基于Profibus-DP的具有在线补偿能力的热电偶温度监测系统

对热电偶的非线性误差补偿方法进行了研究,提出了一种基于Profibus-DP的新型热电偶温度监测系统,系统对热电偶采集从站的非线性误差在上位机进行在线补偿.Matlab编写的应用程序采用DDE协议实现与MCGS软件的数据交换,它从MCGS实时数据库获取训练温度样本集,并采用遗传算法训练建立的BP神经网络模型,利用训练好的BP网络对待补偿的温度数据进行校正,并把校正结果传递给MCGS在线显示.实验表明,补偿模型把补偿数据的最大相对误差从9.96%降低到1.40%.新系统减轻了热电偶从站的负担,具有模型可靠、实时性强、计算精度高等特点.     

基于LabVIEW的智能粘度仪设计

传统的粘度检测仪器体积庞大、测量过程烦琐,并且测量数据可操作性差。本文设计了一种基于LabVIEW的智能粘度仪,介绍了其硬件构成与工作原理,详细阐述了LabVIEW通过VISA操作仪器的软件流程和实现方法,并对系统的安全性设计做了简要介绍。实测结果表明,基于LabVIEW的智能粘度仪操作简单,测量准确,智能化程度高,仪器的各项指标均达到或优于国家标准要求,计时误差小于0.01s,同列重复性优于0.3%,水浴温度控制准确度达0.05℃。     

一次性泵用输液器对输液精度的影响研究

医用输液泵搭配一次性泵用输液器进行输液时,环境温度和输液时间、速度引起的输液精度变化会影响治疗效果。为此本文研究了不同温度和中高流速条件下,随着输液时间增加,使用泵用输液器对输液精度的影响,建立了输液时间、输液温度、输液流速对输液精度的三对数总模型和对数+双曲线总模型。在温度为10℃、20℃、30℃条件下,均进行了流速为100ml/h、200ml/h、500ml/h、1000ml/h的输液实验,分别探究了时间、温度、流速对输液精度的单变量影响。最后进行了单变量模型的预测分析、总模型的参数辨识以及预测分析。在本实验条件下,单变量模型的均方根误差均小于0.01,判定系数均大于0.96,时间和流速的单变量模型的预测值与真实值的相对误差均小于10%,前者误差更是基本均小于1%;总模型的均方根误差小于0.01,判定系数大于0.93,总模型预测值与真实值的相对误差小于10%,验证了所建模型的准确性和有效性,为标定时间、温度、流速引起的输液误差提供了理论依据。     

基于CMAC神经网络的超磁致伸缩非线性控制

对于超磁致伸缩材料固有的迟滞非线性特性，本文提出一种基于小脑模型神经网络(CMAC)前馈逆补偿与PID相结合的复合控制方法。首先利用CMAC神经网络学习获得超磁致伸缩致动器(GMA)的迟滞逆模型进行补偿，再利用CMAC模型在线快速学习适应的能力，结合PID控制器降低跟踪控制时的误差和扰动，从而实现GMA的精密控制。通过MATLAB建立了CMAC前馈逆补偿控制器和CMAC-PID复合控制模型，最后通过仿真实验验证所提方法的有效性。结果表明，提出的利用CMAC神经网络逼近的迟滞模型具有令人满意的精度，在CMAC-PID复合控制方案的作用下，系统的期望位移与实际位移相对误差值最大值仅2.39%,平均相对误差值不到0.5%。说明该控制策略能适应控制对象的非线性变化，有效地提高GMA的跟踪精度。     

基于IAPWS-IF97的高精度蒸汽流量仪表的研制

本文对现有蒸汽流量测量中的密度补偿方法进行了讨论,提出了一种采用水和蒸汽热力学工业公式IAPWS-IF97进行密度补偿的方法。开发了相关物性参数的计算软件包,设计了以MSP430F149单片机为核心的蒸汽流量计算仪,分析了其硬件结构和软件整体设计思想。实验表明,在工业常用水蒸汽范围内所得饱和蒸汽密度平均相对误差小于0.05%,过热蒸汽密度平均相对误差小于0.08%。该方法克服了传统蒸汽流量仪表补偿不能适应工况大范围变化或不能满足精度要求的缺陷,提高了测量的精度。     

基于遗传算法的功放预失真器模型研究与实现

针对功放的非线性特性,建立预失真补偿器的数学模型,并用遗传算法对该模型进行求解和验证,最后通过归一化均方误差和误差矢量幅度2个评价指标对预失真处理器数学模型和遗传算法的准确性以及合理性进行定量验证,得出基于遗传算法的预失真处理器模型具有较高的准确性,能很好地补偿功放的非线性特性。     

电力交流量测量的一种误差插值补偿算法

针对现有电力交流信号实时测量算法的不足,提出了一种误差插值补偿算法,此算法综合考虑了频率偏移、波形失真和幅值波动的多重影响,根据事先建立的离线误差补偿表和误差-影响因子数值偏微分表,以及线性插值的思想,对FFT或RDFT算法测量结果先进行查表而后插值实现在线的误差补偿.通过仿真结果发现,算法的幅值相对误差小于0.6%,相位误差小于2.3°.测量精度比FFT或RDFT有显著提高.本算法容易实现实时,可以满足电力系统实时数据采集的需求.     

