并未表现出明显的差异。另一方面,本文对实验中皮肤温度的变化情况进行了分析,由于风速增大会导致皮肤温度的降低,因此温度和风速同时变化时,受试者手部的热中性温度相比于只存在温度变化时给出的中性值略低。基于偏相关分析结果,本研究将温度和风速作为人体热反应预测模型中的主要影响因素,通过分析给出了人体热感觉（Thermal Sensation Vote,TSV）、风速可接受度（The Acceptability of Wind Speed,AWS）以及空气流通状况感觉（Feeling of the Air Circulation,FAC）的预测模型。拟合结果表明,通过多项式对温度和风速的影响进行数据拟合的效果最好。模型中,TSV/AWS/FAC与风速的关系均为二次函数,这也说明风速越大,同等风速变化量所引起的TSV/AWS/FAC变化量越大,模型中温度与各主观参数关系为一次或二次函数。本文将本实验的TSV值与已有的其他风扇作用下的研究结果进行了对比,对比表明在相同的温度和风速环境下立式塔扇能够更好地降低人体的热感。之后,本文通过验证数据对预测模型进行了验证,验证结果表明,确定系数均在66%以上,预测方法准确性较高。分析表明,人体热感觉与人体风速可接受度相关系数为-0.728、与空气流通状况感觉的相关系数为-0.685,相关性显着。风速可接受度以及空气流通状况感觉存在显着的相关关系。基于立式塔扇作用下人体热反应预测模型及本团队已有的皮肤温度预测热感觉的预测模型,本文提出了适用于个体环境及多人环境的环境动态调控方法:个体环境中,固定温湿度控制可以考虑季节、建筑地点、建筑类型等因素分类型控制;加入皮肤温度后,可以根据皮肤温度预测人体热感觉,进而对环境进行控制;多人环境中,可以加入各工位对风扇的控制来调节个体间的差异性,根据风扇开启数量及大小调节背景温度。为了提高其适用性,本文提出了两个对模型的修正方法。一是自学习修正方法,使得模型可以根据人为输入的值不断进行自我完善;另一个是基于热平衡方程的个体生理参数修正方法,对个体的身高、体重、年龄、性别及服装热阻、活动状态进行修正。本文采取这样的控制方法在实际的办公环境中进行了应用,满足舒适度的要求,并提出了针对未来应用的展望。
王云龙[5]（2019）在《重载铁路货车车轮里程寿命预测研究与实现》文中研究说明“十三五”以来,随着我国社会经济的稳定增长,重载铁路货车得到了快速发展。但是铁路的提速和运载量的不断增加,给铁路运维人员带来了巨大的压力,同时鉴于运维模式的旧化,有必要给现有的铁路运维做一次“大升级”,从“计划修”转变到“状态修”。货车车轮是货车最为重要的部件之一,车轮的损伤严重影响着货车行车的安全。因此本文选取了重载铁路货车车轮作为研究对象,研究车轮的磨耗机理与车轮行车里程的关系,最终提出了一种基于灰狼优化算法下的最小二乘支持向量机（Least Square SVM,简称LSSVM）车轮里程寿命预测模型,实现重载铁路货车车轮里程寿命的精准预测。现将本文的工作简述如下:（1）首先分析了现有能够衡量车轮寿命的指标,发现这些指标都不能满足重载铁路货车“状态修”的模式,本文研究并选用了一种新的衡量车轮寿命的指标,即车轮里程寿命,并通过分析车轮磨耗数据的特征和现有的工程条件,选用支持向量机（Support Vector Machines,简称SVM）作为车轮里程寿命预测的模型。（2）然后梳理了现有铁路系统的车轮磨耗数据集,发现其并不能满足车轮里程寿命预测系统的要求。本文根据重载铁路货车车轮磨耗数据集的特点,从各铁路系统繁杂的数据入手,将零部件履历数据、零部件设计寿命数据等,分别从相应的数据系统筛选出来,结合数据清洗、融合等方法,构建出一个合适的能够直接应用于货车车轮里程寿命预测系统的数据集;基于构建的数据集,选用SVM理论中的LSSVM作为货车车轮里程寿命预测模型。并构建了其与SVM寿命预测模型的对比试验。通过实验结果表明,SVM在样本数据量过多的条件下,将会大幅增加训练模型的训练时间,导致算法训练效率低下,而LSSVM在训练效率上较之有明显的优势。（3）不过LSSVM的参数寻优能力仍不够强大,针对LSSVM最优参数寻找能力不足的缺陷,通过灰狼优化算法对LSSVM进行改进,提高其参数寻优的能力,得到预测更为精准的模型,将此模型命名为GWO-LSSVM预测模型。基于构建的预测模型,通过实际的车轮里程数据进行验证,结果表明了 GWO-LSSVM算法在参数寻优方面的先进性。（4）最后将车轮里程寿命预测模型融入“状态修”诊断决策综合判别系统。
