一种BP逆模型离线训练自适应预失真方法

为了进一步改善非线性功率放大器系统的线性度,提出了一种基于BP神经网络逆向建模的离线训练自适应预失真方法。利用BP神经网络对功放逆向建模,并将建立好的逆模型参数作为预失真器模型初值。为了提高在初始预失真系统中预失真器的线性化效果及系统自适应进程的速度,在建立自适应预失真系统之前,利用BP逆向模型对预失真器进行离线训练。最后采用直接结构和最小均方（LMS）算法调节神经网络预失真器的权值,以消除放大器非线性的扰动。仿真结果显示,此方案可使邻道互调功率降低约18 dB,而经典的直接—非直接结构只降低了8 dB,表明此预失真方案能够更好地改善功率放大器的线性度。     

新型锁位式混合查询树射频识别防碰撞算法

针对无线射频识别技术系统中标签碰撞产生的时隙过多和通信复杂度高等问题,在二叉树和四叉树查询树防碰撞算法的基础上,利用对碰撞位锁位和预测子节点的方法,提出一种新型锁位式混合查询树(novel lock-bit hybrid query tree,NLHQT)算法。该算法通过锁位指令提取碰撞位信息,并针对提取出的碰撞位信息进行预测,在减少碰撞时隙的同时,通过预测使阅读器产生新的查询前缀,从而避免了空闲子节点的产生。仿真结果表明,与现有的锁位式树形结构(regressive lock-adaptive multi-tree search,RLAMS)和改进的混合查询树(improved hybrid query tree,IHQT)防碰撞算法相比,该算法在减少总时隙数和通信复杂度方面更为有效,能够有效提高识别标签的效率。     

基于改进粒子群算法的电网系统无功电压控制北大核心

由于传统无功电压控制方法易出现局部最优问题,导致控制过程不稳定,无法有效调节负载突加和突卸的情况,提出基于模拟退火粒子群算法的无功电压控制方法。获取电网系统稳态运行时状态参数,根据无功出力点和节点电压两个状态变量构建目标函数,引入惩罚函数确定各变量约束条件;建立基本粒子群算法模型,得到粒子位置与速度更新公式;为避免陷入局部最优,利用模拟退火方式改进粒子群算法,结合适应度值判断粒子位置是否最优;输入电压控制变量极限值,设定迭代次数、运动速度等初始参数,反复更新粒子位置与速度,输出最佳控制值,实现无功电压的优化控制。仿真结果表明,所提算法迭代速度快,控制过程稳定,面对负载突加和突卸时,控制效果仍然较为理想。     

基于分组混沌PSO算法的模糊神经网络建模研究

为改善记忆功放建模的精度,且针对粒子群算法早期收敛速度较快,但在后期易陷入早熟收敛,局部最优等特点,提出了一种分组并行混沌粒子群优化算法（Grouping Parallel-Chaotic Particle Swarm Optimization,GP-CPSO）,将分组粒子群优化算法与混沌思想相结合,并用该算法优化动态模糊神经网络（Dynamic Fuzzy Neural Network,DFNN）参数,建立DFNN功放模型。引入分组的CPSO群算法,将种群划分为若干个组,每组单独计算,大大提高了收敛速度,同时将混沌思想运用到每个粒子当中去,避免早熟和局部最优,缩短了迭代时间。通过仿真结果可以看到,GP-CPSO优化后的动态模糊神经网络建模的训练误差减小到0.1以内,收敛速度提高32.5%,从而验证了这种建模方法有效且可靠。     

高纯锗(HPGe)γ谱仪测定铀矿石中镭的方法研究

为了改善由样品密度不同、厚度不同引起的测量误差,笔者采用压片法制样,然后密封于样品盒达到平衡,通过152Eu对外界的电磁干扰进行内标校正,在高纯锗(HPGe)γ谱仪上测定铀矿石中镭的含量。测定结果的相对标准偏差(RSD/%)为2.43%,与射气法结果进行比较,相对误差在-5.31%~6.62%之间,方法的精密度和准确度均能满足实际生产需求,可操作性强,简便快速。     

类电芬顿耦合絮凝同步去除铬和有机污染物

利用类电芬顿处理含铬废水.以TiO2/石墨复合材料(TiO2/C)修饰石墨电极为工作电极,当外加电压为-0.4 V时,对铬初始浓度为100 mg/L的含铬废水中总铬的去除率为92.4％,TOC的去除率为63.6％.通过对实验前后工作电极比对研究,证实了TiOJC在类电芬顿处理含铬废水中的优越的性能,建立了类电芬顿与絮凝...     

