从自动化专业大学生的视角深探高中至大学阶段的教学革新之旅

随着新时代教育观念的不断演进,从高中到大学阶段的教学模式和教学理念经历了显著的变革。这些变化不仅重塑了教育的内容和方法,也对学生的学习方式、思维模式及其对教育价值的认知产生了深远的影响。本文从自动化专业大学生的视角出发,旨在深入探讨这一阶段教学革新的成效与不足,并提出针对性的建议,保证从中学到大学的顺利过渡,以期为未来的自动化专业教学改革提供参考和启示。

计及误差反馈的短期风电功率预测

提出一种计及误差反馈的短期风电功率预测分析方法。首先构建风电监测数据特征优选策略,将原始输入空间映射到低维表达空间,避免维数灾难;引入随机梯度下降法和误差权值调整方法,建立变权随机森林的预测模型,对预测结果进行误差反馈,实时更新误差权值,提高预测准确率。结合某风场的实际运行数据进行仿真分析,验证所提方法的有效性。

数据挖掘技术在风电机组故障诊断中的应用

针对传统的故障诊断方式已经不能满足风电故障系统实时性、准确性的要求,提出了基于Hadoop框架,并结合粗糙集属性约简以及Apriori算法共同处理分析风电机组监测数据,进而实现快速、准确地诊断风机故障的方法:首先利用属性约简减小数据规模,剔除冗余属性项;之后通过MapReduce框架改进Apriori算法,提高数据挖掘效率,降低时间和空间复杂度.实验表明:该算法在保证诊断准确率的前提下,具有良好的性能,也证明了该算法的有效性和可行性.

基于并行模糊C-均值聚类的风电机组发电机故障诊断研究

提出一种基于并行化的改进模糊C-均值聚类的风电机组发电机故障诊断方法。首先通过邻近聚类算法确定数据集可能的最大类簇数Cmax,以Cmax为上限,利用改进的模糊C-均值算法,以BWI(between-within index)指标为聚类有效性判别指标,提出新的确定最佳聚类数的方法。并结合Spark内存处理技术,将其应用在风电机组发电机的故障诊断中,通过UCI机器学习数据库数据集以及风电监测实时数据的实验测试,表明该算法不仅能准确判别发电机的故障模式,并且能更好地处理电力系统的海量数据。

基于云计算的最大频繁项集挖掘算法

针对目前海量数据挖掘过程中存在着频繁项集挖掘效率低、冗余项集繁多的问题,提出了改进的频繁模式树和遗传算法(FPGA),该算法鉴于异构数据的差异性特征,采用改进的频繁模式树和基于MapReduce的并行遗传算法搜索最大频繁项集,缩小了搜索范围,提高了挖掘效率.实验结果表明:该算法在时间复杂度方面有了很大提高,与传统的FP_Growth算法相比,具有更好的加速比以及更高的执行效率.

基于组播技术的网络视频会议软件设计与实现

采用IP组播技术实现多方通信,大大减少了网络带宽的开销。提出了基于IP组播技术的网络视频会议的开发实现方案,实现了视频图像、语音的实时传输;提供了会议模式的选择;发言的队列管理模式、发言权优先的发言管理等功能;会议之后可对会议内容进行整理。

基于VMD-RL-LSTM的短期风功率预测

由于风电具有较高的随机性和较低的波动性,为了提高风电的非平稳性对于电力系统运行稳定性的影响,提出一种基于变分模态分解(Variational mode decomposition, VMD)、强化学习(Reinforcement learning, RL)参数寻优和长短时记忆网络(Long short term memory, LSTM)的短期风功率预测。为了降低数据的复杂度,首先通过变分模态分解将风功率原始数据分解为若干子模态。其次,通过强化学习对LSTM模型进行参数寻优,再对每个子模态建立LSTM模型预测。最终把各子模型预测的数据进行叠加,得到结果。对比分析结果显示,上述模型的预测精度较LSTM神经网络和EMD-LSTM预测模型均有不同程度的提高。

