基于信捷PLC的称重包装机控制系统优化设计∗

文章对称重包装机控制系统进行了优化设计。该系统以无锡信捷电气股份有限公司XD３系列PLC为控制核心,选用XDＧE２WTＧC压力测量模块采集称重数据,用４GBOX网络模块实现称重包装系统的网络化,并用HMI和手机实现称重系统的可视化远程监控。实践表明,在系统中采用提升称重速度、减小称重误差、重新标定称重参数等优化措施,可使称重控制工艺更加合理,大大提升了称重系统的动态处理速度和精度,且将系统数据接入云服务器,可为下一步采用大数据优化系统流程和实现远程维护提供支撑。     

基于RBF神经网络的配电变压器不良数据辨识

为解决配电变压器(简称配变)二次侧电气参数采集值中存在空数据和不良数据的问题,首先分析了配变数据的本质特征和内在规律;然后提出一种基于径向基函数神经网络(RBF NN)的配变数据预测模型;最后结合纵向对比法对不良数据进行准确定位。通过对BP网络、Elman网络和RBF网络3种不同预测模型的实验结果进行比较,证明了RBF网络预测结果的准确性。通过对配变不良数据的有效辨识,证明了该算法的有效性和推广价值。     

基于模糊积分融合技术的变压器故障识别

提出了一种基于模糊积分融合技术的变压器故障诊断新方法。首先建立三比值的隶属函数并对三比值数据进行模糊预处理,再用4个不同的径向基函数神经网络进行故障识别,最后利用模糊积分融合方法将4组诊断结果进行融合处理,得出诊断结果。仿真实例表明这种方法比单个人工神经网络具有更高的故障诊断性能。     

基于径向基函数神经网络的SR电动机定子径向力建模

探讨了采用径向基神经网络对开关磁阻电动机定子径向力进行建模的方法。考虑到定子径向力模型中的两个输入量,即绕组电流和转子位置,取值范围较大,本文提出了先对输入量进行归一化处理,使得基函数的中心映射在[0,1]的闭区间内,再使用最近邻聚类和最速梯度下降法对网络进行训练的方法。文中给出了径向基神经网络和误差反传神经网络在建模精度和收敛速度上的比较,结果证实径向基函数神经网络除了具有很强的非线性逼近精度和泛化能力外,在给定同样的隐层神经元结构、网络学习率和目标误差,径向基神经网络在定子径向力非线性模型的训练过程中收敛速度更快,网络学习效率更高。     

基于遗传神经网络的电容称重传感器非线性补偿方法

为了解决电容称重传感器的非线性问题,应用遗传算法训练径向基函数神经网络实现其非线性补偿。介绍非线性补偿的原理和网络训练方法。从实测数据出发,建立了电容称重传感器的非线性补偿模型。该方法能同时优化网络结构和参数,具有全局寻优能力,补偿精度高、鲁棒性好、网络训练速度快、能实现在线软补偿。实验结果表明,本文所用的电容称重传感器非线性补偿方法是有效和可行的。     

应用RBF网络和D-S证据推理的模拟电路诊断

提出了一种基于径向基函数网络与证据推理的模拟电路融合诊断方法,以解决模拟电路诊断中由于故障信息缺乏所致的诊断准确性问题,并提高其训练速度。采集多类电路信息,对应于每类特征参量构造一个径向基函数网络,由这多个彼此独立的径向基函数网络来完成故障的初级诊断。再用初级诊断中各子网络的输出结果构造证据体,通过证据融合推理分析,得出最终的故障定位结果。模拟实验结果表明,所提方法对于电路的硬故障与元件参数偏移较小的软故障诊断均有效,其充分挖掘了多类测试信号中的故障信息,提高了诊断结果的准确率。     