汪丽娟[6]（2013）在《基于粒子群优化的最小二乘支持向量机天然气负荷预测方法研究》文中研究表明天然气是一种绿色、经济、高效、便捷、安全环保的能源,提高天然气在能源消费结构中的比例,不仅有利于促进节能减排,又能够促进经济与社会的可持续发展,同时天然气作为一种城市燃气,与人们生活和工业生产息息相关,是反映人们生活消费水平的一个重要指标。因此,科学的天然气负荷预测不仅仅关系着天然气公司的利益问题,同时还关系着整个天然气行业的建设和发展,与广大的人民生活也息息相关。本文基于天然气负荷预测的背景、国内外研究现状以及课题意义的研究,分析天然气负荷的特点、规律及与各种影响因素之间的非线性关系,根据支持向量机（SVM）能够较好地解决非线性、高维数以及局部极小点等实际问题的优势,本文提出采用支持向量回归（SVR）方法建立天然气负荷预测模型并进入深入研究。首先基于SVR的研究,采用训练误差的平方代替松弛变量,将不等式约束改进为等式约束,进而提出最小二乘支持向量回归（LS-SVR）的天然气负荷预测模型,从而避免求解二次规划问题,提高模型训练的速度,但是LS-SVR丢失了SVR的松散性和鲁棒性,导致模型精确度产生一定影响,为解决这些问题,又提出基于加权最小二乘支持向量回归（WLS-SVR）的天然气负荷预测模型。同时,考虑到模型参数对于预测结果精度的影响也至关重要,提出利用粒子群算法（PSO）来优化WLS-SVR中的参数,得到基于PSO-WLS-SVR的预测模型,以进一步提高预测精度。最后,本文使用天然气1980-2011年的相关数据进行研究,分别对基于SVR、WLS-SVR、PSO-WLS-SVR的预测模型进行仿真并比较。仿真结果表明：WLS-SVR的模型预测结果优于SVR模型,且PSO-WLS-SVR的预测模型预测误差更小,从而说明PSO进行参数优化对提高预测精度有一定的优势,也说明PSO-WLS-SVR方法具有一定的有效性和优越性,由此可以说明基于粒子群算法的最小二乘支持向量回归预测方法具有一定的研究价值和社会意义。
万振东[7]（2011）在《考虑大规模风电消纳能力的电网灵活规划》文中提出随着我国规划的7个千万千瓦级风电基地的逐步开发建设,大规模集群风电的消纳问题影响了电力系统的安全稳定运行。现阶段,大规模风电的开发规划主要是根据风能资源及风电场建设条件确定的,并未充分考虑电力系统的运行特点。因此在风电的电源规划已经确定的情况下,后期的电网规划和运行调度成为决定风电能否被合理消纳的关键因素。考虑到风电随机性、波动性和间歇性的特点,以及风电对调峰调频、系统备用以及其他机组运行方式上带来的影响,传统的电网规划方法还没有较为完善地解决含有大规模风电的电网规划问题。因此,如何在此背景条件下定义电网规划的目标,建立新的规划原则以及发展新的规划模型和工具将是一个值得研究的课题。本文首先分析了大规模风电接入后对电力系统调峰、机组组合和电网扩展规划方面的影响,在此基础上提出了对系统中风电消纳能力的若干评价指标。对于风电消纳能力,本文主要从三个方面对其进行评估:一是风电可接纳容量,二是接纳后系统运行的经济成本,三是接纳后系统运行的安全程度。在上述风电消纳能力的基础上提出了考虑风电消纳能力的电网灵活规划的模型和算法。本文的模型主要分为三类:第一类模型是从电网实际调度运行的角度,研究分析机组组合优化层面的风电消纳能力;第二类模型分析研究了输电网扩展规划层面的风电消纳能力。以上两类模型同时给出了考虑风电消纳能力评价指标下的最优机组组合和最优输电网扩展方案;第三类模型在考虑机组组合和输电网扩展规划耦合关系的基础上,给出了考虑风电消纳能力的机网联合优化规划方法。最后通过模糊多目标的优化方法,实现了风电消纳能力的各类评价指标在上述模型中的统一,并通过模糊满意度的指标对各规划方案进行筛选。
