基于动子附加绕组的隐极式永磁直线同步电动机的功率角测量

针对隐极式永磁直线同步电动机凸极效应不明显(Ld≈Lq)的特点,提出了基于动子附加高频绕组的隐极式永磁直线同步电动机的功率角测量新方法。在对永磁直线同步电动机基本结构和工作原理分析基础上,推导出了该电机的功率角与动子位置角的关系方程,建立了基于动子附加高频绕组的动子位置角测量数学公式。实验表明,该方法能实现包括零速在内全速度范围内永磁直线同步电动机功率角的测量,具有结构简单、价格低廉、使用方便、响应速度快、测量精度高等优点,特别适宜于由三相交流永磁直线同步电动机驱动的长行程伺服系统或运输系统。     

基于加速度传感器的矿井提升机定位系统的研究

矿井提升机的控制本质就是提升机料斗的定位控制,为了提高提升效率要求提升机料斗一次定位并且定位精度要高,设计采用加速度传感器检测料斗提升或下降过程中的加速度来精确求取料斗的位置,检测装置质量轻,性能稳定,精度高且体积小等。由于加速度传感器灵敏度高,外界振动、噪声等的干扰会使采集的加速度信号出现干扰波动,所以要对采集的信号进行处理,本系统在信号低通滤波的基础上采用数字滤波处理的方法进行加速度信号的二次处理,效果良好,能够达到测量精度的要求。     

变压器绝缘故障类型的改进型RBF神经网络识别算法

为精确诊断电力变压器内部潜在绝缘故障类型,通过对变压器内部油过热和油纸绝缘中局部放电等8种潜在绝缘故障发生时所产生的气体成分分析,提出了一种以人工免疫网络与粒子群算法改进径向基函数RBF(radial basis function)神经网络的变压器故障诊断算法。重点介绍了基于RBF神经网络的变压器故障诊断模型的构成原理、基于人工免疫网络算法的故障模型隐层中心确定方法以及基于粒子群算法的网络模型权重寻优方法,并进行了仿真实验。实验结果表明:该算法能有效地识别其绝缘故障类型,且识别精度可达90%以上。     

基于模糊输入的BP-ART2混合神经网络在电力变压器故障综合诊断中的应用

根据模糊理论和神经网络理论,提出了变压器故障诊断的新方法。根据DGA(dissolvedgasanalysis)法、电气试验法及外部故障特征法,建立了基于模糊输入的BP ART2混和神经网络对电力变压器故障进行综合诊断。仿真结果表明本方法能有效提高变压器故障诊断正确率。     

基于改进粒子群优化算法的提升机制动系统故障诊断

矿井提升机制动系统运行的可靠性直接关系到井下工作人员的安全,为了提高其故障诊断的准确度,提出了一种改进粒子群算法优化RBF神经网络的诊断方法,建立了以提升机制动系统的故障特征参数为输入,并以制动系统的几种主要故障类型为输出的故障诊断模型.鉴于遗传算法具有较强全局收敛性,将遗传算法中的交叉、变异的思想引入到粒子群算法中,并用其优化RBF神经网络的隐含层参数.仿真结果表明,改进后的粒子群诊断算法改善了提升机制动系统故障诊断的速度和精度.     

具有连续增益故障离散系统保性能可靠控制

针对不确定离散线性系统,采用连续增益故障模型,提出了考虑执行器故障的保性能可靠控制问题。通过对具有执行器故障不确定离散线性系统的分析,利用LMI分别给出了保性能标准控制器、保性能可靠控制器存在的充分条件及设计方法。根据凸优化理论．最优保性能标准控制器和最优保性能可靠控制器的设计方法转化为一个线性凸优化算法。在仿真数例中,不仅验证所提出方法的可行性;而且比较了最优保性能标准控制与最优保性能可靠控制。通过比较可以看出,当发生故障时,最优保性能标准系统将失去原有的性能和稳定性;最优保性能可靠系统仍将保持原有的性能。