锂离子电池自放电K值检测系统设计

锂离子电池自放电检测对评估单体锂离子电池或电池组的容量、循环特性和使用寿命具有重要作用。快速检测开路状态下锂离子电池存储电量自发消耗是目前该领域的研究热点。采用开路电压法,通过测量单位时间内锂离子电池的电压降,即自放电K值,表征其自放电程度,设计了锂离子电池自放电K值检测系统。该系统由上、下位机组成,两者之间采用Type-C方式连接,可对锂离子电池进行自放电率检测。以三元锂离子电池为测试对象,对其进行14 d的静置实验,检测静置过程中的自放电K值。测试结果表明该系统不仅缩短了锂离子电池自放电检测时间,而且可准确检测锂离子电池的自放电率。在锂离子电池20%、40%、60%、80%、100%5种荷电状态,20、50、-20、-40℃4种温度条件下对锂离子电池进行自放电K值检测。依据K值测试结果,可分析荷电状态和自放电环境温度对锂离子电池自放电率的影响。

基于卷积神经网络与Transformer的电能质量扰动分类方法

复杂电能质量扰动(power quality disturbances, PQD)的智能分类对于智能电网发展具有重要意义。扰动特征的提取与定位、模式识别与分类是电能质量扰动分类方法研究的难点。采用深度学习算法,将具有关注全局信息的Transformer与善于提取局部特征的卷积神经网络相融合,提出一种基于卷积神经网络(convolutional neural network, CNN)与Transformer的电能质量扰动分类方法,即CTranCBA。这种双深度学习模型分类方法主要是通过一维卷积神经网络提取电能质量扰动信号特征,利用Transformer自注意力机制引导模型关注序列中不同位置间的依赖关系,实现对扰动信号局部特征与全局特征的互补,克服了因感受野的限制而带来的识别不清、分类不准等问题。使用23种不同电能质量扰动信号,将CTranCBA与Deep-CNN、CNN-LSTM、CNN-CBAM方法进行比较。结果表明:该方法在分类准确率和抗噪性方面表现优异,可为电能质量扰动智能分类提供一种新的方法。

模糊PID水泥分解炉温度控制

将模糊控制与PID控制相结合,主要解决水泥生产系统的非线性、大滞后问题。仿真实验表明算法可行。

空压机时变模型的建立与预测控制方法的研究

详细解析了空压机恒压控制过程中诸多参数之间的相互关系,建立了空压机时变系统模型,提出了基于串级控制的广义预测控制策略,并成功地应用于空压机调节系统。结果表明,该优化控制律能有效消除不确定干扰和非线性因素,提高系统的控制精度和动态品质。

基于IAGA-BP神经网络的电地热室内温度预测

利用电地热对居民区进行供暖时,为实现对用户室内下一时刻温度的精确预测,该文提出一种改进的自适应遗传算法(IAGA)。该算法对自适应遗传算法的交叉概率和变异概率进行改进,通过函数测试证明所提算法比传统的遗传算法稳定性好、收敛速度快,并将改进后的算法对BP网络进行优化,从而克服BP网络算法易陷入局部极值、学习效率低和收敛速度慢的缺点,最终建立基于IAGA-BP网络的电地热室内温度预测模型。将其与粒子群算法(PSO)优化的BP神经网络模型进行仿真对比,实验表明:IAGA-BP网络相对于PSO-BP网络具有更好的预测准确度,其平均绝对误差、均方差分别为0.132 8℃、0.079 2,均优于PSO-BP网络预测,该模型建立可为后期的电地热温度控制提供依据。

基于搜寻者优化算法的K-means聚类算法

针对K-means聚类算法易陷入局部最优的问题,提出一种改进的K-means算法,将搜寻者优化算法(SOA)和K-means聚类算法结合起来,利用SOA鲁棒性好、全局搜索能力强的特点,通过确定搜寻者的搜索方向和搜索步长,更新搜寻者的位置,进行全局寻优,提高K-means聚类算法的聚类精确度。在仿真实验过程中,首先,选取具有代表性的处于三种燃烧状态的水泥回转窑窑内视频图像为研究对象,分别采用K-means算法和改进后的算法进行仿真实验,实验结果表明,改进算法所获得的图像聚类效果更加精确;然后,分别用上述两种算法对数据集Iris和Wine进行相关测试,结果表明,改进算法的聚类精确度和运行效率都得到了有效提高。

