混合磁轴承转子偏心时悬浮力计算与有限元分析

基于混合磁轴承悬浮力产生机理,为了更好的计算悬浮力,该文首先对气隙磁密进行分析,再由气隙磁密可得到气隙磁场的能量,最后根据力与能量关系推导出了磁轴承转子有垂直位移时的悬浮力计算公式。该计算公式的推导过程较简便,比以往的更加方便、高效且准确性较高。为了验证理论计算公式的正确性,运用Ansoft软件对设计的混合磁轴承样机进行两次模拟偏心试验,得出的试验数据与理论计算值很接近,试验结果验证了理论的正确性。     

直线同步电动机磁悬浮系统区间二型模糊控制的研究

针对可控励磁直线同步电动机（CELSM）磁悬浮系统,提出一种区间二型模糊控制策略改善系统性能。根据CELSM磁悬浮系统的结构特点及控制原理,建立其数学模型。设计区间二型模糊控制器实现对CELSM磁悬浮系统的控制,采用磁悬浮平台气隙高度的误差及其变化率作为控制器输入,用三角形隶属度函数,建立9条模糊控制规则进行模糊推理,最后用Nie-Tan（NT）降阶算法得到系统输出。根据控制系统结构,在MATLAB软件中搭建仿真模型,经仿真验证,采用区间二型模糊控制的CELSM磁悬浮系统具有起动性能好、抗干扰能力强的优点。     

基于改进型Elman神经网络预测模糊神经网络控制的变风量空调设计

由于空调控制系统具有非线性、大滞后、时变性等特点,提出了一种基于改进型Elman神经网络的模糊神经网络控制算法,其预测输出与实际输出的差值作为模糊神经网络控制器的输入,使空调控制系统具有较高的控制精度和良好的动态特性和鲁棒性。仿真结果表明：与传统PID控制相比,基于Elman神经网络的模糊神经网络控制具有较强的鲁棒性,学习能力强,控制精度高,控制效果好。并具有自适应能力,应用前景十分广泛。     

山东电力科技全过程管理系统的开发及应用

简述了科技管理系统开发的必要性 ,详细介绍了开发的“山东电力科技全过程管理系统”的主要内容、功能及特点 ,并对系统的应用效益做了简要分析     

无刷直流电机调速系统神经网络逆控制

无刷直流电机运行中参数摄动和换相过程的非线性,在一定程度上限制了其调速性能。针对这些特点,在分析无刷直流电机换相区和传导区数学模型的基础上,提出了一种基于神经网络逆的控制策略,采用静态神经网络加积分器来构造电机的逆系统,并将该逆系统与原电机系统串联复合构成伪线性系统,实现整体的近似线性化,从而简化了外环控制器的设计难度。仿真与实验结果均表明神经网络逆控制方法对负载扰动与电机参数摄动有较强的鲁棒性,且能在减小转速超调的同时保证了响应速度及跟踪精度,使整个系统具有优良的动静态性能。     

我国电力科技现状与发展趋势

在简述我国电力工业发展历程,总结我国电力工业的特点和发展趋势的基础上,详细分析和论述了我国电力科技的现状和发展趋势。由于我国电力需求将保持持续、快速的增长态势而且需求规模大,作者提出当前我国电力科技的发展趋势及特点是:可靠性要求高、实用性强;经济效益突出、便于推广应用;加强技术先进研究、适应科学技术的发展趋势;节能、环保技术发展前景广阔。     

iPAD系统在科技档案工作中的应用

随着我国电子档案管理的普及与应用,工程设计人员对CAD图纸的计算机管理和再利用产生了极为迫切的要求。2001年5月我院针对生产需要,经过需求分析、方案论证、流程制订等过程,开发了iPAD工程图纸管理系统。(简称iPAD系统)该系统以我院高速网络环境为支撑、以Dom ino数据库为核心、SQL Server数据库为补充,与其他系统可以进行集成,实现了CAD图纸的打印出版、实时积累、整理入库、报表统计、权限管理等主要功能。iPAD系统方便设计人员对CAD图纸的重复利用,提高设计效率和设计质量,实用性强、效果显著。     

