用于温度传感器原位在线校准的水三相点自动复现控制系统

温度传感器在长时间温度测量中会出现性能漂移导致测量误差,为现场实时校准温度传感器实现长期稳定的高精度测量,需要基于国际温标ITS-90规定的温度固定点,对传感器进行无人自主原位校准。水三相点是水、冰、气三相平衡共存的温度点,其温度为国际温标中的0.01℃固定点,是对传感器进行校准的最常用的固定温度点。水三相点瓶是再现水三相点的关键装置。相较于传统的玻璃外壳水三相点瓶,金属外壳的水三相点瓶更为耐用,更适用于自动原位校准。为了实现水三相点的自动浮现,根据高纯水自发相变原理,设计了一种基于半导体帕尔贴效应快速稳定复现水三相点的自动控制系统及其控制方法。利用热电制冷器(TEC)和温度控制器为金属水三相点瓶提供过冷环境,在基于模型的制冷调度算法控制下,实现了较长时间保持稳定的水三相点状态。实验室测试表明,该控制系统可以在150 min内达到0.01℃的温坪,并保持稳定的三相点温度20 min及温度波动度±1 mK。温度原位在线自动校准系统可以为深海、深空及偏远地区的高精度温度测量提供校准服务。

基于深度学习的电动汽车充电状态监测与安全预警方法

为了保证电动汽车充电的安全、可靠运行,防止电动汽车在充电时发生火灾,提出了一种基于卷积神经网络(CNN)和双向门控循环单元(BiGRU)的电动汽车充电状态监测与安全预警方法。首先,使用CNN对电动汽车正常充电历史数据进行深度挖掘,提取其深层特征,并利用BiGRU对深层特征进行充分的分析和利用,构建电动汽车的温度预测模型。其次,制定预测模型输出精确度的评价标准,用来评价预测模型输出的准确性。然后,通过滑动窗口对模型预测值进行温度残差分析,确定合适的安全预警阈值和规则。最后,将满足要求的温度预测模型应用到电动汽车实时充电中,进行安全预警实验。实验结果表明,CNN-BiGRU模型相比其他预测模型具有更高的预测精确度和预测效果,且滑动窗口分析法能够提前对电动汽车充电过程中的温度异常进行安全预警。

电动汽车充电桩移动监控与故障诊断系统设计

针对电动汽车充电桩在设备监控、管理以及故障维修等方面存在的问题,设计了一套电动汽车充电桩设备的移动监控与故障诊断系统。该系统由服务端和移动端组成,服务端基于Web Service平台开发,为移动端提供大数据交互,同时采用故障树方法对充电桩的故障进行分析诊断。移动端基于Android设计,为充电桩提供移动监控功能,并进行故障处理。系统提高了充电桩维护的工作效率。

电动汽车充电状态监测与多级安全预报警方法

电动汽车在充电过程中烧车事故频发,成为了制约电动汽车发展的关键问题。该文针对充电安全问题,提出一种新的电动汽车充电状态监测与多级安全预报警的方法。该方法基于卷积神经网络(CNN)和双向长短记忆(BiLSTM),利用电动汽车的充电历史数据,构建CNN-BiLSTM多级安全预报警模型;设计模型的充电状态监测和多级安全预报警实现流程;通过与其他模型相比较,验证了该模型的预测精度;通过滑动窗口法,确定了模型的预报警阈值。试验结果表明,该方法可以对电动汽车充电过程进行实时监测,及时发现故障并发出预报警信号,保障电动汽车充电安全。

电动汽车大功率充电堆集中监控与运营系统

充电堆是一种大功率直流箱式充电设备,能够适应不同功率电动汽车的充电需求,并可为多辆电动汽车同时充电。本研究基于.NET平台,开发了一套电动汽车大功率充电堆集中监控与运营系统。首先,设计了系统结构,分为通讯层、设备层和监控层;其次,通过CAN总线采集充电堆与电动汽车充电过程的各种数据,并将其传输到上位机数据服务器中进行解析;然后,利用C#语言开发了系统人机界面,实现了对大功率充电堆充电过程的实时监控和充电运营数据的统计和分析。经现场运行表明,系统可靠、有效。

基于云平台的电动汽车充电站远程设备监控系统

随着电动汽车充电站数量的不断增加,充电站的监控管理愈发重要;本研究基于云平台,设计开发了一套电动汽车充电站远程设备监控系统。首先,设计了充电站远程设备监控系统的5层结构;其次,基于ASP.NET技术和IIS服务器,使用C#语言开发了远程设备监控系统的Web服务器,并根据充电站的特点对系统的数据库结构进行设计;然后,基于Web前端语言和Ajax技术,开发云平台客户端界面。该系统实现了充电站设备远程实时监控和集中管理,故障信息报警和统计,以及维修处理过程实时监控功能,为电动汽车充电站的集中监控管理提供了方便。

