多波束测深技术在长江某水厂取水管现状检查中的应用

长江水质浑浊、流速较大,传统水下建筑物现状检查方法如潜水摸查和水下视频录像不再适用,而利用多波束测深技术进行全覆盖扫测,并对水下高精度点云数据三维建模,能够实现水下建筑物现状可视化和缺陷定量分析。针对长江某水厂取水管现状检查工程,利用Kongsberg EM2040C(双探头)多波束测深系统,通过设计测线、选择合适的波速角和发射角,利用自适应滤波算法对获取的高精度、高分辨率水下点云数据进行精细处理,结果能准确反映取水管破残现状和破损位置,为该水厂取水口修复项目提供了可靠的基础数据资料。应用成果对类似工程的现状检查和加固修复具有一定的借鉴意义。     

基于遥感的新疆水资源适应性利用配置-调控模型研究框架

水资源适应性利用是一种适应环境变化且保障水系统良性循环的水资源利用方式,研究面向环境变化的水资源适应性利用对保障地区水安全,实现人水和谐具有重要意义。将遥感技术与和谐论理论方法相结合,建立了新疆水资源适应性利用配置-调控模型的研究框架,该模型是以人水和谐度最大为目标,以水资源-经济社会-生态环境多维临界阈值及互馈关系方程、水循环方程等边界条件为约束的面向水资源适应性利用的多维临界和谐配置-调控模型。为了实现该模型的应用,需开展基于遥感的新疆水资源-经济社会-生态环境互馈关系及演变规律、水资源适应性变化机理与适应性利用原理、水资源适应性利用理论应用规则及量化方法、基于遥感的新疆水资源适应性利用配置-调控模型、塔里木河流域水资源适应性利用配置-调控模型应用研究的相关工作。围绕上述内容,阐述了实现该模型的3个关键问题及具体的研究方法,包括遥感技术在配置调控模型中的应用;水资源适应性利用规则定量化及如何嵌入模型中;水资源适应性利用配置-调控模型如何构建。研究成果为水资源适应性利用理论方法及应用研究提供参考。     

Reflexive learning in adaptive management: A case study of environmental water management in the Murray Darling Basin,Australia

Adaptive management is a structured approach for people who must act despite uncertainty and complexity about what they are managing and the impacts of their actions. It is learning‐by‐doing through deliberate cycles of experimentation, review, and synthesis. However, understanding the processes of learning and how they relate to achieving resource management goals is in its infancy. Reflexive learning—a process of identifying and critically examining assumptions, values, and actions that frame knowledge—is critical to the effectiveness of adaptive management. It involves adaptive feedbacks between stakeholders as they examine assumptions, values, and actions. Adaptive management has been applied to environmental flows because it offers a system for making decisions about tradeoffs. In the Murray Darling Basin (MDB), Australia, adaptive management is applied as a cycle of plan, do, monitor, and learn, facilitated by short‐ and long‐term learning among stakeholders. An alternative conceptualization of adaptive management as an integration of single‐, double‐, and triple‐loop learning across multiple levels of governance is presented. This is applied to environmental flows in the MDB to map adaptive feedbacks of reflexive learning. At the lowest level of governance (Water Resource Planning Area), goals are assessed as Thresholds of Potential Concern related to flow‐ecology responses, which are reviewed every 3–6 years. At the second level of governance (Basin‐States), Water Management Targets are the key goals; reviewed and reframed every 6–10 years. The highest level of governance (the MDB) is concerned with policy targets, with review and reframing over 8–15 years. Feedbacks that generate reflexive learning are complex and require commitment to move through the modes of single‐, double‐, and triple‐loop learning. Effective adaptive management of environmental water requires practitioners to situate themselves within a matrix of information flow across modes of learning, levels of governance, and components of a social‐ecological system, where reflexive learning drives the achievement of management goals.     

