窄带SAW滤波器在频率合成中的应用

频率合成技术是电子对抗与电子系统实现高性能指标的关键,频率合成器的性能好坏直接影响雷达、导航、通信、空间电子设备及仪器、仪表等现代设备的性能。SAW 滤波器工作频率在 10M~ 3GHz 之间,具有稳定性好、高选择度、尺寸小、质量轻等优点,在频率合成中得到广泛的应用。文章根据 SAW 滤波器的原理和优点,介绍并分析其在频率合成中的应用。这种使用窄带 SAW 滤波器来实现低杂散、低相位噪声、模块小型化的频率合成方法,对于频率合成方案设计具有实际的借鉴意义,有助于推动小型化、低相位噪声的频率合成方法的发展。     

适用于高比例风电接入的自适应低电压故障穿越控制策略EI北大核心CSCD

随着高比例新能源电力系统的发展,系统等效转动惯量大幅下降,电网发生故障时,系统频率稳定问题愈发凸显。然而新能源电源传统的低穿控制策略仅考虑电压支撑需求,并未考虑大面积风电机组低穿成功造成的暂态低频问题。基于此,该文提出一种综合考虑电压与频率变化量的自适应低电压故障穿越控制策略。该控制策略通过构建电压与频率变化量指标并比较二者大小实现低电压故障穿越控制策略切换。当电压指标小于频率指标时,切换至有功功率优先模式,通过调整有功电流参考值,增大风机有功功率输出,从而有效缓解传统低穿策略下高比例新能源系统的暂态低频问题;反之,则选择无功功率优先模式,增大风机无功功率输出,以支撑系统电压。与传统低穿控制策略相比,新策略可以兼顾故障期间调压与调频需求,提升风电并网系统的稳定性。最后通过MATLAB/Simulink验证了所提控制策略的有效性。     

化工设备泄漏失效频率修正模型研究

化工设备泄漏失效频率数据对化工企业定量风险评估具有重要意义,但目前国内还没有建立相应数据库,在实际应用过程中往往采用国外的数据.介于工业化水平的差异,直接引用国外的数据不够严谨,因此,选取挪威船级社(DNV)公布的数据库为基础,建立合理的修正模型,从而获得适合我国化工行业的通用设备泄漏失效频率数据库,为定量风险评估及设备泄漏概率预测提供数据支撑.     

氧化铝纤维束织造过程中摩擦磨损性能研究

运用往复线性摩擦试验方法,搭配自制的摩擦试验夹具,模拟织造过程中氧化铝纤维束-筘齿的摩擦行为,研究加载力、预加张力和摩擦频率对悬空状态下氧化铝纤维束摩擦磨损性能的影响.结果表明:随着加载力的增加,氧化铝纤维束所受摩擦力及长丝断裂根数增加,摩擦系数减小;在预加张力为0.40 N时,氧化铝纤维束所受摩擦力和摩擦系数出现最小值,磨损程度也最小;在摩擦稳定阶段,摩擦频率增加,则氧化铝纤维束所受摩擦力先下降,后略有上升,当摩擦频率增加至5 Hz时,氧化铝纤维束的摩擦系数较1 Hz时增加18.7％,磨损程度也最为严重.     

一种弯管成形半径的影响因素研究

对于3003-H24铝合金的三滚轮推弯工艺,通过对加工过程中模具位置变化的分析,得出前期研究的弯管成形半径理论计算结果比实测结果偏小的原因,进一步通过对弯管力的计算,并结合有限元分析,得出弯管力与弯管成形半径成反比,弯管力对模具位置变化的影响极小,主要应考虑设备的零件间隙;通过对弯管成形半径的修正量与理论加工半径、弯管力的关系,以及弯管力与设备零件之间的间隙变化量的关系进行研究,结合图形分析的方式,结果表明,弯管力达到一定值后,继续增大对零件之间的间隙变化量影响不大,对于所使用的弯管机及弯管方式,弯管力大于100 N后,间隙变化量趋于稳定,弯管成形半径的修正量主要取决于理论加工半径。对于弯管加工,只要根据实际所需弯管成形半径,计算出理论加工半径,并对其进行相应修正,即可提高加工的准确性。     

区域导航对流层延迟误差修正模型研究

本文研究了电波大气折射理论，分析了传播误差因素，阐述了区域导航信号的传播路径与 GNSS 卫星导航的不同，论述了对流层延迟对区域导航信号测量精度的影响，设计了满足区域导航系统应用需求的对流层延迟误差修正模型，并通过仿真研究，验证了所设计区域导航对流层延迟误差修正模型的可行性，并给出了该模型在远距离低仰角和近距离高仰角下的误差修正能力。     

基于汽轮机分级前馈补偿的火电机组AGC优化

随着新能源发电占比增大,电网侧对火电机组响应速度和调节精度提出了更高要求,传统AGC(自动发电控制系统)已无法满足此要求。提出一种基于分级前馈系统的AGC优化方法,首先计算汽轮机输入功率偏差ΔN,超过阈值M时则进行分级修正,且修正值随差值动态变化,指令偏差大时,增加修正值以提高响应速度,同时防止过调,反之,减小修正值;当偏差值低于阈值L时,不修正,减少阀门动作频率,降低设备损耗,此优化方法主要基于"两个细则"考核指标及锅炉储能计算来动态设置参数,实用且易于实现,即提高机组AGC调节性能,同时给企业带来可观经济效益,极具推广价值。     

新能源实时错误数据辨识与修正深度学习模型

针对新能源电站实时采集数据错误的问题，利用新能源电站历史数据，采用基于数据间模型的方法辨识和修正错误数据，进而利用辨识和修正的结果数据，建立基于决策树分类模型的新能源实时错数辨识模型，以及基于深度神经网路的新能源实时错数修正模型，从而在实时运行过程中，可利用得到的模型对新能源错数进行实时快速辨识和修正，可显著提高错数辨识和修正效率，支撑新能源电站的实时分析应用，保障新能源电站的实时安全稳定运行。通过某典型风电场和光伏电站真实历史数据的算例分析，验证了所提方法的有效性。