基于多元自适应回归样条的水泥能耗评估

为揭示水泥熟料烧成过程对能耗影响的因素及各因素之间的关系,从生产线上历史数据入手,首先分析系统的热平衡并选取它依赖的变量,合理缩减变量,将多元自适应回归样条算法应用到水泥能耗建模中,建立了精确的煤耗模型。通过参数分析,给出了变量的相对重要性值,并采用控制变量的方法分析煤耗与重要变量之间的关系,得出其特性曲线,为水泥生产中减少煤耗提供了参考。

基于多元自适应回归样条的室内温度影响因素分析

为了对室内温度影响因素进行分析,引入了多元自适应样条回归模型。使用多元自适应样条算法对室外因素(室外温度、太阳辐射、风速、时间)、不同材料墙体、窗户朝向以及不同楼层等影响因素进行分析研究。结果表明:室外因素中对室内温度影响程度最大的是室外温度,其影响系数为0.405;墙体材料的导热系数为0.93时,其保温性越差,对室内温度影响越大,其影响系数为0.530;西向、东向、顶层和底层的房间保温性最差,对室内温度影响最大,其影响系数分别为0.706、0.423、0.610、0.580。对室内温度影响因素分析,可以为建筑节能减排提供依据。

基于SAPSO-ELM的纳米铁粉分解炉温度预测

为实现纳米铁粉分解炉温度的精准预测,提出了一种基于自适应粒子群优化算法(SAPSO)和极限学习机(ELM)的分解炉温度预测模型。采用现场数据,选取相关因素,利用ELM建立了对应的模型,并针对ELM输入权值矩阵和隐含层阈值选取的随机性,采用SAPSO对其进行动态寻优。通过仿真分析,分解炉温度预测误差达到0.039 2%,验证了模型的准确性。设置不同SAPSO参数进行试验,验证了模型的稳定性。设置不同神经元数目,与普通ELM的对比试验表明,SAPSO-ELM温度预测模型具有更好的泛化性。

基于FOA-GRNN的纳米铁粉分解炉温度预测

为提高纳米铁粉的制备工艺,实现纳米铁粉分解炉温度的精确控制,提出一种基于果蝇优化算法和广义回归神经网络的纳米铁粉分解炉温度预测方法。该方法采用现场采集数据,选取进液量和各个温区加热装置的开度因素来预测待预测温区温度。通过广义回归神经网络,建立温度预测模型,并利用果蝇优化算法对光滑因子进行动态寻优。选取不同种群规模对建立模型进行验证,并将该文建立模型与普通广义神经网络和粒子群算法优化的广义神经网络模型的预测效果进行对比。验证表明:该文建立模型平均相对误差为0.43%,且能够排除人为设置参数的干扰,具有较好的准确性与稳定性,可进一步用于分解炉温度控制的研究。

PSO多元自适应回归样条算法

多元自适应回归样条建模中,样本数据最小步长和端点的设置会影响建模精度。提出了应用粒子群算法优化这两个参数的方法,以预测样本均方差为适应度函数,通过优化最小步长和端点位置调整采样点选取。实例应用表明,PSO-MARS方法能提高预测精度。

基于NIOS Ⅱ的光纤光栅温度传感解调系统

基于FPGA的硬件平台,以NIOS Ⅱ嵌入式软核处理器为核心,设计了可调谐F-P滤波器的光纤光栅解调系统,介绍了系统的组成以及软硬件结构。温度测试实验结果表明,该系统的整体性能良好,具有较好的稳定性和重复性,满足实际测量需求。

基于SOA-ELM的水泥分解炉温度预测

在变工况的水泥生产过程中,为预知风、煤、料的投入量,提出一种基于人群搜索算法(SOA)优化极限学习机(ELM)的水泥分解炉温度预测模型。采用现场数据,选取相关因素,用ELM建立预测模型,通过SOA对ELM的输入输出权值进行动态寻优,克服其初始权值的随机性,实现分解炉温度的预测。与未优化权值的ELM模型和利用粒子群算法(PSO)优化的ELM模型进行仿真对比,实验表明该SOA-ELM模型具有更佳的预测能力。在隐层节点数为9时,该模型的预测值与真实值的平均相对误差为0.004 5%。该模型的建立,可为后期的分解炉温度控制提供依据。