基于自适应网格的急流条件下污染物输运高效高精度模拟

为了高效准确模拟急流条件下突发水污染事件中污染物的输运规律,基于自适应网格技术构建了Godunov格式有限体积模型。模型利用自适应结构网格离散二维浅水控制方程,对水位梯度或污染物浓度梯度较大的区域进行精细网格划分,同时细化干湿边界区域网格。模型采用MUSCL-Hancock方法求解二维浅水控制方程,使模型具有时空二阶精度;利用HLLC格式近似Riemann解计算界面通量,对界面两侧的Riemann变量进行非负重构和局部底部高程修正以确保模型计算的和谐性和稳定性。算例验证表明:自适应网格技术可以自动识别水位梯度或污染物浓度梯度较大的区域以及干湿边界区域并细化该区域网格,保证模型模拟精度的基础上,提升模型模拟效率;该模型能够准确高效地模拟急流条件下污染物的输运过程,适用于突发水污染事件的评估、预警和应急管理。     

循环流化床锅炉的汽压自适应控制系统

根据循环流化床锅炉的动态特性,并结合实际工艺过程,提出一种单元机组汽压全系数自适应控制系统,给出了被控对象在50%～100%负荷间的特征参数值及数学模型.采用"空气-床温"反系统,避免对空气量的直接测量,并实现汽压与床温的解耦控制.现场运行证明,该系统具有较好的控制效果.     

基于混沌神经网络预测模型的最优控制决策及应用

为了实现非线性、大时滞系统的自适应控制，首先根据具有混沌特性的非线性、大时滞系统的时序列重构相空间，计算出相空间的饱和嵌入维数和最大Lyapunov指数，并以此为指导，建立混沌神经网络预测模型，该模型即便在网络输入不完整或发生变异的情况下，仍能对系统作高精度的短期预测；在此基础上，将预测模型的输出通过反馈校正．再将校正误差和控制增量引入性能函数最优，最后得到最优控制决策，实现了对非线性、大时滞系统高精度的自适应控制。最后将预测控制决策应用到非线性、大时滞的锅炉过热汽温控制中，仿真结果表明了该控制的有效性、快速性和鲁棒性。图6参6     

基于参数辨识的自适应解耦控制算法的研究

多变量模型的复杂结构、强耦合性、被控对象参数的未知、慢时变等问题要求控制器必须具有良好的自适应性,针对以上问题提出了一种基于改进的广义最小方差闭环自适应解耦控制器实现更好的自适应,其由参数可调的控制器和自适应控制律组成,此控制器通过将闭环系统方程的传递函数矩阵等于期望的对角矩阵来实现解耦,同时改进的辨识算法可进行在线辨识控制器的参数实现同步自适应解耦。通过以CARMA为多变量控制模型,采用该方法进行仿真有效的解决了多变量之间的耦合性。结果表明该方法能够适应相应的变化,跟踪性能较好,且具备良好的解耦能力,进而保证了闭环系统的稳定性,从而验证了此方法能够效提高控制系统的稳定性和鲁棒性。     

电力系统混沌振荡的自适应最优控制

电力系统在周期性负荷扰动的作用下会发生混沌振荡,甚至由此而失去稳定。为抑制这种情况下的混沌振荡,保证电力系统运行的稳定性,利用自适应最优控制方法设计了在周期性负荷扰动幅值不确定以及系统参数不确定情况下的混沌振荡控制器;并利用Lyapunov稳定性理论证明了受扰的、未精确建模的电力系统在该控制器作用下可以保持渐近稳定。因此,当电力系统所受到的周期性负荷扰动的幅值不确定且引起电力系统混沌振荡甚至失去稳定时,自适应最优控制器可以使电力系统获得渐近稳定,即能回到初始平衡点上。数值仿真也表明了该控制器的控制效果。     

水轮发电机组神经网络自适应预测控制

一种水轮发电机组分层神经网络自适应预测控制器，采用多层前向神经网络，由两个分别用于预测和控制的子神经网络组成。     

基于模糊自适应PID的加样臂位置控制

为实现快速、平稳的加样臂位置控制,将模糊控制与传统PID控制相结合,设计出基于模糊自适应PID的位置控制器.通过模糊控制在线调整位置环PID控制器的3个参数,使控制器具有较强的自适应能力和抗负载扰动能力,同时还具有传统PID控制器精度高的优点.仿真结果表明,基于模糊自适应PID的位置控制器比传统PID位置控制器响应速度快,调节时间短并具有抗干扰能力.进行了加样臂的运动控制实验,以传统PID控制作为对比,通过改变加样臂的运动环境验证了模糊自适应PID控制可以实现加样臂的准确位置控制并具有一定的自适应能力,可以为类似控制器的设计提供参考.