XiaoMi-AI文件搜索系统
World File Search System时域
瞬时流向有限的 - 拉迪乌斯井，并在孔隙弹性的含水层中具有井眼的存储和皮肤效应
本文提出了分析解决方案，用于从孔隙弹性的含水层中抽水，其中充分合并了有限厚度的皮肤区域和井眼存储的合并效果。在拉普拉斯变换域中得出了泵浦引起的轴对称应力，平面应变变形和孔隙压力。使用Stehfest反转算法获得时域溶液。的数值示例，以研究水力降低的水力耦合和毛弹性的影响。结果表明，与使用完全耦合的毛弹性理论预测的缩减相比，传统方法在低渗透性硬岩中井井有条中的下降良好。当存在有限的厚度阳性皮肤的渗透性低于地层的渗透性时，差异会变得更加明显。对于用储存的有限拉迪乌斯抽水井，与井眼存储相关的效果掩盖了毛线弹性的影响。
OpenIPSL Modelica 库中的可再生能源建模和验证
摘要 —本文介绍了西部电力协调委员会 (WECC) 可再生能源建模工作组 (REMTF) 利用 OpenIPSL Modelica 库实现的工业级可再生能源源相量时域模型。本文描述的模块是通用的，因此能够用于表示暂态稳定场景中的光伏 (PV)、电池 (BESS) 和风能源，并且考虑到 Modelica 模型面向对象的特性，增加了模块化。简要描述了建模组件，重点介绍了如何在 Modelica 中对它们进行建模以及如何将它们耦合到 OpenIPSL 库。最后，本文描述的模型通过商业软件工具 Siemens PTI PSS®E 进行了验证，并显示能够准确复制其结果，从而为基于 Modelica 的实现带来有效性。索引术语 —建模、仿真、电力系统动态、电力系统仿真、Modelica、OpenIPSL、太阳能光伏、电池储能。
基于SVM的EEG信号分类，改进...
摘要：脑电图（EEG）是一个复杂的生物选择信号。分析可以为搜索者提供有用的生理信息。为了识别和分类EEG信号，提出了一种使用改进的松鼠搜索算法（ISSA）来优化支持向量机（SVM）的模式识别方法。预处理EEG信号，其时域特征将被提取并针对SVM作为分类和识别的特征向量。在本文中，良好点集的方法用于初始化人口位置，混乱和反向学习机制被引入算法中。使用基准功能进行了改进的松鼠算法（ISSA）的性能测试。从结果的统计分析可以看出，算法的勘探能力和收敛速度可以提高。然后将其用于优化SVM参数。ISSA-SVM模型是为EEG信号的分类而建立的。对于数据集，该方法的平均分类为85.9％。此结果比比较方法提高了2-5％。
共享光伏板和储能的智能微电网能源调度：以萨姆索岛巴伦码头为例
本文重点研究了基于模型预测控制 (MPC) 的智能微电网能源调度，该微电网配备不可控（即具有固定功率分布）和可控（即具有灵活和可编程操作）电器、光伏 (PV) 电池板和电池储能系统 (BESS)。所提出的控制策略旨在同时优化规划可控负载、共享资源（即储能系统充电/放电和可再生能源使用）以及与电网的能源交换。控制方案依赖于迭代有限时域在线优化，实施混合整数线性规划能源调度算法，以在随时间变化的能源价格下最大化太阳能自给率和/或最小化从电网购买能源的每日成本。在每个时间步骤中，解决由此产生的优化问题，提供可控负载的最佳运行、从电网购买/向电网出售的最佳能源量以及 BESS 的最佳充电/放电配置。
![arXiv:2003.07877v1 [physics.optics] 2020 年 3 月 17 日](/simg/g:\will\search\icon\source\8\8d9c98312a9a7ed1b3c381cb496f2a4721ee9310.webp)
arXiv:2003.07877v1 [physics.optics] 2020 年 3 月 17 日
具有平移不变性（因而对光学错位具有鲁棒性）的薄膜光学元件对于紧凑型和集成型光学设备的快速开发至关重要。在本信中，我们通过实验展示了一种光束整形元件，它通过空间滤波激光束的基本高斯模式来产生环形光束。该元件由使用溅射薄膜制造的一维光子晶体腔组成。该元件的平面结构和面内对称性使我们的光束整形技术具有平移不变性。产生的环形光束对入射激光束的偏振方向和波长敏感。利用环形光束的这种特性，我们展示了不同波长的同心环形光束的同时产生。我们的实验观察结果与使用有限差分时域法执行的模拟结果高度一致。这种光束整形元件可应用于从显微镜和医学到半导体光刻和微电子工业制造等领域。
特刊-MDPI
摘要：非本地平均值（NLM）可以显着提高信噪比（SNR），但不可避免地会降低分布式光学纤维传感器（DFOS）的空间分辨率，这阻碍了其实际应用和DFOS绩效的改善。在本文中，分析了相关光学时域回流仪（ϕ-OTDR）和NLM参数的信号扩展之间的定量关系，以识别空间分辨率降解的原因和程度。模拟周期性和ϕ -OTDR振动信号的降解结果表明，信号扩展主要是由于NLM的相似性窗口大小，并且信号振幅降低是由高斯平滑参数引起的。与参考信号相比，降解后模拟信号的信号扩展和ϕ -OTDR信号分别为2.56％和2.74％，远小于先前的结果。信号振幅分别降低了9.25％和13.62％。这项工作促进了NLM的应用并提高了DFO的性能。
中温自主微电网运行的建模...
