基于GD32单片机的电能质量分析系统设计

基于32位ARM coretex-M4单片机作为主处理器,利用准同步采样技术实现三相电力系统的电压和电流参数采集,采用傅立叶变换技术对谐波频率及含量进行计算。针对每个工频周期的采样点数和响应速度的矛盾,提出了一种基于采样点数和响应速度的平衡控制策略,既兼顾了采样点数,保留原数据的真实变化,同时满足一定要求的响应速度。     

基于优化遗传算法改进的小波网络预测锰系磷化膜的耐蚀性

针对小波网络训练速率较慢、结构不易确定等问题,结合实验选取的因素(包括输入参数和输出结果),通过仿真确定了小波网络的结构为3-7-1。接着,利用优化遗传算法对小波网络进行改进,修正其初始权值和因子。通过仿真证实了改进的小波网络具备更强的寻优能力和更快的收敛速率。最后,利用改进的小波网络预测锰系磷化膜的耐蚀性。结果表明:改进的小波网络可以更好地拟合样本数据,能够进行较准确的预测。     

基于深度度量学习的电机故障诊断

深度学习以其强大的自适应特征提取和分类能力在机械大数据处理方面取得了丰硕的成果，由于电机结构的复杂性，其信号表现出的非平稳、非线性和复杂多样等特点，使得传统分类方法中的Softmax分类器+交叉熵损失函数对电机故障诊断力不从心。根据电机信号非平稳、数据量大等特点，结合短时傅里叶变换(STFT)与深度学习中的卷积神经网络(CNN)算法和Triplet Loss三元组思想，提出了深度度量学习电机故障诊断方法。该方法能将电机故障信号转换成时频谱图，同时构建CNN，将预处理后的样本用于CNN的训练，采用Triplet Loss作为损失函数度量故障数据高维特征间的距离，并结合标签有监督地微调整个网络，从而实现准确的电机故障诊断。实验表明该方法在处理复杂数据时能够度量特征在高维空间中的距离，高效完成故障诊断任务，弥补了交叉熵函数的不足。     

基于局部放电法的矿用高压电缆信号去噪算法研究

干扰噪声直接影响局部放电法有效检测矿用高压电缆故障。基于局部放电法，综合采用理论计算、仿真实验、现场试验的方法，对比分析了短时傅里叶变换和傅里叶分析去噪法的原理和优缺点，提出了一种矿用高压电缆的局部放电去噪算法——小波阈值去噪法，同时，选择了合理的阈值函数和去噪流程。基于此，采用白噪声和连续周期信号作为高压电缆的干扰噪声，进行了模拟仿真实验。结果表明，小波阈值去噪法可有效抑制白噪声，其中，Db2小波性能和去噪效果最好；同时，现场试验结果显示，去噪后信噪比得到了显著增加，验证了小波阈值去噪法的合理性和可靠性。     

基于EVSEWT的下击暴流时变平均风提取

下击暴流等极端风具有强烈的非平稳特性，给风场特性分析、结构响应计算带来挑战。根据经验将非平稳风分为时变平均风和零均值脉动风分别进行分析，是处理非平稳风速信号的有效方法。分析了几种常见时变均值提取方法的优缺点，在此基础上提出一种基于能量波谷寻找的经验小波变换方法，用于下击暴流时变平均风速提取，并将提取的时变平均风和脉动风用于分析某幢高层建筑顶部位移响应。对2组下击暴流的分析结果得出：与经验模态分解和离散小波变换方法相比，基于能量波谷寻找的经验小波变换方法模型提取的时变平均风更符合预期，对应的结构响应偏于安全。     

叶片包角对中比转速离心泵水力振动的影响研究

为了研究叶片包角对中比转速离心泵水力振动的影响,以一台比转速为103的中比转速离心泵为研究对象,探讨叶片包角分别为116°、122°、128°的3种离心泵在不同的流量工况下的外特性特征,设计流量下叶轮流道、蜗壳流道内监测点的压力脉动特性。研究结果表明:存在一个最佳的叶片包角122°使中比转速离心泵的扬程和效率最高,且最佳效率点向大流量点偏移;叶轮流道内各监测点的压力脉动随叶片包角的增大而逐渐降低,而各压力脉动幅值随叶片包角的增大而逐渐增大;蜗壳螺旋段内的压力脉动值沿流体流动方向逐渐减弱;随着叶片包角的增加,蜗壳流道内监测点的压力值逐渐增大,隔舌监测点和出口处监测点的压力脉动幅值也同步增大,而蜗壳螺旋段内监测点的压力脉动幅值逐渐减小。综合考虑适当地增大叶片包角可以减小离心泵的水力振动。     

求解带能力约束车辆路径优化问题的改进模拟退火算法

为高效求解带能力约束的车辆路径优化问题,提出一种带有回火操作的改进模拟退火算法.解析多约束条件下的路径优化特点,构建了结构简单且功能模块相对独立的模拟退火框架,以便相关约束及其算法的耦合嵌套.在此基础上,改变较优解在迭代过程中的接受规则,引入回火操作使全局搜索与局部搜索实现平衡;设计强制的随机邻域变换策略,以提高多约束条件下的新解生成质量.结合初始解生成方法,构建了整体算法.通过不同类型算例的对比实验表明,所提算法具有优越的求解性能,相应的求解框架与优化方法研究,能够为相关的多约束耦合求解提供参考.