基于Android的电动汽车充电桩监控系统设计

随着电动汽车的普及,电动汽车充电桩数量不断增加,因此,电动汽车充电桩监控系统的开发具有重要意义。基于Android系统,设计了一套电动汽车充电桩设备的移动监控系统。该系统由服务端和移动端APP和通信模块组成,服务端基于JSP平台开发,对数据进行存储并进行数据处理。移动端APP基于Android设计,为系统的用户使用界面,实现了充电桩提供移动监控与故障处理功能。通信模块基于Http协议设计,为移动端和服务端提供了数据交互的媒介。该系统实现了对充电桩的移动监控功能,提高了充电桩维护的工作效率。

基于物联网的直流无刷电机生产线监控系统开发

直流无刷电机生产线规模大、设备多、流程复杂需要对其进行全面监控,该文基于物联网技术,设计并开发了一套直流无刷电机生产线监控系统,采集生产线上各类生产设备的运行数据,对其设备状态实时监控。首先,设计了监控系统的总体结构,分为设备层、控制层、通讯层、监控层;其次,为保证通讯可靠性和稳定性,选择了物联网协议MQTT(Message Queuing Telemetry Transport)进行消息的推送与传递;然后,选取合适的硬件设备,采集PLC中数据并发送给MQTT服务器;最后,使用C#语言开发MQTT的客户端,并搭建监控系统的云平台。

电动汽车储能电池梯次利用测试系统开发

针对电动汽车退役的储能电池梯次利用问题,根据国标GB/27930—2015,利用C#语言,开发了一套电动汽车储能电池梯次利用测试系统。文中给出了测试方法和流程,设计了系统总体结构、硬件设计和通信设计,详细说明系统的硬件组成。系统通过CAN和RS485两种通信相结合的方式,实现了上位机和各个硬件部分通信的具体实现方式;通过测试系统的测试实例,说明了该系统的实用性和有效性。

黄土高原典型植被恢复过程土壤与叶片生态化学计量特征

为揭示黄土高原典型人工植被恢复过程中植物叶片与土壤碳(C)、氮(N)、磷(P)元素变化特征及其交互作用,以延安庙咀沟流域恢复20—40a的刺槐(Robinia pseudoacacia)、柠条(Caragana korshinskii)、草地和坡耕地(对照)为研究对象,分析了各样地植物叶片和土壤C、N、P化学计量的变化特征及相互关系。结果表明:从20a到40a的恢复过程中,3种植被叶片C含量均显著增加,草地叶片P含量显著升高,而刺槐、柠条叶片N和P含量则显著降低。刺槐、柠条及草地土壤C、N、P含量随着恢复年限的延长而增加,比耕地分别增加了70%—349%、27%—202%、13%—62%(P<0.05),其中刺槐的增幅最大。从增速来看,刺槐和柠条林土壤表层C、N增速表现为前期(0—20a)大于后期(20—40a),而草地则相反。在20—40a的恢复过程中,刺槐、柠条叶片C∶N、C∶P均显著增加,草地叶片C∶P、N∶P则显著降低。恢复过程中,土壤C∶P在刺槐和草地中显著增加,而土壤N∶P仅在草地中显著增加,土壤C∶N则没有显著变化。相关性分析显示叶片C和土壤C、N、P显著正相关,叶片N、P和土壤N显著正相关,叶片和土壤N∶P显著正相关,叶片P、C∶P与土壤C、N增速显著相关,表明叶片P可以指示土壤C、N增速的变化,而N∶P可以将植物和土壤联系起来。植被恢复过程中,叶片和土壤C、N、P含量及增速均发生显著变化,且存在密切的联系,这种变化的趋势在刺槐、柠条和草地中有所不同。

基于机器学习的中央空调的优化控制策略

针对中央空调时变、大滞后、非线性、模型复杂度高的问题,提出了一种基于机器学习的优化控制策略。首先,建立中央空调系统的物理模型,根据系统采集的数据信息,进行分类和预处理;其次,利用机器学习的相关算法,建立采集数据之间的机器学习模型,并验证模型的精度;然后,根据构造的机器模型,设计了一种优化控制策略,解决中央空调实际运行中存在的问题,并给出控制算法;最后,用Python进行了仿真,验证了方法的有效性。

