对“数字信号处理”课程教学的探讨

目前,数字信号处理已经成为国内高校电气工程及其自动化、自动化等电气类专业的基础必修课。文章分析了学生在学习时遇到的问题,针对这些问题,提出了一些改进措施:对内容加以精炼、注重概念的理解,加强可视化教学以及适时的总结各知识的内在联系,在实践中取得了良好效果。     

S-函数在锅炉动态模型仿真中的应用

本文介绍了Matlab软件包Simulink中的S-函数创建方法,针对锅炉动态模型仿真,通过构建S-函数读取实时数据修正模型系数,实现模型的动态功能,使仿真模型更接近于锅炉实际状态,更好的服务于仿真试验研究。     

自抗扰控制器参数的免疫遗传优化及应用

针对自抗扰控制器参数较多不易整定的问题,提出了基于免疫遗传算法的参数优化设计方法。与标准遗传算法相比,免疫遗传算法引入了免疫记忆库和浓度控制机制,提高了算法的收敛效率和局部收敛性能。并且综合考虑系统动态性能和实际工程中控制代价的限制因素建立了控制系统性能评价的目标函数,按照分离性原则进行自抗扰控制器设计并用免疫遗传算法对其关键参数进行寻优。将该方法应用于过热汽温度控制系统的变工况运行,仿真实验结果表明经过免疫遗传算法优化后的自抗扰控制器适应性较强,适用于模型参数变化范围较大的受控对象。     

基于双向门控循环单元网络的滚动轴承故障诊断

滚动轴承作为大多数旋转机械的重要零部件,其工作状态直接影响设备的工作寿命.针对传统故障诊断方法自适应性差、特征提取过于依赖人工经验的问题,提出一种基于双向门控循环单元的轴承故障诊断方法.该方法直接将原始振动信号作为模型输入,自动进行故障特征提取与故障诊断.结合轴承外圈故障、内圈故障及滚动体故障等9种故障状况,对所提方法进行了验证.实验结果表明,其故障诊断准确率可达99.56％,诊断效果优于门控循环单元、长短期记忆网络等算法,且泛化能力好.     

一类离散Markov跳跃系统基于状态观测器的鲁棒H_∞控制

研究了具有不确定性的模式依赖时滞离散Markov跳跃系统基于状态观测器的鲁棒H∞控制问题。目的是构建依赖于系统模式的观测器和控制器,使得闭环系统是随机稳定的且具有较好的H∞干扰抑制性能。通过选取合适的随机Lyapunov函数,利用线性矩阵不等式,给出了鲁棒H∞控制器存在的时滞依赖条件。基于锥补线性化算法对控制器进行求解,得到了模式依赖观测器和控制器。最后通过数值仿真证明了本文方法的可行性。     

LS—SVM算法在光伏短期功率预测中的应用

以光伏阵列为研究对象,分析了辐照强度、温度以及日类型对光伏阵列出力的影响。建立了光伏短期功率预测最小二乘支持向量机LS-SVM模型。依据实验数据对模型进行了验证计算．并与BP神经网络模型做了比较,其中LS-SVM模型最大相对误差值为10．54％,平均绝对百分比误差（MAPE）为8．18％,绝对误差平方和平均值的均方根（RMSE）为0．4884,表明模型预测值离散化程度较小,所有预测点均与实际值非常接近,模型具有较好的拟合效果和泛化能力．可以有效地预测短期光伏发电功率。     

基于Kalman滤波的ECT图像重建算法

由于测量环境等因素的影响,实测数据往往带有噪声。为此,应用Kalman滤波算法进行电容层析成像（ ECT）系统图像重建,在归一化电容值中加入不同程度的噪声信号,利用噪声的统计特性进行测量值滤波,最终得到图像灰度值。在三种流型下与Landweber迭代算法进行了仿真比较,并在ECT实验装置上进行了静态实验。仿真与实验结果表明：Kalman滤波去噪效果优于Landweber迭代算法。     

基于氧化锆传感器的氧含量校正及接口电路设计

通过对氧含量测量的现实意义的探讨,以及目前应用较为广泛的氧化锆传感器相关原理的研究,介绍了一种对由氧化锆传感器测得的电压信号进行一系列数据处理,除去误差影响,计算出所需要的待测气体准确的氧体积含量步骤的方法,最后给出传感器与MCU接口电路的硬件设计。     

一类网络化串级控制系统的分析与建模

串级控制系统中,控制回路是通过实时网络闭合的.称为网络化串级控制系统.针对基于现场总线的一类网络化串级控制系统,主控制器和副控制器都采用了动态输出反馈,在网络诱导时延小于一个采样周期的情况下,利用增广状态向量法,将系统建模为有限维离散时间线性系统.最后,讨论了网络化串级控制系统中需要进一步研究的若干问题.     

基于Choi-Williams分析与神经网络的两相流流型识别北大核心CSCD

提出一种基于Choi-Williams分析和神经网络的流型识别方法。使用阵列电导传感器获取垂直上升管道气液两相流流型信息,并将多元测量数据进行去噪和降维处理,进一步采用Choi-Williams分析将其转换为时频谱图,并构建数据集。分别搭建CNN、VGG-16和ResNet-18网络模型,将不同流型的时频谱图作为网络输入进行训练、测试。识别结果表明,Choi-Williams分析可以有效提取不同流型信号的特征,3种网络均具有较高的识别精度,其中ResNet-18网络准确率最高,平均流型识别率达99.4%。