控制系统传感器故障的两次预测诊断方法

为了克服建模误差对诊断结果的影响,增强故障检测方法的鲁棒性,同时充分利用生产过程中存在的大量冗余信息,文中提出了一种基于径向基函数网络（RBEnet)的传感器故障诊断的新方法。针对多传感器系统的特点,利用神经网络的非线性拟合能力,将相关传感器的输出数据综合,对待诊断传感器的输出进行两次预测：第一次预测用于故障的识别;第二次预测可以实现故障传感器的定位,并利用第一次预测的输出数据对故障信号进行恢复。仿真实验表明该诊断方法对于传感器的几种不同故障形式均能够进行识别和恢复,对于系统工况的变化具有一定的适应性,由于径向基函数网络具有很好的收敛性,同时在使用过程中采用离线训练,在线使用的方式,因此该方法具有较好的实时性。     

电力系统负荷的径向基函数网络预报

根据径向基函数理论建立的径向基函数神经网络(RBFN)可实现非线性系统的输入、输出映射关系,本文依据该理论建立了一种负荷预报的新算法——径向基函数网络预报法。该算法依据历史负荷数据和天气信息,能够体现负荷的波动性和气温对负荷的影响,实现电力负荷的短期预报。     

电力通信网光纤保护通道风险评估

对电力通信网光纤保护通道风险评估进行了研究,针对电力通信网光纤保护通道风险评估的影响因素繁多,复杂性和重要程度不同,难以用精确数学模型描述的特点,提议利用主成分分析(PCA)-径向基(RBF)神经网络进行风险评估的方法。具体是利用主成分分析(PCA)方法对原输入空间进行重构,并根据各个主成分的贡献率来确定径向基网络结构,从而提高了网络的训练速度和评估能力。最后对某省实际运行的光纤保护通道进行风险评估来验证该方法的优越性。     

证据理论Dempster法则融合神经网络的短期负荷预测

针对传统神经网络收敛速度较慢且实时性较差的缺点,在考虑气候因素的情况下,分别用改进BP网络、径向基函数网络和Elman网络算法对某地区的负荷进行预测.通过对预测误差的分析,用证据理论的Dempster合成法则对算法进行融合,通过选取待预测日之前几天的数据作为融合样本,规定相应的基本信度函数,得到融合后的信度分配,从而决定相应时刻的预测模型.仿真结果表明,经过证据理论融合后选择的负荷预测算法具有较高的预测精度.     

基于PMU的分布式电力系统动态状态估计新算法

随着电力系统的发展,区域电网互联,形成更大的系统。各区域电网相对独立,且有各自相对独立的调度中心。为适应这种分区管理模式,状态估计应采用分布式并行算法。在动态估计扩展Kalman滤波算法的基础上,结合搭接式分布并行算法,提出了一种基于相量测量单元(PMU)的分布式电力系统动态状态估计新算法。该算法利用少量PMU测点,真正实现各子系统的并行计算,避免了原算法进行串行等待的过程。并结合量测数据预处理、对雅可比矩阵加权等方法,加快了计算速度,提高了数值精度和稳定性。最后给出了IEEE 14节点的仿真结果,验证了该算法的有效性及优越性。     

乘用车驱动电机低速啸叫优化

电机径向辐射噪声主要原因是电机径向电磁力。本文针对某乘用车驱动电机低速啸叫问题进行了力波分析、电磁方案优化以及试验验证。通过分析低速状态驱动电机力波剖析了低速啸叫问题产生的根源。建立定子铁芯3D模态有限元模型,分析得出电机的主要模态频率,结合磁固耦合动态响应分析方法对电机振动噪声响应对比分析。最后,通过在整车上进行NVH测试验证、对比分析。     

药品灌装线动态称重系统底层硬件设计

根据药企的实际需求,研制出一种可在药品灌装线上动态称重质量为0.5～2 g粉末状药品的系统.着重介绍药品灌装线动态称重系统底层硬件结构和功能,底层硬件系统由1套主机和8套前端模块组成,主机用于控制前端模块同步工作,前端模块实现对称重传感器的数据采集.底层硬件选用C8051F021高速单片机作为数据采集和处理芯片;通过RS485串行通信实现前端模块与主机的通信;采用MAX293低通滤波芯片滤除药品灌装线的振动干扰;应用在线调试模块提高系统测试效率.现场实验结果表明：药品灌装线动态称重系统底层硬件能够为系统提供准确的原始数据,实现相对误差±2％的设计要求,并且具有良好的操作性.     

