检索结果-南通市图书馆

中国科技期刊数据库工业A 2024年第4期 0023-0026页

作者：黄照祥宁小飞云南电网有限责任公司文山供电局云南文山663000

本论文旨在评估一种用于变压器中性点避雷器试验的新型辅助工具,该工具的设计目的是解决现有问题,提高试验效率,减少风险,并消除重复性试验。通过实际应用,本文分析了该工具的性能、优点和限制,并探讨了其在电力设备维护领域的潜在应用... 详细信息

本论文旨在评估一种用于变压器中性点避雷器试验的新型辅助工具,该工具的设计目的是解决现有问题,提高试验效率,减少风险,并消除重复性试验。通过实际应用,本文分析了该工具的性能、优点和限制,并探讨了其在电力设备维护领域的潜在应用。研究结果表明,该辅助工具在实际场景中表现出色,可以显著提高工作效率,降低安全风险,并减少了试验的时间和成本。

关键词：中性点避雷器辅助工具应用效果

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

准双周振荡对榆林夏季极端强降水的影响

引用

农业灾害研究 2024年第1期14卷 115-117页

作者：薛小宁王彤屈艳梅榆林市气象局陕西榆林719000

利用榆林12个国家气象站1979—2019年的5—9月的汛期逐日降水资料和NCEP-DOE再分析资料,对榆林汛期极端强降水进行了遴选,分析了准双周振荡对榆林夏季极端强降水的影响,合成了榆林夏季极端强降水的要素场,并提炼了相关概念模型,利用该... 详细信息

利用榆林12个国家气象站1979—2019年的5—9月的汛期逐日降水资料和NCEP-DOE再分析资料,对榆林汛期极端强降水进行了遴选,分析了准双周振荡对榆林夏季极端强降水的影响,合成了榆林夏季极端强降水的要素场,并提炼了相关概念模型,利用该概念模型对榆林2019年夏季5次极端强降水事件进行了分析。结果表明:(1)榆林市夏季降水具有显著准双周(10~30 d)振荡特征;(2)整个汛期极端强降水呈现单峰分布,从5月入汛后,极端强降水事件增多,8月达到峰值,高频区位于西部的定边,西北部的榆阳、横山、神木;(3)极端强降水对应的准双周振荡环流特征表现为副高西伸北抬,伴随西风带低值系统的东移,副热带西风急流北抬;物理场上高层辐散、中低层辐合,强辐合伸展至500 hPa;500、700 hPa风为气旋式辐合的西南风,850hPa先后表现为西南—东南—东北风的转变;整层水汽场上为西南风水汽输送;(4)利用概念模型诊断已出现的极端降水事件,只有一小部分符合其特征,这可能与模型建立时应用了距平处理和滤波处理对中小系统进行了平滑和过滤有关。

关键词：准双周振荡夏季极端强降水环流特征物理量场特征

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

美国国家安全战略中五眼联盟角色定位的演进及启示

引用

情报杂志 2024年

作者：何洪吉中国人民公安大学国家安全学院

[研究目的]通过分析五眼联盟在美国国家安全战略中的角色演进,特别在当前美国将中国视为首要的战略竞争对手后,五眼联盟的定位对中国带来的影响,以此提出相关的对策。[研究方法]以美国历届政府所发布的《国家安全战略报告》中有关五眼... 详细信息

[研究目的]通过分析五眼联盟在美国国家安全战略中的角色演进,特别在当前美国将中国视为首要的战略竞争对手后,五眼联盟的定位对中国带来的影响,以此提出相关的对策。[研究方法]以美国历届政府所发布的《国家安全战略报告》中有关五眼联盟的术语为主要分析内容,结合相关案例,运用文本分析法和内容比较法,研究在不同时期美国的国家安全战略中五眼联盟的角色定位及演进情况。[研究结论]五眼联盟战略定位的演进受到国际形势变化、信息技术革命及联盟内部关系调整等多重因素的影响。自1987年起,五眼联盟经历了“对抗苏联的战略情报中枢—多元威胁监测平台—反恐活动中心—助力大国博弈的战略协同体”的角色转变,作为美国的战略追随者,当前五眼联盟的定位冲击着我国的经济和科技秩序;对我国实施网络监控与信息压制;加剧了印太地区的紧张局势。对此,我国应该积极参与并推动多元市场合作,提升科技自主创新与治理能力,增强网络、信息、数据等领域的竞争力和影响力,维护并拓展区域及国际伙伴关系从而有效应对来自外部的负面影响。

关键词：五眼联盟战略情报国家安全战略美国

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

不平衡数据下基于改进门控卷积网络的轴承故障诊断

引用

噪声与振动控制 2024年第4期44卷 153-160页

作者：郗昌盛梁小夏田少宁杨杰冯国金甄冬河北工业大学机械工程学院天津300401 河北工业大学先进装备研究院有限公司天津300401

深度学习在滚动轴承故障诊断中具有广泛的应用,然而,现实中的监测数据往往具有不平衡性,这就会对模型的诊断性能产生很大影响。因此,提出一种基于改进门控卷积神经网络(Improved Gated Convolutional Neural Network,IGCNN)的故障诊断方... 详细信息

深度学习在滚动轴承故障诊断中具有广泛的应用,然而,现实中的监测数据往往具有不平衡性,这就会对模型的诊断性能产生很大影响。因此,提出一种基于改进门控卷积神经网络(Improved Gated Convolutional Neural Network,IGCNN)的故障诊断方法,用于数据不平衡条件下的故障诊断。首先,提出改进门控卷积层以增强特征提取能力,通过批量归一化技术提高模型的泛化能力。然后,使用标签分布感知边界(Label-distribution-aware Margin,LDAM)损失函数提高模型对少数类的敏感度,减小数据不平衡对模型的影响。将所提算法应用在两组故障轴承数据上,在数据不平衡率为20:1的情况下,所提算法仍然可达到92.71%和94.47%的故障识别率,而对比的其他主流深度学习模型在该情况下只有60%~72%的准确率,表明所提方法在数据集严重不平衡情况下具有很强的诊断能力和鲁棒性。

关键词：故障诊断数据不平衡改进门控卷积神经网络标签分布感知边界损失函数滚动轴承

来源：

维普期刊数据库

同方期刊数据库评论