李信[8]（2010）在《基于SVM的变压器油色谱故障预测与诊断》文中认为电力变压器是电力系统的枢纽设备,其运行的可靠性与电力系统的安全密切相关,变压器运行状态的有效评估以及变压器故障类型的准确诊断一直是电力工作者研究的重点和难点。本文结合油色谱分析技术,采用改进遗传算法优化的最小二乘支持向量机建立了电力变压器故障预测与故障诊断通用模型,该模型需要的数据量小,泛化能力强,并通过多个现场实例分析证明了该方法的正确性与有效性。同时,本文开发了一套基于SQL Server 2005和Visual Studio 2005的电力变压器故障诊断和数据管理系统,系统运行稳定,操作简单,大大改善了电力变压器状态信息管理和维护效率,为状态检修奠定基础。
李传栋,鄂志君,杨金刚[9]（2008）在《电力系统静态电压稳定极限的分区求解算法》文中研究表明提出一种适用于大规模电力系统电压稳定分析的分区并行连续潮流算法,求取静态电压的稳定极限。首先将电力网络划分成由联络线联系起来的若干个子网,子网内部母线的关联性强而与外部网络仅通过少数联络线相连;以子网为收缩节点、联络线为支路构造浓缩网络。进行计算时,通过前向简化形成预估环节的接口方程,同时以浓缩网络的电压为控制电压向量求出控制步长;校正环节通过双向迭代方法交替实现对浓缩网络和收缩节点的牛顿法线性增量方程的求解。对新英格兰系统和我国东北电网的仿真测试结果验证了该方法的可行性。
李楠[10]（2009）在《基于支持向量机的电力变压器状态评估》文中研究表明电力变压器是电力系统的枢纽设备,其运行的可靠性与电力系统的安全密切相关,变压器运行状态的有效评估以及变压器故障类型的准确诊断一直是电力工作者研究的重点和难点。本文结合油色谱分析技术,采用遗传算法优化的最小二乘支持向量机建立了电力变压器故障预测、故障诊断与状态评估通用模型,该模型需要的数据量小,泛化能力强,并通过多个现场实例分析证明了该方法的正确性与有效性。同时,本文开发了一套基于SQL Server 2005和Visual Studio 2005的电力变压器数据管理和状态评估专家系统,系统运行稳定,操作简单,大大改善了电力变压器状态信息管理和维护效率,为状态检修奠定基础。
二、向量组线性关系式的求法及应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、向量组线性关系式的求法及应用（论文提纲范文）
（1）CATIA曲面法向量和坐标转换的算法研究与应用（论文提纲范文）
| 0 引言 |
| 1 曲面法向量 |
| 1.1 曲面法线方程及方向余弦 |
| 1.2 曲面法向量表示 |
| 1.3 曲面法向量的数学建模及求法 |
| 1.4 曲面法向量的方向修正 |
| 1.5 点的坐标转换 |
| 1.5.1 主动法 |
| 1.5.2 被动法 |
| 1.6 曲面法向量的实现 |
| 1.6.1 曲面点M和法向量点N坐标已知情况下 |
| 1.6.2 曲面点M法线反方向数据已知情况下 |
| 2“CMM测量点采集辅助软件”开发 |
| 2.1 软件概况 |
| 2.2 软件主要功能介绍 |
| 3 结束语 |
（2）GⅡ码及其编解码器硬件架构研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 数字系统中的差错控制编码 |
| 1.2 GⅡ码的发展与现状 |
| 1.3 本文主要内容和工作 |
| 第二章 代数码与GⅡ码 |
| 2.1 有限域与线性分组码 |
| 2.2 BCH码和RS码 |
| 2.3 GⅡ码基础 |
| 第三章 GⅡ码的转移矩阵 |
| 3.1 GⅡ-RS码的编解码算法 |
| 3.2 广义转移矩阵 |
| 3.3 GⅡ码与GC码的对比 |
| 3.4 本章小结 |
| 第四章 高吞吐率GⅡ解码器设计与实现 |
| 4.1 基于BM算法的GⅡ解码算法 |
| 4.2 改进的基于riBM算法的GⅡ解码算法 |