基于BP神经网络的电网安全性预警系统研发

对紧急情况下的电力系统做到快速预警且提供相应的应急预案,是一个急需解决的重要课题。从电力系统防灾容灾预警机制出发,针对电网故障的时空分布特性,采用BP神经网络对其安全隐患进行识别,构建了基于季节气候、地形地貌及自然灾害等影响电力系统安全状态的预警系统,并通过吉林电网常见故障对该系统的实用性进行了有效验证。     

基于BP神经网络的信息系统故障自动恢复技术

数据中心部署大量信息系统及相关设备,单台设备软件或硬件故障经常发生。为保障信息系统的业务持续性,研究故障的快速恢复和自动处理十分必要。重点研究信息系统故障自动恢复技术,采用BP神经网络进行系统软硬件状态评估和系统容量预测,建立自动处置脚本集,结合问题处理知识库进行系统状态与脚本匹配,实现了信息系统运行典型问题的自动恢复。从测试结果来看,提出的方法是完整可行的,能够提高运维的效率,可应用在信息系统运维工作中。     

网络遥控技术实现计算机监控与大屏幕投影系统数字通信

通过对乌江流域梯级水电站远程集控中心计算机监控系统与大屏幕投影系统数字信号通信网络实现方式的探讨,就乌江集控中心服务器端和客户端虚拟网络计算（VNC）软件的选择、安装和测试等方面,介绍乌江集控中心监控系统VNC实现的全过程。     

基于TensorFlow神经网络的MCR-WPT系统负载与互感识别方法

针对磁耦合谐振式无线电能传输(MCR-WPT)系统负载与互感识别精度低、速度慢等问题,提出一种基于TensorFlow神经网络的双LCC型MCR-WPT系统负载与互感识别方法.该方法基于TensorFlow深度学习框架,采用神经网络模型,将MCR-WPT系统的负载与互感识别问题等效为非线性方程的求解问题,进而转化为深度学习非线性拟合问题,并给出模型的训练方法,最后得到基于TensorFlow神经网络的MCR-WPT系统负载与互感识别模型.通过离线方式训练负载与互感识别模型,并将训练完成的识别模型导入微型控制器,只需要采集系统输入电流值和传输距离就能够实现负载与互感在线同时识别,识别速度快、精度高,有利于系统的实时控制,且成本较低、易于实现,有利于工程推广应用.     

基于神经网络的温、湿度控制系统辨识

针对温、湿度需要同时进行控制的这种复杂的非线性系统,采用神经网络辨识的方法,从工程实用角度出发,考虑辨识精度和辨识学习时间,确定出合理简单的网络结构及网络训练参数.考虑影响温湿度控制的各种因素,用不同测试条件下得到的检测样本对训练后的网络进行检测,均能满足一定的精度要求.在网络训练中实行训练和测试间隔进行,最终确定出网络参数,这样训练出来的神经网络有较好的泛化能力,能在较宽的范围内正确映射控制系统的输入输出,为对温、湿度控制系统进行进一步的研究,进而为神经网络控制器的设计打下可靠的基础.     

采用遗传神经网络的电力系统暂态信号分析方法

为了提高对存在频率波动、含有衰减直流分量的电力系统暂态信号的分析精度,提出基于遗传算法和神经网络的电力系统暂态信号分析方法.该方法先采用数字微分结合遗传算法对电力系统暂态信号参数进行粗略估计,将估计值作为神经网络训练的初始值,基波频率作为待定的权值,同时估计信号频率和各次谐波的幅值,在学习算法中对各次谐波的权值采用对应...     

基于工作流的电力科技查新网上受理及业务管理系统

针对电力科技查新业务现状,结合内外网物理隔离的实际情况,开发了电力科技查新网上受理及业务管理系统。该系统以SQL Server为数据平台,以Apache为中间件,采用PHP技术构建。文章阐述了系统的建设目标、技术路线、主要功能与技术特点等,依托该系统实现了为浙江省电力企业提供全面、优质的科技查新服务。     

