利用小波分析和云模型实现机车优化粘着控制*

分析了电力机车粘着控制系统的基本原理,建立了包含粘着特性的机车牵引力传递模型;利用小波分析消除车轮速度信号中干扰噪声,提高机车空转趋势识别的可靠性。云模型将模糊性和随机性有机地结合在一起,实现定性概念和定量表示间的转换;针对机车牵引系统的强非线性和不确定性,设计了云模型粘着控制器。通过与传统的粘着控制方法对比表明,小波分析和云模型粘着控制方法不但可以有效抑制空转,同时可以实现优化粘着控制。     

QSK-19电喷发动机结构特点和使用要求

本文对于内蒙古包头北方重型汽车股份有限公司生产的TR60矿用汽车上使用的QSK-19电喷发动机,从与KTA-19发动机的区别入手,介绍了QSK-19发动机的结构特点,并对于如何使用好QSK-19电喷发动机,提出了自己的见解。     

广西电力系统热工技术监督计算机管理系统的开发

介绍了利用ＶＦ５．０和ＱｕｉｃｋＭＩＳ开发的广西电力系统热工技术监督计算机管理系统的开发过程、软件结构和功能特点。     

水压蛇形灭火机器人中部关节解耦特性分析

针对蛇形灭火机器人中存在的驱动与灭火资源分离、运动耦合、运动不够平稳等问题,采用水压驱动的水压自伺服摆动缸作为蛇形灭火机器人关节的驱动机构,并设计了一种水压蛇形灭火机器人中部关节,该中部关节由两个十字关节组成,其具有驱动与灭火资源的结合、运动解耦、运动平稳的优点。首先分析了运动耦合机理,并对该中部关节的解耦性进行仿真分析与验证;利用空间坐标变换矩阵,对该中部关节进行运动分析,求得了其末端中心坐标,仿真与运动分析结果表明:该中部关节运动解耦,且求出的中部关节末端中心坐标为后续的水压蛇形灭火机器人运动规划的研究提供了理论依据。     

基于具有墙角信息的语义地图改进AMCL重定位算法

针对原始自适应蒙特卡洛定位（Adaptive monte carlo localization,AMCL）算法仅利用激光信息存在的缺陷,提出一种基于激光与视觉融合的语义地图进行全局定位,该语义地图融合基于深度学习的目标检测方法提取环境中的墙角语义;利用建立的包含墙角信息的二维语义栅格地图,结合视觉预定位方法及角点周围语义信息表来提高算法全局初始定位的效率和准确性,使得移动机器人可以在少量先验信息和运动的情况下更迅速地实现定位。提出视觉预定位的方法,改进了粒子权重更新方式,再同步结合AMCL算法与环境地图匹配进行精定位。最后通过搭建的移动机器人在不同场景下进行对比试验,验证了该方法的有效性。     

超声波强化提取决明子活性成分

对超声波提取决明子中蒽醌类化合物的工艺条件进行了探讨,研究了料液比、乙醇浓度、浸泡时间和超声波提取时间等对蒽醌类成分提取率的影响。结果表明,最佳工艺条件为:料液比为0.005g/mL,用体积分数80%的乙醇溶液浸泡决明子3h,在400W的超声功率下提取80min后, 总蒽醌和游离蒽醌的提取率可达质量百分数0.596%和0.181%;其提取率明显比加热回流法和水煎煮法要高。     

遗传算法用矛轨迹优化综合时的转角顺序问题

轨迹优化综合时,通常已知1个固定目标轨迹,在目标轨迹上按照运动顺序依次选取一系列关键目标点。由于机构所生成的轨迹需要依次通过目标点,所以轨迹优化综合时需要满足主动杆转角顺序约束。本文提出了转角顺序约束的判定方法,由于遗传算法是用随机函数来获得初始种群的,所以转角顺序约束用于遗传算法时,会出现大量个体不满足约束条件的情况。本文改进了遗传算法的初始种群获得方法,以使初始种群能较好地满足约束条件。     

基于电池模型的电动汽车充电故障监测与预警方法

随着我国电动汽车的规模化发展,电动汽车充电过程中的故障监测与预警得到业内人士的重视。针对这些问题,提出了一种基于电池模型的电动汽车充电故障监测与预警方法。通过动力电池模型荷电状态和电池电动势在线估计,实时调节电池荷电状态和电压以及温度等参数以模拟动力电池充电响应,可以模拟不同类型、规格以及参数的动力电池。在充电过程中,利用CAN总线监听技术,接收并解析充电机与电池的充电信息,将电池模型模拟的充电响应信息与电池的充电状态信息进行对比,同时将充电机的充电状态信息与电池充电需求信息进行对比,来判断充电过程是否正常。当判断出现充电异常或故障时,及时发出故障预警信号。该方法可以识别包括BMS功能失效在内的10余种故障类型。实际充电数据验证了充电正常和异常情况下故障监测方法的可行性。     

考虑辨识结果连续性的Type-Ⅲ型工商业负荷辨识方法

非侵入式负荷监测技术可以引导用户合理安排用电时间,从而减少电量消耗.其中,由于状态的连续可变性,连续变化(Type-Ⅲ)型负荷的辨识一直是非侵入式负荷监测中难以解决的问题之一.针对Type-Ⅲ型负荷的辨识难题,提出了基于深度卷积神经网络(CNN)和隐马尔可夫模型(HMM)的非侵入式负荷辨识算法.首先,根据互信息理论进行负荷特征选择;然后,利用残差神经网络作为深度CNN的基本架构,提取负荷多维特征并实现Type-Ⅲ型负荷的初辨识;最后,为了解决CNN辨识结果中存在的状态断点问题,采用HMM完成负荷辨识结果的连续性优化.在复杂的工商业运行环境中,对具有代表性的Type-Ⅲ型负荷数据进行了算法训练和验证,结果表明所提算法能有效辨识Type-Ⅲ型工商业负荷的运行状态.