电力拖动自动控制系统_电气工程及其自动化,技术性非常强的学科,有机会去国家电网?...

一、专业介绍

电气工程就是以电能、电气设备和电气技术为手段来创造、维持与改善限定空间和环境的一门科学,涵盖电能的转换、利用和研究三个方面。培养学生具备电机及其控制、电器及其控制、电力系统及其自动化、建筑电气等工程技术领域基础理论和基本知识,能够从事设计制造、研制开发、实验分析、系统运行、自动控制、电力电子技术、生产管理以及电子与计算机技术应用的应用型、复合型高级工程技术人才。

2f48e19cfbcf7ecf4bb5cebdf453a346.png

二、学习门槛

较好的数学、物理、外语、计算机等学科基础。

三、主要课程(大学)

电路分析、数字电子技术、模拟电子技术、自动控制原理、单片机原理及其应用、电力电子技术、电机拖动基础、计算机控制系统、运动控制系统、供用电系统、电力系统继电保护、现场总线与网络控制、软件工程、电气控制技术、可编程序控制器(PLC)、C程序设计等。

0207cfa671d565d7e55f267b69d15d4c.png

四、考研导读

电气工程及其自动化专业的毕业生可以报考相关专业的硕士研究生继续深造,可选专业主要有电力系统及其自动化、电力电子与电力传动等。

电力系统及其自动化的主要研究内容,包括发电控制的自动化,电力调动的,自动化与配电自动化等。

电力电子与电力传动专业研究范围包括电力电子器件原理、制造及应用技术、电力电子电路、装置、系统及其仿真与计算机辅助设计,电力电子系统的故障诊断及可靠性评估,电力传动及其自动控制系统,电能的变化与控制等。

此外,电机与电器、高电压与绝缘技术、电工理论与新技术等专业也适合本专业同学报考。

五、毕业去向

在供电局、电厂、电力科研所、设计院等或在市政、房地产建筑装饰企业等从事与电气工程有关的系统运行、自动控制、电力电子技术、信息处理、研究开发、电子与计算机技术应用等领域的工作。

cbf87dcefe8c5de6f06cab4c50189091.png

六、文理科比例

理科:100%

七、开设院校

教育部第四轮学科评估(电气工程专业)

A+类院校

清华大学、西安交通大学

A类院校

华北电力大学、华中科技大学

A-类院校

哈尔滨工业大学、浙江大学、重庆大学、海军工程大学

B+类院校

天津大学,沈阳工业大学,上海交通大学,东南大学,南京航空航天大学,山东大学,湖南大学,西南交通大学

B类院校

北京交通大学,河北工业大学,东北电力大学,哈尔滨理工大学,中国矿业大学,合肥工业大学,武汉大学,华南理工大学,西北工业大学

B-类院校

太原理工大学、大连理工大学,上海电力大学,河海大学,福州大学,长沙理工大学,四川大学,三峡大学

C+类院校

北京航空航天大学,东北大学,燕山大学,同济大学,上海海事大学,上海大学,江苏大学,广西大学,西安理工大学,新疆大学

C类院校

辽宁工程技术大学,南京理工大学,山东理工大学,郑州大学,郑州轻工学院,中南大学,电子科技大学

C-类院校

中国农业大学,天津理工大学,哈尔滨工程大学,黑龙江科技大学,上海理工大学,山东科技大学,河南理工大学,湖南工业大学

专业延伸

电气类

培养能够从事与电气工程有关的系统运行、自动控制、电力电子技术、信息处理、试验分析、研制开发、经济管理以及电子与计算机技术应用等领域工作的宽口径 " 复合型 " 高级工程技术人才。

主要课程

电气工程基础、电力电子技术、电机控制技术、电气设备与电气控制技术、新能源技术、检测技术、集散控制系统、电气工程保护技术、控制电器技术、计算机网络与数据库技术、电气设备在线检测技术、电路、电机学、模拟电子技术、数字电子技术、自动控制原理、电力电子技术、电力系统分析等。

bdbcc21f99b84a7b2b850bb211eb6eca.png

就业方向

电气专业毕业生多就业于各级发电厂、供电局、电网调度所、各类大中型企业等单位。从事电力设计、建设、调试、生产、运行、管理、市场运营、科技开发和技术培训等工作,或从事电气设备的维护、检修、安装和调试等方面的工作。此外,还可从事其他行业中的电气技术工作等。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值