全波形反演中非精确线性搜索方法研究

全波形反演是一个非线性数据拟合过程,以反演迭代的方式来获取地下高精度模型参数。其中,更新步长的选取影响整个反演过程的计算效率和反演结果的精度。非精确线性搜索方法是求取更新步长的有效方法,其不要求目标函数达到精确最小,利用判断条件和初始步长得到合适的更新量即可,不依赖目标函数的形式,具有较大发展潜力。本文首先对数学上求解最优化问题中经典的Armijo判断条件、Wolfe判断条件以及Goldstein判断条件在地震数据全波形反演中的应用效果展开研究。Overthrust模型测试证明Armijo判断条件和Goldstein判断条件收敛性相似,计算效率高,对全波形反演具有更好的适用性。同时,在全波形反演中使用Adaptive Barzilai-Borwein(ABB)方法,充分利用模型参数变化量和梯度变化量自适应地计算初始步长。此外,本文对ABB初始步长计算方法中的阈值展开研究,探索适用于全波形反演方法的阈值范围。模型测试验证了ABB初始步长计算方法的有效性,且其阈值小于0.5时全波形反演效果最好。

基于中值步长法的光伏阵列最大功率点跟踪

提出了光伏阵列最大功率点跟踪的新型变步长扰动观察法,即中值步长法。在外界环境发生变化时,利用斜率判断扰动方向,利用启动步长快速跟踪光伏阵列最大功率点的大概位置;然后每扰动一次就将扰动步长取中值,使系统在稳态时最大限度地逼近最大功率点,减小最大功率点附近的震荡,提高跟踪精度;利用功率判断避免在扰动过程中出现算法错误。通过Matlab进行仿真,证明了中值步长法能达到理想的跟踪效果。

新型光伏系统MPPT控制策略的研究

在Matlab/Simulink仿真环境下,搭建了光伏电池的通用仿真模型,并提出了一种新的基于神经网络预测结合中值法的光伏发电系统最大功率点跟踪(MPPT)的控制策略。在外界环境或负载发生变化时,先通过BP神经网络给出新的外界条件下的初始占空比,再结合小步长的中值法,直至达到最大功率点跟踪的目的。最后利用生成的神经网络模块,进行了相关的对比仿真,结果表明,新的控制策略能够快速、准确的跟踪到当前条件下的最大功率点,并具有较好的稳态性能。

废杂铜大容量中频炉熔融法取、制样的生产实践

由于再生铜行业原材料废杂铜的种类繁多,铜品位存在巨大差异。现行国内传统的检验方法为目视评估法,该方法易造成含铜品位误差,严重时甚至造成人为金属流失。目前,国内外现行测定标准均不能满足废杂铜取、制样要求。本文采用大容量中频炉(100~500 kg)在生产实践中总结一条废杂铜的取样制样方法,通过严格的操作流程,得出的化验数据表明该方法测得的数据比较接近废杂铜的真实值(实际生产反推值),可代替目视评估法。该方法减少了铜品位测定误差,杜绝了人为金属损失,具有很大的经济效益,值得推广。