测量数据丢失的一类非线性系统迭代学习控制

迭代学习控制方法应用于网络控制系统时,由于通信网络的约束导致数据包丢失现象经常发生.针对存在输出测量数据丢失的一类非线性系统,研究P型迭代学习控制算法的收敛性问题.将数据丢失描述为一个概率已知的随机伯努利过程,在此基础上给出P型迭代学习控制算法的收敛条件,理论上证明了算法的收敛性,并通过仿真验证理论结果.研究表明,当非线性系统存在输出测量数据丢失时,迭代学习控制算法仍然可以保证跟踪误差的收敛性.     

黄磷配料微机-PLC控制系统硬件设计

针对磷酸盐化工厂黄磷配料的生产工艺及控制要求，构建了由微机一眦组成的黄磷配料自动控制系统。详细介绍了控制系统的硬件配置和控制方案，解决了LED显示器的驱动、吊料桶到位信号的测取、模拟信号的隔离以及移相触发器的设计等技术问题。运行情况表明，该系统具有配料精度高、安全可靠性好、使用灵括、功能强等特点。     

PLC和GOT在传输带中的应用

针对传统继电器控制的传输带存在电路复杂、可靠性差、故障诊断与排除困难等缺点,文章设计了用PLC和GOT对传输带进行监控、操作的控制系统,介绍了三菱公司的FX2N可编程控制器和F940GOT图示操作终端在传输带控制系统中的应用,给出了PLC控制传输带电控系统的硬件组成和软件设计。     

基于柔性负荷响应特性的超短期预测方法

在自动需求响应系统(ADRS)中,当大量的用电负荷数据被自动实时采集时,受节假日、天气、温度等因素的影响,用户侧负荷用电特性会随着响应策略的变化而发生变化。传统负荷预测方法的预测精度也将会被降低,不再满足ADRS要求。针对这一问题,基于柔性负荷的响应特性,将"预测-调度-响应"各环节视为一个闭环控制系统,把自动响应(AD)信号作为一个输入变量引入系统。基于丰富的负荷用电数据,采用"黑匣子"思想建立了闭环超短期负荷预测模型,并用仿真结果验证了模型的有效性。结果表明,该模型与传统预测模型相比,预测精度明显提高。     

基于LMI可靠跟踪控制器设计

针对具有不确定性的线性定常系统,提出了考虑执行器故障的可靠跟踪控制器设计问题.在更一般、更实际的执行器故障模型的基础上,给出了系统输出信号渐近跟踪参考输入信号可靠跟踪控制存在的充分条件.通过求解线性矩阵不等式(LMI)完成状态反馈可靠跟踪控制器设计.利用仿真数例验证了文中提出的设计方法的可行性,并且通过对可靠跟踪控制系统与不考虑故障的标准跟踪控制系统的比较,进一步说明对系统进行可靠跟踪控制的必要性.     

生物固锰除锰技术的微生物学研究

Mn~(2+)氧化细菌的微生物学研究是与除锰工艺直接相关的一个领域。已经发现许多细菌具有锰氧化能力。目前的研究工作基本局限在细菌形态观察和细胞悬液、细胞破碎液的活力动力学测量。因此研究了分离得到的Mn~(2+)氧化细菌,包括其形态、生理研究。同时对其氧化活性进行了测量。可以确认,滤池中存在着大量的Mn~(2+)氧化细菌,细菌参与了除锰。     

部分扇形区域极点配置的可靠控制

针对线性定常系统,采用连续增益故障模型提出了考虑执行器故障的部分扇形区域极点配置的可靠控制问题.当系统发生故障时,正常控制的闭环系统极点可能跳出所给定的复平面区域,而可靠控制的闭环系统仍然保持极点在指定的区域内。本文利用线性矩阵不等式(LMI)给出了部分扇形区域极点配置的可靠控制器存在的充分条件。研究成果的仿真,不仅验证所提出方法的可行性;而且比较了部分扇形区域极点配置正常控制器和可靠控制器的控制效果。进一步看出对系统进行可靠极点配置的必要性。     

双电机驱动超大倾角胶带输送机的控制算法

根据平煤股份先锋矿超大倾角(39°)胶带输送机的结构特点和控制要求,建立了双电机驱动的超大倾角胶带输送机的控制算法。侧重介绍了超大倾角胶带输送机控制总体方案、胶带输送机的启动和停车速度图、变参数PID的速度控制器、基于速度补偿的双电机功率平衡控制算法等。应用表明,该控制算法完全能够满足超大倾角胶带输送机的运行要求,其速度和电机电流的控制误差均不超过±2%,提高了设备的可靠性,保证了设备与操作人员的安全。     

基于FX2N型PLC的黄磷炉控制装置硬件设计

分析了电弧炉炼黄磷的生产工艺及控制要求,在此基础上设计出了基于FX2N型PLC的黄磷炉的控制装置.并重点介绍了黄磷炉的生产工艺及要求,控制系统的硬件设计,主要元器件的选择及提高可靠性的措施.     

基于SVD-LSTM的高校学生宿舍空调负荷预测

准确预测高校空调负荷是保证高校安全用电和电力高峰期区域配电网稳定运行的前提。文中以高校空调负荷中具有代表性的学生宿舍空调负荷为对象,建立了基于奇异值分解-长短期记忆网络的高校学生宿舍空调负荷预测模型。该方法以高校学生宿舍空调负荷特性为基础,使用奇异值分解进行降噪处理,通过长短期记忆网络对高校学生宿舍空调负荷进行预测。文中以武汉某高校的真实数据为样本进行了分析验证,通过与传统预测模型对比,证明所提预测模型的预测效果和精度优于传统预测方法。