电机定子绕组故障容错控制概述

简要介绍定子绕组主要故障及其失效机制,重点介绍了容错电机本体的研究进展以及电机定子绕组断路故障、端部短路故障的主要容错控制方法。容错技术将向相隔离、多相化、高性能化、智能化发展。     

基于改进的GRA-即时学习算法的镨/钕元素组分含量预测

针对现有稀土元素组分含量模型具有离线、时滞大、抗干扰能力弱等问题,提出一种改进的GRA-即时学习算法(GRA-JITL-LSSVM)建立稀土萃取过程组分含量在线检测模型.首先,采用灰色关联分析方法(GRA)分析输入输出变量之间的变化趋势和关联程度,采用哈希表确定学习集大小,确保数据相似度信息的完整性和学习集的合理性,据此建立最小二乘支持向量机(LSSVM)模型,并引入数据库更新准则,提高模型的抗干扰能力;然后,为了保证GRA-JITL-LSSVM模型参数的全局最优,提出一种带有停滞回溯策略的遗传算法(SBS-GA),并对SBS-GA的收敛性进行分析验证;最后,通过镨/钕萃取现场数据进行仿真实验,结果表明所提出SBS-GA算法能够保证寻优参数的全局解,所提出的GRA-JITL-LSSVM实时性高、预测精度好,可用于稀土萃取生产现场元素组分含量的在线检测.     

Elman网络对铈镨/钕萃取过程的应用研究

鉴于稀土元素铈镨/钕(CePr/Nd)的萃取是一个非线性、强耦合的复杂过程,难以建立精准的过程模型.利用实际萃取过程的萃取剂流量和洗涤剂流量作为输入,监测级两端组分含量作为输出.然后根据稀土元素CePr/Nd萃取生产过程的工艺参数要求,利用串级萃取理论对CePr/Nd元素的萃取过程进行模拟,分析每个串级的CePr/Nd含量的分布.再结合实际生产过程中采集的数据,建立稀土CePr/Nd萃取过程模拟的Elman网络模型,从而确保两端出口产品最终达到所需纯度.最后通过稀土萃取过程BP、RBF、Elman建模策略进行了仿真对比,结果表明:萃取过程Elman模型具有更高的预测精度和更好的稳定性,可为稀土萃取生产过程工艺参数调整提供可靠的信息依据.     

稀土萃取过程的广义预测解耦控制

考虑稀土萃取过程具有多变量、强耦合特性,提出一种基于广义预测解耦控制(GPDC)的稀土萃取过程控制方法。首先针对模型未知的强非线性稀土萃取过程,构建基于极限学习机的组分含量系统模型,并依据模型特点设计多个稀土萃取过程GPDC控制器;然后为降低各控制回路间的耦合性,在控制器的性能指标中引入校正策略,通过回路中模型预测值与参考值的偏差自适应调整偏差权重;最后基于CePr/Nd萃取过程中采集的数据进行GPDC与常规广义预测控制器进行对比仿真实验。仿真结果显示本文采用的GPDC算法能大幅度降低控制量的超调量,控制效果显著,这为解决稀土萃取过程中多变量强耦合的优化控制问题提供了借鉴。     

基于溶液图像时序特征的元素组分含量动态监测系统

针对稀土萃取过程中组分含量难以实时监测以及现有组分含量检测方法耗时、耗内存的现状,设计了一种基于溶液图像时序特征的元素组分含量动态监测系统。首先使用图像采集装置获取萃取槽体溶液的时序图像,考虑萃取液颜色特性和单一颜色空间的不全面性,采用主成分分析（PCA）方法在HSI和YUV融合的颜色空间提取图像的时序特征,并结合生产指标构造基于鲸鱼优化算法（WOA）的最小二乘支持向量机（LSSVM）分类器来对工况状态进行判断。然后当工况处于非最佳状态时,在HSV颜色空间对图像提取颜色直方图和颜色矩特征,并开发以溶液图像间的混合特征差值的线性加权值为相似度度量的图像检索系统,从而获取组分含量值。最后进行镨/钕萃取槽体混合溶液测试,结果表明该系统能够实现元素组分含量的动态监测。     

基于静态设定和动态补偿的铈镨/钕萃取过程药剂量优化控制

针对目前稀土铈镨/钕萃取生产过程人工控制导致生产指标波动大的问题,提出一种新的药剂量优化控制方法.首先针对入矿条件各参数的重要程度不一样,采用特征属性加权的案例推理方法确定药剂量（萃取量和洗涤量）预设定值;然后根据铈镨/钕稀土溶液颜色与组分含量密切相关的特点,采用最小二乘支持向量机（LS-SVM）建立基于稀土溶液颜色的组分含量软测量模型,再根据软测量得到的组分含量与目标组分含量的差值,采用模糊推理技术补偿药剂量预设定值,实现稀土萃取过程组分含量的动态优化控制.试验结果表明本文方法的有效性.     

基于AQPSO的RBF神经网络自组织学习

针对径向基函数(RBF)神经网络的结构设计及参数优化问题,提出一种自适应量子粒子群优化(AQPSO)算法.将RBF神经网络的网络规模及参数映射到粒子的空间位置,定义权值平均最优位置,从而对量子粒子群优化(QPSO)中$L_{i,j     

稀土萃取分离过程组分含量区间控制方法

针对稀土萃取过程出口产品的组分含量可以在一定区间范围浮动的要求,提出了一种基于广义预测控制的稀土萃取过程组分含量区间控制方法。首先基于萃取分离过程数据辨识建立组分含量回声状态神经网络（echo state network,ESN）模型;然后针对稀土萃取过程中不同运行工况,采用改进的广义预测控制算法设计组分含量预测控制器,将系统的输出约束纳入求解控制律的优化问题中,使预测控制针对组分含量输出在不同的区域范围采用不同的控制强度,从而实现区间控制同时保证两端出口产品的纯度,最后基于CePr/Nd（铈镨/钕）萃取过程数据的仿真试验验证了该方法的有效性。     

单光照条件变化的镨/钕元素组分含量软测量

针对镨/钕稀土萃取工业生产现场光照条件变化导致具有颜色特征的镨/钕组分含量难以准确检测的问题，提出了一种基于单光照条件变化的组分含量软测量方法。首先，采用参数优化的Grey Edge算法，将不同光照条件下的稀土溶液图像校正到标准光照下；然后，以镨/钕溶液图像HSI颜色空间中的H、S、I分量一阶矩为模型的输入变量，利用加权最小二乘支持向量机（WLSSVM）建立组分含量软测量模型；最后采用工业数据对所提方法进行仿真实验，结果表明所提方法在不同光照条件下均能满足稀土萃取过程组分含量检测的准确度和快速性要求。     

基于GA-ELM的稀土混合溶液多组分含量预测

针对稀土萃取液中有颜色特征和无颜色特征的离子在共存工况下组分含量难以快速检测的问题,提出一种基于遗传算法(GA)-极限学习机(ELM)的多组分含量预测方法。确定稀土萃取槽体混合溶液图像特性和描述图像信息的H、S颜色特征分量,利用ELM速度快、泛化能力强的优点,建立基于颜色特征的多组分含量模型,鉴于传统ELM模型初始权值和阈值的随机性易影响模型性能,使用GA对初始值进行优化确定。基于CePr/Nd萃取溶液样本数据的实验结果表明,与ELM、BP、LSSVM以及GA-BP、PSO-ELM等算法相比,该方法具有较高的预测精度且稳定性较好,可为稀土萃取现场快速获取多组分含量值提供技术支撑。