工作面供液系统与液压支架协同自适应控制模型设计

液压支架跟机与乳化液泵供液系统协同控制是工作面综采设备智能化的重要体现，根据液压支架群组跟机时顺序动作对乳化液泵供液流量的多变性和时效性要求，设计了工作面供液系统与液压支架协同自适应控制模型。以适应液压支架动作的稳压供液原理为研究思路，根据多泵+变频供液系统的流量调节特点，提出了交叠关系的供液与液压支架协同动作控制逻辑。基于机制主义人工智能理论和多响应优化满意度函数法，设计供液系统与液压支架的协同自适应控制模型及其智能生成机制。应用Matlab与AMESim联合仿真进行验证，取得预期效果。     

基于hp自适应伪谱法的自主泊车路径规划

针对自主泊车路径规划最优控制问题求解收敛速率慢的问题,提出基于hp自适应高斯伪谱法的自主泊车路径规划方法。首先建立车辆运动学模型,并考虑自主泊车过程中避障约束和边界约束,再以泊车时间最短为性能目标函数,将自主泊车路径规划问题转化为最优控制问题。采用高斯伪谱法对最优控制问题进行离散化处理并采用序列二次规划进行求解,在求解过程中通过动态调整网格区间个数和多项式阶数实现提高求解收敛速率。根据实际场景选取4种工况并进行路径规划仿真,并将3种伪谱法进行对比分析,仿真结果表明hp自适应高斯伪谱法能够提升自主泊车路径规划最优控制问题求解收敛速率,同时该算法可以实现在狭窄泊车位内的泊车路径规划,通过实车试验验证提出的方法获得的自主泊车路径的有效性。     

基于指数平滑与CEEMDAN的混合储能控制策略研究

随着风电并入电网渗透率的提高,其出力波动性会危及电力系统的安全稳定运行,混合储能装置的使用能很好地平抑风电并网的波动,改善电网的运行能力。为符合国家并网的标准,文章提出了混合储能控制策略。首先,运用指数平滑法滤除风电出力的高频分量得到并网功率;其次,采用自适应噪声的完整集合经验模态分解,将风电波动功率按频率高低依次划分为不同的固有模态分量,计算相邻固有模态分量的互信息来分离高频和低频分量,并分别由电池和超级电容承担低频、高频分量;为了消除荷电状态越限的问题,采用自适应调整分界点实现储能内部协调优化运行。算例结果表明,文章所提出的控制策略具有一定的适用性,能确保储能装置运行在安全荷电状态,延长其运行寿命。     

电控空气悬架车辆自适应前照灯控制策略研究

为有效提高前照灯夜间照明效果,本文在充分考虑国标GB7258《机动车运行安全技术条件》基础上,根据车身高度、车速等信号变化,提出一种自适应前照灯系统(adaptive front-light system,AFS)的新型前照灯垂向控制策略,以合理调节其夜间照射角度。同时,采用Matlab/Simulink和Stateflow软件,建立前照灯垂向控制策略模型,并对车辆在加速工况和减速工况条件下进行仿真分析。仿真结果表明,在车辆高度变化及车辆加速情况下,所提出的控制策略模型可有效调节前照灯照射角度,提高驾乘安全性;在车辆高度变化及减速条件下,所提出的控制策略模型亦可实时有效地调节前照灯照射角度,改善驾乘人员夜间行驶安全性。该研究可有效提高电控空气悬架系统车辆夜间行车安全性。     

模糊控制在磁选回收系统中的应用

煤泥浮选过程中,为提高浮选率,需加入价格昂贵的磁性介质,故后续工艺需对磁性介质进行回收。磁选机作为一般选煤厂回收磁性介质的设备,它对磁性介质的回收率直接影响着选煤工艺的生产成本。提出将3因素控制的模糊算法应用于磁选回收系统,对影响磁性介质回收率的3因素:稀介泵流量、稀介液磁性物质含量及尾矿阀开度采用模糊控制算法进行调节。通过MTALAB实现控制算法,采用S7-1200PLC作为控制器。结果显示,模糊控制算法可以显著地提高磁性介质回收率,降低选煤工艺成本。     

自适应SA-PSO优化的威布尔混合分布参数估计方法及应用

针对采用传统参数估计方法得到的模型拟合误差较大的问题，建立多重威布尔混合分布参数估计的非线性最小二乘模型，并提出基于模拟退火（SA）思想的自适应粒子群（PSO）算法进行求解。在PSO算法优化过程中，采用自适应方法调整惯性权重和加速因子，加快其收敛速度；引入模拟退火机制，根据Metropolis准则确定最优粒子的取舍，改善其全局搜索能力。将该方法应用到某型柴油机喷油器失效分布的参数估计中，并与图解法、基于Levenberg-Marquardt的非线性最小二乘法、标准PSO算法、自适应PSO算法求解的结果进行比较，分析所提方法的优化性能及精度。结果表明，该方法能够有效提高多重威布尔混合分布模型参数估计的精度和效率。     

时空稀疏贝叶斯的多通道降噪方法及在机械故障诊断中的应用

压缩感知利用与稀疏基相独立的观测矩阵将具有稀疏结构的高维度信号投影到低维子空间,对于信号的压缩和降噪有很好的效果,但是稀疏基以及稀疏系数矩阵的获得对于分析的结果有决定性的影响。稀疏贝叶斯学习(sparse bayesian learning,SBL)算法能极大地提高信号稀疏分解的精度,提出了一种改进的基于时空稀疏贝叶斯(SpatioTemporal Sparse Bayesian Learning,STSBL)的多通道信号降噪算法。首先给出了多通道压缩感知理论模型,然后通过自适应过完备字典求取信号的稀疏基矩阵,最后提出基于STSBL的多通道理论模型获取多通道稀疏系数矩阵,从而实现多通道机械故障信号的有效降噪以及特征成分的精确重构。分别通过数值仿真实验和实测风力发电机轴承内圈故障信号进行分析,结果表明提出的方法有很好的降噪效果,同时能成功地提取信号的故障特征信息。