| 4.3 GⅡ码性能分析及实例构造 |
| 4.4 GⅡ解码器硬件架构设计 |
| 4.4.1 解码器顶层架构 |
| 4.4.2 嵌套校正子计算单元 |
| 4.4.3 系数更新计算单元 |
| 4.4.4 其他单元和讨论 |
| 4.5 实现结果 |
| 4.6 本章小结 |
| 第五章 GⅡ编码算法及其硬件架构设计 |
| 5.1 对角化转移矩阵后的编码算法 |
| 5.2 GⅡ-RS编码器硬件架构 |
| 5.3 GⅡ-BCH编码器硬件架构 |
| 5.4 本章小结 |
| 第六章 多层GⅡ码 |
| 6.1 GⅡ码的分层 |
| 6.2 三层GⅡ码 |
| 6.3 约束矩阵与三层GⅡ码的可逆约束 |
| 6.4 多层GⅡ码 |
| 6.5 举例与对比 |
| 6.6 本章小结 |
| 第七章 总结与展望 |
| 7.1 本文总结 |
| 7.2 未来研究方向 |
| 致谢 |
| 参考文献 |
| 个人简介和攻读硕士学位期间取得的科研成果 |
（3）电力系统暂态稳定的近似解析解研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景及意义 |
| 1.2 本课题研究现状 |
| 1.2.1 电力系统稳定性定义及分类 |
| 1.2.2 电力系统大干扰稳定性分析方法概述 |
| 1.2.3 电力系统暂态稳定性分析现存问题 |
| 1.3 本文主要工作 |
| 2 基于数值积分法的暂态稳定分析简介 |
| 2.1 引言 |
| 2.2 改进欧拉法 |
| 2.3 暂态稳定分析中发电机的模型及处理方法 |
| 2.3.1 发电机的数学模型 |
| 2.3.2 发电机的处理方法 |
| 2.4 暂态稳定分析中负荷的模型及处理方法 |
| 2.5 本章小节 |
| 3 暂态稳定分析中网络方程的处理方法 |
| 3.1 引言 |
| 3.2 Dommel-Sato迭代 |
| 3.3 统一迭代法 |
| 3.3.1 恒定阻抗负荷下的网络电压解 |
| 3.3.2 恒定电流负荷下的网络电压解 |
| 3.3.3 恒定功率负荷下的网络电压解 |
| 3.4 交替迭代法 |
| 3.4.1 恒定功率负荷下的网络方程处理方法 |
| 3.4.2 V-Q、V-P灵敏度分析 |
| 3.5 故障类型对迭代收敛速度的影响 |
| 3.6 本章小节 |
| 4 一种系统故障后短期电压的快速计算方法 |
| 4.1 引言 |
| 4.2 离散线性系统推导 |
| 4.3 算例验证 |
| 4.4 本章小节 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读学位期间的科研成果 |
| 作者简介 |
（4）立式塔扇下人体热反应变化及热舒适模型应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 室内环境评价标准 |
| 1.2.2 风速变化对人体热舒适的影响研究 |
| 1.2.3 热感觉预测模型及应用 |
| 1.2.4 热舒适模型个性化的研究现状 |
| 1.3 存在的问题与不足 |
| 1.4 课题研究内容与技术路线 |
| 1.4.1 课题研究内容 |
| 1.4.2 技术路线 |
| 2 不同风扇实测对比及立式塔扇作用下人体热反应实验方法 |
| 2.1 实验目的 |
| 2.2 风扇流态特性实测及对比 |
| 2.2.1 风场的测试及对比 |
| 2.2.2 功率的测试及对比 |
| 2.2.3 气流特性的测试及对比 |
| 2.2.4 立式塔扇运用于办公环境的优势 |
| 2.3 立式塔扇下人体热反应实验介绍 |
| 2.3.1 实验环境 |
| 2.3.2 受试者与实验仪器 |
| 2.3.3 实验工况设计 |
| 2.3.4 实验流程 |
| 2.4 本章小结 |
| 3 立式塔扇作用下人体主观热反应实验数据分析 |
| 3.1 数据的基础分析 |
| 3.1.1 温度控制的稳定性分析 |
| 3.1.2 各影响因素的偏相关分析 |
