一种基于多模型切换的阶梯式广义预测控制算法

针对一类模型参数突变的系统,提出一种基于多模型切换的阶梯式广义预测控制算法。采用多个固定模型、一个常规自适应模型和一个可重新赋初值的自适应模型并行辨识系统的动态特性。多个固定模型可以提高系统的暂态性能,常规自适应模型可以保证系统的稳定性,可重新赋初值的自适应模型可以进一步提高系统的暂态性能。在每个采样时刻基于性能指标切换到最优的局部模型作为当前模型,设计阶梯式广义预测控制器,从而实现系统全局的控制。最后的仿真结果表明,其控制效果明显优于单一模型的控制器。     

基于灰色物元的变压器多指标绝缘状态评估方法

为准确评估变压器绝缘状态,提出一种基于灰色物元分析法的变压器绝缘状态评估方法。首先,选取变压器的绝缘状态检测量和实际运行状态作为评估指标,建立多指标评估体系;然后,针对指标信息的模糊性,用灰色物元表示评估指标并将其特征值量化,从而能准确地对变压器进行定性和定量评估;同时,考虑到指标之间并不独立,基于物元理论构造关联函数,将多指标评估转化为单目标评估;但指标间相关性将导致信息重复,为解决该问题,将变异系数法和复相关系数法2种客观赋权法组合,根据指标在综合评估中的作用计算权重,该权重反映了各指标的实际状态;最后,应用改进方法计算灰色关联度,确定变压器所处的绝缘老化等级。实例证明该方法合理可行。     

基于CSO-LSSVM的复杂气象条件下污区等级评估方法

污区等级是评价绝缘子以及输电网安全性能的重要指标,为了研究所处地区的气象数据与污区等级的关系,建立基于气象数据的污区等级评估方案。利用现有云南省气象数据及污区等级分布数据,提出了基于CSO-LSSVM的污区等级评估方法,首先对现有气象数据进行整理分析,采用了LSSVM算法对数据模型进行学习和评估,针对LSSVM参数确定较为困难的问题,引入了CSO算法对LSSVM的参数进行寻优。试验结果表明,相较于传统BP神经网络的评估模型,CSO-LSSVM算法所构建的气象数据与污区等级评估模型的评估结果正确率较高,具有一定的实际应用意义。     

云南电网输电线路鸟害故障风险评估方法

近年来,鸟害故障在云南电网输电线路跳闸故障中所占的比例逐渐增高,已成为影响输电线路安全稳定运行的主要故障之一。文中通过收集云南电网2014-2016年3年来鸟害跳闸故障的历史数据,根据鸟害跳闸故障的地理特征以及杆塔结构特征,建立鸟害风险评估层次结构模型。采用专家调查法与模糊层次分析法相结合的综合评价方法,利用专家级调查法确定1级指标权重系数,利用模糊层次分析法确定2级指标权重系数。在模糊层次分析法中,利用鸡群优化算法对权重系数进行优化,降低数据处理复杂度,使权重系数求取更加准确。然后通过历史鸟害故障数据,进一步确定各2级指标取值,最终建立输电线路鸟害故障风险评估模型。最后,云南电网历史鸟害故障记录验证了所构建风险评估模型的准确性。     

基于MVOtsu和鲸鱼自适应阈值的图像增强算法

针对电力设备红外灰度图像的细节不清、边缘模糊等缺陷,提出一种基于非下采样剪切波变换(NSST)的电力设备红外图像处理方法。首先,利用NSST对原始的电力设备红外图像进行变换,将数据从空间域转换到频域。然后,对高频系数使用鲸鱼自适应阈值去噪算法去噪,同时增强了高频系数中的细节和边缘部分;对低频系数采用改进的结合均值和方差的大津(MVOtsu)算法将低频分量分成前景部分和后景部分,并分别采用伽马校正算法和直方图均衡化算法进行增强。最后,通过NSST的逆变换得到增强后的图像。所提算法与其他算法的对比结果表明,所提算法能更好地突出电力设备红外图像的细节信息,增强了图片对比度,达到了更好的视觉效果。     

IIC总线在嵌入式WEB Server中的应用

介绍了IIC总线在嵌入式WEB Server系统中的应用,详细讲述了利用IIC总线扩展该系统的数码管显示及键盘输入.给出了ARM芯片S3C4510的IIC总线主控器的应用方案及编程方法.     

基于快速EEMD的自适应滤波算法在输电线路激光测距中的应用

为提高输电线路激光测距的精度,提出一种基于快速集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)的自适应滤波算法。首先,应用EEMD对含噪的激光测距信号进行分解,得到了激光测距信号的本征模态函数(Intrinsic Mode Function,IMF)分量。同时,对EEMD进行改进,加设阈值筛选IMF分量,提高算法的运行速度。再次,采用基于最小均方算法(Least Mean Square,LMS)的自适应滤波器对分解得到的IMF分量进行去噪。然后,将所得到的IMF分量重构,得到了去噪后的激光测距信号。最后,经模拟试验,结果证明应用该方法得到信号的去噪效果好,确实能提高输电线路激光测距的精度。     

多模型混合H∞型鲁棒控制

基于多模型控制器设计方法中需要建立大量离线子模型,导致计算负担过大的问题,本文提出基于H_∞理论的多模型混合鲁棒控制器设计方法.该方法首先对参数变化区间进行分解,根据得到的子区间建立子模型,从而获得多模型集.然后依据理论设计子模型鲁棒控制器,具有良好的抗干扰性,并能有效地减少子模型数量;其次,针对各鲁棒控制器,设计混合信号实现混合输出,可以很好地解决切换多模型控制中存在的持续切换问题.最后,对本文所提方法进行仿真和聚合釜温度系统的应用研究,结果表明当被控对象参数存在不确定性和存在输入扰动的时候,该方法可以在较少子模型数量的前提下保证系统具有良好的鲁棒性.     

自适应灰狼小波去噪法在变压器套管引线超声检测中的应用

在对变压器套管引线进行超声检测时,检测精度易受噪声影响,难以准确判断套管端部内的引线状态,提出了一种自适应灰狼阈值去噪法。首先,通过小波变换对超声回波信号进行多层分解,采用基于包含多阶连续导数的梯度下降自适应阈值法,估计分层阈值;然后,结合灰狼算法,以最小梯度值为目标函数进行寻优,确定阈值大小并完成去噪。通过仿真与实例验证可得,采用文中算法去噪后,信号信噪比更高,均值误差更小,信号畸变程度较小,计算速度更快,可以有效保留超声回波信号起振位置等有用信息,更好地反映套管内引线的状态,具有一定的应用价值。     

基于注意力机制的Multi-head CNN-LSTM软测量建模

软测量建模通过选取辅助变量,建立辅助变量与关键质量变量关系,能够高效地实现对关键质量变量的预测。然而当辅助变量维数较高,且对关键质量变量的影响程度不一时,网络预测误差将较大。针对这一问题,提出一种基于注意力机制的Multi-head CNNLSTM模型,首先根据辅助变量自身属性和特点将其切分成多组子变量后,使用多组独立并行工作的CNN-LSTM群对其子变量进行单独处理;再提取各组子变量上的特征向量,融合注意力机制,实现子变量特征向量的权重分配。所提算法不需提前根据工艺知识选择辅助变量,而是通过深度学习机制自动选择特征;最后,在乙烯精馏塔塔顶乙烷浓度软测量建模中进行应用,所提模型的预测精度优于LSTM以及CNN-LSTM软测量模型。