基于永磁直线同步电机的光刻机掩模台鲁棒自适应神经网络控制

针对光刻机掩模台宏动永磁直线同步电机(PMLSM)提出一种鲁棒自适应神经网络轨迹跟踪补偿控制策略。该策略的主要特点是采用径向基函数(RBF)神经网络实时在线进行模型参数不确定性和各种外界非线性扰动的估计。为了验证策略的效果,建立基于参数不确定性和外界非线性扰动的掩模台宏动PMLSM模型,并针对此模型进行控制策略的规划、推导和稳定性理论分析,分析结果说明该策略可以保证位置和速度跟踪误差的收敛性。通过在光刻机掩模台上进行的五阶S曲线跟踪控制实验验证了此控制策略的实际控制效果,实验结果显示跟踪准确度达到了满意的效果。由于此控制策略的最大优点是不需要对实际物理系统参数和难于测量的外界不确定性扰动做精准的建模,所以非常适合应用在超精密运动控制领域。     

基于聚类与梯度混合学习算法RBF神经网络的电液伺服系统建模及仿真

针对电液伺服系统同有的流量-压力等非线性凶素使得传统的机珲建模法难以获得系统的精确数学模型,该文采用RBF神经网络对某型号武器扫雷犁电液伺服系统建模并进行了仿真.由于神经网络学习时间较长且不易收敛,采用聚类与梯度训练相结合的混合学习算法对RBF神经网络进行训练.首先使用聚类方法对学习样本进行聚类,确定隐含层结构,然后用...     

非晶丝单磁芯双绕组闭环系统新型磁场传感器研究

本文研究了利用具有近零磁致伸缩系数钴基非晶态合金丝研制的新型磁场传感器,提出了采用单非晶丝磁芯双绕组结构的磁敏探头,改善了多谐振荡桥路的对称性,并通过引入负反馈形成的闭环测量系统,使非晶磁芯工作于零场附近的线性区域,从而使传感器的线性测量范围,线性度、温度稳定性及动态特性指标得以提高,对传感器的工作原理进行了分析,并设计了该传感器的信号处理电路,对研制中的关键技术作了介绍,给出了部分测试结果。     

模糊神经网络在配电柜温湿度控制系统中的应用

为解决电力系统密闭配电柜内恒温恒湿的问题,针对配电柜温湿度控制系统,设计一种以DSP为处理器,基于模糊神经网络的PID控制器,用于温湿度控制系统。分析了配电柜温湿度控制器的组成,综合模糊控制和神经网络的优点,将神经网络、模糊控制和PID相融合,通过MATLAB软件对系统进行仿真,结果表明,该系统比普通温湿度控制系统具有更好的动态特性。     

A New Fast and Efficient Artificial Neural Network Based State Estimator Incorporated into a Linear Optimal Regulator for Power System Control Enhancement

Abstract—Fast and accurate state estimation has a crucial role in practical implementation of state feedback-based controllers. But most of the states are not accessible or economically feasible to measure and must be estimated. Although such controllers are normally designed offline, their dynamic performance is evaluated online. Hence, having high speed with acceptable accuracy is an essential feature for estimators. In this article, a state estimator based on an artificial neural network incorporated into a linear optimal regulator is introduced. First, an extended Kalman filter is designed, then an estimator based on a proposed feed-forward neural network structure is elaborated after much effort on promising neural network structures. Different neural networks are trained using the data collected from the extended Kalman filter, and a qualified and shapeable alternative for the extended Kalman filter in reducing its drawbacks is obtained. The optimum structure is identified when minimum state estimation error is achieved. Significant speed and sufficient accuracy are the main advantages of the proposed structure to be used online for state estimation. Dynamic performance of the system equipped with the linear optimal regulator plus different estimators is examined and compared to a single-machine/infinite-bus power system in MATLAB (The MathWorks, Natick, Massachusetts, USA).     

磁悬浮开关磁阻电机悬浮力与旋转力的神经网络逆解耦控制

为了实现磁悬浮开关磁阻电机径向二自由度悬浮力与旋转力三者之间的完全解耦,首先对系统的数学模型进行了可逆性分析,证明该系统在一定条件下可逆,在此基础上应用神经网络逆系统方法,将非线性、强耦合的多变量系统转变成3个彼此无耦合的伪线性子系统,最后应用线性系统控制原理和智能控制理论,对这3个子系统设计了闭环专家PID控制器。仿真结果表明,系统具有良好的动静态性能。