改进D-S证据理论在电动汽车锂电池故障诊断中的应用

针对电动汽车电池系统的故障采用基于神经网络的改进D-S证据理论组合规则完成诊断过程。为了避免单一途径的诊断可能造成故障漏检误检的状况,决策层采用D-S证据理论组合规则来确定基于BP网络和RBF网络两种故障诊断算法结果。然而为了克服D-S证据理论处理高度冲突证据的缺陷,本文提出了一种基于神经网络改进的D-S证据理论组合规则。首先,采用神经网络对电池故障进行初步诊断,结合网络诊断准确率来分配不确定信息并构造证据体,又引入了证据间的支持矩阵来确定新的加权证据体。然后,把各个焦元的信任度融入D-S证据理论组合规则,从而融合神经网络证据体及新加权证据体。最后,依据决策准则确定锂电池系统的故障状态。通过仿真实验验证了本文提出的改进D-S证据理论融合诊断方法在电动汽车锂电池故障诊断中的有效性。     

发电机组嵌入式远程状态监测与诊断分析系统

为实现对发电机组及生产过程的各种参数进行实时监测与诊断分析,设计了基于嵌入式平台的大型发电机组远程状态监测与诊断分析系统的总体方案,开发了具有多种通信协议的嵌入式数据采集与监测平台,并针对典型300 MW发电机组,采用pSpace企业级实时历史数据库和C#语言进行系统高级应用功能的二次开发,实现了B/S模式的大型发电机组远程状态监测与诊断分析系统,为机组的优化运行和实施状态检修计划提供指导性意见.     

基于ZigBee和IEC 61850的变电站监测系统

介绍了ZigBee无线通信技术,分析了基于IEC 61850的变电站自动化系统分层结构,并在此基础上构建了基于ZigBee的变电站监测系统,设计了适用于变电站数据采集、发送和支持防误处理的ZigBee通信模块,该模块可以实现变电站各层之间的信息同步,提高变电站监测系统的安全性和可靠性。     

高可用性自动化网络研究与设计

当前的工业以太网对网络部件及网络可用性都提出了更严格的限制,冗余恢复时间则是实时以太网性能的重要指标之一。我国自主提出的DRP协议是适用于任何一种工业以太网的冗余解决方案,并有望被纳入IEC国际标准。本文在介绍DRP协议的工作原理基础上,给出了DRP协议关键性能指标,并描述了DRP协议交换机的实现,最后给出了基于DRP环网的混合网络的设计方案。     

基于定子磁链定向的双馈风力发电解耦控制研究

首先介绍了变速恒频双馈风力发电系统的特点,构建了实际风速的数学模型,研究了基于定子磁链定向的变速恒频双馈风力发电机转子侧变换器的控制,最后仿真实现了双馈电机有功功率和无功功率的独立解耦控制,并在发电机定子侧输出单位功率因数的情况下,调节直流母线电压快速达到了给定参考值,维持了直流母线电压的稳定。     

模糊免疫PID控制在主汽温控制系统中的应用

火电厂主汽温控制系统具有大惯性、大迟延和时变等特性,传统的火电厂主汽温控制系统大多采用基于模型的常规PID串级控制方法。本文借鉴生物免疫反馈响应过程的调节作用和模糊推理逻辑可逼近非线性函数的特性,提出将模糊免疫PID控制策略应用到火电厂主汽温控制系统中。仿真研究表明,该方法的控制效果优于常规的PID控制,能适应对象参数的变化并表现出良好的控制品质,即使发生扰动时也具有较强的鲁棒性和自适应能力。     

机器导盲犬的设计与实现

该文阐述了现有导盲机器的类型,探讨了用能力风暴机器人实现机器导盲犬的方法,通过程序设计完成了机器导盲犬的实际试验。试验结果表明,所提出的方案和设计是可行的,在此原理基础上研制实用的产品是完全可能的。     

基于大数据和神经网络的锅炉燃烧含氧量建模研究

提出一种基于大数据的神经网络辨识多输入单输出(Multiple-Input Single-Output,MISO)系统的方法,采集现场运行的锅炉燃烧系统总风量、总煤量、炉膛氧量等历史大数据,首先使用数据平滑、去除趋势性、归一化等步骤进行数据预处理,然后利用近邻法删选出表征系统特性的样本数据集,利用神经网络模型进行训练后挖掘出数据之间的关系,最后在升、降30%负荷的情况下分别进行模型预测。结果表明,虽然只将采集到约0. 658%数据容量进行训练,但在对整个大数据容量进行测试时,模型误差仍在允许的范围内。     

基于双层合作博弈的虚拟电厂滚动优化调度研究

为了应对当下高比例可再生能源和大规模电动汽车的接入给虚拟电厂双侧运行带来的挑战,提出了一种改进的Shapley值分配方法用于解决联盟收益分配问题。以虚拟电厂为中介,分别构建了以联盟收益最大化为目标的“需”侧用户-虚拟电厂联盟和“供”侧虚拟电厂-主动配电网联盟,再将双侧的合作博弈模型联系起来,构成基于双层合作博弈的虚拟电厂滚动优化调度模型。利用改进的Shapley值进行联盟收益再分配,从而达到用户、虚拟电厂和主动配电网三方主体收益的最大化,最后进行实验验证。结果表明：该模型使三方主体收益相较于未合作博弈和任一单层合作博弈分别提高了15.64%,6.95%和6.949%,提高了系统运行的经济性。     

基于区域生长法和BP神经网络的红外图像识别

针对变电站巡检机器人远程监控系统中红外图像识别存在的问题,提出一种基于改进区域生长法和BP神经网络的红外图像目标设备分割与识别的方法。利用最小二乘法拟合出红外图像中亮度与温度之间的线性关系,建立基于像素的图像温度场;根据设定温度范围确定区域生长法的种子点位置,利用Otsu法确定截屏窗口最优分割阈值,并结合灰度相似性阈值作为区域生长法的分割准则,实现该窗口目标设备精确分割;将分割出的设备二值图像的Hu不变矩作为设备形状特征向量,并对其进行不变性和类间区分度验证;采用引入附加动量法和自适应调整学习率的BP神经网络实现多种电气设备的识别,实验数据表明优化后的BP神经网络具有迭代收敛快,误差波动性小,分类准确度高等特点。