DMC控制算法在单元机组协调控制系统中的应用

近年来,随着生活水平的不断提高,人们对电力的需求也日益增大,发电厂需要不断提高生产效率和技术水平来确保能够提供足够的电力供应。同时,单元机组的容量也不断扩大,而单元机组协调控制系统作为电厂控制的核心部位,具有非线性和时延性,传统的PID(Proportional-Integral-Derivative Control,比例积分微分控制)控制难以获得满意的控制效果。预测控制对模型的要求较低,并且采用滚动优化和反馈校正,具有较强的鲁棒性。因此,对动态矩阵控制算法(Dynamic Matrix Control,DMC)进行了深入研究,并且将动态矩阵控制算法(DMC)应用于协调控制系统中,结果表明,采用DMC控制算法对单元机组协调控制系统进行控制能获得较好的效果,提升了系统的响应速度,减小了系统响应时的超调量,是一种可行的控制方法。

线上线下融合式电子技术综合实验的教学模式研究

本文探讨了线上线下融合式教学模式在电子技术综合实验课程中的应用。该课程作为工科电类专业的重要实践环节,旨在培养学生的系统性、工程性和实践性电子技术应用能力。针对教学过程中的痛点和课程目标,本文提出了具体的线上线下融合式教学策略,并详细介绍了教学实施过程与效果。研究结果显示,该教学模式有效提升了学生的学习积极性和实践能力,为培养高素质应用型电子技术人才提供了有益参考。

IBAS-LMBP神经网络算法在图像压缩中的应用

鉴于天牛须搜索算法在对多维非线性优化问题求解时容易出现局部收敛现象,从而导致无法求出全局最优解,设计了改进天牛须算法(Improved Beetle Antennae Search,IBAS)。该算法中在天牛位置计算时引入惯性权值,设计了基于自适应步长衰减系数,增加天牛在位置计算时的自适应能力,为了控制算法优化过程解的取值范围,参照粒子群算法对单点位移进行限制。实验结果表明,在相同误差精度、相同迭代次数情况下,将改进天牛须算法与LMBP算法相结合建立IBAS-LMBP算法模型并应用于图像压缩,模型的运行效率明显高于GA-LMBP、PSO-LMBP及BAS-LMBP算法模型。

基于Simulink的动态矩阵预测控制算法在电厂中的应用研究

近年来,随着电力工业的迅速发展,协调控制系统作为火力发电厂的核心部件,其在整个火力发电厂的安全、稳定运行中发挥着举足轻重的作用。预测控制算法由于具有较低的模型要求和较强的鲁棒性,在复杂的工业生产中得到了广泛的应用。对动态矩阵控制算法(Dynamic Matrix Control,DMC)进行研究,将其应用于某600 MW机组协调控制系统中,仿真结果表明,相较于传统PID控制算法,采用DMC控制的协调控制系统可以获得良好的控制效果。

新型农业大棚控制系统仿真研究

新型农业大棚仿真控制系统总共可分为三大部分:系统结构、数据通信、控制算法。系统结构使用分层控制,实现农作物区域管理划分,基本事件各控制单元自行处理;数据通信,以ZigBee通信协议为基础,设置数据发送的数据帧结构;控制算法使用基于滞回特性的模糊控制算法,设置两个阈值用于返回数值的判断,用于加强系统的稳定性和适应性。

《DSP原理及应用》基于应用型地方院校的教学模式探讨

《DSP原理及应用》是一门实践性很强的课程,对于锻炼和提高学生的工程实践能力具有重要的作用,并且对学生的就业有较大的影响。本文以鄂尔多斯应用技术学院为背景,研究探索该课程的教学模式。提出了进一步增强学生工程实践能力的教学模式,即将以理论讲授为主的传统模式,转变为理论教学和实践考查相结合的新模式。

无冲突协调自动联控集群机器人方法与仿真

集群机器人需要高效的通信和协同工作,但是受障碍物、其它机器人的位置和运动状态等因素影响,增加了无冲突协调自动联控的难度。为此,提出集群机器人的无冲突协调自动联控方法。采用马尔可夫决策描述机器人选取任务过程,利用博弈论,计算目标与机器人之间存在的距离与机器人移动耗时,建立机器人效用函数实现任务的分配;通过虚拟弹簧连接机器人,建立集群机器人网络,采用领导者-跟随者编队法对集群机器人编队;设计机器人在工作空间中的避障控制策略,实现集群机器人的无冲突协调联控。实验结果表明,所提方法的控制效率高、总路程短、不存在冲突和碰撞现象,验证了所提方法具有良好的联控性能。

