冶金工业节能减排考核体系设计

针对产业结构调整、组织结构变动、节能影响因素变化及国家地方节能政策的变更情况,结合节能减排考核体系运行经验,通过充分的调查研究,参考国内外考核体系理论,重新设计实用、长效的节能减排考核体系,实现集团公司节能减排和成本节约的双赢。

基于类别的温室温·湿度变化率相关性研究

通过数据挖掘,使用因子分析方法,提取温室温度系列参数因子、辐射系列参数因子信息,提出一种有别于常用的、基于季节时间的温室状态分类方法。对温室状态进行基于参数因子数值的分类,并求出各类别可靠的判别函数,然后分析各数据类型中温室温湿变化率的相互影响,得出其相互作用函数。

温室数据采集器误差分析及校正

为降低温室数据采集器误差水平。通过分析采集器的硬件结构,依据误差分析理论综合计算温室数据采集器光照强度、土壤湿度、环境湿度理论误差值。选择各参数高精度温室数据采集仪表对比测量,计算采集器的实际测量误差,然后参考理论误差进行误差插值校正,调整温室数据采集器光照强度、土壤湿度、环境湿度的误差到理论误差范围之内。

智能干湿球相对湿度传感器的设计

针对现有智能干湿球法测湿传感器影响因素考虑不够全面、功能设计不够灵活等问题，在精确界定测湿系数和风速、环境温度的基础上，提出了一种新的智能干湿球相对湿度传感器的设计方案。从误差控制角度选择该传感器合适的组成器件，并对干湿球温度和大气压进行高精度测量，同时将新型智能干湿球湿度传感器的测量范围扩展到0～80℃。理论分析表明，该传感器的温度稳定判别和容差等功能设置加强了智能干湿球湿度传感器的可操作性，其扩展不确定度高于现有水平。

基于类别的温室温、湿度模糊解耦控制

温、湿度是影响作物生长的主要因素,耦合作用强,难以控制。通过数据挖掘,利用采集的温室内、外温度及室内湿度数据对温室状态进行分类。提出一种基于各类别中的温室温、湿度变化率相关性进行模糊解耦控制。分类别设计解耦参数和变论域模糊控制,能够减弱振动、更精确地实现温室温、湿度的控制。

西北日光温室小气候建模与仿真

针对温室小气候的基本特点,结合国际较新的热平衡稳定状态方法,根据西北地区夏季的温室具体情况,建立了温室的温度、湿度模型。通过对模型的分析和仿真试验,取得了较好的效果。

温室分级模糊控制方法研究

笔者为解决温室模糊控制中模糊规则爆炸问题,结合变论域、分形思想,提出一种调整控制中心、分级叠加的模糊控制方法,通过分级重复使用控制规则来提高控制精度,并经理论分析和对温室一阶迟滞模型的仿真运行,表明其对控制性能的影响。

碳足迹下云南绿色铝产业发展研究

云南碳汇总量位居全国前列,随着“碳达峰、碳中和”的深入推进,国内外“碳”政策不断释放,云南绿色铝产业发展优势日趋凸显,做大做强绿色产业链迎来了难得的良机。文章通过梳理铝产业发展趋势和云南铝产业发展现状,立足云南铝产业发展优势,从招商引资及产业政策等方面对云南省进一步发展水电铝提出了思考和建议。

“碳足迹”下云南绿色铝产业发展研究

随着“碳中和、碳达峰”的深入推进,国内外“碳”政策不断释放,云南绿色能源、碳汇资源带来的铝产业发展优势日趋凸显,做大做强绿色产业链迎来了难得的发展良机。本文通过梳理铝产业发展趋势和云南铝产业发展现状,立足云南铝产业发展优势,从招商引资及产业政策等方面对云南省进一步发展水电铝提出了思考和建议。

温室智能控制器硬件设计

针对温室智能控制系统功能需求。结合现场实际情况,借鉴已有研究成果,设计温室监控系统三级结构。根据系统技术指标选择传感器、控制器、采集器、通信模块,设计硬件电路和抗干扰措施。实现温室监控系统硬件架构。经过运行检验,系统达到设计功能、效果良好。

温室分级模糊预测控制方法探讨

结合模糊回归预测和分级控制理论,在前期温室数据因子变化率模糊回归分析的基础之上,设计温室因子的分级模糊预测控制结构,调整预测时段的固定、跟踪设定模式,合理的计算预测温室因子值域,预测误差提前调控能力,并通过分级叠加精化模糊控制输出,更快更准的达到控制目标。

温室控制系统下位机软件设计

为了满足温室控制系统下位机的通信、数据采集以及控制动作的功能需求,基于系统架构设计和硬件构成,确定了RS485通信帧格式、地址分配方案以及通信超时处理措施,设计了数据采集和控制软件。系统投入运行以来,数据通信采集精度都达到了设计要求,效果良好。

模糊PID控制性能仿真分析

通过对目前流行的模糊PID控制方法的总结,研究了各种控制结构,使用Matlab的仿真工具Simulink的Fuzzy模块进行仿真分析,比较其各自的优缺点,得出规律性结论,为模糊PID控制系统设计提供帮助.

温室因子变化率模糊回归预测分析

针对温室因子控制中空气土壤温度、湿度的大时滞问题。借助模糊回归预测理论,通过对温室记录数据的分析,验证温室因子变化率回归分析的可行性。并依据各温室因子变化率数据频率图合理的划分各模糊预测区段,建立温室环境温度、湿度和地温的变化率模糊回归预测模型。通过与实际记录数据的比较,模型的预测趋势正确。且在10分钟之内土壤温度因子的预测误差最大为0.14%。空气温度和湿度的预测范围误差最大分别为3.727%、-4.341%。