首页期刊导航|武汉大学学报(工学版)
期刊信息/Journal information
武汉大学学报(工学版)
武汉大学学报(工学版)

李晓红

双月刊

1671-8844

article321@163.com ejwhu@whu.edu.cn

027-68755516;68752082

430072

武汉市武昌珞珈山东湖南路8号

武汉大学学报(工学版)/Journal Engineering Journal of Wuhan UniversityCSCD北大核心CSTPCD
查看更多>>原武汉大学、武汉水利电力大学、武汉测绘科技大学、湖北医科大学合并组建成新的武汉大学。从2001年第1期开始,《武汉水利电力大学学报》改名为《武汉大学学报(工学版)》,其办刊宗旨、刊号、刊期、页码数和订份等都保持不变,原《武汉水利电力大学学报》的订户即为《武汉大学学报(工学版》的订户。本刊重点刊登本校作者的学术论文。
正式出版
收录年代

    基于故障量相对偏移和改进GWO-SVR的输电线路双端故障测距方法

    李铁田鹏飞孙振庭姜志筠...
    89-95页
    查看更多>>摘要:针对基于传统深度学习进行输电线路故障测距时直接采用电压、电流学习而导致模型鲁棒性差的问题,提出了一种采用故障量相对偏移作为故障特征进行学习的方法,该方法显著提高了模型的鲁棒性;针对在通过支持向量回归(support vector regression,SVR)进行深度学习时,传统灰狼优化(grey wolf optimization,GWO)算法对初始参数的寻优容易陷入局部最优问题,提出了一种改进的自适应灰狼优化算法以确定SVR的初始参数.对IEEE33节点模型的仿真结果表明,相较于传统方法,该方法的准确性更高,且当线路电压与长度发生改变时,精度相差甚微,具有较好的鲁棒性.

    故障量相对偏移改进灰狼优化算法支持向量回归故障测距

    基于能量-相角的无线电能传输系统建模与验证

    董帅良邓其军刘曾洋陈晶...
    96-103页
    查看更多>>摘要:为了解决无线电能传输系统中电流和电压的变化频率较快且不能直接反映负载上的电压有效值的问题,采用基于能量-相角的建模法为全桥逆变器的无线电能传输系统建模,同时避免了相较于d-q分解法系统阶数较高的情况.首先分析了由全桥逆变器驱动的无线电能传输系统的等效电路模型,然后将能量和相角作为变量对等效电路模型进行小信号建模,接着将小信号模型在工作点附近线性化,得到系统的线性模型及其传递函数,最后开发全桥逆变器原型机并应用于无线电能传输系统.实验结果与小信号建模得到的幅相特性曲线在中低频段基本一致,在1 000 rad/s及以下频率情况下的吻合度达到90%,验证了建模方法和模型的准确性.

    无线电能传输能量-相角建模法相移控制

    基于多次级线圈的电动车辆无线充电抗偏移系统

    王小龙熊伟邓其军
    104-111页
    查看更多>>摘要:提出了一种适用于电动车辆的多次级线圈无线电能传输系统,以提高次级侧的抗偏移能力,满足能量传输需求.该系统采用了一对多线圈拓扑结构,其中,次级侧的多个线圈采用多绕组变压器来实现功率集成.为在次级侧有较大水平偏移的条件下也能进行抗偏移,分析了多次级线圈的能量传输特性,进行了等效电路分析和Matlab仿真,并提出了一种多次级线圈的自适应工作模式.研究和实验表明,所提出的多次级线圈拓扑结构可以有效扩大无线电能传输系统的定位范围,提高次级侧的抗偏移能力.

    抗偏移无线电能传输多次级线圈自适应工作模式

    基于ARMA模型的海上风机随机风场模拟

    李鹏朱洪泽骆光杰苏凯...
    112-120页
    查看更多>>摘要:为分析风荷载作用下的海上风机结构动力响应特性,提出采用数值仿真的方法模拟其空间域内的随机风场.利用MATLAB软件编制基于ARMA(autoregressive moving average)模型的脉动风速时程模拟程序,并嵌入AIC(Akaike's information theoretic)准则以判定ARMA模型的最优阶数,最终,针对江苏黄海某海上风机项目进行数值仿真分析,将模拟脉动风速功率谱与目标Davenport谱进行对比.计算结果表明:根据AIC准则确定的ARMA模型最优阶数可兼顾模型模拟精度和计算成本;模拟脉动风速时程功率谱函数在0.3 Hz以下的低频区间波动较大,与目标谱函数存在一定差距,在中高频段两者规律差距较小,整体模拟精度较高.

    海上风机ARMA模型AICDavenport功率谱MATLAB脉动风速时程

    UNet++结合BP神经网络提取地表覆盖类型

    王书韬史明昌陈春阳陈靖涛...
    121-128页
    查看更多>>摘要:在面向土壤侵蚀的遥感影像地物提取过程中,存在严重的"椒盐"现象以及对微小地物不敏感的缺点,针对该问题,结合误差反向传播(back propagation,BP)、UNet+十神经网络和面向对象思想,构建了一种二分支神经网络的深度学习方法,该方法能对在不同复杂度地区面向土壤侵蚀的地表覆盖类型进行自适应提取.以深圳市GF-2(Gaofen-2 satellite)遥感影像为例,进行面向对象分割和最优特征指标子集筛选,将分割结果以及最优特征子集作为二分支神经网络输入数据,获得地表覆盖类型提取结果.将所提方法与面向对象k最邻近(k-nearest neighbor,KNN)算法、BP和UNet++神经网络算法进行对比,结果表明:二分支神经网络对地物提取的总体精度达到91.73%,对各类别地物识别效果的综合评价指标F值(F-measure)均超过0.8,能有效抑制"椒盐"现象和微小地物的误分,评价结果优于对照组.

    BP神经网络UNet++面向对象特征选择地表覆盖类型提取