基于ANCT和Adaline两种自适应谐波电流检测模型的分析

介绍了两种自适应谐波电流检测模型的基本原理,即基于自适应噪声对消技术(ANCT)的谐波电流检测模型和基于Adaline的自适应谐波电流检测模型,并分析了两种模型在相同自适应算法的条件下的检测性能,缺陷和适用范围,以及不同自适应算法对相同模型的检测性能的影响。分析结果表明:在相同算法条件下,两种模型的收敛速度一致,后者的稳态误差小(理论上可以为0)但计算量大,前者只适用于信噪比很大的情况下并且其检测结果主要作为有源电力滤波器(APF)的参考信号,而后者的检测结果还有其他用途(如谐波分析,保护和控制等);同时,不同的自适应算法对同一模型检测性能的影响由算法本身决定。数值仿真验证了该理论分析的正确性。

基于改进增益型自适应LMS算法的谐波检测方法

基于自适应噪声对消原理的谐波电流检测方法相对其他检测方法来说,具有实现简单、鲁棒性强等特点。该方法利用信号处理中的自适应干扰对消原理,将电网电压信号作为参考输入,负载电流作为原始输入,从负载中实时消除与电压波形相同的基波有功电流分量(或基波电流),从而得到负载电流中所有谐波与基波电流无功分量之和。再配合有源电力滤波器(APF),由补偿装置注入一个与谐波和基波电流无功分量之和大小相等极性相反的补偿电流,达到抑制谐波与基波电流无功分量的目的。提出了一种基于改进增益型自适应谐波电流的检测方法,该方法采用的反馈量不同于以往方法中的误差信号,而是将误差信号经过数学转换,使其转换成一个能真正反映系统跟踪误差的信号,并将其作为自适应滤波器权系数迭代的反馈量。通过Matlab证明该方法能够在保持较小的稳态失调的情况下也具有较快的动态响应速度。

用于APF的神经网络自适应谐波电流检测方法

介绍了一种应用于有源电力滤波器APF(ActivePowerFilter)的神经网络自适应谐波电流检测方法。该方法应用自适应噪声抵消技术ANCT(AdaptiveNoiseCancelingTechnology),将基波电流作为噪声信号,从负载电流中滤除,得到谐波电流。采用两层人工神经网络实现噪声抵消。阐述了该神经网络的构造和权值自适应调整算法,应用Matlab对该方法进行了仿真研究。仿真结果表明该方法能够实时准确地检测谐波,而且计算量小,具有较强的自适应能力。

20钢奥氏体氮碳共渗后淬火态与时效态的化合物层

本文研究了０．２％碳钢经奥氏体氮碳共渗后在淬火和时效态下的化合物层。通过电子衍射花样与其模拟花样中超点阵斑点强度的比较，确定了淬火态化合物层为三种结构类型ε相中的ε－Ｆｅ（２－３）（Ｎ，Ｃ）；时效态化合物层灰区中析出薄片状γ＇－Ｆｅ４Ｎ相，它们之间常存在着１８０°旋转对称关系，本文提出了解释这一关系的模型。

L2范数和真正跟踪误差的自适应谐波检测算法

基于自适应噪声对消原理的自适应谐波检测方法具有众多优点,但算法中步长的选择必须在收敛速度和稳态精度之间做一个平衡。本文基于L2范数和真正跟踪误差提出了一种改进的变步长自适应谐波检测算法。本算法利用滑动积分器找到真正能反映跟踪情况的反馈量,再将更新后的反馈误差代入步长迭代函数中调节步长。利用L2范数公式将输入信号引入步长迭代函数中,从而可以反映输入信号对性能的影响。仿真结果表明,该算法在谐波检测中既可以保持较快的收敛速度,也能有较小的稳态失调。

自适应除噪技术在滚动轴承故障诊断中的应用

本文在阐明自适应除噪技术原理基础上,论述了将此技术应用于带式输送机滚动轴承故障诊断的具体方法和诊断结果分析,证明此技术对于提高信噪比和突出轴承故障特征是一个实用有效的途径。

奥氏体氮碳共渗化合物层灰区的探讨

用 X 光、俄歇谱仪和透射电镜对低碳钢奥氏体氮碳共渗淬火及时效的化合物层成分和组织结构进行了研究。结果表明:化合物层灰区组织结构是ε-Fe_(2-3)(N,C)化合物基体上沉淀析出γ′(Fe_4N),γ′和ε之间取向关系:{0001}_e//{111)_γ′,〈11■0〉_e//〈011〉_γ′,γ′呈细片状沿{0001}_ε而析出,γ′之间具有180°旋转对称关系。初步探讨了氮、碳元素对共渗化合物层形成的影响及化合物层的强化机理。