面向超短脉冲激光器泵浦源的驱动系统设计及应用

设计并实现了一种用于超短脉冲激光器泵浦源的驱动系统。该系统可以同时为五路半导体激光器提供高精度、高稳定度、高灵活性的恒温控制和恒流驱动。为了提高驱动系统的灵活性和可集成度,硬件部分采用上位机、控制、驱动、供电分开的模块化设计方案;基于嵌入式实时操作系统μC/OS-III开发了系统驱动程序,提高了实时性和扩展性,输出校正部分采用遗传算法优化的增量式PID算法,减少了系统的超调量和到达动态平衡的时间;驱动系统具有完备的保护措施,如软启动和关闭、驱动回路检测、过温保护等功能,确保了泵浦源的稳定运行。在实际应用中,半导体激光器温度稳定度优于0.035%,驱动系统输出电流稳定度优于0.001%。将研制的驱动系统集成到1.5μm飞秒光纤激光器中驱动五路半导体激光泵浦源,获得的种子激光、放大器的输出激光脉冲光谱、脉冲序列和单脉冲均可稳定运行;经过连续3 h的测试,1.5μm飞秒光纤激光器的输出功率稳定度为0.16%。

植被光能利用率:模型及其不确定性

光能利用率(Light use efficiency:LUE)指植物截获的光能转化为化学能的效率,表示为生产力和吸收光能之比。基于LUE概念的模型对模拟预测全球变化下碳循环、植被生产力及其潜力具有重要意义。全球变化和人类活动影响给植被生产力和碳循环的评估带来了巨大挑战。系统梳理了LUE模型的不确定性并分析其原因,以期提高生产力模拟预测的准确度。分析发现LUE模型准确度仅为62%-70%且模型间差异较大(32%),误差随着植被类型、时间尺度和空间区域的不同存在显著差别。目前计算LUE的误差是模型不确定性的关键,原因主要在于LUE与影响因素尤其是水分的关系并不清楚。一方面不能准确区分水分胁迫指标对LUE的影响机制,另一方面无法准确模拟水分等影响因素与LUE关系的时空演变特征。未来该领域研究的重要方向是发展集成样地和区域尺度的叶绿素荧光、光化学指数等研究方法,厘定LUE与影响因素特别是的水分关系,并分析其时空演变特征。

数据驱动的自寻阶最小二乘法及其在电机中的应用

为解决电机性能测试中某些性能曲线阶次难以确定,无法进行在线最佳阶次拟合的问题,本研究证明了转速-转矩曲线的泰勒多项式逼近,提出了一种基于数据驱动的自寻阶最小二乘算法,并应用于Visual Studio平台开发的电机测试系统中。该算法基于电机测试中采集的电参数数据,利用随机梯度算法,对要拟合的电机性能多项式曲线的参数进行逐次逼近,通过阶次评价函数选择出最佳阶次,从而实现在线最优拟合。经现场验证表明:该算法拟合速度快,能够给出最佳逼近模型,达到在线最佳阶次拟合的要求。

高德忻巧用小柴胡汤验案3则

小柴胡汤出自《伤寒论》,是和解剂之代表方。高德忻在中医临床方面经验丰富,擅用小柴胡汤,根据临床病证特点灵活加减。该文中介绍了头晕、耳鸣、特发性面神经麻痹3个典型病案并作详解,三案虽病症不同,但病机相似,均用小柴胡汤加减取效,彰显了高老宝贵的经验,拓展小柴胡汤的运用思路和范围。

Optimal deterministic disturbances rejection for singularly perturbed linear systems

Optimal deterministic disturbances rejection control problem for singularly perturbed linear systems is considered. By using the slow-fast decomposition theory of singular perturbation, the existent and unique conditions of the feedforward and feedback composite control （FFCC） laws for both infinite-time and finite-time are proposed, and the design approaches are given. A disturbance observer is introduced to make the FFCC laws realizable physically. Simulation results indicate that the FFCC laws are robust with respect to external disturbances.

基于卷积神经网络与双向长短时融合的锂离子电池剩余使用寿命预测

针对锂离子电池剩余使用寿命(remaining useful life,RUL)传统预测方法的精确度与稳定性较低等问题,融合卷积神经网络(convolutional neural network,CNN)和双向长短期记忆(bidirectional long short-term memory,BiLSTM)神经网络的特点,设计一种锂离子电池剩余使用寿命预测方法。为了充分使用电池数据的时间序列特性,使用一维卷积神经网络(one-dimensional convolutional neural network,1D CNN)提取锂离子电池容量数据深层特征,利用BiLSTM神经网络的记忆功能保留数据中的重要信息,预测电池RUL变化趋势。通过采用NASA(National Aeronautics and Space Administration)的锂离子电池数据,与1D CNN模型、LSTM模型、BiLSTM模型、1D CNN-LSTM模型进行预测对比。经实验结果表明,1D CNN-BiLSTM具有更高的预测稳定性和精度。