基于聚类法的水泥分解炉工况识别研究

针对分解炉系统非线性、大滞后、工况复杂且波动大、变量多且各变量间强耦合等特点,要对其进行有效控制以实现分解炉系统稳定运行且入窑物料分解率最大,则必须对其工况进行深入分析和研究。本文采用聚类法对分解炉系统进行工况识别,首先运用硬聚类方法对分解炉各参数的变化趋势和实时值进行识别,然后在此基础上改进为采用模糊聚类的方法对分解炉各参数的变化趋势进行识别,采用历史数据仿真得出的结果良好。在对分解炉各参数实现了参数趋势和实时值识别后,再根据分解炉系统的典型工况类可以准确判别分解炉系统此时工况,这对实现分解炉的有效控制,提高入窑生料分解率意义重大。基于该算法采用VB软件实现的分解炉工况识别器在生产现场的运用效果较佳。     

基于聚类法的水泥分解炉工况识别研究北大核心CSCD

针对分解炉系统非线性、大滞后、工况复杂且波动大、变量多且各变量间强耦合等特点,要对其进行有效控制以实现分解炉系统稳定运行且入窑物料分解率最大,则必须对其工况进行深入分析和研究。本文采用聚类法对分解炉系统进行工况识别,首先运用硬聚类方法对分解炉各参数的变化趋势和实时值进行识别,然后在此基础上改进为采用模糊聚类的方法对分解炉各参数的变化趋势进行识别,采用历史数据仿真得出的结果良好。在对分解炉各参数实现了参数趋势和实时值识别后,再根据分解炉系统的典型工况类可以准确判别分解炉系统此时工况,这对实现分解炉的有效控制,提高入窑生料分解率意义重大。基于该算法采用VB软件实现的分解炉工况识别器在生产现场的运用效果较佳。     

针铁矿法沉铁过程Fe2+浓度预测建模

针铁矿法沉铁过程中反应器出口的二价铁离子浓度无法在线检测,影响到生产过程的实时优化控制.为此需要建立二价铁离子浓度预测模型,以系统入口参数和控制参数等输入条件为依据,实现预测反应器出口二价铁离子的浓度值.基于化学反应动力学理论与实验研究确立预测模型的结构;对于模型中难以确定的参数,采用蕴含大量工况信息的实际生产数据辨识得到.通过参数输出灵敏度矩阵分析参数模型的敏感度,并将灵敏度信息引入模型参数辨识的目标函数,以提高模型参数的辨识精度.仿真结果表明:预测模型具有较为明确的物理意义,预测结果能很好地跟踪现场生产数据的波动,模型的精度可以满足生产需要.     

非线性系统第一类模糊辨识器的设计及仿真

该文针对非线性系统的辨识问题,给出了第一类模糊辨识器的设计方案,该方案通过引入最优逼近误差的自适应律参数项,实时地调整参数来实现对非线性系统的辨识.采用此方法可使辨识器模型的输出很快收敛到真实系统,且辨识误差渐进收敛到零.该文根据此算法编写了便于仿真实现的MATLAB程序,且给出了此程序的解算流程图.最后对Rossler混沌系统的实例进行仿真,绘制了系统真实曲线和辨识器模型输出的估计值曲线,仿真结果说明了该方法在非线性系统辨识中的使用性和可行性.     

基于脉冲响应的输出误差模型的辨识

基于系统脉冲响应参数, 利用相关分析方法, 提出了一种辨识输出误差模型参数的方法. 该方法是利用有限脉冲响应模型逼近输出误差模型, 通过依次递增脉冲响应参数的数目N来提高逼近精度. 理论分析表明, 只要N足够大, 模型的辨识精度可以满足实际要求. 提出的辨识方法可以在假设阶次N =1的条件下, 依次递增计算N较大时的脉冲响应参数和目标函数值, 从而根据脉冲响应确定系统的参数. 仿真试验说明提出的方法估计输出误差模型的参数是有效的.     

