基于集中参数热模型的异步电动机定子绕组温度软测量

应用集中参数热模型推导出异步电动机定子绕组温度与铁芯温度、机座温度以及定子绕组损耗之间的函数关系。根据定子绕组最高温度与铁芯表面温度、机座表面温度以及定子电流等易测参数之间的关系实现了定子绕组最高温度的软测量,分析影响软测量精度的因素,提出了提高测量精度的措施。实测数据表明该测量方法具有较高的测量精度,为实现方便、满足工程要求的电动机热保护奠定基础。     

动态流量软测量建模方法研究

为了解决工业中动态流量测量困难的问题,引入软测量方法对动态流量进行测量.考虑BP算法建立软测量模型时收敛速度慢,易陷"局部极小"等不足,提出一种经遗传算法优化的BP网络进行软测量建模,用遗传算法先确定BP网络的网络结构和参数,将训练一定次数后得到的连接权值作为遗传计算的初始值,再用遗传算法确定BP网络的最优连接权值,最后把用BP算法训练得到的网络用于建模.文中对在燕山大学液压实验室采集的数据进行仿真,实验结果表明这种改进的建模方法在模型的训练速度和精度上有了较大的改善.     

石英晶体谐振器电参数模型及对测量的影响

论文分析了用阻抗计法测量石英晶体谐振器时,晶体的实际电参数模型与理论模型的差别及其对电参数测量精度影响的数量关系,提出了提高测量精度的方法和设计。采用新技术和方法研制的晶体自动测试系统,负载谐振参数的测量精度显著提高。这一工作对提高阻抗计型晶体测试系统的测量精度,特别是提高晶体负载谐振频率和负载谐振电阻的测量精度具有重要意义。     

基于MMI-PCA-KLPP二次降维和模糊树模型的NO_X浓度软测量方法

针对火电厂气体分析仪测量存在滞后和NO_X软测量不准确的问题,提出了一种基于改进互信息-主成分分析-核局部保持投影(MMI-PCA-KLPP)二次降维和模糊树模型(FT)的NO_X浓度软测量方法。首先对样本进行剔除离群点等预处理,再通过查阅文献大体确定模型的输入变量,并采用MMI方法对输入变量进行降维处理;针对MMI降维后依然有较多输入变量的问题,综合考虑了样本全局结构特性和局部结构特性,用PCA-KLPP方法对MMI降维后的变量二次降维;最后针对二次降维后的数据,基于模糊树算法建立了NO_X软测量模型。实验结果表明,模糊树模型精度高且泛化能力强,结合MMI-PCA-KLPP二次降维处理后,大大缩短了模型的训练时间且精度未出现较大程度的降低。     

石英晶体谐振器电参数模型及时测量的影响

论文分析了用阻抗计法测量石英晶体谐振器时，晶体的实际电参数模型与理论模型的差别及其对电参数测量精度影响的数量关系，提出了提高测量精度的方法和设计。采用新技术和方法研制的晶体自动测试系统，负载谐振参数的测量精度显著提高。这一工作对提高阻抗计型晶体现测试系统的测量精度，特别是提高晶体负载谐振频率和负载谐振电阻的测量精度具有重要意义。     

先验模型选择对PS—DInSAR参数解算精度影响分析

研究了永久散射体雷达差分干涉测量(Ps-DInSAR)技术观测方程的建立和参数求解方法,分析验证了观测方程建立过程中先验模型的正确选择对提高参数解算精度的重要影响,提出了用GPS辅助确定先验模型以改善参数解算精度的思路.最后,对进一步利用GPS提高PS-DInSAR测量精度进行了探讨,给出了一些有益结论.     

基于支持向量机算法的海水藻类生长状态软测量

为了有效监测海水藻类生长状态,采用支持向量机算法对水体中关键表征因子进行软测量.首先采用网格寻优法对支持向量机(SVM)的惩罚因子C和参数σ进行参数寻优,然后利用所得最佳匹配参数通过样本训练,获得海水叶绿素-a浓度的软测量模型.将基于SVM的软测量结果与基于BP神经网络的软测量结果作对比,可以看出,基于SVM的软测量方法具有较好的预测精度和稳定性,可应用于海水藻类生长状态的软测量.     

