风力发电机组齿轮箱润滑油温度监控系统

提出在风力发电机组齿轮箱润滑系统中，应用MCS-51单片机及其控制电路，结合复合PID算法、GSM-Modem通信技术，控制风扇或加热器进行冷却或加热以实现对润滑油温度的精确控制的方法。实验结果表明，该系统具有过渡时间短、超调量小（2℃）和稳定误差小（0．4℃）等特点。     

以市场需求为异向 加强校企合作办学

能否适应市场需求、得到社会认可是衡量高等技术应用型人才的唯一标准。本文提出要确立以市场需求为导向的人才培养观念，适应行业和地方经济的发展需要进行高职高专字校的专业建设和课程改革，并加强校企合作，突出校外实习在高职高专人才培养中的重要地位。     

风电场风速概率分布参数计算新方法

风能资源评估关系到风电的经济性和开发价值,一个地区的风速概率分布是该地区风能资源状况的最重要指标之一.在认为风电场风速服从双参数韦布尔(weibull)分布前提下,为了提高参数计算精度,从智能化的角度提出尝试采用改进的微粒群算法对Weibull双参数进行建模和优化.由此参数估算能直接反映出风能资源特性的风能特征指标,与...     

OFDM快速频偏估计方法

提出一种基于前导符号为L等分结构的OFDM快速频偏估计的新方法,该方法只需一个OFDM符号作为前导符号,数据开销较小.接收端先用相关求相角的方法完成细频偏估计,再对经过细频偏补偿后的前导数据进行符号重构,然后对重构符号采用L点FFT运算,通过寻找频域信号峰值,对剩余频偏进行估计,从而完成粗频偏估计.为进一步降低系统的计算开销,采用了多级判决方式.计算机仿真表明,该方案具有计算复杂度低,估计性能较高的优点.     

以市场需求为导向 加强校企合作办学

能否适应市场需求、得到社会认可是衡量高等技术应用型人才的唯一标准。本文提出要确立以市场需求为导向的人才培养观念,适应行业和地方经济的发展需要进行高职高专院校的专业建设和课程改革,并加强校企合作,突出校外实习在高职高专人才培养中的重要地位。     

磁极优化降低表贴式永磁电机电磁振动噪声

磁极偏心距和极弧系数是表贴式永磁电机的重要设计参数,对电机电磁振动和噪声有重要影响,而现有研究主要停留在上述参数对径向电磁力波的影响,并未进一步研究如何通过上述参数削弱电机电磁振动和噪声。建立径向气隙磁密关于极弧系数和磁极偏心距的解析模型,推导出径向电磁力波解析表达式。编写电机电磁振动噪声计算程序,以一台4.2 k W表贴式永磁电机为例,计算出不同极弧系数及磁极偏心距下电机电磁振动噪声值。结果表明,随着磁极偏心距增大,电机振动噪声有减小的趋势,当极弧系数为0.9左右时,电机电磁振动噪声降到最小值。有限元仿真验证了该结论的正确性。     

简化的分类微粒群算法及其在风电场建模中的应用

提出一种简化的分类微粒群算法.首先将微粒按适应值的差异划分成较好、普通和较差3类;然后对这3类微粒分别采用3种对应的没有速度项的简化模型进行动态制整,有效地增加了种群的多样性.通过对4种典型测试函数的仿真实验,并与经典PSO和2个目前较为流行的改进PSO进行比较,实验结果表明了所提出的改进算法具有更好的优化性能.将改进算法用于风电场风速概率模型优化的实验结果表明,与传统最小二乘法相比,该方法拟合的Weibull参数精度更高,更具实际参考价值.     

基于小波分解的风电场短期功率混合预测模型

为提高预测前1 h风电功率的精度,提出一种基于小波分解(WD)的人工神经网络(ANN)及最小二乘支持向量机(LS-SVM)相结合的预测方法。通过小波分解将功率和风速序列分解为不同频率的子序列,根据风机输出功率特点分析,对低频和高频子序列分别采用ANN法和LS-SVM法进行预测,最后通过重构得到预测结果。利用该方法对东北某风电场提前1 h的功率进行预测,实验结果表明:该模型具有较高的预测精度,与单纯的BP神经网络的模型相比,绝对平均误差从10.25%下降到5.62%。     

基于神经网络的非线性预测控制

本文简单地介绍了基于神经网络预测控制的基本原理;并且根据神经网络所采用网络模型的不同对预测模型进行了分类以及按照求解最优控制作用方式的不同介绍了几种常用的优化算法。     

基于灰色关联证据的多源故障信息融合方法及其应用

针对大型设备故障诊断中特征量表现出来的不确定性和非精确性,提出了一种基于灰色关联理论来获取基本概率测度（BPA）的方法。该方法确定各故障特征量的参考样本,然后根据灰色相关性理论求得待诊断样本的相关系数,所取得的相关系数进行归一化处理即得到BPA值,经过Dempster多源组合规则进行多证据融合,得到最后的诊断结果。将所提方法用于电机转子故障诊断,实验结果表明该方法有效。