Berkely DB在实时历史数据库中的应用

实时历史数据库是火电厂SIS系统的核心。因此,一个优秀的实时历史数据库对于火电厂的监控与监测有着重要的意义。实时历史数据库的测点信息容量大,不易操作,需要一个有效的机制来管理。Berkeley DB是一种嵌入式数据库,它轻便灵活,可伸缩,直接通过API函数操作。将Berkeley DB应用于实时历史数据库软件的开发,用于管理和操作测点信息,缩短了开发周期,提高了系统的稳定性和可靠性。实验结果显示取得了很好的效果。     

125MW机组给水全程控制系统

针对山东黄岛发电厂ｌ＃机组设计了一套给水全程控制系统。经考察，该系统运行可靠，性能良好，适用于中小机组，并可以此为基础推广应用于大型机组。     

面向机器人遥操作的数据手套设计及仿真验证

针对面向机器人遥操作的数据手套精度低、成本高以及惯性测量单元校正难、校正不完全等问题,基于9轴惯性测量单元设计了一款数据手套,对传感器数据进行了校正、融合,并在Simulink中搭建了仿真系统。采用LM算法校正加速度计和陀螺仪数据,椭球拟合算法校正磁力计数据;采用扩展卡尔曼滤波算法融合校正后的9轴数据,得到传感器的实时姿态。实验结果表明：经校正、融合得到的传感器三轴动态角度,其均方根误差小于1.5°,最大误差绝对值小于3°,计算得到的手指关节静态角度误差小于1°。该数据手套系统可以较准确地检测手指的姿态,并能实时控制虚拟灵巧手的运动,同时也能获得手指关节运动的角度、角速度等信息。     

带有积分器的可调因子FCA在DCS中的应用研究

研究一种带有积分器的可调因子模糊控制算法并将其应用到实际分散控制系统中.研究模糊控制与常规PID控制的关系,以解决模糊控制参数整定困难的问题,并通过Simulink仿真验证了PID控制器参数整定理论对模糊控制器参数选取的指导意义及模糊控制的强鲁棒性.设计了模糊控制算法在分散控制系统中的具体实现方案.详细论述了高级控制算法嵌入装置的模块添加步骤以及模糊控制模块的增量式算法、跟踪信号及手自动无扰切换的实现方法.最后通过控制实例验证了本方案的可行性及有效性.     

基于非线性状态估计（NSET）的手写体数字识别系统设计

手写体数字识别技术在财会、气象、邮政等领域有着广泛的应用，探究数字识别新方法并付诸实践，可以产生巨大的社会和经济效益。本文从传统的非线性状态估计（NonlinearStateEstimateTechnology，NSET）技术出发，将这种一般应用于设备运行状态监测领域的方法应用于手写体数字识别，并在美国邮政服务（UnitedStatesPostalService，USPS）手写数字识别库上进行测试。测试结果表明，该方法简单易行，运算效率高，对于解决非线性和高维模式识别问题凸显出其适应性强的特点。     

基于辐射能信号的锅炉燃烧优化控制

辐射能能够较快地反应燃料量及锅炉燃烧率的变化,因此将辐射能作为中间变量引入到机组的控制当中,会对整个发电厂的优化控制起到很大的作用。本文以主蒸汽压力为主调参数、炉膛辐射能为副调节参数进行研究,结果表明此串级控制具有可行性。     

风力发电机滑动偏航系统载荷特性分析

偏航控制过程中,滑动式偏航系统载荷特性是影响风力发电偏航系统安全可靠性的关键因素,现以2 MW风力发电机为研究对象,采用IEC标准中Von Kamman谱模拟湍流风,考虑重力载荷、气动载荷及惯性载荷的影响,建立风力发电机组模型,基于Bladed软件仿真风力发电机偏航时机组的动态特性,研究偏航时风况、偏航速度及偏航角度对滑动式偏航系统荷载的影响规律,为风力发电机的运行维护及改进设计提供依据。研究结果表明,偏航过程中同时变桨,变桨速率对偏航轴承的荷载有重要影响。湍流强度影响偏航轴承的疲劳和极端载荷的波动情况,偏航速度越大,偏航轴承处极限荷载越大。     

基于混合样本迁移学习的盘型绝缘子缺陷检测EI北大核心CSCD

针对盘型绝缘子缺陷检测过程中存在样本不足和样本不平衡的问题,一方面以平行视觉理论为框架,融合盘型绝缘子先验知识和规则标准,生成盘型绝缘子伞盘脱落和破损两种人工样本,建立以混合样本为基础的迁移学习方法,解决样本不足的问题;另一方面,从样本均衡的角度出发,提出均衡损失函数,在训练过程中分别对正负样本和难易样本分配不同的权重,提高模型对正样本尤其是难以检测样本的关注度,解决正负样本、难易样本不平衡的问题。实验结果表明,在少样本情况下,提出的方法用于盘型绝缘子缺陷检测的准确率达到75.1%,召回率达到81.7%,相比原始的算法分别提升19.2%和9.2%,结果可为少样本缺陷检测问题提供了新的解决思路与实现方法。     

基于共享最小二乘支持向量机模型的电站锅炉燃烧系统的优化

电站锅炉燃烧系统是一个复杂的多输入多输出系统,为了在同一个模型中实现高效率、低污染物排放的优化目标,对标准最小二乘支持向量机回归方法进行了扩展．借助某电厂1000MW超超临界锅炉的现场燃烧调整试验数据,建立了以锅炉热效率和NOx排放质量浓度为输出的共享最小二乘支持向量机（LSSVM）模型,采用一种改进的粒子群算法对共享模型中的锅炉运行工况进行了寻优．结果表明：在共享LSSVM模型中,锅炉热效率和NOx排放质量浓度的平均预测误差分别可达到0．028％和2．16％,搜索得到的高效率和低NOx排放的参数组合可为电站锅炉优化运行提供指导．     

基于支持向量回归的时间序列预测

该文简要介绍了时间序列预测的研究状况以及支持向量回归的基本原理,将支持向量回归用于对Box-Jenkins煤气炉时间序列的预测,并同其他前馈网络——BP神经网络、自适应特征空间扩张神经网络进行比较,仿真结果表明,BP神经网络和自适应特征空间扩张神经网络在预测性能上比较接近,而支持向量回归在预测性能方面明显优于这两种方法,为进行模型辨识与建模研究奠定基础.文章最后分析了支持向量回归优于BP神经网络和自适应特征空间扩张神经网络的机理.