星敏感器模型参数分析及校准方法研究

对星敏感器的实际测量模型和模型参数的校准方法进行了深入研究。首先,在星敏感器理想测量模型的基础上,充分考虑焦距偏差、光学系统的成像畸变、图像传感器感光面的倾斜、图像传感器感光面的旋转和主点偏差等因素对导航星实际成像位置的影响,用几何的方法建立了星敏感器的实际测量模型,其次,分析了各因素对星敏感器测角精度的影响规律;通过实测校准数据,借助最小二乘法求解模型参数,完成了星敏感器的校准。实验结果表明,测角精度得到了提高。     

基于遗传算法的热力设备机理模型参数优化方法研究

针对复杂热力系统机理建模参数优化中存在的问题,提出了基于遗传算法的机理模型优化方法。建立热力设备的机理模型,确定优化参数,应用遗传算法进行优化,直到模型精度达到要求。以末级过热器为例进行的仿真研究表明,运用该方法优化的机理模型达到预定的精度要求;优化过程自动进行,缩短了参数优化时间。作为一种通用算法框架,具有简单易用的特点,适用于各类热力设备模型和热力系统模型,为火电厂仿真机数学建模和参数自动优化提出了简单实用的方法。     

基于递归RBF神经网络的MBR膜透水率软测量

针对膜生物反应器(membrane bio-reactor,MBR)污水处理过程中膜透水率难以测量的问题,提出一种基于递归径向基神经网络(recurrent radial basis function neural network,RRBFNN)的软测量方法.首先,基于污水处理过程中的实际运行数据,应用偏最小二乘法(partial least squares,PLS)筛选出与膜透水率相关的过程变量;其次,基于RRBFNN建立膜透水率的软测量模型,利用快速梯度下降算法对RRBFNN的参数进行调整,保证了软测量模型的精度;最后,将设计的膜透水率软测量模型应用于实际污水处理过程中,使用污水处理厂实测数据对模型进行验证.验证结果表明,该软测量模型能够实现膜透水率的准确预测,具有较好的预测精度.     

基于商业智能的电网负荷预测模型的构建研究

根据对电网负荷预测业务的分析,采用探索型数据分析方法对电力企业数据仓库中的数据进行训练建模,构建出电网负荷预测模型。模型应用情况表明：应用该模型后电力企业负荷预测较传统预测方法准确率明显提高,电力企业预测技术水平相应提高,同时,应用该模型还有助于电力企业有计划地进行用电管理,确保电力企业决策分析可行性。     

一种新的广义电力负荷模型及其工程应用

当区域负荷中含有较高比例的电源时,传统的经典负荷模型不适合描述负荷母线的动态行为.提出一种新的广义电力负荷模型,并给出模型参数的确定方法.该方法综合利用常规量测数据和PMU量测数据,其中等值发电机支路参数采用理论等值方法获得,而纯负荷参数采用辨识方法获取.实际工程应用表明,该广义电力负荷模型及其参数确定方法有效可行.     

模糊C均值聚类在萃取精馏塔软测量中的应用

丁二烯萃取精馏过程中 ,副产品抽余液 (BBR)的质量 (丁二烯含量 )和很多工艺参数有关 ,工艺参数之间又是相互关联、耦合的 ,并具有噪声。应用主元分析法 (PCA)将这些工艺数据进行压缩和抽提 ,解决了工艺参数间的相关问题 ,同时去掉了一些信息量不大 ,并带来噪声的主成分。用模糊C均值聚类算法将训练集分成具有不同聚类中心的子集 ,每一子集用径向基函数 (RBF)网络进行训练来获得子模型 ,然后用模糊聚类产生的隶属度将各子模型的输出加权求和得到BBR中顺丁烯的含量 ,由顺丁烯的含量来估计丁二烯含量。结果表明 ,这种软测量算法具有较好的建模效果 ,由于采取了数据分组训练 ,大大节省了建模的训练时间 ,比单纯的基于神经网络的方法要快得多。这种方法有很好的泛化结果和预报精度 ,对工艺操作具有指导意义     

双抽汽式供热汽轮机耗量特性的研究

通过对双抽汽式汽轮机的耗量特性进行较全面分析的基础上,针对双抽汽式汽轮机耗量特性数学模型难以确定的问题,提出一种新的方法.该方法是利用辅助截矩曲线和最小二乘法进行耗量特性工况图的曲线拟和,然后构造耗量特性曲线方程和相应的约束条件.此数学模型为热电厂和电力系统的经济调度提供理论依据.算例试算表明方法有其实用性.     