基于SMAC异体结构无缝集成的数据采集系统

大型工业控制系统监测、仪器故障诊断及能源信息管理的基础是稳定可靠的数据采集系统。目前数据采集系统多基于OSI／RM（OpenSystemInterconnection／ReferenceModel）模型、TCP／IP（TransmissionControlProtocol/InternetProtocol）协议和CAN（ControlAreaNetwork）总线，在控制面向多元化，系统面向分散化的发展趋势下，逐渐地暴露出OSI／RM在多种类型监测点实时数据采集的薄弱，

基于无线传感器网络及异体结构无缝集成的数据采集系统

基于无线传感器网络技术,重点研究了多点、多类型数据采集系统中传感器节点信号提取问题,提出了一种基于SMAC异体结构无缝集成的网络协议,并将此技术应用于选矿厂能源信息采集系统,实现现场采集点数738点、6种类型传感器节点、8种电力信息及6种附加信息的实时采集,构建起一个信息共享和交互控制的异构无线网络平台。

6LoWPAN在输电线路监测系统的应用

针对现有GPRS监测系统在有些地区无信号且价格昂贵的问题,提出了一种基于6Lo WPAN技术的输电线路在线监测系统。6Lo WPAN技术为该系统在无线传感器和互联网之间架构了通信的桥梁,实现了对输电线路温度、风速等监测量的数据收集、分析以及故障预测的报警。对6Lo WPAN技术进行了介绍;从软硬件结构分析了网关节点和传感器节点,采用CC2530和S3C2410处理器组成了网关;选取CC2430和ATmega128L构成了传感器节点;分析了6Lo WPAN节能的优点并对电源进行了设计。通过试验结果确认了该系统在输电线路的监测上具有实用性、高效性、节约成本等优点。

一种基于差分进化和灰狼算法的混合优化算法

针对差分进化易陷入局部最优和灰狼算法易早熟停滞的缺点,提出了一种基于差分进化(DE)算法和灰狼(GWO)算法的混合优化算法(DEGWO)。该算法利用差分进化的变异、选择算子维持种群的多样性,然后引入灰狼算法与差分进化的交叉、选择算子进行全局搜索。在整个寻优过程中,反复迭代渐进收敛。选取此3个测试函数进行仿真验证,结果表明,混合优化算法相比于DE算法和GWO算法,其求解精度、收敛速度、搜索能力都有了显著提高。

从“最毒后妈事件”看网络舆论的作用

本文从"最毒后妈事件"这一网络事件中分析了网络舆论的作用及其影响。

基于改进粒子群优化算法的PID控制器参数优化

PID参数优化是控制领域的热点,其控制效果与比例、积分、微分参数有直接关系.为了改善系统性能,提出用一种改进的粒子群优化算法对PID控制器参数进行优化.该算法引入进化速度因子和聚集度因子对权值进行改进,进而改进了速度更新公式,并引入飞行时间因子以改进位置更新公式.通过3种典型函数证明了该算法的优越性,加快了收敛速度,提高了寻优效率.以典型二阶被控模型为研究对象,将上述算法与其他粒子群算法进行对比,表明改进的粒子群算法得到的PID参数具有更好的控制性能.

电导率测试分析仪的设计与实现

电导率分析仪表是利用溶液成分和电导率之间的关系来分析溶液的组成的一种智能仪器。它可用于测量酸、碱溶液的浓度、锅炉的给水、炉水中的含盐量等,同时也是饮用水和制药过程必不可少的分析仪表。文中介绍了一个利用单片机技术实现的智能在线电导率分析器的设计,给出了系统的硬件结构和软件设计的思路。利用该电导率分析仪可达到对介质品质的评估或对介质生产过程进行自动控制。设计符合工厂应用的要求,可以由用户自己定义、设计,以满足不同的要求。