负载换流逆变器驱动电励磁同步电机无速度传感器模型预测控制方法

负载换流逆变器(LCI)驱动电励磁同步电机控制系统广泛应用于中高压场合,在应对干扰和负载变化上,较大的系统惯性系数和较低的开关频率导致其动态响应性能欠佳.该文提出一种基于LCI驱动电励磁同步电机的无速度传感器模型预测控制方法.首先根据LCI的数学模型建立预测状态方程,同时给出合适的代价函数和约束条件;然后分析负载换相模式下的控制矢量模型,给出速度观测器的设计方法和参数选择依据,并针对负载变化对速度观测产生的影响进行分析和补偿.同时该观测器还能够同时实现逆变桥输入电压和端电压相位的观测;最后,通过3.75kW的LCI驱动电励磁同步电机实验平台对提出的无速度传感器模型预测控制方法进行实验验证.结果表明所提出的控制方法能够有效提升系统的动态响应性能,所设计的观测器具有可行性,速度观测结果在额定阶跃负载下误差小于13°.     

两面顶金刚石单晶耐热性分析

本文通过热失重（TGA），示差扫描量热（DSC）法，扫描电镜（SEM），热侵蚀等方法分析了国产两面顶压机合成的金刚石单晶在空气中的耐热性。还分析了热侵蚀后金刚石的形貌变化并进行了抗压强度，T1、TT1的测量，将国产金刚石与进口金刚石作了大量的对比试验，发现两者的耐热性非常接近。发现金刚石的起始氧化温度在700℃左右，此时开始失重；剧烈氧化温度在850％左右，此时失重最为严重。在加热温度超过1200℃时在DSC图中出现了第二个放热峰，表明金刚石在受热温度超过1200℃时经历了第二次剧烈氧化阶段。这可能是由于在高温下触媒的反催化作用引起的。这为金刚石工具制造者及使用者提供了参考价值。     

退火对Cu50Zr42Al8非晶合金电阻的影响

采用惠更斯电桥法和X射线衍射技术测试了Cu50Zr42Al8块状非晶合金在不同温度(500~600℃)保温20min和550℃保温不同时间(10~60min)条件下的电阻值与结构变化。研究发现,Cu50Zr42Al8块状非晶合金的电阻值在接近晶化温度Tx的515~520℃温度区间附近增加得较快,呈现出电阻极大现象,且随着退火温度的升高和保温时间的延长,电阻值均呈现出先增大后减小的变化趋势。     

智慧生态门头沟总体研究

中央关于加快推进生态文明建设的方针,2015年的政府工作报告“发展智慧城市,保护和传承历史、地域文化”,指引我们开启智慧生态门头沟的研究。     

装备技术信息服务平台设计

通过装备技术信息服务平台应用的实践,为装备CALS建设积累有益经验。开发装备技术信息服务平台使装备信息管理从基于纸张的手工工作方式,向应用计算机和网络等先进信息技术的高度电子化、集成化和自动化过渡的方向发展。经过服务平台的应用提高了效率,降低了寿命周期费用。基于CALS的装备技术信息服务平台有广阔的应用前景。     

Diffusional mobility for fcc phase of Al–Mg–Zn system and its applications

Diffusional mobility for fcc phase of the Al–Mg and Al–Mg–Zn systems was critically assessed by using the DICTRA software (Diffusion Controlled Transformation). Good agreement was obtained from comprehensive comparisons between the calculated and experimental diffusion coefficients. The developed mobility database enables reasonable prediction of diffusion and solidification behaviours resulting from interdiffusion, such as concentration profile of diffusion couples and solidification curve of the Al–Mg alloys.     

核自组织映射竞争聚类

基于核方法可在高维特征空间中完成数据聚类,但缺乏对原输入空间聚类中心及结果的直观刻画.提出一种核自组织映射竞争聚类算法.该算法是利用核的特征,导出SOM算法的获胜神经元及权重更新规则,而竞争学习机制依然保持在原输入空间中,这样既解决了当输入样本分布结构呈高度非线性时,其分类能力下降的问题,而且解决了Donald[1]算法导致的特征空间中的获胜神经元在原始输入空间中的原像不存在,而无法对聚类结果利用可视化技术进行解释的问题.实验结果表明,提出的核自组织映射竞争聚类算法在某些数据集中可以获得比SOM算法更好的结果.     

Co-evolutionary particle swarm optimization to solve constrained optimization problems

This paper presents a co-evolutionary particle swarm optimization (CPSO) algorithm to solve global nonlinear optimization problems. A new co-evolutionary PSO (CPSO) is constructed. In the algorithm, a deterministic selection strategy is proposed to ensure the diversity of population. Meanwhile, based on the theory of extrapolation, the induction of evolving direction is enhanced by adding a co-evolutionary strategy, in which the particles make full use of the information each other by using gene-adjusting and adaptive focus-varied tuning operator. Infeasible degree selection mechanism is used to handle the constraints. A new selection criterion is adopted as tournament rules to select individuals. Also, the infeasible solution is properly accepted as the feasible solution based on a defined threshold of the infeasible degree. This diversity mechanism is helpful to guide the search direction towards the feasible region. Our approach was tested on six problems commonly used in the literature. The results obtained are repeatedly closer to the true optimum solution than the other techniques.