一种简易的基于矩形靶标的相机定位方法

针对交通视频监控的双目视觉相机定位问题,使用相机成像的仿射原理和光学透镜成像原理,建立相机像点与原像之间的非线性数学模型。采用外公切线法确定圆心的像,由光学成像几何关系得到非线性等式模型,应用MATLAB求解模型。从误差分析中得出模型相对误差小于0．16％,精度较高。模型建立后,整个标定过程不需要人工干预,可以自动进行标定,实用性好。     

基于径向基函数神经网络的涡流传感器非线性补偿方法研究

为了解决数字式涡流传感器的非线性问题,提出利用径向基函数神经网络进行非线性补偿的方法。介绍非线性补偿原理以及算法,并将其与BP神经网络法进行比较。从实测数据出发,建立了涡流传感器的非线性补偿模型。结果表明,这种非线性补偿模型误差小、有良好的鲁棒性、能实现在线软补偿,比用BP神经网络有更快的训练速度。     

基于KPCA-ISHO-LSSVM的接地网腐蚀速率预测

为了提高接地网腐蚀速率预测精度,利用核主成分分析法对接地网腐蚀速率的主元进行提取,依据KPCA分析结果进行了指标重构,减少了接地网腐蚀预测模型建模工作量。通过收敛因子非线性调整及莱维飞行策略对斑点鬣狗算法进行改进,基于改进后的斑点鬣狗算法对最小二乘支持向量机的惩罚参数和核函数参数进行优化,建立了基于KPCA-ISHO-LSSVM的接地网腐蚀速率预测模型。仿真结果表明,经ISHO优化LSSVM接地网腐蚀速率预测模型的平均相对误差、均方根误差、全局最大相对误差均定系数分别为2.79%、0.139、3.53%和0.995,均优于其他接地网腐蚀预测模型,验证了模型的正确性和优越性。     

基于 LSTM 网络的水分天平零点误差补偿方法

零点误差是衡量水分天平的重要指标,其直接影响水分天平的称重准确度。提出了一种基于长短期记忆(LSTM)网络的水分天平零点误差补偿方法,分析了水分天平零点误差机理,使用历史零点误差数据建立基于双层LSTM长短期记忆网络的零点误差预测模型,采用空载与加载载荷时两种情况分别进行补偿。利用该模型对200 g/1 mg的水分天平进行现场补偿验证,结果表明,补偿后的水分天平在空载和加载载荷时,最大示值误差约为6 mg,远小于补偿前的示值误差,证实了这种方法的有效性。     

虚拟仪器测量信号的自动校准方法

本文按照输入量减去输出量等于误差补偿量的原则,对虚拟仪器模拟通道的每个误差补偿量依据校准数据进行数学建模,使用误差回归模型的最小二乘法进行参数估计.做出线性或非线性误差补偿模型的数学方程,并利用假设检验的统计方法,构造F统计量,对βi进行有效性检验,以确定有效的线性或非线性误差补偿数学模型,从而得到对应于输入输出量的误差补偿数学表达式,用以完成虚拟仪器模拟通道的特性检测和误差校准.     

采用少量样本的开关磁阻电机磁链SVM建模与分析

开关磁阻电机(SRM)中磁链ψ是转子位置θ和绕组电流i的二元非线性函数,常基于ψ-θ-i关系数据建立磁链的数值模型,但ψ-θ-i关系数据测量成本高。本文基于支持向量机(SVM)算法从少量ψ-θ-i关系数据中建立开关磁阻电机的磁链模型。通过改变训练集均匀采样的步长,发现若电角度采样步长超过14°,模型预测误差约增加50%;电流较小时,模型预测误差随着采样步长的增大先迅速增加后在某一值附近震荡。训练集确定后,采用原始的ψ-θ-i数据训练SVM所得磁链模型,在磁链值较小的区域,预测值的相对误差最大值超过200%。针对误差产生的原因,本文提出一种非线性映射,用于处理训练样本。采用预处理后的样本训练SVM所得模型,在磁链值较小区域预测值的相对误差小于3.5%。为进一步提高最终模型的精度,本文将由原始数据训练所得模型和由映射后数据训练所得模型集成得到最终模型。本文的方案削弱了训练样本的减少对磁链模型精度的影响,使磁链模型预测的相对误差明显减小。     