循环流化床锅炉床温动态模型

循环流化床(CFB)锅炉燃烧技术具有燃料成本低、适应性强、燃烧效率高等优点,但其燃烧模型变量多且关系复杂。床温作为CFB锅炉燃烧过程中特有的参数受多重因素的影响,难以控制。本文分析了CFB锅炉床温的影响因素,并通过机理分析其动态过程,建立了床温动态控制模型,其中CFB锅炉床温模型参数通过电厂试验和运行数据辨识得出。将该床温模型应用于某300 MW机组CFB锅炉,结果表明该床温模型具有很好的适应性,且模型辨识精确度较高,可用于实际工业电厂。     

循环流化床氮氧化物排放预测模型及优化控制研究

随着环保要求的日益严格,为了降低CFB机组的NOx排放,需要对炉内生成的NOx浓度进行准确估计并应用到控制中,对此,建立精确实用的机理控制模型显得十分必要。同时,需要综合考虑降低炉内燃烧所生成的NOx与SNCR的优化控制,利用该模型对炉内外NOx综合控制进行优化。通过对NOx的生成机理进行分析,以CFB锅炉燃烧产生的燃料型NOx为主体,应用数学建模与仿真的方法,以给煤量、风量等作为模型输入,建立炉膛出口CO浓度预测模型,并以此模型为基础,与即燃碳模型为输入,建立可以用于控制的炉膛出口NOx浓度预测模型。利用上述方法建立了炉膛出口CO浓度预测模型和炉膛出口NOx浓度预测模型,并根据实际运行数据对模型进行参数求取及仿真,针对炉内燃烧控制与SNCR脱硝配合不佳,导致NOx排放水平较高的问题,根据所建立的炉膛出口NOx浓度预测模型,提出了炉内外NOx综合控制技术路线,设计了基于NOx浓度预测模型的一二次风量优化控制与SNCR优化控制思路。仿真证明了所建立的模型具有较好的精确度,满足实际控制系统的精度要求,并具有一定的预测效果。所设计的炉内外NOx综合控制技术路线与一、二次风量优化控制思路可以为今后循环流化床机组NOx低排放控制提供参考。     

Pd/AC催化剂在烯酮加氢反应中的失活及再生

浸渍法制备Pd/AC催化剂,在二氢法尼基丙酮加氢反应过程中有失活现象,通过再生处理恢复催化活性。利用XRD、N₂吸附-脱附、ICP-AES、TEM、TG-MS等技术分析催化剂物化性质,探究失活机理。结果表明,反应过程中催化剂Pd金属粒径增加,且有明显积炭形成,金属团聚对催化剂活性影响不大,催化剂失活主要为积炭失活,为可逆失活。     

对甲基苯乙酮催化加氢用钯炭催化剂研究

对甲基-α-苯乙醇是一种重要的化工产品,作为化工原料及产品中间体,被广泛用于医药、食品和精细化工等领域。以对甲基苯乙酮为原料,钯炭为催化剂,研究钯炭催化加氢合成对甲基-α-苯乙醇的性能。通过对载体进行定向改性,丰富其物化性能,考察不同Pd、Cu质量比的钯炭催化剂在对甲基苯乙酮催化加氢中的反应性能,表明Cu的引入能够有效提高钯炭催化剂反应性能,4. 5Pd-0. 5Cu/C催化剂在对甲基苯乙酮催化加氢合成对甲基-α-苯乙醇的性能最佳。