混合水箱系统的PIDE串级控制

工业过程控制是自动化技术的重要组成,但是由于工业过程自身的特点,实际的工业过程控制,尤其是控制系统PID参数的整定具有相当难度.本文应用Rockwell软件模拟了一个由温度回路和压力回路组成的混合水箱过程系统,采用串级控制的思想对其控制问题进行了研究.最后本文使用Rockwell软件的PIDE自整定模块实现了这个水箱串级系统的参数整定,这为将PIDE自整定模块应用于工业过程控制奠定了很好的基础.     

闪烁噪声的自相关函数及其表征

闪烁噪声是一种非平稳随机过程,其功率谱密度函数在频率低端（ｆ＝０）发散,无法直接利用Ｗｉｅｎｅｒ－Ｋｈｉｎｔｃｈｉｎｅ关系得到它的自相关函数,本文采用“降阶－积分”方法,得到了频率源中闪烁调频噪声的自相关函数的解析表达式。根据这一结果,分析了频率稳定度的表征原理,指出了频率稳定度表征的实质是将非平稳过程转化为平稳过程并求取时间平均。最后,通过时域分析得到了闪烁噪声的Ａｌｌａｎ方差表达式。     

短路试验法校验500 kV自耦变压器套管CT电流计算

通过分析大型自耦变压器验收过程中套管CT电流的幅值和相位,介绍了一种利用变压器铭牌参数计算套管CT在短路试验中电流的方法。同时,以某变电站自耦变压器套管CT的验收为例,对所提出的方法进行了分析和验证,可为变电专业工程人员验收自耦变压器套管CT提供借鉴。     

弱标签声音事件检测的空间-通道特征表征与自注意池化

深度神经网络声音事件检测方法需要大量标记声音事件类别和起止时间的强标签音频样本,然而强标签标注非常困难和耗时.弱标签声音事件检测是解决这一困难的有效途径.本文将弱标签声音事件检测作为多实例学习问题,并基于卷积循环神经网络提出弱标签声音事件检测的空间-通道特征表征与自注意池化方法 .该方法研究多实例弱标签声音事件检测的特征表征和帧级预测结果池化两个方面的内容.在特征表征方面,为了增强卷积神经网络的特征表征能力,结合上下文门控和通道注意机制构建门控注意力结构并嵌入到卷积循环神经网络中,实现了音频样本特征的空间和通道特征选择;在预测结果池化方面,引入自注意思想设计音频帧预测结果的自注意池化方法,增强了音频样本中事件帧之间的相关度,使事件帧获得更大的权重.本文方法通过对卷积循环神经网络特征表征和预测结果池化的革新,有效提升了模型的检测性能.本文提出的方法在DCASE 2017任务4和DCASE 2018任务4数据集的评估集中分别取得了52.47%和31.00%的F1得分,性能优于当前绝大部分的弱标签声音事件检测方法 .实验结果表明：本文提出的空间-通道特征表征与自注意池化方法能显著改善弱标签声...     

光电平台MEMS陀螺性能及滤波算法的Allan方差评价

光电稳定平台被广泛应用于火控、侦察、制导等武器系统中,具有提供重要的态势感知、监视、瞄准和搜跟能力。随着光电技术的发展,光电稳定平台变得更加精准和轻便小巧。MEMS陀螺具有体积小、重量轻、成本低、可靠性高、测量范围大的优点,使其已经成为小体积、低成本光电稳定平台的首选惯性传感器。但在光电稳定平台设计时,选用MEMS陀螺和陀螺滤波处理就成了首要的问题。本文首先介绍了基于Allan方差评价MEMS陀螺随机漂移误差的方法,描述了4种常用的陀螺滤波算法,然后基于Allan方差详细地分析了这几种滤波器的应用特性和滤波器参数对滤波性能的影响。可以看出,使用Allan方差可以很好地评估MEMS陀螺和滤波器性能,指导陀螺滤波器选型和滤波参数配置,该评估方法可有效地解决光电稳定平台设计阶段的陀螺选型和滤波器选型。     