基于PSO-LSSVM的离心泵状态预测方法

油田系统中离心泵因长期在恶劣环境下运行,受现场工况、介质腐蚀等因素影响,故障信号多表征出明显的非线性和时变非平稳性,数据量大,运行状态难以实时准确预测,本文提出了一种基于PSO（Particle Swarm Optimization,粒子群算法）优化LS-SVM（Least Squares Support Vector Machines,最小二乘支持向量机）的离心泵状态预测方法。首先利用粒子群算法的全局搜索特性,对最小二乘支持向量机的核参数g和惩罚因子C进行快速自动寻优,其次确定了平均绝对误差、平均相对误差和均方根误差为预测精度评估指标,最后通过实时采集的数据对本文的预测方法进行验证。结果表明：与LS-SVM预测模型相比,PSO优化LS-SVM模型降低了计算的复杂性,具有泛化能力强,预测精度高的优点,平均绝对误差、平均相对误差和均方根误差较LS-SVM模型分别减少了52%、56%和44%。该方法可为预测性维修提供理论依据,在工程实践方面具有良好的应用前景。     

基于神经网络的环网柜T型连接头导体温度测量

电缆T型连接头是环网柜的重要设备,当接头内部导体温度过高时,易引起绝缘保护套老化甚至损坏。基于RBF神经网络模型,提出了一种新型非接触式环网柜T型电缆接头温度在线监测方法,无需考虑电缆接头的热物性参数,可准确、快速地测算内部导体温度。测试数据表明:稳态时温度误差在小于2.1℃,相对误差小于2.7%;暂态时温度误差在小于6℃,相对误差小于5.6%。对环网柜的运行管理以及相关工程实践具有参考意义。     

环形磁通门的非线性误差及补偿技术

磁通门技术被广泛应用于低频微弱磁场领域,尤其是地磁场的测量.地磁的精确测量要求磁力仪具有极小的误差,目前国内外关于磁通门误差的补偿研究主要针对于比例因子误差、零偏和非正交误差,对非线性误差的研究比较少.利用软磁材料的磁化曲线函数可由多项式拟合的特性,建立了环形磁通门传感器的非线性误差模型,并提出了非线性误差补偿方法.通过实验对一维环形磁通门传感器的非线性误差进行矢量补偿,取得了显著效果.     

新型电容式位移测量电路

本文介绍了一种新型的电容式位移测量电路,提出了一种简单易行的传感器电缆电容补偿方法,使位移测量的非线性误差在189μm的测量范围内小于0.25%.     

电度表的过载补偿及电流铁芯组件分选仪

感应式电度表在过载使用时误差将迅速增加，一般在其电流铁芯上加磁分路来进行整机的误差补偿。补偿效果与铁芯材料性能、铁芯组合的磁特性及补偿片材料的磁性能有关。本文对上述三者提出评价指标，并用分选仪对其进行分档，进行分档按类补偿从而使补偿效果好，效率高，降低成本，提高成品合格率。文章还对分选仪的原理及应用作了说明。     

基于PCA-PSO-LSSVM的电站锅炉效率预测模型研究

为避免锅炉燃烧系统智能算法建模中特征变量维度过大造成的模型复杂以及过拟合问题,基于PCA提取主成分,利用PSO算法优化模型参数,建立了PCA-PSO-LSSVM锅炉效率预测模型。研究结果表明:PCA-PSO-LSSVM模型的预测精度更高,泛化能力更强,其中误差最大的锅炉效率模型测试集数据的平均相对误差仅0.002 49%,均方误差为0.004 51;未经过PCA提取主成分的PSO-LSSVM模型测试集的平均相对误差为–0.034 90%,均方误差为0.019 27;LSSVM模型测试集的平均相对误差为0.28%,均方误差为0.459 39。可见,PCA-PSO-LSSVM模型能够精准地预测锅炉热效率,适应能力更强,同时模型复杂度更低,训练速度略有提高,将为电站锅炉多方面数据预测提供一种重要手段。     

基于非线性拟合单位电流最优输出功率的永磁同步电机位置估计误差补偿策略

针对永磁同步电机(permanent magnet synchronous motor, PMSM)参数变化影响转子位置估计精度问题,提出了一种基于单位电流最优功率输出的位置估计误差非线性补偿策略。首先,分析了电机参数误差特别是电感误差对位置估计精度的影响,建立了位置估计误差与单位电流输出功率的关联模型,推导出电感误差与最优输出功率的关系模型。然后,结合功率模型构建了基于多项式的电感误差非线性模型,利用少量测试点拟合该多项式模型,即可辨识电感误差用于准确补偿位置估计误差。所提方法实现简单,不依赖电机参数,能有效克服噪声干扰。最后,仿真与实验结果验证了提出补偿策略的有效性。