考虑最优运行点的超速风电机组调频控制策略

风电机组凭借超速控制预留备用容量,可以同时实现惯性响应和一次调频2个控制目标.传统的控制策略往往对机组的备用容量利用不足,尚未发挥出超速风电机组的最大调频优势.为此,在深入研究超速风电机组频率控制的基础上,分别分析惯性响应和一次调频与稳态运行点的关系,提出了考虑最优运行点的超速风电机组调频控制策略.该控制策略通过调频能量模型求解出不同风速下的最优运行点,充分利用风电机组的备用容量参与频率调整,以实现频率跌落速度、深度和稳态偏差之间的优化协调.在DIgSILENT中搭建系统仿真模型进行验证,结果表明所提控制策略能够改善不同风速下系统动态频率响应特性,同时可保证风电机组自身运行的稳定性.     

基于混合策略的转炉终点锰含量预测研究

摘要：转炉终点钢水锰含量预测,对原料添加和冶炼成本节约具有重要作用。针对凭经验预估的终点锰含量值与实际值较大偏差导致的生产成本升高的问题,建立了一种基于混合策略的改进型鲸鱼优化算法(IWOA)与最小二乘向量机(LSSVM)的转炉终点锰含量预测模型,引入柯西变异提高鲸鱼优化算法(WOA)跳出局部最优的能力;借助惯性权重增强鲸鱼算法局部搜索能力和收敛精度;提出差分变异以增加鲸鱼算法在探索末期的物种多样性和降低陷入局部最优概率。实验结果表明,IWOA LSSVM锰含量预测模型不仅在全局和局部寻优以及收敛速度有较大的提升,在误差性能指标方面优势明显,且预测误差于±0.01%间的命中率为93.3%。     

拱型屋面弯曲回弹变形、强度和稳定性的研究

计算了拱型屋面弯曲回弹变形；分析了在对称和非对称载荷作用下拱型层面弯曲应力；计算了在对称载荷作用下拱型面临界载荷，计算结果表明：拱型屋面的破坏不是强度不足，而是失稳所致。     

弧焊机械手示教与再现误差的分析及消除措施

分析了造成弧焊机械手再现误差的原因，并通过对实验数据的处理，分析了再现误差量与焊接速度的关系，针对这种关系，提出了减小再现误差量的措施。理论和实验表明，该措施能有效地减少再现误差。     

捷联惯性制导系统的电路设计

通过对捷联惯性制导与平台惯性制导之间差异的分析，讨论了在进行捷联惯性制导系统的电路设计时所应注意的问题，在此基础上，用C32 DSP和可编程逻辑器件，设计了一个捷联惯性制导系统的电路。     

结合双粒子群和K-means的混合文本聚类算法

传统K-means算法对初始聚类中心选择较敏感, 结果有可能收敛于一般次优解, 为些提出一种结合双粒子群和K-means的混合文本聚类算法。设计了自调整惯性权值策略, 根据最优适应度值的变化率动态调整惯性权值。两子群分别采用基于不同惯性权值策略的粒子群算法进化, 子代间及子代与父代信息交流, 共享最优粒子, 替换最劣粒子, 完成进化, 该算法命名为双粒子群算法。将能平衡全局与局部搜索能力的双粒子群算法与高效的K-means算法结合, 每个粒子是一组聚类中心, 类内离散度之和的倒数是适应度函数, 用K-means算法优化新生粒子, 即为结合双粒子群和K-means的混合文本聚类算法。实验结果表明, 该算法相对于K-means、PSO等文本聚类算法具有更强鲁棒性, 聚类效果也有明显的改善。     

实用的MEMS惯性器件外场标定方法

在实际工程应用中,当不具备高精度实验室标定设备时,研究简易可行的MEMS惯性器件外场标定算法非常有必要。在分析MEMS惯性器件误差模型的基础上,提出一种基于椭球模值约束算法的外场标定方法,通过设计合理的实验编排方案和有效的求解算法来实现对误差模型参数的估计。对比实验结果表明:所提出的标定方法简易可行,其误差系数在合理的误差范围内,从而证明了该外场标定方法的有效性。     

虚拟还是现实 解读虚拟现实设备

正最近Oculus推出了新一代Crescent Bay原型产品(图1),而在上个月,三星也刚刚发布了Gear VR,另一科技巨头谷歌则推出Cardboard。虽然上述三款产品名称各异,但是它们都有一个共同的特征,那就是虚拟现实设备。今天就让我们看看,虚拟现实设备到底有着什么样的功能,它又是如何工作的。科技扫盲——认识虚拟现实设备虚拟现实(Virtual Reality,简称VR)是近年来出现的高新技。从字面理解就是一种通过虚拟设备模拟出现实环境的设备,它借助电脑、     

云环境下基于DPSO的任务调度算法

针对云计算任务调度问题,结合粒子群优化(PSO)算法的种群个体协作和信息共享特点,提出一种基于离散粒子群优化(DPSO)的任务调度算法。采用随机方法生成初始种群,利用时变方式调整惯性权重,并在位置更新中使用绝对值取整求余映射法进行合法化处理,提高PSO算法的离散化程度。搭建并重新编译了CloudSim云计算仿真平台进行实验,结果显示,当迭代次数为200时,DPSO、PSO、GA算法的所有任务最终调度时间分别为457.69 s、467.90 s、472.41 s,从而证明DPSO算法能够有效解决云计算环境下的任务调度问题,并且算法收敛速度优于PSO和GA算法。     

一种改进的均值粒子群算法

为了解决粒子群算法存在“早熟”现象和收敛速度慢的问题,本文提出一种改进的均值粒子群算法. 该算法采用非线性惯性权重,同时在每个迭代步,将粒子历史最优和种群全局最优取均值再乘以一个非线性权重的方法,以提高算法的全局搜索能力和收敛速度. 通过4个标准函数的测试,实验结果表明该算法的有效性.