基于模糊算子的红外图像去模糊研究

针对镜头抖动,目标移动等因素引起的图像运动模糊问题,本文提出了一种基于模糊算子的红外图像去模糊算法,使用深度自编码网络对数据集中的模糊算子进行编码,通过编码后的模糊算子去逼近一个未知的模糊算子并搜索对应的清晰图像,从而实现真实场景下红外图像去模糊,弥补了现有基于深度学习的图像去模糊模型在跨域应用时对真实场景下运动模糊图像去模糊效果较差的不足。在红外图像上的实验结果表明,相比于其他去模糊算法,本文提出的去模糊算法取得了更高的性能指标,恢复出的图像有着清晰的边缘轮廓和局部细节,显著提升了红外图像的清晰度。     

一种SSAE+BPNN的变工况飞灰含碳量软测量方法

火电机组变工况运行使数据呈现多模态特征,导致基于浅层网络结构的回归软测量模型的预测精度下降。研究一种改进的BP神经网络(back propagation neural network,BPNN)软测量方法：首先利用堆叠稀疏自编码器(stacked sparse autoencoder,SSAE)强大的深度学习能力提取原始数据特征,然后再利用BPNN对提取特征进行回归分析。经实验验证,SSAE+BPNN软测量方法的均方误差为0.135 8×10^–3,平方相关系数为0.983 2,其预测精度和泛化能力显著优于BPNN。将其应用于某台灵活调峰的超超临界660 MW发电机组飞灰含碳量软测量中,预测结果的平均相对误差为0.91%,总体相对误差控制在±5%以内,具有良好的工程应用价值。     

基于改进型LADRC的STATCOM抑制双馈风电场次同步振荡策略

针对双馈风电场经串联补偿线路送出引发的次同步振荡问题,提出了一种基于改进型线性自抗扰控制(LADRC)的静止同步补偿器(STATCOM),实现对系统次同步振荡的抑制。LADRC设计时考虑延时因素,在控制计算中消除由信号测量、传输等延时导致的输入量之间时间轴上的不匹配。基于改进型LADRC设计了STATCOM的附加阻尼控制器、电压外环、电流内环控制器以及锁相环,使STATCOM为系统提供正阻尼,同时增强控制系统的速动性和抗干扰能力,以适应次同步振荡工况,并从阻抗角度分析了STATCOM抑制次同步振荡的作用机理。在MATLAB/Simulink中搭建了系统的时域仿真模型,实验结果证实了所提出的抑制策略在动态性能和抗干扰方面的优越性。     

自加热非晶锗热电阻MEMS流速传感器的制造与测试

为扩大流速传感器的测量范围并降低功耗,制造并测试了一种基于自加热非晶锗薄膜热电阻的MEMS流速传感器,它是由嵌入氮化硅薄膜的四个非晶锗热敏电阻和一对环境测温补偿电阻组成。四个非晶锗热电阻同时作为自加热热源和测温元件,相互连接以形成惠斯通电桥。给出了MEMS工艺流程,微加工制造了尺寸为8.9 mm×5.6 mm×0.4 mm的流速传感器芯片。搭建了低流速和高流速气流通道实验装置,对传感器的惠斯通电桥施加50μA的恒定电流(CCA),实现了0～50 m/s范围内的流速测量。结果表明,传感器在低流速(0～2 m/s)时的灵敏度约为81.6 mV/(m/s),在高流速(2～50 m/s)时的灵敏度约为51.9 mV/(m/s),最大功耗仅约为1.03 mW。     

引入自上向下特征融合的小目标检测算法

针对原始SSD(Single Shot Multibox Detector)算法未充分利用各特征层之间关系导致浅层特征层缺乏小目标语义信息的问题,为了提高对小目标的检测能力,提出了一种结合PANet多尺度特征融合网络和自上向下特征融合路径的TTB-SSD(Top to Bottom SSD)改进算法。首先,使用PANet多尺度特征融合网络对特征进行反复提取,从而获得丰富的多尺度语义信息;然后,使用一种深层特征融合模块将浅层特征层的空间信息传递到深层特征层,进而更准确地对小目标进行定位;最后,为了增强浅层特征层的语义信息,构造了自上向下的特征融合路径,从而强化浅层对小目标检测的准确率。实验结果表明,在PASCAL VOC2007测试集检测的mAP(Mean Average Precision)值达到80.5%,对目标的mAP较原始SSD提高了5.7%,证明了该算法对小目标检测的有效性。