考虑源荷储协同优化的增量配售电公司决策模型

增量配售电公司(IDR)具有灵活性资源多元化、经营方式复杂化的特点.合理制定购售电策略、充分利用灵活性资源是IDR提升市场竞争力的关键.为此,考虑源荷储规划和运行的特点,提出了IDR多时间尺度源荷储协同优化综合决策模型.首先,从当前中国电力中长期交易向现货市场过渡的实际需求出发,构建了基于电量合约分解曲线的IDR购电模型.其次,采用用户价格弹性和消费者心理学理论模拟了零售环节中用户的合同类型选择与可中断负荷响应行为.然后,以最大化经营利润为目标,构建了面向IDR合同购电组合、售电定价、用户侧可中断负荷采购与调用、储能配置与运行等决策的综合优化模型.最后,以某区域IDR为例进行仿真分析,结果表明通过综合优化源荷储决策,IDR可以灵活应对合约价格和代理用户结构的变化,最大化自身利润.     

基于极点配置二阶LADRC的多电机同步控制系统研究

在多电机同步控制系统起动时,由于负载不同和稳态时负载突变,会造成同步误差大、系统的跟踪性能与抗扰性能差,针对以上问题,提出了改进型的偏差耦合控制结构,改进了速度补偿器结构和二阶线性自抗扰控制器结构。在MATLAB/simulink环境下搭建了三台永磁同步电机同步控制仿真实验模型,在实验中把改进型的偏差耦合控制结构与传统的偏差耦合控制结构、基于二阶线性自抗扰的传统偏差耦合控制结构进行对比分析,研究结果表明:改进型的偏差耦合控制结构比其它两种结构具有精度高、抗干扰性能好、收敛速度快等特点。     

基于Windows数控系统的多线程实现

本文介绍了基于Windows平台数控系统的多线程的实现方法，着重阐述了数控系统多线程实现的线程创建、优先级设定和线程同步问题。     

Surface reconstruction for incremental forming

In spite of extensive efforts being made with regard to virtual process optimization technology, the production of prototype parts is still a necessity. With respect to the production of sheet metal parts in low quantities, incremental sheet metal forming (ISMF) is a highly interesting process. ISMF allows the production of complex parts with drastically reduced costs in tooling and machinery compared to conventional processes like deep drawing. However, ISMF, with it’s incremental nature, introduces the need for generating a tool path considering both final geometry and process-induced deviations or constraints. Consequently, for the generation of the tool path a (tool path) surface, with an adequate offset, is necessary. That is why, within the scope of extensive research work at the Institute of Forming Technology and Lightweight Construction (IUL), a special correction module has been developed, determining this offset e.g. depending on the workpiece geometry. This paper presents the algorithm, the application, and the effect on the produced parts. Furthermore, a concept for an extension regarding further constraints like elastic workpiece behavior is presented.     

基于有限元仿真的金属板材单点渐进成形分析

目前对板材单点渐进成形新型工艺的研究多是通过物理试验,从金属宏观位移的角度分析成形过程的一般规律,研究成形参数对成形能力的影响,而无法获得成形过程中真实的变形过程。文章基于刚粘塑性有限元法,应用实体单元,对渐进成形中在直线轨迹和曲线轨迹下的板材成形过程进行数值模拟,分析成形过程中各部分应力、应变的特点,并深入探讨了渐进成形过程的成形机理。研究表明,成形过程中,变形区可以划分为4个具有显著差异的区域考察变形特点;在工具头局部成形时,变形金属在压应力的作用下变形,具有更高的成形极限。     