基于CNN-LSTM的井下人员行为模式识别模型

针对井下人员日常工作时的运动状态多变且智能手机位置不固定,导致仅考虑单一运动模式下的人员定位精度低的问题,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)和长短期记忆(Long Short-Term Memory,LSTM)网络的CNN-LSTM井下人员行为模式识别模型。通过智能手机采集井下人员工作状态中的加速度、陀螺仪惯性数据进行运动模式识别,该模型融合了CNN和LSTM两层操作,CNN提取序列的空间特征,LSTM提取时间维度上的特征,对井下人员运动类别及智能手机位置定义,数据预处理后使用CNN-LSTM模型作为分类器进行矿工井下日常行为分类,根据分类结果排除对定位的干扰行为,辅助井下智能手机人员定位算法更新矿工位置,以此来提高井下人员定位算法的抗干扰性和实用性。在井下人员日常行为模式数据集上进行了测试实验,结果表明,提出的CNN-LSTM分类模型对矿工行为模式识别准确率为98.71%。

无芒隐子草叶片卷曲度和厚度测量方法

针对叶片卷曲度和厚度交互式测量方式费时、费力、误差大,传统图像处理算法普适性不高等问题,以无芒隐子草叶片为研究对象,采用基于Graham算法的最小外接矩形法实现叶片卷曲度的测量,采用矢量积法和角点检测相结合的凹凸点检测算法实现叶片厚度的测量。首先,通过石蜡制片获取无芒隐子草叶切片,利用显微镜连接计算机获取切片图像;然后,采用红色灰度化方法结合阈值分割将切片图像的目标和背景分离;最后,根据叶片卷曲度和厚度的实际测量方式,采用Graham算法通过求取目标区域的最小外接矩形实现叶片卷曲度的测量,将矢量积法和角点检测相结合检测目标区域的凹凸点,通过凹点与凹点、凸点与凸点匹配实现叶片厚度的测量。选取30幅无芒隐子草叶切片图像为样本进行了试验,结果显示,采用本文提出的红色灰度化方法和分量法、最大值法、平均法、加权平均法对图像进行灰度化处理后,图像信息熵分别为6.428 0、6.361 2、5.667 9、5.934 8、6.052 6,图像平均梯度分别为0.078 5、0.024 2、0.015 8、0.009 3、0.010 4,图像对比度分别为0.264 1、0.113 0、0.057 4、0.070 3、0.078 4,说明本文方法能更好地保持图像的边缘、细节等信息,图像清晰度更高。进行自动阈值分割后,分割的平均误检率为0.75%,平均漏检率为3.49%,平均整体分割精度达到98.14%。在有效分割目标和背景的基础上,对叶片卷曲度和厚度进行测量,并与交互式测量结果进行相比,结果表明,采用本文方法对叶片卷曲度和厚度的测量值与交互式测量值的平均相对误差分别为0.96%和3.69%,测量速度分别提高了约10倍和37倍。

基于无人机高光谱的荒漠草原地物精简学习分类模型

荒漠草原植被稀疏、裸土细碎化分布对遥感数据空间分辨率和光谱分辨率的指标精度提出更高要求,目前应用于遥感场景的深度学习模型隐藏层较多、模型结构复杂,且采用经典深度学习模型未考虑遥感数据内在特点,导致模型训练普遍存在计算过度、耗时增加等问题。本文利用低空无人机(Unmanned aerial vehicle, UAV)遥感平台搭载高光谱成像光谱仪采集荒漠草原地物高光谱数据,发挥高空间分辨率与高光谱分辨率相结合的优势,并基于三维卷积神经网络(Three-dimensional convolutional network, 3D-CNN)方法提出一种适合荒漠草原地物植被、裸土、标记物识别的精简学习分类模型,进行参数组合调优,在调整学习率、批量规模、卷积核尺寸及数量后,最高总体分类精度(Overall accuracy, OA)可达到99.746%。研究结果表明,精简学习分类模型的优化建立在超参数选择基础上,为获得精度高、耗时短、性能稳定的最优模型,需不断调整超参数并对比不同组合分类效果。基于无人机高光谱技术的精简学习分类模型在荒漠草原地物的分类识别应用中具有较大优势。

几种时频分析方法的研究和对比

生活中所遇到的信号,大部分都是非平稳信号,传统的傅里叶变换只能得到信号的频率信息,而不能对信号同时进行时间和频率的定位.文章通过仿真信号和实际语音信号研究了几种常用的时频分析方法各自的特点,包括线性时频分布中的Gabor变换、短时傅立叶变换、连续小波变换,以及二次时频分布中的Smoothed-peseudo-WVD、Choi-Williams和Zhao-Atlas-Marks变换.我们首先将上述方法运用到noischir信号,各种方法基本都能得到正确的结果.其次,将其应用到实际的语音信号中.通过对比各种方法的时频结果,可以看到上述方法对不同的信号都可以得到大致相同的时频结果,都能够提取出信号的主要时频信息,但是不同方法的时频分辨率不同,所得到的时频结果的精细程度也不一样.我们发现短时傅里叶变化的分辨率较低,而二次时频分布对能量大的频率有增强的作用,对能量小的频率则有减弱的作用.二次时频分析方法对有用频率能量差异不是特别大的信号能够给出更好的时频结果.

