基于层次分析法和专家经验的重要电力用户典型供电模式评估

分析了重要电力用户供电模式评估流程,然后从指标自身内涵、配电网评估因素、重要用户供电模式固有特性和专家经验4个方面挖掘了重要用户供电模式评估指标,接着依据层次分析法构建了包含方案层、指标层、准则层和目标层4个层次的综合评估体系架构,最后采用9位标度法和专家经按分层分组、自下而上的方式确定各指标的权重分配。在此基础上,给出了14种典型供电模式详细评估结果,以期为工程应用提供必要的理论依据。     

基于告警关联的数据网络故障管理模型研究

为实现基于告警关联的数据网络故障管理,文章建立了3种关联场景,并进行了系统网管的自主研发,通过对不同告警关联的分析,有效地识别对数据网络故障的产生具有主要影响作用的告警,实现了对故障的快速定位、诊断,并及时排除故障。系统在实际中的应用,为现实网络的网管提供了指引性的方法和路线。     

基于改进Petri网技术的智能操作票系统的应用

在Petri网模型构建的操作票知识库的基础上,利用Petri网的动态行为设计相应推理机制,使推理过程形式化,实现推理过程与规则表示的完全分离,提高了电网调度操作票专家系统的通用性和灵活性;同时,改进后的推理方法通过改变Petri网的运行规则和引入抑制弧,并利用Petri网技术对操作任务进行分解,对子任务建立基本Petri网,简化了推理过程,提高了推理效率,解决了"状态组合爆炸"问题。实例表明,改进Petri网的推理机制可有效提高操作票专家系统的适应性。     

磁力搅拌设备中无刷直流电机控制系统的设计与仿真

针对磁力搅拌设备,设计了一套无刷直流电机H桥驱动电路;建立了无刷直流电机的数学模型,分析了专家PID的控制原理和优点;在Matlab环境下,设计了实际系统的专家PID控制器;最后,将系统的运行数据上传至上位机,并对实际运行情况进行了分析。分析表明,控制系统设计较合理,对无刷直流电机的设计和应用具有一定的参考价值。     

基于规则的模糊专家控制在火电厂过程控制中的应用

针对经典PID调节对于时变性强、外扰因素较多系统的控制效果不理想等问题,提出了基于规则的模糊专家控制与PID调节共同组成的复合控制器。以某台循环流化床锅炉为研究对象,在系统中将床压变量的偏差及其变化率作为模糊控制器的输入量,将模糊控制器的输出作为阀门开度的增量。通过引入模糊专家控制器,既保留了PI调节器的静态偏差小、稳定性好等优点,又实现了对突发性外扰因素的快速响应和系统的精确控制。     

MapReduce环境下的否定粗糙关联规则算法

为了解决Apriori关联规则算法在处理大数据时产生大量候选项集,且无法在大数据环境下挖掘出频繁事件中所隐藏的否定关系的问题,通过深度分析事务数据库的特征,结合Boolean矩阵原理,运用粗糙集的分类思想和MapReduce并行编程模型,提出在MapReduce框架下的否定粗糙关联规则算法,以处理大数据所隐藏的否定关系。实验结果表明了该并行算法的有效性,适合挖掘出海量数据的否定关系。     

往复压缩机智能诊断专家系统的研究与应用

往复式压缩机是流程工业安全生产的关键机组,由于缺乏有效的安全监控和故障预知手段,往复式压缩机存在故障率高、安全事故频发的特点。为有效降低往复式压缩机故障停机时间并减少安全事故,在对压缩机运动部件结构、功能和故障机理分析的基础上,针对往复式压缩机振动激励源多和故障关联性强的特点,开发了基于多传感器信息融合和正向推理的往复式压缩机智能诊断专家系统,通过提取敏感特征参数并建立和故障类型相关的独立诊断规则,实现了自动故障诊断。建立的往复式压缩机智能诊断专家系统已应用于国内多家石油炼化企业。实践证明:往复式压缩机智能诊断专家系统在机组异常时能够自动报警并给出故障诊断结论,提高了设备预知维修水平,保证了往复式压缩机运行的安全性、可靠性。     

新兴交叉学科食品信息学初探

本文提出了食品信息学的概念,描述了食品信息学的主要研究任务与涉及的领域,探讨了发展这一新兴交叉学科的重要意义.     

飞机牵引车故障诊断专家系统设计

开发一套军用飞机牵引车故障诊断专家系统,可帮助装备维修保障人员快速、准确地找出故障原因和提供维修建议,对于飞机牵引车的快速抢修具有现实意义。该专家诊断系统采用了嵌入式技术和模块化设计技术,设计了良好的人机界面,具有很好的使用性和扩充性。在提供故障诊断方案的同时,可进行针对性的教学培训。试用结果表明:该故障专家诊断系统整体结构设计合理,能够达到设定的功能需求,有效提高部队维修人员的维修技能,实现故障的现场诊断与维修指导。     

多维关联规则的分布式能源系统数据挖掘方法研究

为了提升分布式能源系统数据挖掘精度与效率,保证分布式能源系统安全稳定运行,提出基于多维关联规则的分布式能源系统数据挖掘方法。离散化处理分布式能源系统中的所有数据,将数据转换为满足挖掘需求的数字化形式,明确数据支持度和隶属度值,建立与之对应的相关表,统计操作、运行和执行维度组合后总的支持度和隶属度值,通过分析每个维度的子维度得到正常和异常状态下两种数据。在Apriori算法基础上构建FP-树,不断生成频繁项集,直至不再产生新的项集时停止挖掘,采用剪枝处理去除部分冗余结点,保留下来的即为最终的数据挖掘结果。实验结果表明,所提方法能够精准挖掘出异常数据类型,且挖掘效率高,实际应用效果更好。