基于小波包分析和Kohonen神经网络相结合的轴承故障诊断

简述了小波包分析及用于特征提取的机理,以SKF 6326-C3轴承为例,从吉林同发风电场采集了不同工况下的实时信号,利用小波包对滚动轴承振动信号进行分解,振动信号被分解到独立的频段。不同频带内的信号能量变化反映了运行状态的改变,提取各频带小波包能量谱,并对其进行能量归一化处理,作为特征向量,最后应用于基于Kohonen神经网络的故障诊断方法。经对大量实测数据的处理和分析,能够比较准确地诊断出轴承的故障。     

基于改进的Faster R-CNN的电力部件识别

传统的图像识别方法不能有效地检测出电力部件的具体位置,同时在干扰物较多的场景下识别准确率较低。针对上述问题,提出来一种改进的Faster R-CNN的电力部件识别算法,使用深度卷积网络自动从图像中提取最适合电力部件特征。Faster R-CNN方法,利用"Hot Anchors"代替均匀采样的锚点来避免大量额外的计算,提高检测效率。最后,21检测框架被修改成4类电力部件检测。实验结果表明:改进的Faster R-CNN的电力部件识别算法,在检测效率和准确率方面分别提升了16.1%和3.8%。     

便携式激光盘煤系统的研究应用

在大型露天煤场存煤量测量中，对激光扫描采集到的三维不规则数据的显示方法进行了研究，提出了一种结合三维散乱数据插值和计算机视觉修正方法的设计方案。这种方法首先对三维散乱数据进行插值，根据插值结果进行三维网格点绘图，再根据所拍摄到的图形进行修正，以提高所绘的网格图与实际煤场形状的拟合精度。它可以立即给出煤场存煤量的体积结果，动态修改网格图形状。     

计算机监控系统与NOVELL网的数据通讯

讨论了计算机监控系统与NOVELL网的通讯方式，并在实验室环境下利用NETWARE的NETBIOS网络接口进行了模拟实现，效果良好。     

锅炉-汽轮机对象的多变量状态反馈线性化

锅炉 汽轮机对象是一个典型的多输入多输出仿射非线性系统。本文利用多输入多输出状态反馈线性化理论,首先将其转化为一个线性系统,然后为该线性系统选择合适的极点,应用多变量极点配置方法对其进行控制。该方法克服了局部线性化方法工作范围小的缺点。仿真结果证明了该方法具有较好的控制效果。     

时变大滞后系统的自适应灰色预测PID控制

为对时变大滞后系统实现快速有效的实时控制,将二次型性能指标引入到 PID 控制器的整定过程中,按照性能指标的负梯度方向修改加权系数,实现了自适应 PID 的最优控制律, 并进行了稳定性分析。同时将自适应 PID 与灰色预测器相结合, 用预测结果代替被控对象测量值, 克服了大滞后系统控制效果不能及时反馈的不足,实现了“事先调节”。仿真结果表明,对时变的大滞后系统具有很强的适应性和鲁棒性。     

基于内模控制的PID控制器的设计

基于内模控制原理，针对典型的工业过程对象，给出了PID控制器的设计方法，并根据现代控制理论的观点，证明了该方法符合线性二次型最优控制的选型原则，将该方法应用于典型的工业过程对象的仿真研究，结果表明所设计的PID控制系统，只有滤波器的时间常数是需要整定的参数，方法比较简单，并且在系统特性变化的情况下具有很强的鲁棒性和抗干扰能力。此外，该方法在现有的可编程控制器(PLC)、智能仪表、集散控制系统(DCS)和现场总线控制系统中都很容易实现，无需增加硬件投资，具有较高的工程应用价值。     

300MW锅炉再热汽温低的原因分析及改造

某电厂300 MW亚临界锅炉在汽轮机经过通流改造后,出现了低负荷时再热蒸汽温度偏低的现象,通过对再热蒸汽温度调整试验数据的分析,得到再热蒸汽入口温度与其设计值偏差较大是导致再热蒸汽温度偏低的主要原因。根据锅炉热平衡计算的结果,提出了再热器增容改造的3种方案,通过分析对比,选出了最优方案并进行改造。由锅炉改造后的性能试验看出改造效果良好,再热蒸汽温度有了明显的升高,达到了再热汽温541 ℃的要求。与此同时,电厂的经济效益也得到了显著提高。     

基于双模控制的永磁直驱型风力发电机组高电压穿越控制策略的研究

为提高永磁直驱型风力发电机组的高电压穿越能力,在研究电网电压骤升下风力发电机组运行特性基础上提出一种基于双模控制的永磁直驱型风力发电机组高电压穿越控制策略。以电网电压骤升幅度及直流母线电压的升高程度为依据,利用选择器进行网侧变流器控制模式的转换,从而使直驱型风力发电机组具备高电压穿越能力。基于PSCAD仿真平台的仿真结果及应用结果表明,该控制策略不仅可以保证直驱型风力发电机组在电网电压骤升期间不脱网连续运行,还可以有效提高风力发电机组的无功补偿能力,有利于电网的安全稳定运行。     

NCS中数据包丢失自适应补偿方法的研究

针对不确定性时延转化为固定时延的数据包丢失模型,改进补偿数据包丢失的方法.将时延大于一个采样周期的数据描述为数据包丢包,采用自适应线性预测方法对丢失的数据进行补偿,仿真结果表明所提到的补偿方法是有效的.