首页期刊导航|长沙理工大学学报（自然科学版）
期刊信息/Journal information
长沙理工大学学报（自然科学版）
长沙理工大学
长沙理工大学学报（自然科学版）

长沙理工大学

童小娇

季刊

1672-9331

lgdxxb2010@126.com

0731-82617276

410076

湖南省长沙市赤岭路45号长沙理工大学图书馆B馆3楼

长沙理工大学学报（自然科学版）/Journal Journal of Changsha University of Science and Technology(Natural Science)CSTPCD
查看更多>>本刊是长沙理工大学主办的以公路、交通、电力、动力、信息、机械、数学、化学等专业学科为主的综合性学术期刊。
正式出版
收录年代

    基于卷积神经网络算法的高压发电机保护研究

    李毓洋王媛媛罗晓敏
    111-119页
    查看更多>>摘要：[目的]研究一种基于卷积神经网络算法的定子单相接地故障保护方法,以提高高压发电机定子单相接地保护的可靠性.[方法]首先,采用改进变分模态分解(variational mode decomposition,VMD)方法处理故障时序数据;接着,针对分解后的多个本征模态函数(intrinsic mode function,IMF)分量提取组合峭度、综合能量熵、综合凹凸系数,并将其构成融合特征向量;然后,采用放射性填充策略将融合特征向量升维,并将其输入卷积神经网络(convolutional neural network,CNN)算法以获得高压发电机故障判别结果;最后,为了验证该保护方法在不同运行方式下的适用性,利用电力系统仿真软件PSCAD/EMTDC,搭建了由三台高压发电机构成的系统仿真模型.[结果]本文所提保护方法可以提高判别准确率,显著减少不同中性点接地方式、故障初始角、故障位置、过渡电阻的影响,且抗噪声能力更强.[结论]本文所提保护方法判别精度高,可靠性强,适用于多种运行方式下的高压发电机定子单相接地故障保护.

    电力系统继电保护高压发电机定子接地故障保护变分模态分解卷积神经网络

      原文链接:
    • 万方数据
    • 维普

    超声速涡流管能量分离效能分析

    李乐赵斌王前程冈敦殿...
    120-129页
    查看更多>>摘要：[目的]涡流管被广泛应用于各种定点或小范围制冷的工业环节,但因受制于效率低、制冷量小等缺陷而难以进一步推广应用.本文通过对超声速涡流管进行能量分离效能分析,研究涡流管效能优化方法.[方法]用Laval喷嘴替换传统涡流管中的渐缩喷嘴,设计了一种超声速涡流管.通过数值模拟和试验,研究了该涡流管的能量分离效能随结构参数和操作参数的变化规律.对较高入口压力下的工况进行了数值计算,并在较低入口压力下开展了试验,得到了长径比、马赫数和入口压力对超声速涡流管能量分离效能的影响规律.[结果]超声速涡流管效能曲线的数值模拟结果的变化趋势与试验结果的大致相同.当入口压力为12 MPa时,长径比为25的超声速涡流管最佳制冷效应可达57.01 K.[结论]超声速涡流管的制冷、制热效应较好,但其最佳制冷效率远比传统涡流管的低.在一定范围内,增大长径比、喷嘴出口气流马赫数和入口压力可以提高超声速涡流管能量分离效能.

    超声速涡流管能量分离效能数值模拟马赫数制冷效率

      原文链接:
    • 万方数据
    • 维普

    天然高分子无溶剂纳米类流体的结构、性质、制备与应用展望

    包正海何述言殷先泽
    130-141页
    查看更多>>摘要：[目的]系统研究天然高分子类流体的相关研究进展.[方法]首先,总结了无溶剂纳米类流体的组成、结构、合成方法及应用领域;接着,基于无溶剂纳米类流体原理拓展到天然高分子类流体的制备,并对多种不同天然多糖高分子类流体的合成方法、流动机理及潜在应用前景进行了详细的总结;最后,对未来天然高分子类流体的加工和应用进行了展望.[结果]天然高分子类流体的研究能解决目前天然多糖高分子材料面临的无法热塑加工、难分散、高温稳定性差及多功能化实现的难题,为天然多糖高分子材料加工优化和应用领域的突破提供了新思路.[结论]本文总结了无溶剂纳米类流体的概念、各种无机类流体制备原理及应用领域的优势,并将这种无溶剂类流体的制备方法应用到天然高分子材料热塑加工和应用领域.

    天然高分子结构和性能研究进展类流体加工性能

      原文链接:
    • 万方数据
    • 维普

    基于小波变换和Inception网络的心跳分类

    林鸣放席燕辉
    142-151页
    查看更多>>摘要：[目的]针对临床专业人士对心电图进行逐拍分析诊断时存在的耗时耗力问题,本文提出了一种基于预训练的Inception网络心电图自动识别方法.[方法]首先使用墨西哥小波变换将心电图从时域转换到时频域,提取心跳信号的时域和频域信息,然后利用Inception网络对心跳时频图进行自动诊断识别.训练中采用随机梯度下降算法对模型进行优化.[结果]为验证所提方法的有效性,在公开心律失常数据集中选取5种心跳数据进行测试.结果表明,本文算法在阳性预测值、召回率和准确率等指标都取得了很好的成绩,且在相同试验条件下,收敛更快,其准确度比预训练好的残差网络和视觉几何群网络的更高.[结论]采用墨西哥小波基函数能更好地表征单个心跳形状,而采用端到端的Inception模型能将不同宽度心跳信号特征矩阵按深度进行拼接,提取更丰富的特征.

    心电图心跳分类Inception网络小波变换

      原文链接:
    • 万方数据
    • 维普