摘要 为了提高自主微电网的功率水平，需要更高的电压。本文对一个运行在中压水平和恒定频率下的微电网进行了详细的 Matlab/Simulink 建模。太阳能和风能利用均采用改进的升压变换器和中频变压器隔离的 DC/DC 变换器，以便将其连接到微电网。本文进一步采用基于差分进化 (DE) 的方法进行负载流分析，以计算出各母线的电压。DE 方法得到的结果在某些节点或母线与基于 Matlab/Simulink 平台的时域固定步长建模的结果几乎相同，而在其他节点，它们非常接近。因此，DE 方法可用于在具有更多节点的更复杂微电网中进行负载流分析，以克服 Matlab/Simulink 和其他工具有限的建模能力。此外，这项新的研究成果也为大规模微电网的稳定性分析奠定了基础。
基于注意机制Res-Dense卷积神经网络的水下目标识别深度学习新方法
摘要：无论在国防还是民用领域，都需要对远距离水下目标进行准确、快速的识别。然而，数据缺乏、舰船工况等因素会显著影响水下声目标识别（UATR）系统的性能。由于海洋环境非常复杂，UATR严重依赖于特征工程，人工提取的特征在统计模型中偶尔会失效。本文提出了一种基于卷积神经网络和注意力机制的端到端UATR模型。该网络模型以原始时域数据为输入，结合残差神经网络和密连接卷积神经网络，充分利用两者的优势。在此基础上，加入通道注意机制和时间注意机制，提取通道维度和时间维度上的信息。经过对实测的四种舰船辐射噪声数据集进行实验，结果表明，所提方法在不同工况下均获得了97.69%的最高正确识别率，优于其他深度学习方法。
分区 Ohtomo 稳定性测试可有效分析大型...
摘要 电子电路设计中的一个基本步骤是验证它们至少在给定的一组外部终端上是稳定的，以避免在实践中无法观察到所找到的解决方案。这在微波和毫米波电路中尤其如此，因为它们通常在频域而不是时域中进行分析。因此，无论是在线性还是大信号情况下，都可能发现不稳定的解而不是可观察到的解。不幸的是，与线性情况相比，大信号解的稳定性分析要麻烦得多。特别是，虽然可以将基于奈奎斯特原理的小信号测试转化为大信号等效测试，但代价是矩阵大小显著增加。然而，对于最近才应用于大信号解决方案的 Ohtomo 测试，可以利用问题的结构来显著降低复杂性，从而缩短模拟时间。选择一个真实世界的平衡放大器来验证所提出的方法并说明其实际用途。本文还介绍了该方法在具有大量器件的实际单片电路中的应用。
用于 6G 微电子封装的玻璃基材料和叠层太赫兹特性分析
摘要 包括聚合物/玻璃叠层在内的玻璃基材料是用于封装 5G 和 6G 微电子模块和元件的极具吸引力的结构块。我们利用商用太赫兹时域光谱 (THz-TDS) 系统首次对 AGC Inc. EN-A1 无碱硼铝硅酸盐玻璃和层压在钠钙浮法玻璃基板上的味之素增压膜 (ABF) 进行了 200 GHz 至 2.5 THz 的宽带特性分析。EN-A1 玻璃和层压 ABF 的折射率 n (ν)、衰减系数 α (ν)、介电常数 ε ′ (ν) 和损耗角正切 tan δ (ν) 分别为 n EN − A1 = 2 . 376，α EN − A1 = 31。 1 cm − 1 ，ε ′ EN − A1 = 5 . 64，tan δ EN − A1 = 0 . 062，n ABF = 1 . 9，α ABF = 30 cm − 1 ，ε ABF = 3 . 8，tan δ ABF = 0 . 072，均为 1 THz。我们的研究结果验证了 EN-A1 玻璃和 ABF 聚合物材料作为微波和 THz 封装解决方案的良好前景。