新型柔性灵巧手的控制系统研究

BHG-1型灵巧手是一种新型全驱动三指柔性灵巧手,其控制系统主要由上位PC机和下位嵌入式控制器组成,通过RS-232进行相互通讯.编写了上位PC机控制界面,实现控制参数的输入、调节和传感器信息的实时反馈.采用TMS320LF2407A设计了灵巧手的嵌入式控制器,并对硬件电路的各个模块作了详细的介绍.对驱动灵巧手的直流伺服电动机进行速度和位置的PID控制,提高了灵巧手的抓取性能.试验证明该系统能可靠运行并达到预期的目标.     

基于准Z源逆变器的光伏发电系统H_∞鲁棒控制

由于电网中光伏发电部分越来越高,光伏出力具有不确定性、突发性和干扰多等缺点对电网的稳定性能产生严重破坏。针对参数摄动对光伏发电系统影响,为优化光伏输出的稳定性,提出将鲁棒优化理论引入到光伏发电系统逆变器输出的电压电流控制中。在进行系统建模的基础上,通过建立状态空间方程,转换到S域内的传递函数,对控制输出信号运用H_∞鲁棒控制策略,并应用到该系统中。结果证明此设计方法得到的输出波形达到电网要求。     

蒸汽发生器水位全程数字化控制系统

采用单冲量和三冲量的水位控制方案来设计蒸汽发生器水位的全程数字化控制系统,提出一套利用软件模块组态方法实现水位控制的策略．并将此方案应用于核电仿真机的运行中．仿真结果表明,该控制方案能使蒸汽发生器水位无论在稳定工况时还是在变负荷时,均能保持恒定．     

煤矿管理系统信息化的设计与应用

随着网络技术的快速发展,信息化系统的处理能力越来越强。在煤矿管理中应用广泛的GIS技术逐渐向自动化管理方向扩展,并得到更广泛的应用,在煤矿管理中实现信息化管理对于我国现代化建设有着非常重大的意义。文章在分析GIS技术的优缺点基础上,提出在煤矿管理系统中应用可靠传输技术,设计煤矿管理系统GIS模型,并在该机制中引入传输层信息的反馈,以达到煤矿管理系统信息化应用的最优化。     

基于自抗扰串级控制的蒸汽发生器水位多模型控制方法

提出了基于自抗扰串级控制的蒸汽发生器水位多模型控制方法,其内回路采用比例控制,以快速消除给水扰动,而外回路采用二阶自抗扰控制,利用扩张状态观测器对系统的内扰和外扰实时估计,采用前馈方式给予补偿,并通过非线性反馈控制改善控制系统的快速性和稳定性。原串级控制结构不变,但外回路采用多模型自抗扰控制,从而实现全工况运行的自适应控制。仿真结果表明所提控制方法能实现大范围内平滑、快速、精确控制,其系统的鲁棒性和抗干扰能力优于常规串级PID控制方法。     

基于Boosting-决策树C5.0的岩体结构面粗糙度预测

针对目前岩体结构面粗糙度系数（JRC）定量评价模型构建困难且预测精度较低的问题，搜集包括10条Barton标准剖面线在内的112条岩体结构面JRC，统计各剖面线的8种形态参数. 采用主成分分析降维处理形态参数，共得到5个主成分. 以前102组剖面线参数作为训练样本，采用Boosting-决策树C5.0算法构建模型，以10条Barton标准剖面线验证模型精度. 对比决策树C5.0模型、CHAID决策树模型、支持向量机（SVM）模型、类神经网络模型，分析各模型预测效果. 结果表明，Boosting-决策树C5.0模型的预测结果平均误差、均方根误差均最小. 建立的显式JRC预测模型，包含8层共计68节点的判别阈值.     

烧结温度对Al_3Ni金属间化合物增强铝基复合材料力学性能的影响

通过粉末冶金原位合成法制备Al3Ni金属间化合物增强铝基复合材料。采用X射线衍射,扫描电镜,硬度测试和压缩强度测试,研究烧结温度对复合材料微观结构和力学性能的影响。结果表明:在铝基体中成功获得了均匀分布的金属间化合物Al3Ni增强相;随烧结温度从570℃上升到590℃,复合材料的密度从2.435 g/cm-3上升到2.990 g/cm-3,维氏硬度从~24升高到~37;经590℃烧结制备的复合材料表现出了高的压缩强度(255 MPa)和伸长率(~40%)。     

基于混沌粒子群算法优化的自抗扰控制在蒸汽发生器水位控制中的应用研究

由于核电站蒸汽发生器是一个高度复杂的、非线性、时变的系统,传统的串级PID控制以及其它现代智能控制方法均难以取得满意的控制效果.把自抗扰控制方法引入蒸汽发生器水位的串级控制系统中,能够解决传统PID快速性和超调的矛盾,且能够动态补偿对象模型的内扰和外扰.但自抗扰控制器参数众多,无统一调整规范,参数难以整定,为解决这一问...     

一种结合CNN和GRU网络的超短期风电预测模型

在大型电网和小型微电网中,风力发电预测对电力系统安全和经济运行发挥着至关重要的作用。针对传统建模中风电功率时变特性的局限,进一步探索风电时间序列波动特征的潜在信息,文章提出一种结合卷积神经网络(Convolutional Neural Network,CNN)和门控循环单元(Gated Recurrent Unit,GRU)的超短期风电预测模型。首先,该模型利用NWP气象数据为输入并将其归一化处理;然后,采用结合CNN和GRU网络对多变量时间序列进行动态时间建模,引入CNN来压缩GRU隐藏状态以减少计算模型的输出,克服训练过程中的梯度爆炸和消失问题;最后,根据风速和风力发电功率特性实现风电预测。通过实验仿真结果可知,与目前已投入运行的基于ANN的风电预测系统和近年来新兴的LSTM深度学习算法相比,该方法具有更高的预测精度,具有一定的工程价值。