区域能源互联网的“源-网-荷-储”运行优化研究

传统微网系统能源利用率低、运行成本高,文章提出区域能源互联网的"源-网-荷-储"多能互补系统构架;以系统运行成本、环境保护成本和一次能源使用率最低为目标函数,建立了电-气互联的区域能源互联网的"源-网-荷-储"的日前动态经济调度多目标优化调度模型。分析了电-气互联的区域能源互联网的"源-网-荷-储"系统的综合运行效益;制定了支持电-气互联的区域能源互联网的"源-网-荷-储"系统设备的运行策略;通过春夏、秋冬季典型日负荷仿真分析,验证了在传统微网系统中加入气网和储能,系统日总运行成本比传统微网系统日总运行成本节约13%左右。     

泡沫混凝土在屋面工程中的应用

泡沫混凝土作为国家重点推广的新型绿色节能环保保温材料,在天津市汉沽区朝阳花园二标段6栋住宅的节能屋面保温工程中的应用,充分展示出其保温效果好、一定防水效果、整体性、施工速度快、工程造价低等各方面的优点。     

高效节能的减压阀流量特性测量方法的仿真与实验研究

介绍了一种高效节能的减压阀流量特性测量新方法--基于等温容器的充放气法,针对内部先导型精密减压阀IR2020对测试系统进行建模仿真和实验研究.研究结果表明该方法具有较高的精度,且和传统法相比具有测试时间短、测量效率高、耗气量少等特点.     

基于改进PSO算法的Volterra模型在磨损预测中的应用

为准确预测机械设备的磨损问题,提出基于改进PSO算法的Volterra级数预测模型。该预测方法首先根据Volterra级数的性质,建立Volterra级数模型;然后利用改进的PSO算法对模型参数进行优化,得到Volterra级数的预测模型。利用轴承钢试件的磨损实验数据,采用建立的预测模型对数据进行建模和磨损预测。仿真结果表明,与基于PSO算法的Volterra模型、多项式模型、AR模型、RBF神经网络模型及BP神经网络模型相比,基于改进PSO算法的Volterra预测模型结构简单、预测精度高,具有一定的实用性。     

固定和切换拓扑下异构多智能体分组一致性

针对一阶和二阶智能体组成的异构多智能体系统,研究了固定和切换拓扑下异构系统分组一致性问题。在设计分组一致性协议中加入了特殊变量并设计各组智能体的收敛位置,让各组智能体分别向着各自目标点聚集,各组内部智能体状态达到一致。方法上主要将异构系统状态矩阵进行变换,将异构系统的状态矩阵转化成同阶系统矩阵,让异构系统的分组一致性问题等价于同构系统的一致性问题,之后分析出固定拓扑下系统实现一致性所需条件。当系统含有切换拓扑时,将系统状态矩阵拆分成有限个非周期不可约分矩阵的乘积,通过证明有限个矩阵乘积为常数向量,即系统矩阵状态值最终收敛。在切换拓扑图的并集包含一个有向生成树下对系统矩阵进行分析得到系统实现分组一致性的条件。最后数值仿真验证了理论的正确性。     

一种新型气动混联运动模拟器的结构设计

提出一种新型的具有气动混联机构的三自由度运动模拟器.该运动模拟器由一个两自由度并联机构和一个行程可测的气缸串联组成,驱动方式采用气缸和气动人工肌肉混合驱动.其结构简单,3个自由度相互独立,可控性好,具有较广阔的应用前景.     

利用EXCEL快速生成MATLAB大规模稀疏矩阵

在有限元计算、线性方程组求解等方面都可能遇到稀疏矩阵问题，MATLAB提供了大量对稀疏矩阵处理的函数，但是，用MATLAB生成规模较大、非0元素数量较多且分布没有规律稀疏矩阵时浪费时。而Excel的工作表是输入矩阵非常好的界面，如将Excel在电子表格数据处理方面的优异能力与MATLAB强大的数值运算能力结合，充分发挥二者的强大功能。     

基于PID对角阵的多输入多输出解耦控制

针对PID解耦控制中的系统调节时间长、超调量大等缺点,将PID控制器与对角阵相结合,在MATLAB仿真软件中仿真,所得到的结果其调节时间减小,超调量足够小,充分克服了其PID解耦的缺点,提高了控制器的可利用性,在工程实践中PID对角阵解耦有着实际的工程意义。     

求解非线性方程组的蚁群算法

研究非线性方程组的求解问题,提高有效性。针对非线性方程数与变量数一致的非线性方程组问题,当方程组是一些强非线性方程组时,传统方法易导致失败,有效率低。为了提高求解强非线性方程组的求解效率,提出一种蚁群算法的求解方法。首先将方程组问题转化为函数优化问题,然后用全局搜索速度快的蚁群算法对函数进行求解,找到最优解,最后通过具体实例进行仿真研究,结果表明蚁群算法的有效性。     

应用改进粒子群算法辨识Hammerstein模型

研究非线性系统辨识问题.针对非线性系统中单输入单输出Hammerstein模型,由于传统辨识方法对Hammerstein模型中非线性部分具有不易辨识的缺陷,造成辨识精度低、辨识效果差等问题.为此,在基本粒子群算法的基础上,提出了一种带有收缩因子的改进的粒子群算法对非线性系统进行辨识的方法,可将参数辨识问题转换为参数空间上的函数优化问题,然后利用粒子群算法的并行搜索能力进行参数寻优.通过MATLAB软件进行仿真,并与基本粒子群算法进行比较,结果表明,利用改进算法不仅提高了辨识精度而且获得了良好的辨识效果,从而验证了算法的有效性和可行性.