三相LCL并网逆变器无参数滑模预测控制策略

常规三相LCL并网逆变器模型预测电流控制方法存在计算量大、参数鲁棒性差等缺点。为了解决这些问题,提出了一种三相LCL并网逆变器无参数滑模预测电流控制方法。该方法利用滑模控制理论,建立了一种新型无参数电流控制价值函数,无需采用模型参数即可实现并网电流预测控制,从而简化了控制系统的预测过程。此外,该方法省去了逆变器侧电流传感器和电容电压传感器,节约了硬件成本,提高了系统运行可靠性。最后,根据常规模型预测电流控制和滑模预测电流控制的优点,提出了一种三相并网逆变器自适应预测控制方法,提高了并网逆变器控制对模型参数失准的适应能力。实验结果表明,在系统参数失准的情况下,所提出的控制策略具有更小的并网电流控制误差,有效地提高了系统参数鲁棒性。     

基于超磁致伸缩驱动器的油膜轴承-转子系统的稳定性研究

以超磁致伸缩驱动器(GMA)油膜轴承-柔性转子系统为研究对象,计入轴承质量和转子刚度建立了包括GMA磁滞伸缩力模型在内的动力学方程,利用Routh-Hurwitz准则,推导了GMA油膜轴承所支承的单质量弹性对称转子系统的稳定性判据。考察了驱动GMA的反馈电流的相位角和电流大小、转子刚度、转子质量和轴承质量对系统失稳转速的影响。结果表明,反馈电流的相位角对系统失稳转速影响很大,存在一个最佳值,使系统的失稳转速最高,系统稳定性最佳,并随着反馈驱动电流和转子刚度的增大,失稳转速明显增大;随着转子质量的增加,系统的失稳转速也是增加的,而轴承的质量对系统的失稳转速影响不大。计算结果在GMA油膜轴承-转子系统整体建模方面有一定的意义。     

大修渣浸出液中氟离子快速测定方法研究

作为固体危险废物,电解铝大修渣浸出液中含有大量氟离子,其处理处置都需测定氟离子含量。目前,测定大修渣浸出液中氟离子含量的方法普遍采用的是GB 5086.1—1997《固体废物 浸出毒性浸出方法 翻转法》,耗时长、效率低。针对这一问题,提出了一种快速测定大修渣浸出液中氟离子含量的方法,即通过强化固液界面传质过程,促进大修渣中可溶性氟化物的固液转移,从而大大提高了检测效率,由18 h缩减至0.5 h。实验结果表明,大修渣氟离子浸出质量为9 000~70 000 mg/kg,相对标准偏差均小于5.0%,加标回收率为96.35%~108.8%,说明快速测定法测定结果稳定,准确性高,有望成为测定大修渣浸出液中氟离子含量的标准方法。     

一种面向时间分配问题的群智能劳动分工新方法

本文以给不同信号相位的车辆分配绿灯时间的交通信号配时问题为代表,将群智能劳动分工应用到时间分配问题的求解中,提出一种新颖的蜂群劳动分工算法（bee swarm labor division algorithm, BSLDA）。首先从时间分配的视角对交通信号配时问题进行分析,然后将激发-抑制原理引入BSLDA,为每个信号相位定义了激发剂和抑制剂,并设计了增加绿灯时间、减少绿灯时间和保持绿灯时间3种行为。在群智能劳动分工激发-抑制原理作用下,BSLDA中的每个信号相位都能根据环境变化选择恰当的行为完成时间分配。最后采用真实的交通流数据进行仿真实验,结果表明本文方法适于求解不确定环境下的交通信号配时问题。     

基于物联网的金融数据动态安全存管系统设计

针对传统金融数据存管系统存在的存储效率低、存储空间小及稳定性能差等问题,设计基于物联网的金融数据动态安全存管系统。该系统感知层采集和融合金融数据,并对数据进行安全保护;存储层采用云安全存储服务体系存储从感知层获取的大量金融数据,并通过约束性软件函数实现金融动态云数据的合理调度;应用层统计和展示金融数据的分析结果。实验结果表明,该存管系统的金融数据存储效率无限接近于100%,金融数据存储空间高达12 TB,在高压情况下系统可进行稳定的大量金融数据同步上传及在线查看,实现金融数据的安全管理。     

