互联电网自动发电控制功率分配的改进逼近于理想解的排序--Q多目标优化算法

本文提出了一种多目标决策与强化学习相结合的改进的逼近于理想解的排序(technique for order preference similar to an ideal solution,TOPSIS)-Q算法,有效解决了自动发电控制(automatic generation control,AGC)总功率指令分配到风电、水电、火电等各类AGC机组的动态随机多目标优化问题.算法采用3个不同的目标Q值矩阵进行迭代更新,然后利用改进TOPSIS方法对Q值矩阵进行多目标决策处理,客观地给出各目标的动态最优权重系数,从而得到各状态-动作对的综合评价判据.IEEE标准两区域模型仿真研究验证了改进TOPSIS-Q算法在AGC机组功率多目标动态优化分配过程应用的可行性和有效性,在复杂随机扰动的环境中提高系统CPS性能的同时,有效降低了AGC机组调节成本和碳排放.     

智能制造装备视觉检测控制方法综述

为满足智能制造装备产业对机器视觉技术的巨大需求,本文结合装备技术特点和特殊应用环境,提出了通用的机器视觉检测控制技术体系,弥补了当前研究的不足.本文首先对该技术体系的成像系统、自动图像获取、图像预处理、标定与分割、识别检测、视觉伺服与优化控制等关键核心技术,进行了总结和阐述.然后提出了视觉检测控制系统设计的一般原理,并结合3种典型装备,对其具体应用进行详细说明.最后根据智能制造装备不断增长的高可靠性、智能化、高速高精度作业等需求,探讨了视觉检测控制技术所面临的新问题和新挑战.     

基于数据挖掘的空调机组故障预测研究

作为机场桥载设备的重要组成部件之一——空调机组,由它产生的频发故障所造成的设备利用率低、修复率时长和重大经济损失等问题,在基于桥载设备的安监系统上,设计了空调机组安监信息采集节点,通过Clementine软件,建立了空调机组的故障预测模型,经过比较Apriori算法和其他典型数据挖掘算法的性能,通过在线数据库测试结果表明,得到了不同的典型算法在预测空调机组故障上显现的特点,通过选择最优算法高效地预测了空调机组的未来状态,实现了对空调机组的实时故障预测,进而为解决故障提供了方向和目标,最终达到了降低经济损失最大化的目的,具有很深的实际意义.     

一种基于改进支持度的节能型WSNs数据融合算法

无线传感器网络(WSNs)内有大量的冗余数据,它们消耗了过多的网络能量;目前的数据融合算法对数据彼此间的联系考虑得不够充分,融合精度有待提高.针对上述问题,提出了一种基于改进支持度的节能型数据融合算法.该算法在网络的感知节点根据设定的阈值对采集到的数据进行初次融合,并引入自支持度的概念,与灰色接近度理论相结合改进支持度函数,将改进的支持度函数应用到汇聚节点计算最终的数据融合估计值.使用Matlab进行仿真的结果表明:该算法可节能27.87％,数据融合的温度绝对误差均值约为0.98℃,达到了节能和提高融合精度的目的.     

基于计算机视觉的焊点缺陷检测系统的设计

在点焊机的焊接生产线上,由于焊接工艺的不成熟,往往会导致虚焊、漏焊、焊穿等现象,会极大地影响产品的使用寿命、美观等,需要对其进行质量检测.针对传统检测方法的低效率,提出采用机器视觉的方法来对焊点进行检测,并给出一种图像处理方法:对图像进行平滑处理,然后使用Otsu方法对图像进行阈值分割,并对得到的图像做倒三角距离变换,将像素点信息转化为灰度信息,采用分水岭算法准确地分割出焊点,最后通过面积等特征计算对焊点缺陷进行分类.实验证明,该方法较传统的检测方法,能有效地检测出多种不同排列的焊点,提高了工业生产效率.     

倾转旋翼机飞控系统的变精度粗糙集-OMELM故障诊断方法

结合变精度粗糙集(VPRS)和优化极限学习机(OMELM)诊断算法的优点,将变精度粗糙集引入OMELM中,提出变精度粗糙集-OMELM故障诊断方法,用于诊断倾转旋翼机过渡模式下飞控系统的故障。首先根据采集的倾转旋翼机多故障输出信号的数据特点,提出一种属性约简算法,定义了一种新的变精度粗熵;然后从信息论互信息增量的角度定义属性重要性,构造OMELM分类器并对约简后的属性特征进行故障多分类;最后以XV-15进行验证,结果表明所提出的方法平均辨识率高、诊断时间短。     

基于限定样本序贯极端学习机的模拟电路在线故障诊断

为解决故障特征样本分批加入时分类模型的在线更新问题,提出一种限定样本序贯极端学习机(LSSELM)。 LSSELM通过逐步添加新样本,同时剔除与其相似度最高的同类别旧样本来提高模型的动态适应能力,并通过Sherman-Morrison矩阵求逆引理来降低计算复杂度,实现输出权值的递推求解,完成模型的在线训练。将LSSELM用于模拟电路在线故障诊断,结果表明相比在线序贯极端学习机(OS-ELM)和LSSELM的诊断准确率更高,具有更好的泛化性能。     

一种用于软测量建模的增量学习集成算法

针对软测量模型在实际应用中遇到的问题, 结合AdaBoost 集成学习思想, 提出适用于软测量回归的集成学习算法, 以提高传统软测量模型的精度. 为了克服模型更新技术对软测量实际应用的制约, 将增量学习机制加入软测量集成建模中, 使软测量模型具有在线实时更新的增量学习能力. 对浆纱过程使用新方法建立上浆率软测量模型, 并使用实际生产数据对模型进行检验, 检验结果表明, 该模型具有很好的预测精度, 并能够较好地实现在线更新.

     

基于信息熵的改进人工蜂群算法

为了克服人工蜂群算法在处理复杂性问题时收敛速度慢、收敛精度不高、易早熟等缺陷,在原始人工蜂群算法的基础上引入信息熵。信息熵本身是不确定性的一种度量,由信息熵的值来度量人工蜂群算法中跟随蜂选择的不确定性,通过控制信息熵的值达到控制算法中跟随蜂选择过程的目的,实现算法的自适应调节。通过对测试函数和不同规模TSP问题的模拟仿真,对人工蜂群算法、蚁群算法和其他改进方法进行了对比,验证了所提出改进方法的可行性和有效性。     

永磁同步电机矢量控制的两种控制策略的研究

永磁同步电机矢量控制系统在工农业生产、医疗等众多领域得到了广泛的运用。矢量控制策略多样、控制灵活。在分析永磁同步电动机(PMSM)的数学模型的基础上,阐述了电压空间矢量脉宽调制(SVPWM)和电流滞环控制的原理,分别设计了基于Simulink的永磁同步电机SVPWM和电流滞环控制的速度环、电流环双闭环模型。通过工程设计方法,实现了Simulink仿真。通过对两种控制策略的仿真结果进行对比分析,分析比较了两者的控制特性。