基于免疫遗传算法的智能化电磁电器全局优化设计

文章用一种免疫遗传算法（Immune Genetic Algorithm,简称IGA）对智能化电磁电器进行结构及控制参数优化设计。该算法在保留基本遗传算法（Simple Genetic Algorthm,简称SGA）随机全局搜索能力的基础上，引进了生物免疫系统中的抗原记忆，抗体促进与抑制，抗体多样性保持等机制，实验结果表明，基于免疫原理的遗传算法可有效改善基本遗传算法未成熟收敛等缺陷，提高全局搜索的效率及能力，在智能化电磁电器全局优化设计中取得了满意的结果。     

基于软测量的电磁电器动态过程测试技术

针对现阶段电磁电器动态测试技术难以满足电器技术发展需要的现状 ,将软测量这一新兴工业技术引入电磁电器领域 ,提出了基于软测量的电磁电器动态过程测试技术。介绍了应用软测量的前提条件 ,在自行研制的光机电电磁电器动态测试装置中 ,成功地融入了软测量技术 ,并以CJ2 0— 10 0A为例 ,实现了动态过程的软测量。该项技术的实际应用与深入研究将提高电器技术的发展水平。     

基于遗传算法的电磁电器优化设计

介绍了多目标遗传算法的特点和应用方法,将其运用于电磁电器动态规划优化设计中,并以交流接触器设计为例,编制了相应的多目标遗传算法应用程序。优化结果表明,该法十分有效,遗传算法完全可以应用到电磁电器设计领域中。     

多目标动态优化高级遗传算法及其在智能化电磁电器设计中的应用研究

首次将遗传算法引入电磁电器设计领域,在全面阐述智能交流接触器优化设计问题的基础上,成功地形成了一种多目标动态优化高级遗传算法,并应用此算法对智能交流接触器结构及其控制参数进行优化设计,取得了令人满意的结果,显示了遗传算法在电器设计领域有着广阔的应用前景。     

基于软测量的电磁系统气隙动态参数的研究

电磁系统气隙动态参数（以气隙磁导为主）的计算精确度,在很大程度上影响着整体动态过程的计算结果,但气隙磁导无法用传感器进行直接测量。本文针对这一矛盾,将软测量技术引入到电磁系统气隙动态参数的研究中,实现了气隙磁导的软测量,为提出以精确测试为基础的新电磁电器动态设计方法奠定基础。     

智能化电器的设计

智能化电器是在传统开关设备中引入计算机技术、数字处理技术和网络通信技术而形成的新一代开关电器，它具有微机测量、微机保护、网络通信以及在线监测等基本功能。文中介绍了智能化电器功能的实现方法，给出了智能化电器硬件系统的总体结构，简述了单片机系统、模拟量数据采集系统、开关量输入／输出、串行通信、硬件时钟与自复位、人机对话等功能模块的组成原理，并给出了微机测量和微机保护算法。     

基于ANSYS的电磁电器产品设计

智能交流接触器是一种新型控制电器,对接触器进行整体设计是提高接触器性能指标的重要手段。以有限元软件ANSYS的参数化设计语言为基础,结合C语言对智能交流接触器的电磁系统和触头系统进行计算,并结合VB与VC语言设计具有可视化人机交互界面的程序,经过试验参数验证得知该方法结果准确,为智能交流接触器的优化设计奠定了基础。     

开关电器智能化技术的发展动态与方向

本文阐述了开关电器智能化技术的发展、定义、特点等,重点介绍智能化电器技术当前研究工作的热点和它成功应用的实例,并且在这个基础上展望一下开关电器智能化技术的未来发展的动态,以及可能的发展趋势.     

基于遗传算法的电磁继电器优化设计

简述了遗传算法的特点,详细分析了遗传算法应用于电器产品优化设计的若干问题,并给出了某型电磁继电器优化设计的实例.     

燃煤电厂脱硝NO_x的软测量技术和自动控制优化

为了解决脱硝NOx测量不准和控制不稳定的问题,简要介绍了SCR脱硝法的基本原理和工艺,分析了当前脱硝NOx测量技术和脱硝自动控制的特点,接着重点提出了一种基于锅炉燃烧模型的脱硝NOx软测量技术,以及基于NOx软测量技术的脱硝自动控制优化方法,通过在某台机组上的实际应用表明,该方法可行且有效。     