| 3.2 人体主观热反应受自身因素的影响程度探究 |
| 3.3 皮肤温度的分布及其中性值 |
| 3.4 本章小结 |
| 4 人体主观热反应预测模型的建立 |
| 4.1 立式塔扇作用下人体主观热反应的预测模型 |
| 4.1.1 人体主观热感觉预测模型的建立 |
| 4.1.2 风速可接受度预测模型的建立 |
| 4.1.3 空气流通状况感觉预测模型的建立 |
| 4.2 数据验证及确定系数的计算 |
| 4.3 TSV与AWS、FAC的相关关系 |
| 4.4 本章小结 |
| 5 室内环境调控方法 |
| 5.1 控制方法说明 |
| 5.2 控制方法中的修正模块 |
| 5.2.1 自学习修正方法 |
| 5.2.2 针对不同个体生理参数差异的修正方法 |
| 5.3 室内环境调控方法的应用 |
| 5.4 应用展望 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 附录A-1 热感觉调查问卷(基本信息部分) |
| 附录A-2 热感觉调查问卷(主观热反应调查部分) |
| 附录B 服装热阻表 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（5）重载铁路货车车轮里程寿命预测研究与实现（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文研究重点及组织结构 |
| 2 理论基础与相关技术综述 |
| 2.1 PHM基本理论 |
| 2.1.1 PHM综述 |
| 2.1.2 健康状态评估 |
| 2.1.3 健康状态评估算法研究 |
| 2.2 重载铁路货车轮对系统 |
| 2.2.1 轮对系统简述 |
| 2.2.2 车轮寿命研究 |
| 2.3 支持向量机理论 |
| 2.3.1 广义最优分类面 |
| 2.3.2 核函数 |
| 2.4 本章小结 |
| 3 基于LSSVM的车轮里程寿命预测 |
| 3.1 重载铁路货车车轮数据集 |
| 3.1.1 构建重载铁路货车车轮数据集的意义 |
| 3.1.2 数据抽取 |
| 3.1.3 数据融合 |
| 3.2 LSSVM理论介绍 |
| 3.3 基于LSSVM的车轮寿命预测实验 |
| 3.3.1 MATLAB工具箱的选用 |
| 3.3.2 数据归一化 |
| 3.3.3 实验结果分析 |
| 3.4 本章小结 |
| 4 基于GWO-LSSVM的车轮里程寿命预测 |
| 4.1 参数优化问题 |
| 4.2 灰狼优化算法 |
| 4.2.1 灰狼优化算法简介 |
| 4.2.2 灰狼优化算法原理 |
| 4.2.3 灰狼优化算法描述 |
| 4.3 基于GWO-LSSVM的车轮里程寿命预测框架 |
| 4.4 基于GWO-LSSVM的车轮里程寿命预测的实验 |
| 4.5 本章小结 |
| 5 重载铁路货车车轮里程寿命预测系统的实现 |
| 5.1 系统环境 |
| 5.2 系统架构 |
| 5.2.1 数据处理 |
| 5.2.2 数据融合 |
| 5.2.3 寿命预测 |
| 5.2.4 展示模块 |
| 5.3 系统展示 |
| 5.4 本章小结 |
| 6 总结和展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（6）基于粒子群优化的最小二乘支持向量机天然气负荷预测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.1.1 天然气负荷预测背景 |
| 1.1.2 天然气负荷预测特点 |
| 1.1.3 天然气负荷预测意义 |
| 1.2 负荷预测研究 |
| 1.2.1 预测基本原则 |
| 1.2.2 负荷预测分类 |
| 1.2.3 负荷预测方法 |
| 1.3 国内外研究动态 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 本课题研究内容及章节安排 |
