智能模糊PID控制在水轮发电机组中的应用

针对水轮发电机组常规PID控制不能根据系统的动态过程自动调整控制参数的缺点，提出一种改进的智能自适应模糊PID控制系统，模糊控制器隶属函数和推理规则采用遗传算法优化，模糊推理输出在线修改PID参数，并探讨了如何整定PID参数以达到最优控制效果。仿真实验表明这是一种有效的控制策略，尤其是启停机过程及负载扰动过程比传统PID控制具有更好的鲁棒性和稳定性。     

基于模块化的单片机实践教学模式改革

本文提出了一种模块化的单片机实践教学方法。把一个复杂的应用系统分成若干独立但又可以互相连接的单元模块,使电路板制作、程序编写简单化。多个模块根据需要组成一个完整的应用系统,并给出了教学实例。教学实践表明模块化学习方法激发了学生的学习兴趣,培养了学生的系统设计、调试和实践动手能力。     

水电机组智能复合控制策略研究

水轮发电机组系统是一非线性、时变、高阶系统,传统PID或模糊控制很难达到理想的控制效果,模糊和PID适当结合控制可提高控制效果。对模糊和PID控制相结合形式进行了讨论,并设计了常用的几种模糊和PID控制结合的控制器;又结合具体水电站控制工程,对控制器进行了仿真分析,并分析了模糊和PID如何优势互补达到较好的控制效果。为了说明问题,设计模糊和PID控制器时用遗传算法和神经网络进行了优化。     

基于ANFIS网络水电机组控制系统建模

利用模糊神经网络ANFIS较强的非线性逼近能力建立辨识模型，对水电机组控制系统输入、输出特性进行了辨识。辨识采用离线训练ANFIS网络和在线辨识相结合的方法，模型能很好地辨识系统输入、输出特性，为研究智能水轮发电机组控制策略提供了有效的建模方法。     

跨流域水电站群中长期补偿效益问题研究

以跨流域混联水电站群为研究对象,建立了系统总保证出力最大和总发电量最大模型.针对总保证出力最大模型,按流域进行分解并逐层优化求解,子系统通过递归优化策略实现协调,计算单元采用动态规划法求解保证出力maxmin模型;针对总发电量最大模型,分析保证出力处理方法,并提出保证出力廊道控制实用求解算法.应用建立的模型和提出的算法对多个水电站群进行联合调度获得了满意结果.     

基于自适应模糊神经网络的水轮机特性辨识研究

利用自适应模糊神经网络(ANFIS)较强的非线性逼近能力,建立了辨识模型,对水轮机非线性特性进行了辨识.训练算法采用最小二乘和梯度下降结合的算法来训练参数,模型能很好地辨识水轮机特性,并有一定的透明性,为研究智能水轮发电机控制策略提供了有效的建模方法.     

星箭分离用00Ni18Co7Mo5Ti钢包带的热处理工艺

以00Ni18Co7Mo5Ti马氏体时效硬化不锈钢为研究对象,通过万能试验机、洛氏硬度计研究了不同时效温度下,钢的强度及伸长率的变化规律。从机理上分析了钢的强度随时效温度升高而不断增加,并在500℃左右达到峰值的原因为Ni₃Ti、Ni₃Mo等弥散相的析出;随着时效温度继续提高,钢的强度逐渐降低、而伸长率逐渐提高的原因为逆转奥氏体含量的增多。同时,通过试验及机理分析,在保证钢的强度不会大幅降低的前提下,适当提高时效温度或延长时效时间,均可以通过增加逆转奥氏体的含量而提高钢的伸长率。此时,钢的显微组织主要为马氏体,同时存在少量的逆转奥氏体,主要强化相为Ni₃Ti、Ni₃Mo等弥散相。     

基于EfficientNet-YOLOv5s的绝缘子缺陷检测

针对目前复杂背景下绝缘子缺陷小目标检测准确率低的问题,提出一种深度学习框架下的EfficientNet-YOLOv5s神经网络检测算法,首先通过无人机航拍输电线路中含有各类绝缘子的图像,并通过图像增强技术丰富图像数据集,然后用EfficientNet网络替换YOLOv5s主干网络,用改进的网络对标注的绝缘子数据集进行训练和测试,最后对模型的损失函数和非极大值抑制算法加以改进,进一步解决绝缘子目标重叠导致的漏检问题。实验结果表明,改进的网络平均精度达到98.5%,满足输电线路中绝缘子缺陷检测要求。     

基于改进MobileNetV3的PCB裸板缺陷检测

为解决传统PCB裸板缺陷检测效率低、误检率高、通用性差等问题,提出一种基于改进MobileNetV3的PCB表面缺陷检测模型。首先对PCB数据集进行预处理,然后采用多方向协调注意力代替原网络中的挤压和激励注意力模块,提升特征定位精度从而增强感受野;最后利用软池化优化MobileNetV3的末端结构,以在简化后的激活映射中保留更多的特征信息。实验结果证明,提出的模型对PCB裸板缺陷检测的平均准确率可达96.1%,图片平均检测速度为25.1 ms,能够高效识别PCB裸板的多种缺陷类型,对工业生产中PCB裸板的质量检测有实际应用价值。     

基于改进YOLOv4的电力高空作业安全带检测

为了让电力工作人员在电力作业中采取规范的防护措施,提出了一种基于改进YOLOv4的电力高空作业识别及安全带佩戴检测算法。首先,该算法采用MobileNetv2作为主干提取网络,在保证较好的特征提取效果同时降低了网络的参数量,提高模型的识别速度;然后使用K-means聚类算法对数据集中的目标边框重新聚类,并调整空间金字塔池化结构,提高模型的检测精度;最后使用Soft-NMS算法替换原NMS算法降低目标的漏检率。实验结果表明,改进YOLOv4网络模型比原YOLOv4模型mAP提高3.2%,检测速度提高30fps,模型的训练权重大小压缩4.16倍,算法在高空作业安全带检测上具有很强的实用性和高效性。