NH4Cl辅助热解制备镍-氮-碳纳米管催化剂及其电还原CO2性能

二氧化碳（CO₂）的资源化利用是实现“碳达峰,碳中和”的重要手段。在众多CO₂转化技术当中,电催化CO₂还原反应因反应条件温和、工艺过程简单等优点,被认为是极具应用前景的减碳技术之一,其关键在于高效、高稳定性电催化剂的开发。过渡金属-氮-碳（M-N-C）材料是电还原CO₂生成CO的有效催化剂,针对其高温热解制备过程中活性金属原子容易聚集且氮原子流失严重,进而使得活性位密度降低,催化性能下降等问题,本文提出以双氰胺（DCDA）为碳源和氮源,以乙酰丙酮镍（Ni（acac）₂）为金属源,以氯化铵（NH₄Cl）为第二氮源和造孔剂,采用简单的NH₄Cl辅助热解-酸刻蚀的方法制备得到镍-氮-碳纳米管（Ni-N-CNTs）电还原CO₂催化剂,并详细考察NH₄Cl添加量对催化剂结构和催化性能的影响。表征结果表明：NH₄Cl的加入有利于催化剂纳米管状形貌和多级孔结构的生成,同时有利于催化剂中Ni-Nx （1.6%,摩尔分数）和pyridinic-N （1.75%,摩尔分数）物种含量的增加。一系列性能测试结果表明：催化剂的活性中心为Ni-Nx,同时pyridinic-N的存在也有利于催化性能的提高,当前体中NH₄Cl加入量与氮源和金属源总质量比为1∶1时,所得Ni-N-CNTs-1催化剂催化性能最好,在电压为-0.65 V （vs RHE）时,CO法拉第效率最高达92%,此时CO部分电流密度为8 mA·cm^-2。此外,该催化剂还表现出良好的催化稳定性,连续恒电位电解12 h,催化性能基本不变。该催化剂制备工艺简单,制备条件可控,研究结果可为高效M-N-C电还原CO₂催化剂的设计和制备提供一种切实有效的研究思路和方法。     

不确定环境下复杂产品维护、维修和大修服务资源调度优化

基于对复杂产品维护、维修和大修（MRO）协同服务资源调度的需求分析,从现实角度出发,建立资源调度时间和服务执行时间参数不确定条件下的随机机会约束规划数学模型. 提出由随机模拟、神经网络和离散粒子群优化算法组合成的混合智能算法,求解所提出的优化问题. 随机模拟方法为所建立的神经网络模型提供训练样本集,得到的训练样本集被用于训练神经网络模型以逼近优化目标函数,训练后的神经网络模型被用于代替优化目标函数来执行粒子群算法优化迭代. 该混合算法能有效提升时间参数不确定条件下的复杂产品MRO协同服务资源调度双目标优化问题的求解速度. 案例分析表明,相比于确定性条件下的优化算法,所提出的随机机会约束规划模型和混合算法更适用于求解现实中不确定条件下的MRO服务资源调度问题,所求得的调度方案在实际执行中具有更好的鲁棒性.     

改进回溯搜索算法解决光伏模型参数识别问题

为了准确、可靠地识别光伏模型参数,提出一种改进回溯搜索算法（MBSA）。该算法首先通过选取部分种群个体同时学习当前种群和历史种群信息,而其他个体向当前种群中最优个体学习并远离最差解,从而保持种群多样性并提高收敛速度;然后,通过概率来量化总体中的个体性能,进而每个个体基于概率自适应地选择不同的进化策略来平衡探索和开发能力;最后,采用基于混沌局部搜索的精英策略来进一步提高种群的质量。所提算法在单二极管、双二极管和光伏模块等不同的光伏模型上进行仿真实验。实验结果表明,所提出的策略极大提升了回溯搜索算法（BSA）的收敛速度和参数识别的准确性。将所提算法与逻辑混沌JAYA（LCJAYA）算法和多重学习回溯搜索算法（MLBSA）等八种先进的算法进行对比,结果表明,所提出算法参数识别的鲁棒性在对比算法中最优,在单、双二极管模型上的识别准确性明显优于JAYA、LCJAYA、改进的JAYA优化（IJAYA）和基于教学的优化（TLBO）算法,在光伏模块模型上的识别准确性明显优于MLBSA、JAYA、IJAYA和TLBO算法。在不同光照条件和不同温度下采用厂商真实数据对薄膜、单晶和多晶三种光伏组件进行的实际测试中,所提算法的预测结果与实测情况一致。仿真结果表明,所提算法能够精确稳定地识别光伏模型参数。     

采用深度学习方法的非正面表情识别综述

2017年人工智能正式升级为中国国家战略,作为人工智能领域中重要的研究方向,人脸表情识别受到了国内外研究者们的广泛关注。然而传统的人脸表情识别技术无法适应自然环境下的表情识别需求。因此非正面人脸表情识别方法成为实现表情识别技术实用化突破的重点。但是现有的非正面表情识别研究面临很多困难：头部偏转不仅造成了识别图像的扭曲,而且还遮挡了部分人脸区域,严重干扰了表情特征的提取与识别。有鉴于此,研究者们将深度学习技术与非正面表情识别相结合,依靠非正面表情图像的深度信息,实现算法识别能力的提升。综述详细介绍了深度神经网络的结构,对最新的深度学习神经网络研究方法进行分类对比,同时对未来的研究和挑战做了展望。     

中走丝线切割机床智能远程监控系统设计

中走丝线切割机床是一种精密的特种加工机床,加工精度高,能加工各种特殊硬质材料,但是比常规加工方式耗时,因而对其进行实时的状态监控就很有必要。针对现有国内主流的中走丝数控系统,提出2种集成监控方式,并结合嵌入式技术、人工智能、网络及移动终端编程和数据库技术研究了中走丝机床智能远程监控系统。首先,对智能远程监控系统的总体框架进行了阐述;其次,对智能远程监控系统的核心功能及其关键技术进行了详细的说明;最后,对中走丝的2种集成监控方式进行了重点说明,特别是基于人工智能技术的图像识别方法。所研究的中走丝线切割机床智能远程监控系统不仅能为机床加工人员提供方便,也能为机床维护人员解决机床故障提供支撑。