基于改进粒子群优化算法的最大风能跟踪方法

风能作为一种随机性很大的能量,具有明显的非线性.为了提高风能的利用效率,需要进行最大功率点跟踪(MPPT).针对传统粒子群优化算法对参数敏感度较强、易于局部收敛等缺点,提出基于优势速度保留策略的变邻域粒子群优化算法.首先,考虑社会个体对其环境的认知规律,通过简化传统粒子更新公式以降低算法性能对参数设置的敏感程度;其次,为充分利用粒子更新中所得优势粒子速度信息,一种优势粒子速度小概率变异策略及劣势粒子速度随机赋值方法随之被提出;最后,将其应用到风力发电系统的最大风能跟踪控制中,并与传统粒子群优化算法进行比较.仿真结果显示,该算法可以实现动态过程中风力发电系统的最大风能捕获,提高系统的运行效率和动态响应速度.     

电动汽车充电路径不确定优化调度

电动汽车充电路径优化调度中的很多参数变量都具有不确定性,传统的优化调度方法适用性较差。为解决该问题,不确定优化方法被应用到电动汽车充电路径优化调度中,由此建立了基于随机期望值的不确定优化调度模型。鉴于传统的粒子群优化算法容易陷于局部优化和收敛速度较慢,将模拟退火算法引入并组成混合智能算法进行模型求解。对比实验证明该混合智能算法能够有效减少电动汽车车主到充电站所用的行驶距离、在充电站的等待时间和充电时间。     

多目标粒子群优化算法在光伏MPPT中的应用

为提高光伏电池的利用率,需要进行光伏阵列的最大功率点跟踪(MPPT),针对传统粒子群优化算法在多目标优化中的不足,提出了基于最小粒子角度的多目标粒子群优化算法,利用目标空间中不同粒子之间的角度进行粒子全局极值更新,通过比较粒子的浓度值给出粒子群及粒子个体极值更新方法,并在Matlab/Simulink下进行了建模与仿真。仿真结果显示,该算法在外界环境变化时能快速准确地跟踪太阳能电池的最大功率点,并能保证系统的稳定性。     

基于嵌入式电力故障录波器的设计

为提高电力故障诊断系统的性能,介绍了一种基于嵌入式的电力故障录波器的电路设计方案,该故障录波器采用DSP与ARM双微处理器协同工作的方式.为了提高故障录波的精度、速度,DSP数据采集系统采用DSP芯片TMS320C33、A/D芯片ADS8364及同步锁相电路;ARM数据管理系统采用S3C44B0X芯片,设计了IDE接口、LCD接口、以太网接口等通信接口,使得重要信息的显示、转移、存储更方便、快捷.该故障录波器具有数据采集精度高、处理速度快、系统容量大、具有以太网接口数据远传等优点,对交流电参量检测装置的设计具有一定的参考价值.     

基于PLC的自动化立体仓库控制系统

结合机电一体化技术,完成自动化立体仓库中机械手、堆垛机PLC控制系统设计,实现货物的运输与分配、堆垛机定位控制、出入库控制等功能。该系统具有操作简便,自动化程度高,运行速度快、可靠性高等特点。     

基于遗传神经网络的氧化铝浓度预测控制

分析了槽电阻与氧化铝浓度的之间的关系，对铝电解槽氧化铝浓度的控制方法进行了探讨。通过建立基于遗传神经网络的氧化铝浓度预测控制系统，对氧化铝浓度进行控制，实际应用效果良好。     

基于迭代学习的光伏路灯轨迹跟踪控制

为提高光伏路灯对太阳的轨迹跟踪能力及储能效率,提出了一种两关节型结构的光伏路灯,根据相关天文学公式和参数计算出太阳轨迹,采用闭环PD型迭代学习控制算法对其进行轨迹跟踪控制。建立了两关节型光伏路灯的动力学模型,给出了闭环PD型迭代学习控制算法。分别对独立PD控制和闭环PD型迭代学习控制进行仿真对比,结果表明采用闭环PD型迭代学习控制算法对轨迹跟踪是有效的。     

不规则阴影影响下光伏阵列最大功率点跟踪方法

在不规则阴影影响下,光伏阵列输出特性曲线存在多个局部最大功率点,传统最大功率点跟踪算法在此情况下难以找到全局的最大功率点,从而陷入局部最优值。为解决该问题,根据滑模变结构控制在非线性系统控制中具有响应速度快、鲁棒性强等优点和扰动观察法具有算法简洁、跟踪效率高的特点,提出了将滑模变结构控制和扰动观察法相结合的算法,将其应用到不规则阴影影响下光伏阵列的最大功率跟踪控制中,用于解决局部遮阴下多峰寻优的问题。为了验证该算法的有效性,建立了不规则阴影影响下光伏阵列的实验电路。通过与传统扰动观察法的比较,实验结果表明:在光伏阵列被部分遮蔽的情况下,该算法可以快速跟踪到全局最大功率点,使系统稳定地工作在最大功率点附近,减小输出功率的波动,从而有效地利用太阳能。     

基于粗糙集-神经网络系统的轴承故障诊断

针对神经网络在故障诊断中存在着输入属性维数多和数据量庞大的缺点,利用粗糙集理论对原始数据进行约简,并剔除其中不必要的属性,构建了优化的粗糙集-神经网络系统.实例分析表明,使用该系统能够减少故障诊断的时间.