轧机电控系统电流正反馈型电势闭环存在问题探讨

本文结合某厂1700mm铝箔精轧机电控系统的调试实践，分析了电流正反馈对电势闭环控制系统动态过程的危害，并提出了改进措施。     

基于混合优化算法的云计算资源调度

由于云计算的动态性、异构性和不可预测性等特点,使得资源调度策略面临很大的挑战。目前解决资源调度的方法主要是一些启发式算法,如模拟退火算法、人工神经网络算法、粒子群算法、蚁群算法和遗传算法等,由于优缺点分明,不能单独实现云计算任务的最优分配。因此,提出了使用混合优化算法解决云计算资源分配问题。在算法前期,借助粒子群全局广泛搜索能力,快速寻找到较优解;在算法后期,借助蚁群算法的正反馈性和高效性,寻找最优解。实验表明该算法有较短的任务执行时间和实现各个物理主机间的负载均衡。     

智能手机技术演进对外部环境的反作用

正智能手机的技术演进过程是一个开放的系统,这个系统内部序参量的生成受到来自外部环境的限定作用,只要智能手机的技术演进是开放的。包括CPU、芯片、电池和内存等在内的技术共同构成的序参量就无法摆脱环境对它的束缚,但是与此同时,包含上述要素在内的序参量一旦形成,它也会对外部环境产生反作用,对智能手机外部的市场、文化、制度和科学技术都带去影响。这也是伺服机制发生作用的过程。我们包括各类技术演进在内的序     

逆变型分布式发电系统孤岛检测方法的研究

通过研究相位跳变法与电压正反馈法,并以这两种基本检测方法为基础,提出组合式的孤岛检测方法。该方法可以有效发挥相位跳变检测法检测时间短和电压正反馈检测法检测无死区的优点,针对不同负荷类型和功率匹配程度,构建相关的模拟实验,进一步验证新方法的正确性。     

一种自适应的主动移频孤岛检测方法

针对正反馈主动移频法存在检测速度不够快,对输出电流质量影响较大的问题,提出了一种自适应的正反馈主动移频检测方法。该方法采用新的初始截断系数,根据公共点的频率化率实时地调整正反馈系数,缩短了检测时间,减小了检测盲区。同时考虑了电网的波动,避免引入的频率差对输出电流质量的影响。通过相位理论分析和MATLAB/Simulink仿真,验证了该方法的有效性及优越性。     

趣味电路

本文讨论一下集成电路运放LM339的4、2、1脚电压的波形及实现了什么功能。 通电后IC的7脚由电阻分压产生8．25V的直流电压,刚通电时6脚电位低于7脚,比较器（LM339）1脚输出高电位,R3的正反馈作用,使得比较器迅速饱和,随着时间的推移,电容逐渐充电,6脚的电位逐渐升高,当高于7脚的电位时（8．25V）,比较器突然翻转,1脚输出低电位,同样正反馈的作用使得该过程更强烈,此时电容通过R4和二极管D1向LM339的1脚放电。     

双频并网逆变器及其孤岛效应检测

提出一种用于分布式发电的双频并网逆变器,该逆变器由2个标准三相桥级联而成,其中一个桥工作在高频,提高输出电流性能;另一个桥工作在低频,主要输出功率,从而降低开关损耗,提高系统效率。为了检测孤岛效应,提出了基于dq变换和正反馈的新检测策略,基于该策略,提出了基于dq变换的电压正反馈和频率正反馈两种检测方法。两种方法具有无检测盲区、对电能质量影响小、检测速度快等优点。仿真结果表明,该逆变器输出电流与电网电压同相,总的谐波畸变率低,向电网输出的电能质量高。     

一种基于蚁群算法的容迟网络路由策略

延迟容忍网络(容迟网络)涵盖了星际网络、移动Ad Hoc网络以及偏远地区网络等许多除因特网以外的通信网络.网络的频繁断裂和间歇连接使容迟网络路由问题成为最具挑战的问题之一.蚁群优化算法作为一种在图中寻找优化路径的机率型技术,已广泛应用于许多领域,它具有正反馈、分布式计算和智能型优化等特点.为提高路由算法对网络拓扑变化的适应能力,研究基于蚁群算法的路由策略,并通过其智能自适应优化减少容迟网络传输延迟.首先模型化容迟网络的数据传输问题;其次设计基于蚁群算法的路由策略(ant-colony-based routing,ACR),包括转发和复制两种数据分配方式;最终基于容迟网络公共数据集Infocom Trace和RollerNet Trace进行仿真验证,并与MED,SimBet,Spray和Wait以及EBR等经典算法比较.仿真结果表明:基于转发方式的ACR算法比其他同类型算法至少缩短25.8%的传输延迟,基于复制方式的ACR算法至少降低22.5%的传输延迟.     

双种群改进蚁群算法

基本蚁群优化（Basic Ant Colony Optimization，BACO）算法在进化中容易出现停滞，其根源是蚁群算法中信息的正反馈．在大量蚂蚁选择相同路径后，该路径上的信息素浓度远高于其他路径，算法很难再搜索到邻域空间中的其他优良解．对此，提出一种双种群改进蚁群（Dual Population Ant Colony Optimization，DPACO）算法．借鉴遗传算法中个体多样性特点，将蚁群算法中的蚂蚁分成两个群体分别独立进行进化，并定期进行信息交换．这一方法缓解了因信息素浓度失衡而造成的局部收敛，有效改进算法的搜索性能，实验结果表明该算法有效可行．