| 1.4.1 论文主要研究工作 |
| 1.4.2 论文章节安排 |
| 第2章 支持向量机 |
| 2.1 机器学习 |
| 2.1.1 机器学习问题模型 |
| 2.1.2 经验风险最小化 |
| 2.1.3 复杂性和推广能力 |
| 2.2 统计学习理论 |
| 2.2.1 VC维理论 |
| 2.2.2 推广性的界 |
| 2.2.3 结构风险最小化 |
| 2.3 支持向量机 |
| 2.3.1 SVM分类问题 |
| 2.3.2 SVM回归问题 |
| 2.3.3 核函数 |
| 2.4 最小二乘支持向量机 |
| 2.5 本章小结 |
| 第3章 基于支持向量回归的天然气负荷预测 |
| 3.1 天然气负荷预测分类和特点 |
| 3.1.1 天然气负荷预测分类 |
| 3.1.2 天然气负荷预测特点 |
| 3.2 天然气负荷预测影响因素 |
| 3.3 基于SVR的天然气负荷预测的建模方法 |
| 3.3.1 输入变量选择 |
| 3.3.2 核函数及模型参数选择 |
| 3.3.3 天然气负荷预测步骤 |
| 3.4 基于SVR的天然气负荷预测模型的仿真和分析 |
| 3.5 本章小结 |
| 第4章 基于最小二乘支持向量回归的天然气负荷预测 |
| 4.1 LS-SVM与SVM比较 |
| 4.2 LS-SVM参数研究 |
| 4.3 加权最小二乘支持向量回归 |
| 4.4 加权LS-SVM天然气负荷预测模型仿真及分析 |
| 4.4.1 数据预处理 |
| 4.4.2 加权LS-SVM参数选择 |
| 4.5 本章小结 |
| 第5章 基于PSO-WLS-SVR的天然气负荷预测 |
| 5.1 粒子群算法概述 |
| 5.1.1 PSO算法 |
| 5.1.2 粒子群算法流程 |
| 5.2 基于PSO-WLS-SVR的天然气负荷预测模型仿真及分析 |
| 5.3 SVR、WLS-SVR、PSO-W-LS-SVR预测模型结果比较 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 硕士期间论文发表情况 |
（7）考虑大规模风电消纳能力的电网灵活规划（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪言 |
| 1.1 课题的研究背景与意义 |
| 1.2 当前研究进展 |
| 1.2.1 风电消纳的主要问题 |
| 1.2.2 机组组合问题的研究概况 |
| 1.2.3 电网规划方法的研究概况 |
| 1.3 本文所做工作 |
| 第二章 大规模风电随机性、间歇性出力建模 |
| 2.1 引言 |
| 2.2 风速数据的获取 |
| 2.3 风电单机模型 |
| 2.4 风电场出力模型 |
| 2.4.1 风电场出力建模理论概述 |
| 2.4.2 风电场尾流效应及风能分布模型 |
| 2.4.3 基于多机表征的风电场聚合建模 |
| 2.5 风电出力建模总体流程 |
| 2.6 本章小结 |
| 第三章 考虑风电消纳能力的机组组合优化问题 |
| 3.1 引言 |
| 3.2 大规模风电接入对系统调峰的影响 |
| 3.3 考虑风电消纳能力的机组组合问题建模 |
| 3.3.1 目标一：考虑风电接纳容量最大化 |
| 3.3.2 目标二：考虑机组运行费用的最小化 |
| 3.3.3 目标三：考虑系统备用容量不足风险度的最小化 |
| 3.3.4 约束条件 |
| 3.4 具有量子行为的粒子群优化算法 |
| 3.4.1 基本粒子群优化算法 |
| 3.4.2 具有量子行为的粒子群优化算法 |
| 3.4.3 粒子的个体调整策略 |
| 3.5 基于模糊多目标的机组组合优化 |
| 3.5.1 目标函数的模糊化 |
| 3.5.2 多目标模糊机组组合模型 |
| 3.6 10 机组算例分析 |
| 3.7 本章小结 |
| 第四章 考虑风电消纳能力的电网扩展规划问题 |
| 4.1 引言 |
| 4.2 随机机会约束规划方法 |
| 4.3 基于半不变量的随机潮流 |