基于遗传神经网络的伺服电机转速控制

针对交流伺服控制的高速度和高精度,传统控制方法很难对其实施有效控制,给出一种基于遗传神经网络的控制策略。神经网络的结构和初始权值运用递阶遗传算法离线优化,并对电机参数进行实时辨识,通过辨识结果计算控制量,对电机进行实时控制。实验结果证明,该控制系统具有较高的控制精度和稳定性。     

基于粗糙集和RBF神经网络的变压器故障诊断方法研究

针对变压器故障诊断神经网络模型存在网络结构复杂、训练时间长等问题,提出基于粗糙集及RBF神经网络的变压器故障诊断方法。运用粗糙集理论中无决策分析,建立基于可分辨矩阵和信息熵的知识约简算法,进行数据挖掘,寻找最小约简;以处理后的数据集合作为训练样本,采用高斯函数作为径向基函数,分别求解方差及各层权值,建立变压器故障诊断模型。通过测试对比,此算法虽然略微降低诊断正确率,但网络结构简单、训练速度快、泛化能力强,对提高神经网络在变压器故障诊断中的应用性能有较好的指导意义。     

Coordinated Setting of Multiple PSSs for Actual Size Power Network

The power system stabilizer (PSS) is a low‐cost method of stabilizing the intertie and local oscillations of a power network. The PSS parameters are usually adjusted based on the one‐machine infinite‐bus system model. In contrast, a real power system consists of multimachine systems. Thus, coordinated setting of the PSS parameters, with the real characteristics of the power system network taken into consideration, is expected to improve stability. For this purpose, the modal performance measure (MPM) method is used to adjust the PSS parameters. The power network mathematical model that is required for this calculation is given by the system identification method. Utilizing the MPM method characteristics, restrictions such as the damping coefficient and maximum gain, which constitute practical design specifications used for conventional controllers, are naturally introduced. Furthermore, radial basis function (RBF) frequency weighing is introduced in order to adjust the frequency responses. The expected favorable results were found in large‐scale power system simulations.     

基于动态模糊神经网络的变桨距系统辨识

针对风力发电机组运行过程难以建立精确的数学模型的特点,将动态模糊神经网络应用于风力发电变桨距系统的辨识中.该模糊神经网络的结构基于扩展的径向基神经网络,在功能上等价于TSK模糊系统,其学习算法的最大特点是参数的调整和结构的辨识同时进行,且学习速度快.通过对风力发电变桨距系统中桨距角和风力机转速的非线性动态过程所进行的仿...     

装载机动态称重仪表的设计与实现

为提高装载机动态称重系统的精度,在装载机工作装置的动力学模型中加入了车辆行驶加速度,以补偿惯性力对称重结果的影响,完善了动力学模型。提出了动态称重仪表的软硬件设计方案,分别利用磁编码器、压力变送器、加速传感器,测量动臂的俯仰角度、举升油缸的油压及垂直于动臂方向的加速度,传感器信号经滤波处理后根据模型解算出装载的物料重量。实现了装载机动态称重功能及LCD显示、无线传输等扩展功能,并采用实验定标的方法补偿测量误差,经验证系统获得良好的测量精度。     

小波分解层数及其组合分量对短期风速多步预测的影响分析

针对风速时间序列的规律性和随机性双重特征,将小波分解和RBF神经网络相结合用于短期风速预测。针对小波分解用于风速信号的不同频率成份的趋势项提取,研究了基于小波分解后的分量RBF网络预测及综合问题,包括全部高频-低频分量组合预测、部分高频-低频分量组合预测,以及低频分量组合预测三种方法的预测性能和特点。分析了三种不同方法在短期风速预测中的应用效果。通过对不同时间、不同地点短期风速预测的研究发现,进行不同步数的预测时,只有选取合适的分解层数、合适的高频分量和低频分量组合,才能得到最优的预测效果。该结论对于将小波分解用于短期风速时间序列的预测具有一定的指导意义。