激光焦点磁力驱动平台的波动特性分析

针对现有驱动平台在传统PID参数控制下Y方向平动实验中出现的波动情况进行分析,猜测波动的原因是由于平台结构分布不均匀造成的。针对波动情况,建立在环形永磁铁和柱形永磁铁结构分布不均匀情况下驱动平台的数学模型。并对结构不均匀情况下数学模型进行Y方向的仿真分析。仿真结果表明,分布不均匀情况下的数学模型在仿真过程中会出现波动。仿真结果与猜测结果相同。实验过程中的波形情况是由于驱动平台的结构分布不均匀造成的。     

基于齿面缺陷激光修复几何数学模型的齿轮修复

激光熔覆作为一种再制造技术被广泛应用在机械零部件的修复。 在采用激光熔覆技术对齿轮齿面缺陷进行修复时,为减小后续机械加工的难度,应使轮齿齿面上的熔覆层轮廓接近齿轮的原始齿廓。 基于齿廓加工原理建立了齿面缺陷激光修复几何数学模型。 通过此修复几何数学模型可计算得到修复齿廓不同部位时,轮齿需要偏转的角度以及偏转后齿廓待修复区域的倾斜角度。 实验结果表明,利用该几何数学模型对齿轮齿面缺陷采用激光熔覆技术进行修复,可以使轮齿齿面上熔覆层的轮廓与齿轮原始齿廓较为接近,并且熔覆层轮廓与齿轮原始齿廓的距离不超过 0. 7 mm;此外,轮齿齿面在熔覆过程中虽然倾斜角度最大达到 51. 84°,但熔覆层轮廓与齿轮原始齿廓的最小距离不小于 0. 1 mm。     

基于深度脊波神经网络的电力系统短期负荷预测模型

针对电力系统负荷的非线性预测问题,本文构造了一种基于深度脊波神经网络的电力系统短期负荷预测模型。该模型的隐含层采用脊波神经元,神经元的激励函数采用脊波变换函数。对该预测模型采用受限的玻尔兹曼机学习原理进行预训练,最后利用粒子群优化算法对其进行深度优化精调。通过对某地区实际电网负荷系统进行仿真预测,结果表明,与传统的BP神经网络、脊波神经网络和常规深度神经网络模型相对比,深度脊波神经网络预测模型的日平均绝对误差百分比分别降低了1.96%、1.12%和0.3%,日最大绝对误差分别降低了3.91%、2.19%和1.78%,验证了深度脊波神经网络预测模型具有较好的预测准确度和稳定性。     

嵌入式系统在微机继电保护中的运用

我国经济发展得利于各种能源的开发与使用,其中,电力能源占据着重要地位。维护电力系统的稳定性对于促进我国经济发展具有重要意义。从以往经验可知,在大型电力系统发生故障时,需要进行及时有效的处理,否则,整个电力系统的可靠性与稳定性都会受到直接影响,不但造成电力供应不足,还很有可能导致大面积区域停电,严重破坏生产生活活动。继电保护装置对于维持电力系统安全稳定运行有重要作用,同时,也能有效限制区域性长时间停电。     

应用PMO提高连铸坯生产拉速及成分均匀性

为了实现电炉厂提产增效的目标,研究了脉冲磁致振荡(PMO)在提高铸坯生产拉速中的应用潜能。结果表明,优化PMO处理参数可以适应生产拉速提高的要求,并改善铸坯的中心偏析和宏观偏析。当连铸拉速提至1.05 m/min,PMO脉冲频率为1.16K_f Hz,峰值电压为1.00K_iV处理参数(K_f和K_i分别为仪器的放电频率和电压峰值)时, 铸坯横断面碳偏析指数可控制在1±0.05内;当连铸拉速提至1.15 m/min,PMO脉冲频率为1.28K_fHz,峰值电压为1.00K_iV处理参数时,铸坯横断面碳偏析指数可控制在1±0.07内。试验证明,在高拉速条件下通过保证单位时间内对钢液施加的脉冲能量可以使连铸坯质量得到有效改善。