关于电子压力计校准中引入温度校准的探讨

随着电子压力计在油水井测试中的广泛应用,仪器相应的周期校准工作尤为重要,是保证仪器录取资料准确性的先决条件。我们通过电子压力计在日常校准、现场应用遇到的问题进行分析和实验,对影响电子压力计压力校准准确度的误差来源进行分析,确定温度准确度及恒温时间是产生误差的一个重要因素,压力计温度的准确性是决定压力的准确性的前提。     

具有良好时频性能的电力系统次同步振荡模态在线辨识算法

介绍了一种适用于电力系统次同步振荡在线监测的非平稳信号模态辨识算法,该算法综合了经典IIR窄带滤波器组算法及经验模态分解(empirical mode decomposition,EMD)算法的优点,利用次同步振荡分析获得的预知频率信息,对可能导致模态混叠的相邻模态做数字滤波器(Infinite Impulse Response,IIR)预处理,再经EMD获得无混叠的固有模态分量IMF1.该算法具有理想的窄带选频特性,且能够快速反映次同步振荡及机组扭振发生最初的时域过程,计算量很小,可用于现场在线提取SSO模态特征,有利于更好地实现对次同步振荡的稳定性判别及闭环控制、机组扭振保护等.最后,利用PSCAD产生的仿真数据及某电厂发生次同步振荡的现场数据验证了该算法的有效性.     

具备无功补偿功能的串联电压调节器

针对电网存在的暂降、低电压、谐波、无功等电能质量问题,采用一种背靠背式单相三电平无耦合变压器的拓扑结构,与H桥等结构相比,无桥臂之间耦合问题,降低了设备损耗及成本,同时本文整流侧采用TTA算法检测无功电流,具备无功补偿功能.对于逆变侧,采用输出电压前馈控制策略,消除了负载对逆变系统控制性能的影响,同时充分利用设备调制度较小的情况,在DSP中采用立即刷新的方式,消除了控制延时的影响,提高了系统的开环增益、响应速度、稳态控制效果和系统鲁棒性.所研制的10 kVA的补偿设备验证了该拓扑结构、TTA算法及控制方法的正确性和有效性.     

基于模态局部化的可调式压电驱动谐振质量传感器的设计

该文提出了一种基于模态局部化现象来检测外部质量扰动的可调式压电驱动谐振质量传感器,质量传感器的检测结构由两个不同长度的悬臂梁通过机械耦合梁连接。首先利用哈密顿原理对压电驱动下的非对称谐振元件进行理论建模,采用伽辽金方法求解,得到前两阶模态下的振动特性;理论求解所得固有频率与COMSOL仿真分析、实验数据基本一致。实验研究表明,无调谐质量的谐振器检测范围为2~10 mg,添加调谐质量后的谐振器检测范围提高至1~13 mg,质量检测的分辨率也得到优化。此外,对传感器的结构进行非线性分析研究发现,超谐振动下的谐振器检测灵敏度提升了80%,这为非线性谐振传感器的设计提供了基础。     

基于改进SOA-VMD的磁声发射信号去噪算法

磁声发射（MAE）是铁磁性材料磁化过程中产生的声发射信号，在构件应力检测和微观损伤检测中有着广泛的应用。针对MAE信号非稳态、复杂性、衰减性等特点，提出海鸥算法结合变分模态分解（SOA-VMD）的去噪方法，为克服海鸥算法求解过程中易陷入局部最优解问题，利用柯西变异算子产生随机迭代过程，使改进算法即柯西变异海欧算法（CVSOA）跳出早熟收敛。采用以幅值谱熵为适应度函数，优化VMD算法中分解模态个数K和二次惩戒因子α两个参数，将含噪声的MAE信号进行VMD分解重构。经仿真信号和实际检测信号分析表明，改进后的CVSOA-VMD算法全局寻优能力和去噪性能优于传统的SOA-VMD算法，降噪后的MAE信号特征值对于不同应力下均方根、偏斜度特征值的重复性更好，可靠性更高。     

基于VMD和改进TCN的短期光伏发电功率预测

光伏发电功率存在波动性,且光伏出力易受各种气象特征影响,传统TCN网络容易过度强化空间特性而弱化个体特性。针对上述问题,文中提出一种基于VMD和改进TCN的短期光伏发电功率预测模型。通过VMD将原始光伏发电功率时间序列分解为若干不同频率的模态分量,将各个模态分量以及相对应的气象数据输入至改进TCN网络进行建模学习。利用中心频率法确定VMD的最优分解模态分解个数。在传统TCN预测模型的基础上,使用DropBlock正则化取代Dropout正则化以达到抑制卷积层中信息协同的效果,并引入注意力机制自主挖掘并突出关键气象输入特征的影响,量化各气象因素对光伏发电的影响,从而提高预测精度。以江苏省某光伏电站真实数据为例进行仿真实验,结果表明所提预测方法的RMSE为0.62 MW,MAPE为2.03%。     

基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。     

用于射频滤波器的LN单晶薄膜XBAR的性能研究

基于铌酸锂(LN)薄膜的横向激发体声波谐振器(XBAR)能够兼具大机电耦合系数(K²)和高谐振频率(f)特性，有望满足5G应用的频段要求。然而，常规LN薄膜单层XBAR结构的温度稳定性较差，频率温度系数(TCF)较低。该文提出一种具有SiO₂温度补偿层的SiO₂/LN双层结构XBAR，并建立了精确分析层状结构XBAR的有限元模型。理论分析表明，该双层结构XBAR上激励的主模式是一阶反对称(A1)兰姆波。通过合理优化结构参数配置，能够获得高谐振频率(f~4.75 GHz)和大机电耦合系数(K²~8%)，同时其温度稳定性也得到显著改善(TCF~-36.1×10^-6/℃)，相较于单层XBAR结构提高了近70×10^-6/℃，这为研制温补型高频、大带宽声学滤波器提供了理论基础。     

EMD算法发展及应用综述

经验模态分解算法在各个领域都有广泛的应用,在工业领域中,对机械设备故障的机理研究,有助于监测机械运行状态,在医学领域中,准确的检测出患者与正常人数据的差异有助于疾病的分析和诊断,由于经验模态分解算法在非线性非平稳信号分析中具有显著优势,多年来深受学者的关注。文章总结了经验模态分解算法近年来的发展改进及应用。