矢量变频异步电机的参数辨识技术研究

为提高矢量控制变频调速系统的静、动态性能,提出一种基于变频器自身的异步电机参数辨识新方法,采用SVPWM技术控制逆变器向异步电机施加直流或者交流信号激励,通过检测输出响应,实现对异步电机定子电阻、定子漏感、转子电阻、转子漏感及定转子励磁电感等参数进行辨识。针对输出响应信号存在噪声和谐波的特点,利用离散傅里叶变换(DFT)提取出基波电流、电压的幅值和相位等有效信息。采用基于SVPWM的死区效应时间补偿方法,避免了逆变器开关管的开关延迟、管压降及死区时间对参数辨识的影响。最后,在以TMS320F2808 DSP为控制核心的矢量变频器中采用该方法进行参数辨识实验,实验结果表明该方法的正确性。     

面向直流电机模型时变参数的在线辨识方法

在直流电机建模优化问题的研究中,由于直流电机的时变参数随现场工况的变化而变化,导致采用离线辨识方法无法估计直流电机的系统模型,针对直流电机系统参数的时变性,提出一种直流电机时变参数的在线辨识策略.依据直流电机的电势平衡方程和转矩平衡方程,得到直流电机的传递函数,转化为电动机角速度和电压之间的差分方程,然后,采用递推最小二乘算法进行在线辨识,从而实现直流电机系统模型在线辨识的目的.搭建直流电机在线辨识系统实验平台,采用改变直流电机载荷的方式,进行了在线实时辨识的实验,实验结果表明:改进方法辨识效果良好,较好地实现了直流电机在参数时变的情况下,辨识效果良好,辨识模型较好地跟踪系统参数的变化.     

基于辅助模型正交匹配追踪的多输入系统迭代辨识算法

针对含有未知时滞的多输入输出误差系统的时滞与参数辨识问题,提出一种基于辅助模型的正交匹配追踪迭代算法.首先,由于各输入通道的时滞未知,通过设定输入回归长度,对系统模型进行过参数化,得到一个高维的辨识模型,且辨识模型中参数向量为稀疏向量;然后,基于辅助模型思想和正交匹配追踪算法,在每次迭代过程中,对参数向量和辅助模型的输出进行交互估计,即利用正交匹配追踪算法获得参数向量的估计,再利用参数估计值计算辅助模型的输出,并用辅助模型的输出值代替信息向量中的不可测信息项以更新参数估计;最后,根据参数向量的稀疏特征,获得系统的时滞估计.所提出算法可以利用少量的采样数据信息同时获得系统参数和时滞的估计值.仿真结果表明了所提出算法的有效性.     

基于协同滤波和BP神经网络的电力作业人员运动工况辨识

针对预警装置靠近相同带电体时不同工况下报警阈值选择的误差造成误报、漏报问题,提出基于协同滤波和反向传播(BP)神经网络对电力作业人员爬塔、爬坡、水平行走三种工况辨识的模型。利用加速度与气压传感器采集作业人员头部的加速度与气压值,对数据进行协同滤波,提取有效相对高度值,然后对有效高度值进行一阶拟合得到拟合参数。最后根据拟合参数建立BP神经网络模型识别三种工况。选取室外杆塔、斜坡及水平路面为实验平台,每种工况采集400组数据,随机抽取350组数据进行训练,50组数据进行验证。验证结果表明:训练样本准确率达到94. 95%,测试样本准确率达到94. 67%,满足室外工况辨识的要求。     

基于GAN技术的自能源混合建模与参数辨识方法

自能源（We-energy,WE）作为能源互联网的子单元旨在实现能量间的双向传输及灵活转换.由于自能源在不同工况下运行特性存在很大差异,现有方法还不能对其参数精确地辨识.为了解决上述问题,本文根据自能源网络结构提出了一种基于GAN技术的数据——机理混合驱动方法对自能源模型参数辨识.将GAN（Generative adversarial networks）模型中训练数据与专家经验结合进行模糊分类,解决了自能源在不同运行工况下的模型切换问题.通过应用含策略梯度反馈的改进GAN技术对模型进行训练,解决了自能源中输出序列离散的问题.仿真结果表明,提出的模型具有较高的辨识精度和更好的推广性,能有效地拟合系统不同工况下各节点的状态变化.