基于LSTM的空气质量预测方法

在智能化、信息化高速发展的当今时代,人工智能(AI)可以为各行各业服务。AI可以高质量地实现大气污染监测。用来衡量污染情况的空气质量指数AQI(Air Quality Index)通常受很多未知因素的影响,采用传统的预测方法精度和效率都比较低。基于长短期记忆网络(long short term memory,LSTM)的预测模型可以很好地利用时序数据中长距离依赖信息的能力,较为精准地预测空气质量AQI指数。结合近几年空气质量的各种影响因素的走势,以鄂尔多斯市2014-2019年的空气污染物监测数据为基础,建立LSTM预测模型;最后采用均方根误差(RMSE)对所建立的模型进行评估。结果表明,基于LSTM神经网络能较精准地预测空气质量AQI指数,可为环保相关部门和政府治理部门制订相关决策提供科学合理的理论基础和预测方法。

“电路原理”混合式教学研究与实践

针对传统教学模式存在的问题,以“雨课堂”为教学工具,以“学生为中心”为课程教学出发点,设计教学内容和评价体系,并以实例阐述了具体的教学实施过程。通过改革试点实践,教学效果明显,提高了教学质量。

基于Behavior partial least squares方法的结构功能默认网络相关性研究

默认网络近年来受到了人们的广泛关注,然而之前的研究主要分别研究结构默认网络和功能默认网络的变化,关于它们之间相关性的研究相对来说较少.文章对280个健康被试运用Behavior partial least squares(PLS)的方法研究了两种默认网络相关性随着年龄的变化.研究发现默认网络中前部和后部之间的连接较强,就脑区来说楔前叶,前扣带回和顶下小叶和其它脑区之间的连接较强,并且年龄的变化没有引起相关性的显著差异.我们的研究有助于进一步理解大脑结构和功能之间的相互关系,并且证实Behavior PLS是一种适合进行多模态融合研究的统计方法.

FA-LMBP混合神经网络算法在图像压缩中的应用

提出基于萤火虫算法与LM(Levenberg-Marquardt)算法相结合的FA-LMBP混合神经网络算法图像压缩模型。利用该模型进行求解时,通过萤火虫算法按照目标函数进行全局搜索,得到反向传播(BP)神经网络的一组权阈值最优近似解,以该近似解作为BP模型初值,利用LM算法对这组权阈值进行二次优化训练,得到最终的图像压缩模型。实验结果表明,在相同训练次数和相同误差精度下,基于FA-LMBP混合神经网络算法的压缩图像模型重建质量明显高于BP算法和LMBP算法模型。

“双万计划”背景下地方应用型高校专业实践教学改革探索

在教育部提出“双万计划”后,地方高校以此为导向加强专业与课程建设,该文结合应用技术型本科院校自身注重实践教学的特点,对专业人才培养方案、教学过程、精品课程建设、校企合作、第二课堂、实践教学平台等方面教学改革思路进行了探讨,并提出了具体措施,通过学生实际的教学效果,特别是参加学科竞赛的情况,证明改革方向与措施是行之有效的,为进一步深化实践教学的改革奠定了一定的基础。

应用型高校PLC技能型人才培养模式研究与探索

应用型高校以培养"应用型、创新型、复合型"人才为培养目标,已有的PLC课程教学过于理论化,在教学内容的与时俱进、教学模式的多样性、教学方式的互动性及评价体系的科学性上还存在不足。该文根据应用技术型人才定位目标以及课程特点,结合当地产业需求,将思政元素融入教学过程,提出了"教学内容理实一体化、教学方法递进化、教学考核多维化"的应用型高校PLC技能型人才培养模式。

柔性双阻带太赫兹超材料滤波器

提出并设计了一种极化不敏感的柔性双阻带太赫兹超材料滤波器,并采用CST 2015仿真软件对该滤波器的结构进行仿真;为深入研究超材料滤波器的传输特性,分别对该超材料滤波器在2个谐振吸收峰处的电场强度和表面电流分布进行仿真;为验证仿真结果的正确性,采用微加工工艺制备了超材料滤波器样品,使用太赫兹时域光谱系统对其传输特性进行测试。仿真结果表明:该滤波器在0.131THz和0.182THz处获得了3dB带宽分别为15GHz和10GHz的2个阻带,并且在这2个谐振频率点的传输系数S21可以达到-43.56dB和-48.76dB,表现出了良好的阻带特性;测试结果与仿真结果比较吻合。