基于改进遗传算法的电磁制动器线圈优化设计

本文在标准遗传算法的基础上,提出基于稳定裕度的搜索空间收缩方法,提高了遗传算法的计算精度和收敛速度,定义个体拥挤度的概念,在搜索空间收缩前使种群按特定规律分布,最大程度地保证最优解包含在强解空间内。本文分析了电磁制动器电磁系统的结构及吸力计算方法,给出了电磁线圈参数优化的数学模型,并采用本文改进的遗传算法对其进行了优化,算例仿真表明,本文对遗传算法的改进有效、可行,对线圈优化后,其工作时的温升明显降低,制动器性能得到提高,和采用标准遗传算法进行优化获得的结果进行比较可见,改进遗传算法对于电磁线圈参数的优化问题具有寻优精度高,收敛速度快等优点。     

基于混沌优化的量子遗传算法

量子遗传算法是一种高效的并行算法,但它有时会陷入局部极值。混沌优化的遍历性可作为搜索过程中避免陷入局部极小值的一种优化机制,随机性和规律性使它具有丰富的时空动态。对二者互补地结合作了试探分析,典型函数测试结果表明,混沌优化与量子遗传算法相结合的全局寻优效果更佳。     

基于改进遗传算法的无源滤波器设计

利用遗传算法对无源滤波器电路参数进行全局优化并对算法进行改进。在标准遗传算法的基础上,引入了自适应的遗传操作和最优保存策略。相对于经典滤波器设计方法,可不依赖先验知识而获得近似最优解,自动化程度高。仿真结果表明改进后的算法性能良好。     

基于遗传算法的有源消声系统设计

建立了基于遗传算法的自适应有源消声模型,介绍有源消声系统原理,自适应控制系统的关键在于其控制算法,用算法来调整滤波器的系数.在消声系统里必须考虑的因素主要有误差、声音的延迟、声音的衰减、在公式中适当的加入相位变化等.该系统结合神经网络算法,遗传算法和BP算法结合并改进提高了精度和准确性,可以用来优化神经网络的结构及其权值.实验分别从单音和复音情况进行,实验结果证明了基于神经网络算法的自适应有源消声系统有良好的消声效果,该系统稳定性较强.     

基于改进遗传算法的配电网无功优化

针对传统遗传算法在电网无功优化领域应用中存在的不足,结合配电网的特征,建立了综合考虑全年网损、电压品质和补偿设备投资的无功优化数学模型。同时应用自适应遗传算法对传统遗传算法的遗传算子和终止判据等进行了改进,提出了一种配电网无功优化的改进遗传算法,使其计算效率和全局寻优能力均有提高。实例计算表明,其优化效果优于传统遗传算法。     

基于改进遗传算法的无功综合优化

简要分析了传统的电力系统无功优化方法的局限性之后,提出了一种快速有效的求解方法——改进的遗传算法(IGA)。在简单遗传算法(SGA)的基础上,提出了自适应遗传算法,该算法采取了与个体分布散度成正比,并随最优个体保留代数成指数上升的自适应变异率;同时也采取了自适应的交叉率．该交叉率与群体中最大的适应度值和每代群体的平均适应度值有密切的关系。算例表明提出的算法优化效果好．而且在精度上和收敛速度上都有较大的提高。     

光机电电磁电器动态测试装置的研制

本文将计算机技术,传感器技术,电力电子技术与电器技术相结合,成功地研制出光机电电磁电器动态测试装置,实现了电器动态过程特性的实时检测,应用了软测量,数据融合以及模糊模式识别技术,解决了难以直接测量特性参数的软测量,电器动态测试过程中的疏失误差,以及电器性能的综合评估等问题。该装置目前已应用于智能化接触器的开发与研制中,为深化研究电器的实时最优控制,达到最优运行与大幅度提高其性能指标,起到了重要的作用。     

基于OpenMP的并行电磁场神经网络建模

针对用神经网络技术对电磁场建模需要较长计算时间的问题,提出了基于OpenMP (open multi-processing)的神经网络并行建模方法.该方法在串行的电磁场神经网络建模基础上,将电磁场样本点和训练数据点均匀分配给多个处理器进行并行处理,实现了电磁场数据并行产生以及神经网络并行训练.通过微波滤波器建模例子分别从加速比和效率来验证基于OpenMP的并行电磁场神经网络建模的性能.实验结果表明,并行电磁场神经网络建模是可行的,而且基于OpenMP方式的并行电磁场神经网络建模效率较传统的串行神经网络建模效率有了明显的提高.     

基于粒子群算法的BP神经网络光伏电池建模

针对光伏电池复杂难以建模的非线性特性,本文提出一种基于粒子群算法(PSO)的反向传播(BP)神经网络建模方法.神经网络具有很强的非线性拟合能力,但同时也存在收敛速度慢、容易陷入局部极值、建模精度不高等缺点.本文采用粒子群算法来优化神经网络的内部连接权值,以改善神经网络的性能,并基于这种改进的神经网络构建光伏电池动态模型...