基于IABC-Elman神经网络的电厂耗煤量短期预测

针对电厂耗煤量具有不确定性的特点及传统Elman神经网络利用梯度下降训练网络参数易陷于局部最优的缺点,基于人工蜂群(ABC)算法,提出了一种改进蜜源更新方式和跟随蜂选择引领蜂方式的改进ABC优化算法,结合进煤量、存煤量和发电量,建立了Elman神经网络电厂耗煤量短期预测模型(IABC-Elman)。实际算例表明,基于IABC-Elman电厂耗煤量短期预测模型结果能达到耗煤量短期预测的标准,与传统神经网络相比具有更高的预测精度。     

基于改进粒子群算法考虑阀点效应的经济负荷最优分配

经济分配对于电力系统节能至关重要,是电网中一类典型的优化问题,基于传统的粒子群算法的优化方法由于仅考虑速度与位置参数,易导致局部最优。针对电力系统的有功经济分配,考虑发电机组的阀点效应,提出一种改进型粒子群算法。通过引进视角参数,使粒子的移动状态受到视角的制约,改善传统算法粒子容易早熟而陷入局部最优的缺陷,降低搜索随机性并提高优化精度’仿真结论表明,带有视角参数的改进粒子群算法有更高效的全局搜索能力和更可靠的最优解,为发电机有功经济分配问题提供一种有效的新算法。     

遗传优化支持向量机在失火故障诊断中的应用

故障样本的缺乏严重制约智能故障诊断的发展,支持向量机算法的提出有效地解决了小样本学习问题.然而支持向量机算法中两个参数惩罚因子C和核参数γ对故障样本的准确识别起着决定性作用.针对参数较难选择问题,采用遗传算法对支持向量机中的两个参数进行全局寻优.把汽车在典型故障下尾气中各气体的体积分数作为训练样本,样本经过主成份分析实现降维和去相关.用处理过的样本和最优参数建立基于支持向量机的多元分类器模型,进行故障类别诊断.使用LIBSVM工具箱进行仿真,结果表明经遗传算法优化后的支持向量机对于小样本故障诊断有很高的准确率.     

基于电加热装置的油气输送温度预估控制回归模型的建立

针对电加热输送油气出口温度控制的滞后现象,根据输入电能与输送油气出口温度的实测数据,建立了系统的预测回归模型,改善了系统的性能指标。通过实验确定了模型的阶数和滞后时间,用最小二乘法通过MatLab计算出最优的模型参数,为提高油气电加热温度控制精度提供了理论依据。     

大型燃煤火电机组湿法脱硫系统控制研究

火电厂烟气中SO2对环境的污染比较严重,且当前电厂脱硫控制环节的自动化程度和控制精度都比较低,因此为了控制SO2排放,建立良好的控制策略至关重要。在某电厂湿法烟气脱硫系统的辨识结果基础上,分别以浆液pH值和出口SO2浓度为研究对象,建立了对应的前馈-反馈复合控制系统模型,给出了基于多容惯性过程（Multiple Capacity Process,MCP）标准传递函数模型的PID控制器参数整定方法。仿真结果验证了MCP-PID整定方法的适用性和准确性。该方法为电厂脱硫控制环节优化提供了数学模型基础,为多变量连续系统控制策略选择提供了新的思路。     

输电线路精确双端故障测距算法研究

为了消除线路参数不确定性对测距精度的影响,提出了基于参数估计的自适应双端测距算法;利用输电线路的分布参数模型、故障前后的正序分量和负序分量写出测距的冗余方程,将线路的正序参数连同故障距离和非同步误差都作为未知量求解,从而实现自适应参数变化的双端测距算法,从原理上克服了现场和实际因素造成的线路参数不准确或变化对测距结果的影响.仿真实验和实际运行结果表明,该算法达到了很高的测距精度.