混凝土泵送系统集成控制方法研究

针对泵送技术中的油缸换向可靠性差、液压系统换向冲击大、泵送效率低等技术难点,以泵送单元的控制为研究对象,通过对相关传递函数模型、状态空间描述模型的深入分析,提出一种泵送系统集成冗余控制方法:采用独特的信号采集方式,通过控制器闭环实时调整泵送系统的串联油缸同步状态,一体化解决上述泵送系统控制的技术难点。还探讨了这种串联油缸实时同步控制的控制律及实用的中央控制器运算策略,建立了VR泵送单元三维动态可视化模型及Simulink泵送单元动态系统模型,而其中的串缸同步补泄油逻辑控制模型,还利用StateFlow状态流建模技术。基于统一的MATLAB软件平台,对该控制方法进行必要的仿真,以验证该方法的可行性,并在实际工况下验证了该控制方法的技术优势。     

基于样本密度和分类误差率的增量学习矢量量化算法研究

作为一种简单而成熟的分类方法, K最近邻(K nearest neighbor, KNN)算法在数据挖掘、模式识别等领域获得了广泛的应用, 但仍存在计算量大、高空间消耗、运行时间长等问题. 针对这些问题, 本文在增量学习型矢量量化(Incremental learning vector quantization, ILVQ)的单层竞争学习基础上, 融合样本密度和分类误差率的邻域思想, 提出了一种新的增量学习型矢量量化方法, 通过竞争学习策略对代表点邻域实现自适应增删、合并、分裂等操作, 快速获取原始数据集的原型集, 进而在保障分类精度基础上, 达到对大规模数据的高压缩效应. 此外, 对传统近邻分类算法进行了改进, 将原型近邻集的样本密度和分类误差率纳入到近邻判决准则中. 所提出算法通过单遍扫描学习训练集可快速生成有效的代表原型集, 具有较好的通用性. 实验结果表明, 该方法同其他算法相比较, 不仅可以保持甚至提高分类的准确性和压缩比, 且具有快速分类的优势.     

时滞扩散性复杂网络同步保性能控制

针对节点扩张的时滞复杂网络系统, 在节点扩张的条件下, 讨论此类系统的同步保性能控制问题. 首先采用自适应控制方法, 利用Lyapunov-Krasovskii稳定性理论,结合矩阵不等式的凸优化问题处理方法, 得出了时 滞复杂网络系统保性能控制器存在的充分条件; 当系统节点的扩张后, 在原有自适应控制器不能使系统同步稳定的条件下, 设计脉冲控制器, 利用牵制控制原理使系统达到稳定同步. 所设计的自适应动态反馈控制器在保证系统的渐近稳定条件下使系 统性能指标满足一定的要求. 最后给出一个数值仿真说明其有效性.     

Synchronization for linear singularly perturbed complex networks with coupling delays

This paper is concerned with the synchronization problem about linear singularly perturbed complex network system with coupling delay. The sufficient delay-dependent conditions for the synchronization of the network are established by introducing an equivalent network system with the Lyapunov stability theory. These conditions, which are formulated in terms of linear matrix inequalities, can be solved efficiently by the LMI toolbox of MATLAB. A simulation example is provided to show the validity of the proposed the synchronization conditions of the whole network.     

基于磁盘存储1项集计数的增量FP＿GROWTH算法

随着数据集规模的不断增大,提高频繁项集的挖掘效率成为数据挖掘领域的研究重点。频繁项集的增量更新挖掘算法因其可以利用已挖掘发现的信息提高对新数据集的挖掘效率,成为重要的研究方向。但现有频繁项集增量更新算法大多基于APRIORI算法框架,性能提高有限。最近出现的建立在FP‐T REE等树形结构上的增量更新算法又往往存在树形结构调整困难、已发现频繁项集及树形结构保存效率较低等问题,算法性能有待进一步地提高。对此,通过分析增量挖掘过程中的关键信息,提出了一种基于磁盘存储1项集计数的增量FP＿GROWTH算法（IU＿FPGROWTH＿1COUNTING）。该算法无需保存临时树形结构及临时挖掘结果,可以在原数据集及支持度均发生变化时,减少FP＿GROWT H算法对数据集的扫描,提高频繁项集的挖掘效率。在生成以及真实数据集上进行了验证实验以及性能分析,结果表明IU＿FPGROWTH＿1COUNTING是一种有效的频繁项集增量更新挖掘算法。