| 4.3.1 随机潮流简介 |
| 4.3.2 潮流方程的线性化模型 |
| 4.3.3 相关概率理论 |
| 4.3.4 随机潮流计算流程 |
| 4.4 考虑风电消纳能力的电网扩展规划问题建模 |
| 4.4.1 目标一：考虑风电接纳容量的最大化 |
| 4.4.2 目标二：考虑系统运行费用的最小化 |
| 4.4.3 目标三：考虑系统潮流越限风险度的最小化 |
| 4.4.4 约束条件 |
| 4.5 随机邻域搜索的网架优化算法 |
| 4.6 39 节点算例分析 |
| 4.7 本章小结 |
| 第五章 考虑风电消纳能力的机网联合优化规划方法 |
| 5.1 引言 |
| 5.2 考虑风电消纳能力的机网联合优化规划模型 |
| 5.2.1 目标一：考虑风电接纳容量的最大化 |
| 5.2.2 目标二：考虑总体投资运行成本的最小化 |
| 5.2.3 目标三：考虑各类系统风险度的最小化 |
| 5.2.4 约束条件 |
| 5.3 基于Benders 分解的模型简化分解 |
| 5.4 算例分析 |
| 5.4.1 算例一：10 机39 节点算例 |
| 5.4.2 算例二：国内某区域电网2015 年电网规划 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间已发表或录用论文与申请专利情况 |
（8）基于SVM的变压器油色谱故障预测与诊断（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 第一章 绪论 |
| 1.1 论文研究的目的和意义 |
| 1.2 电力变压器故障诊断和数据预测的国内外研究现状 |
| 1.2.1 不同时期变压器的故障演变 |
| 1.2.2 电力变压器故障的宏观规律 |
| 1.2.3 电力变压器故障诊断方法研究现状 |
| 1.2.4 电力变压器故障预测理论研究现状 |
| 1.3 本论文的主要工作 |
| 第二章 遗传算法和支持向量机理论 |
| 2.1 统计学理论和支持向量机 |
| 2.1.1 统计学理论的核心内容 |
| 2.1.2 分类支持向量机 |
| 2.1.3 回归支持向量机 |
| 2.2 遗传算法概述 |
| 2.2.1 遗传算法 |
| 2.2.2 基本遗传算法 |
| 2.2.3 遗传算法的理论基础 |
| 2.3 本章小结 |
| 第三章 基于改进遗传算法优化的 LS-SVM 的变压器数据预测 |
| 3.1 LS-SVM 函数估计算法 |
| 3.2 遗传算法的改进 |
| 3.3 改进 GA 优化 LS-SVM 预测模型 |
| 3.4 实例分析 |
| 3.5 本章小结 |
| 第四章 基于改进遗传算法优化的 LS-SVM 的变压器故障诊断 |
| 4.1 LS-SVM 分类算法 |
| 4.2 LS-SVM 多分类算法 |
| 4.3 基于改进 GA 优化的 LS-SVM 的变压器故障诊断 |
| 4.4 实例分析 |
| 4.5 本章小结 |
| 第五章 电力变压器数据管理和故障诊断专家系统 |
| 5.1 SQL Server 和Visual Studio 介绍 |
| 5.1.1 SQL Server 介绍 |
| 5.1.2 Visual Studio 介绍 |
| 5.2 专家系统介绍 |
| 5.2.1 系统综合介绍 |
| 5.2.2 变压器管理界面功能介绍 |
| 5.3 实例分析 |
| 5.4 本章小结 |
| 第六章 结论 |
| 参考文献 |
| 致谢 |
| 在学期间发表的学术论文和参加科研情况 |
（9）电力系统静态电压稳定极限的分区求解算法（论文提纲范文）
| 0 引言 |
| 1 改进连续潮流法 |
| 2 电力系统网络分割 |
| 2.1 网络分割的含义 |
| 2.2 构造电力系统浓缩网络 |
| 2.3 浓缩网络与收缩节点的接口方程 |
| 3 分区并行连续潮流算法 |
| 3.1 算法描述 |
| 3.2 分区连续潮流算法详细流程 |
| 3.3 双向迭代算法详细流程 |
