融雪剂对环境影响的分析

解释了融雪剂清除冰雪的原理,论述了冬季使用融雪剂对环境产生的影响。针对融雪剂在使用过程中出现的问题进行了探讨。     

供电可靠性管理创新模式探讨

为了实现供电可靠性各环节的统一管理和数据共享,提出了供电可靠性管理的创新模式,将可靠性微观管理、基础参数管理、目标管理与考核、中低压用户可靠性统计、指标预测、设备缺陷管理、计划停电管理、电网规划等可靠性管理模块集中于可靠性管理信息系统,系统所需要的基础数据和运行数据以其它应用系统的数据信息为基础,避免了数据的重复性.这种管理模式能更有效掌握电网的状况,及时消除设备隐患,并为电网运行、规划和建设提供科学决策依据.     

基于滑模变结构的异步电机直接转矩控制研究

根据异步电机在同步旋转坐标系下的数学模型和滑模变结构理论设计了一种基于转矩误差和磁链误差的滑模控制器,利用获得的参考电压矢量,通过空间电压矢量调制得到逆变器开关控制信号。仿真研究验证了该控制策略在减小转矩和磁链脉动,保证逆变器开关频率恒定的同时,对系统参数摄动和外部干扰表现出较强的鲁棒性。在此基础上,实际应用于基于VxWorks嵌入式系统的变频调速系统平台,取得了良好的控制效果。     

基于S7-300型PLC的变频自动送钻系统模糊控制

钻机自动送钻系统的控制对象存在大时滞、非线性和难以建立精确数学模型等问题。提出将模糊控制技术应用于自动送钻。概述了变频自动送钻原理,完成了模糊控制器设计。根据PLC的特点,给出了模糊控制在PLC上的实现方法和基于西门子S7-300 PLC的模糊控制器的设计方法。在钻机上试验的结果表明,利用PLC实现模糊控制简单可靠,控制效果良好,能够满足现场生产要求。     

基于轧制机理和混合神经网络的热轧精轧带宽预测

热轧带钢成品的宽度精度直接影响产品成材率,是产品性能提升的关键,而精轧区带钢出口宽度的精准预测可以为粗轧区宽度控制模型参数提供及时的优化调整指导。传统机理模型与实际情况往往存在较大差异,现有的数据驱动模型大多采用神经网络方法,但没有考虑轧制数据的时序性以及数据剪枝带来的信息损失。为了进一步提升精轧带钢宽度预测精度,提出一种基于轧制机理的混合神经网络宽度预测模型,利用精轧宽展的机理模型计算宽度基准值,结合卷积神经网络(CNN)和门控循环单元(GRU)输出宽度预测纠偏值。利用2 250 mm热连轧钢厂数据集试验,结果表明本文提出的热连轧带钢宽度预测模型训练效率较高,98.7%带钢宽度的预测精度在4 mm内,较传统BP神经网络模型和其他单一结构网络有大幅提升,且模型在线测试速度满足工业现场应用需求。     

学用电脑要“五心一订”

在信息化高度发达的今天,学用计算机已成为人们的一大需要.笔者在学习使用计算机的过程中,总结了“五心一订”的做法,下面就把这一做法介绍给大家.一要有信心.在刚开始接触电脑的时候,要从思想上消除对计算机的神秘感,克服自卑感.     

本安防爆技术在称重仪表中的应用

随着称重仪表在各种场合的广泛使用，市场对防爆称重仪表的需求也越来越多。本安防爆技术作为一种低功率设计技术，具有安全可靠性高，适用范围广，可带电维护等特点，在防爆称重仪表的设计中被越来越广泛地应用。本文将围绕本安防爆技术在称重仪表中的应用浅谈一些笔者的经验和体会，与同行探讨。     

双楼宇专变供电充电站负荷的时空双维调控建模

在碳减排和环境保护需求的推动下,电动汽车的普及速度加快,同时从时间和空间维度挖掘充电负荷的调控潜力可以有效地缓解配电网的扩容压力,基于此提出了双楼宇专变供电充电站负荷的时空特性双重调控方法。介绍了双楼宇专变供电充电站负荷时空特性的双重调控机理,利用双楼宇专变冗余容量和储能系统对充电站进行供电;结合储能充放电调控、充电桩和储能的双电源切换开关切换、充电桩功率实时调度3种调控方法,提出了充电站负荷的时空双维调控策略;提出了结合日前和实时2种时间尺度的充电站优化模型,以电动汽车服务率为优化目标建立储能充放电的日前优化模型,以变压器负荷标准差为目标建立双电源切换开关切换的实时优化模型,以各时段调度成本为目标建立充电桩功率的实时调度模型,通过多样化的调控手段提升充电站的经济性和安全性。通过算例仿真验证了所建模型的有效性。     

基于二维灰度图的数据增强方法在电机轴承故障诊断的应用研究

在基于深度学习的电机轴承故障诊断中,一般采用基于生成对抗网络(generative adversarial networks,GANs)的数据增强方法以获取足量故障数据,从而保证模型的性能。一维时序信号下的数据增强会出现生成数据质量差、网络训练速度慢以及训练过程繁琐等问题,该文针对此,提出一种基于二维灰度图及辅助分类生成对抗网络(2D gray pixel images and auxiliary classifier generative adversarial networks,2D-ACGANs)的数据增强方法。首先将原始的一维时序信号转换为二维灰度图,以得到适用于二维卷积神经网络的输入数据;在此基础上结合辅助分类生成对抗网络,将原始数据的标签作为此网络的输入进行数据增强,该方法较一维数据增强方法有效减少网络训练参数量,同时解决传统方法中训练繁琐及标签信息丢失的问题。最后将提出的方法用于电机轴承的故障实验数据中进行对比验证,结果表明改进的2D-ACGANs算法能生成更高质量的数据,有效提高故障识别准确率及网络训练速度,具备良好的工程应用可行性。