小波神经网络对风力发电机组功率变流器的故障诊断

研究了永磁同步风力发电机组网侧功率变流器开关器件的开路故障问题,提出一种新的开路故障诊断方法,以实现对单个或两个开关器件同时开路的多种故障进行诊断。首先采集不同故障下网侧功率变流器的电压信号作为原始信号,利用小波变换对此信号进行分解和重构,再对小波变换后得到的数据进行特征分析和判定,将特征分析和判定后的数据作为BP神经网络的输入进行决策分类。仿真结果表明,该方法能够区分网侧功率变流器多开路故障,且诊断准确率高。

计及信息不确定性的风机运行健康度评估方法

文章基于“离线分类,在线匹配”的思想,提出了一种计及信息不确定性的风机运行健康度评估方法。首先,剖析层次化、机构化的风机结构,为风机健康度量化分析提供结构知识信息元;然后,采用变点理论实现风机SCADA监测数据的空间划分,引入长短期记忆神经网络,学习SCADA属性的长期依赖关系;最后,提出一种加权评估方法,整合多个重要部件特征参数预测值与实际值间的偏差信号,展开对风机运行健康度的量化分析。结合某风场的实际运行数据进行仿真分析,验证了所提方法的有效性。

计及变分模态分解和DBN的风电变流器开路故障诊断

为了提高对永磁同步风力发电机GSC开路故障的诊断准确率,提出一种对永磁同步风力发电机网侧变流器(GSC)单一和双开路故障进行诊断的新方法。首先,对永磁同步风力发电机GSC的22种开路故障状态(包含1种正常状态)下的三相电流波形进行采样,并作为原始信号数据;之后利用变分模态分解(VMD)将原始信号数据进行分解,并将得到的各层模态系数进行故障趋势特征分析,得到故障特征向量;最后,将特征向量输入深度置信网络(DBN)进行训练和决策,得到分类结果。实验结果表明,所提方法可以对网侧功率变流器的单一和双开路故障进行诊断,且准确率高于其他对比方法。

基于可视化技术的液压管道振动检测装置研究

随着我国工业化进程的加快,很多大型液压设备得到了广泛应用。液压传动省力方便,但却易于损坏,因而液压系统故障诊断的重要性日益突出。文章主要对液压系统故障的诊断方法及不同方法的优缺点进行了归纳。基于振动可视化技术的液压系统故障诊断方法,是采用改变液压管道管壁接触力的方式对液压系统的故障进行诊断,通过可视化技术观察管壁设备的关键点在时间和频率上的变化,并以大量数据作为液压系统故障的依据。先通过简单的固定装置得到液压系统管道基本数据,再利用其他仪器使液压管道的振动信号表示出来,通过振动的可视化对液压系统的工作状态进行实时检测。

浅析《临江驿潇湘秋夜雨》与《唐明皇秋夜梧桐雨》——“秋雨”意象貌合神离

文学意象往往体现作品人物复杂感情或作品内蕴。“秋雨”意象,在《梧桐雨》与《潇湘雨》中所反映的情境、人物心情,所渲染的内容各有不同。青木正儿(1985)说:“《梧桐雨》是宫殿的雨,是在染着铜绿色的梧桐树上,用银线去画的;《潇湘雨》是荒野的雨,是用水墨轻描淡写的。其辞虽亦有文采与本色的分别,而其价值却在伯仲之间。”(1)本文抓住《潇湘雨》与《梧桐雨》两剧中的意象“秋雨”,探讨其意象使用及内涵的不同之处。

模糊控制下混合储能平抑风电波动控制策略

针对风电功率的波动变化以及随机性给风电在并网时带来的影响,提出了一种在模糊控制下混合储能平抑风电波动控制策略。通过变分模态分解(VMD),把初始风电功率分解成若干子模态,并利用欧氏距离将子模态划分为风电并网的相关模态与非功率模态。通过指数滑动平均法(ES)提取非相关模态下的连续分量信号,并与相关模态共同构成最大风电功率并网。针对功率型储能元件极易引起过度充放现象,通过模糊控制策略,来调节混合储能系统的输出功率。仿真结果表明,该策略不仅可以很好的调节风电出力输出的波动,并且混合储能系统也能够更加安全高效地正常工作。