基于APS的凝结水系统在超临界机组的应用与分析

某电厂350 MW超临界机组采用基于APS的凝结水系统,该系统功能组主要有2个功能:对凝结水热井至除氧器的凝结水管道段进行注水排气控制;在凝结水变频器启动后,通过凝结水泵再循环阀进行自身循环,为下一功能组进行凝结水管道冲洗做准备。利用功能组成功实现了除氧器上水、凝结水管道冲洗排放、除氧器水位调节阀及凝结水变频调节控制方式的全程自动控制,并减少了运行人员的操作量和操作时间。随着火电机组自动化水平的不断提高,凝结水功能组将得到更广泛的应用。     

基于规则的模糊专家控制在火电厂过程控制中的应用

针对经典PID调节对于时变性强、外扰因素较多系统的控制效果不理想等问题,提出了基于规则的模糊专家控制与PID调节共同组成的复合控制器。以某台循环流化床锅炉为研究对象,在系统中将床压变量的偏差及其变化率作为模糊控制器的输入量,将模糊控制器的输出作为阀门开度的增量。通过引入模糊专家控制器,既保留了PI调节器的静态偏差小、稳定性好等优点,又实现了对突发性外扰因素的快速响应和系统的精确控制。     

联邦数据库及其在ITS共用信息平台中应用

本文首先介绍了联邦数据库，然后分析了ITS共用信息平台建设时面临的主要问题．最后给出了联邦数据库在ITS共用信息平台建设中的应用方式。     

基于数据融合的混合动力汽车速度轮廓预测

能量管理策略(Energy management strategy, EMS)可优化不同场景下混合动力汽车(Hybrid electric vehicles, HEV)的能量消耗,降低排放,提高燃油经济性。优化的关键之一是汽车速度轮廓的预测：预测未来区间的速度轮廓,进而计算需求功率,优化发动机和电动机的功率分配。因此提出一种融合驾驶行为和激光雷达数据的车辆速度轮廓智能预测方法,可应用于满足驾驶意愿的装备激光雷达的混合动力车辆能量优化。首先,构建一个基于门控循环单元(Gated recurrent unit, GRU)网络的驾驶意图识别模型,以从车辆状态中识别驾驶员的驾驶意图,实时考虑驾驶员的驾驶需求。其次,在智能车辆和传统车辆混行的交通场景中,依赖于车辆通信的速度轮廓预测方法可能不可用,研究的交通流速度由车辆上配备的激光雷达估计。算法采用联合概率数据关联跟踪器和交互多模型方法,实时得到前方车辆相对本车的速度,无需道路、工况等先验知识。最后,融合驾驶意图和前方车辆相对本车的速度,预测未来1s内驾驶员期望的速度曲线。试验结果表明,GRU模型训练的准确率在85%～95%,识别的准确率可达到88%,可有效的识别驾驶员的驾驶意图。提出的方法具有良好的测速精度。预测的速度和实际速度的差距在较小范围内,可用于EMS中,进而为动力电池管理系统(Battery management strategy, BMS)合理控制动力电池的能量输出提供依据。     

故障诊断专家系统知识库标准样本的选取

采用征兆缩放技术选取专家系统知识库的标准样本。     

基于IP的新光城域网结构

目前,城域网已成为众多网络服务提供商必争之地。人们都把城域网视为大容量主干网络和宽带接入服务之间的带宽瓶颈。美国远程通信市场研究公司RHK公司在其最近的一份报告中预测,北美城域SONET市场将会从2000年的55亿美元增长到2004年的76亿美元。SONET/SDH主要是作为传送公用交换电话业务的传输系统。然而,Internet、IP专用网以及企业电子商务的指数式增长,正在迅速地改变着当前的网络环境。大容量带宽应用,例如,流式视频业务和电视会议促进了人们对高可靠性、高性价比的传输系统的需求。人们希望这样的传输系统能够自动地适…     

基于变预测时域MPC的自动驾驶汽车轨迹跟踪控制研究

为了保证自动驾驶汽车轨迹跟踪的精度及行驶过程中的稳定性,提出一种基于车辆横向稳定状态在线识别和模糊算法的变预测时域模型预测控制（MPC）方法。针对车辆稳定状态的在线识别,采用k-means聚类算法对车辆行驶状态参数进行聚类分析,得到聚类质心,通过在线对比当前车辆状态量与不同聚类质心之间的欧氏距离获取车辆的实时安全等级。同时计算出当前车辆的轨迹跟踪横向偏移量,以这二者为输入,通过模糊控制算法在线计算出预测时域的变化量并输出给MPC控制器实现预测时域的自适应调整,最后求解出自动驾驶车辆跟踪轨迹的最优的控制序列,以达到在保持车辆稳定的前提下实现高精度轨迹跟踪控制的目的。CarSim/Simulink联合仿真结果表明,改进后的变预测时域MPC算法在提高自动驾驶汽车轨迹跟踪精度及横向稳定性方面的表现优于传统MPC控制器。     

基于自增强注意力机制的室内单图像分段平面三维重建

基于卷积神经网络(CNN)的分段平面三维重建已然成为室内场景建模研究的焦点之一。针对室内场景中,平面和非平面元素常常交织在一起,导致网络提取的平面特征中掺杂了非平面信息,从而影响了最终分割的精度;且室内场景中的平面存在尺度差异巨大的情况,带来了明显的类别不平衡,小尺度平面实例往往会失真的问题。提出了一种自增强注意力的多尺度特征融合三维分段平面重建网络,该网络能够自动学习场景中的平面特征,并有效地将不同尺度的特征信息融合,从而提升了平面实例分割的精度。同时,通过为平面实例中的每个像素分配不同的权重,特别是增加了对小尺度平面边缘像素的权重值,进一步增强了小尺度平面分割对象的通道表达。最终,采用平衡交叉熵损失和骰子损失构建了一种新的损失函数来训练模型,进一步提升了平面分割的精度。实验证明,该算法在平面召回率和分割准确度方面均取得了显著地提升,能够产生更为准确的室内三维分段平面重建模型。     

抗冲击车路能量收集减速带设计与自供能交通管控

车辆滚压道路会产生大量机械能,将这些能量收集为交通环境中小型机电系统供电,实现自供能交通状况监测和交通管控等,使交通系统更加安全、有序、高效地运行;并且绿色环保,有益于我国“双碳”目标的实现。提出一种用于单向车道的抗冲击车路能量收集减速带(Anti-impact vehicle-road energy harvesting bump,AVEHB)。通过“顺势运动”吸纳车辆滚压能量,可以减少对器件和路基的冲击损伤,使更多滚压激励用于做功。抗冲击对比试验验证了该设计的优点。基于AVEHB工作原理,建立机电耦合动力学模型并进行试验验证。试验结果还显示,在车速50 km/h时,AVEHB最大输出电压和功率分别为146.7 V和143.47 W。探索了自供能车速监测及行人主动安全警示等应用,验证了AVEHB具有为交通环境中机电系统供电的潜力。根据供电需求合理设置AVEHB阵列,可以为智慧交通系统提供便捷、可持续、绿色环保的零碳电力。