| 3.4 双向迭代计算方法与常规联立求解法的关系 |
| 4 算例分析 |
| 5 结论 |
（10）基于支持向量机的电力变压器状态评估（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 第一章 引言 |
| 1.1 论文研究的目的和意义 |
| 1.2 电力变压器故障诊断和数据预测的国内外研究现状 |
| 1.2.1 电力变压器故障诊断方法研究现状 |
| 1.2.2 电力变压器故障预测理论研究现状 |
| 1.2.3 电力变压器状态评估研究现状 |
| 1.3 本论文的主要工作 |
| 第二章 遗传算法和支持向量机 |
| 2.1 统计学理论和支持向量机 |
| 2.1.1 统计学理论的核心内容 |
| 2.1.2 分类支持向量机 |
| 2.1.3 回归支持向量机 |
| 2.2 遗传算法 |
| 2.2.1 遗传算法 |
| 2.2.2 基本遗传算法 |
| 2.2.3 遗传算法的理论基础 |
| 2.3 本章小结 |
| 第三章 基于 GA 优化的 LS-SVM 的变压器故障预测 |
| 3.1 基于GA 优化的LS-SVM 的变压器油中溶解气体浓度预测 |
| 3.1.1 LS-SVM 函数估计算法 |
| 3.1.2 GA 优化LS-SVM 预测模型 |
| 3.1.3 实例分析 |
| 3.2 基于GA 优化的LS-SVM 的变压器故障诊断 |
| 3.2.1 LS-SVM 的分类算法 |
| 3.2.2 LS-SVM 多分类算法 |
| 3.2.3 核函数及参数选择 |
| 3.2.4 基于GA 优化的LS-SVM 的变压器故障诊断 |
| 3.2.5 实例分析 |
| 3.3 本章小结 |
| 第四章 基于 GA 优化的 LS-SVM 的变压器状态评估 |
| 4.1 电力变压器状态发展趋势 |
| 4.2 电力变压器状态评估各项信息分析 |
| 4.2.1 电气试验项目分析 |
| 4.2.2 电力变压器油色谱分析 |
| 4.2.3 电力变压器绝缘油试验项目分析 |
| 4.2.4 电力变压器工作环境及其他因素分析 |
| 4.3 基于 GA 优化的 LS-SVM 的电力变压器状态评估方法 |
| 4.3.1 电力变压器状态分类 |
| 4.3.2 评估模型的建立 |
| 4.3.3 评估结果及分析 |
| 4.4 本章小结 |
| 第五章 电力变压器数据管理和状态评估专家系统 |
| 5.1 专家系统介绍 |
| 5.1.1 系统综合介绍 |
| 5.1.2 变压器管理界面功能介绍 |
| 5.2 实例分析 |
| 5.3 本章小结 |
| 第六章 结论 |
| 参考文献 |
| 致谢 |
| 在学期间发表的学术论文和参加科研情况 |
四、向量组线性关系式的求法及应用（论文参考文献）
- [1]CATIA曲面法向量和坐标转换的算法研究与应用[J]. 张继承. 计测技术, 2020(04)
- [2]GⅡ码及其编解码器硬件架构研究[D]. 李文杰. 南京大学, 2020(04)
- [3]电力系统暂态稳定的近似解析解研究[D]. 康卓然. 浙江大学, 2020(12)
- [4]立式塔扇下人体热反应变化及热舒适模型应用[D]. 孙星维. 大连理工大学, 2019(02)
- [5]重载铁路货车车轮里程寿命预测研究与实现[D]. 王云龙. 北京交通大学, 2019(01)
- [6]基于粒子群优化的最小二乘支持向量机天然气负荷预测方法研究[D]. 汪丽娟. 华东理工大学, 2013(06)
- [7]考虑大规模风电消纳能力的电网灵活规划[D]. 万振东. 上海交通大学, 2011(07)
- [8]基于SVM的变压器油色谱故障预测与诊断[D]. 李信. 华北电力大学（河北）, 2010(04)
- [9]电力系统静态电压稳定极限的分区求解算法[J]. 李传栋,鄂志君,杨金刚. 电网技术, 2008(24)
- [10]基于支持向量机的电力变压器状态评估[D]. 李楠. 华北电力大学（河北）, 2009(11)