一种利用衰减非周期分量的UHVDC线路故障选极元件

针对一极线路遭受故障时,另一极线路会耦合到很大的电压突变率和电流变化率,甚至可能引起健全极线路的保护动作的问题,提出一种利用衰减非周期分量的UHVDC线路故障选极元件。对特高压直流输电线路故障暂态特征时域和频域的分析发现,直流线路整流侧保护测量处故障极的衰减非周期分量大于非故障极的衰减非周期分量,由此构成UHVDC故障选极判据。通过小波变换分解两极线路故障电流,并在频带0~20Hz进行重构以提取故障电流的衰减非周期分量,根据两极线路衰减非周期分量能量的比值进行故障选极。大量的仿真结果表明,该方法对于不同的故障位置、过渡电阻以及故障类型来说具有较强的鲁棒性,在各种工况下均能可靠快速地选出故障极,不受数据同步的影响,门槛值易整定,具有工程现场意义。     

广域高效车用轴向磁通永磁同步电机的设计分析

针对车用驱动电机转矩和转速多变,运行范围宽广,需要提升电机在全域运行范围的高效率能量转换的问题,提出以高效率区间占比为设计目标的车用轴向磁通永磁电机设计方法。提出了考虑PWM供电影响的电机铁耗工程计算方法。基于等效磁网络法和集总参数热网络法构建了轴向磁通永磁同步电机的快速磁-热耦合设计模型,提高了车用轴向磁通永磁同步电机的设计精度。基于磁热耦合模型,分析了极弧系数、每槽导体数、气隙长度、永磁体尺寸、定子槽型尺寸等关键设计参数对车用轴向磁通永磁同步电机高效率区间占比的影响。设计并制造了样机一台,开展了电机效率和温升测试实验,获取了全域运行范围内的电机效率及电压分布,测试结果验证了磁热耦合模型和设计结果的有效性。     

配电网数字共享应用中心建设探索与实践

针对湖南配电网运营监测、调度指挥等缺乏有效平台支撑的问题,为全方位提升配电网专业管理、调度水平,遵循企业中台技术路线、微服务框架原则,基于图模中心和数据中台,设计了一款共享型、平台型微应用群,即配电网数字共享应用中心。该平台全面推进了电网资源业务中台建设,同时给数据中台提供了一个直接面向配电网专业的消费平台,对公司配电网管理数字化转型具有重要意义。     

220kV变电站智能化改造技术要点及方案实施

杜尔伯特220 kV数字化变电站升级改造为智能变电站。一次设备中,将原电子互感器改造为新型电子互感器配合合并单元的模式。二次设备中,将原有监控系统更换为一体化监控系统;保护及安全自动装置利用了近年新扩建的两套线路,同时将对侧装置软硬件升级为与本侧同版本的保护,利用软件保护定值或算法完成补偿;其余线路保护、主变压器保护、母线保护、母联保护均进行了更换;对电量计费系统的通信规约进行了升级改造,非关口计量表采用SV网络采样,关口计量表采用点对点采样。改造完成后,实现了优化资源配置、提升运行指标的目的,为数字化变电站升级改造为智能变电站提供了借鉴。     

钢带冲压件表面硬度不均匀原因分析

采用化学成分分析、金相组织检测及热处理等手段，对我公司生产的Q345热轧钢带产品硬度偏低及分布不均匀的原因进行了分析。结果表明：热轧钢带表面脱碳太深、脱碳量大是造成工件硬度偏低且不均匀的主要原因。     

基于遗传算法的铜闪速熔炼过程控制优化

基于已建立的铜闪速熔炼神经网络模型,以能耗费用最低为目标,在工艺指标控制范围内,采用遗传算法对铜闪速熔炼过程的工艺参数进行了仿真优化计算。结果表明,当空气、分配风、工艺氧和中央氧的市场价格折合比值分别为0.05、0.1、0.4和0.45,精矿量为128 t,其成分(质量分数)为Cu 20.61%、S 27.59%、Fe 24.72%、SiO2 11.64%和MgO 1.39%时,铜闪速熔炼工艺参数的遗传优化值为空气15 011 m3、分配风1 302 m3、工艺氧17 359 m3、中央氧1 000 m3、熔剂13.6 t;与实践平均值相比,若采用优化工艺参数控制,熔炼能耗费用可降低4.6%。     

基于Rough集的磨削参数决策系统

本文介绍了5层模糊神经网络的优缺点，提出了基于Rough集构造模糊神经网络的方法，并应用于多传感器的磨削参数决策系统，达到控制磨削加工质量的目的。     

虚拟环境下机床主传动系统故障诊断的仿真实现

本文介绍了用AutoCAD完成机床主传动系统三维实体造型，用VisualC 、Visual LISP等工具完成主轴箱轴承、齿轮、轴等部位在运行中出现故障时的立体动画。经压电晶体加速度传感器实时检测机床的振动信号，对这些信号进行分析(统计处理、频谱分析等)提取出故障特征，经人工神经网络、模糊决策及专家系统等手段进行决策，判定故障部位和程度，可在微机上直观地观察主轴箱在运行过程中，各故障具体部位及损伤程度的虚拟现实情况。     

Neural network-based control for the fiber placement composite manufacturing process

At McDonnell Douglas Aerospace (MDA), an artificial neural network-based control system has been developed and implemented to control laser heating for the fiber placement composite manufacturing process. This neurocontroller learns the inverse model of the process on-line to provide performance that improves with experience and exceeds that of conventional feedback control techniques. When untrained, the control system behaves as a proportional-integral (PI) controller. However, after learning from experience, the neural network feedforward control module provides control signals that greatly improve temperature tracking performance. Faster convergence to new temperature set points and reduced temperature deviation due to changing feed rate have been demonstrated on the machine. A cerebellar model articulation controller (CMAC) network is used for inverse modeling because of its rapid learning performance. This control system is implemented in an IBM-compatible 386 PC with an A/D board interface to the machine. Work supported by the McDonnell Douglas Independent Research and Development Program Export Authority: 22CFR 125.4(b)(13)     

AZ91D合金微弧氧化中金属型试样与触变成形试样的电参数对比

通过对两种不同加工工艺(金属型铸造、触变成形)AZ91D镁合金在完全相同电解液中进行的两组相同的微弧氧化实验,研究基材对微弧氧化过程的影响,探索电流-处理时间的变化规律。实验证明,基体对微弧氧化过程的起弧电压及电流-时间变化曲线有明显影响,但对膜层厚度、孔隙率及电流-时间变化曲线的影响不大。电流在整个实验过程中呈波浪形减小,并最终伴随二次起弧的发生。短时间、大电流的方法可以生成一定厚度的致密陶瓷层(20～30μm),表面光洁度较高,而且有利于节能。两组实验的实验现象无明显差异。