基于虚拟仪器的炉温PID控制系统的实现

采用NI公司的LabVIEW 7.1软件和6024E数据采集卡为开发工具,对干燥箱进行了炉温测控实验平台的设计与实现,硬件上还采用了可控硅调节器和双向可控硅电路控制电炉丝电流量进而控制温度的方法,软件上使用了NI公司的PID控制算法软件包并在此基础上进行了控制系统的前面板及程序框图的设计,并在实验室搭建了硬件实验平台,软件运行无误并与硬件联调后,结果显示系统运行可靠稳定,可较好地实现炉温的准确控制,实际投运后用工程试凑法整定出了理想的PID参数,长时间运行结果良好,实验证明该系统控制准确,精度较高,有很高的实用价值和广阔的应用前景.     

基于多尺度模糊熵和STOA-SVM的风机轴承故障诊断

针对风机轴承振动信号故障特征提取困难的问题,提出了一种基于多尺度模糊熵(MFE)特征提取,并结合乌燕鸥优化算法(STOA)优化支持向量机(SVM)的风机轴承故障诊断方法。首先采集原始振动信号并计算其多层次模糊熵,其次构造故障特征向量集合作为SVM的输入,最后采用STOA优化SVM对轴承故障进行分类诊断。通过凯斯西储大学轴承振动数据进行仿真,结果显示轴承故障诊断准确率达到了99.3〖WTB4〗%〖WTBZ〗,证明了所提方法具有较高的准确度和有效性。     

基于卷积神经网络的风机叶片结冰故障检测

发电机叶片结冰是风力发电中的常见问题,准确检测叶片结冰故障能有效提高风电场的安全性与发电效率.为了准确检测叶片结冰故障,提出一种基于卷积神经网络的检测模型.通过改变1×1卷积核数量,改变特征维度并增加卷积网络的非线性,检测真实运行的风力发电机Supervisory Control And Data Acquisition(SCADA)数据.在以上基础上,使用Swish激活函数和Synthetic minority oversampling technique(SMOTE)提高模型的检测效果,获得较高的检测准确率、召回率与F1分数.并且检测另一台风力发电机SCADA数据对比验证模型泛化性.检测结果表明,Swish激活函数和SMOTE均能有效提高泛化性,评价指标表明模型泛化性较强.最终检测结果为99.59％的准确率和96.80的故障样本F1分数,泛化性检测结果为93.42％的准确率和40.15的故障样本F1分数,代表着叶片结冰故障检测模型能准确检测结冰故障,具有较好的应用前景.     

基于SSA-VMD-SE-KELM结合蒙特卡洛法的风电功率区间预测

为降低风电功率序列波动性并提高风电功率预测精度,提出一种基于SSA-VMD-SE-KELM和蒙特卡洛法的组合风电功率区间预测模型。采用麻雀搜索算法（SSA）优化后的变分模态分解（VMD）算法将功率序列分解为理想数量子序列,通过计算样本熵（SE）对其重构,得到新子序列分别建立核极限学习机（KELM）点预测模型,叠加各点预测结果得到最终点预测结果及功率误差序列,使用蒙特卡洛法随机抽样得到对应置信度下的预测区间。以实际采集到的历史数据为例进行预测,实验结果表明:与传统模型相比,此模型所得功率预测区间紧密跟随风电功率变化趋势,其区间覆盖率更高、平均宽度更窄。     

基于ICEEMDAN-ICSSA-CKELM-TCCA的短期风电功率预测研究

为了提高风电功率预测的准确性，基于信号分解、优化算法和误差修正，提出一种ICEEMDAN-ICSSA-CKELMTCCA的风电功率预测组合模型。首先采用改进的带自适应噪声的完全集成经验模式分解（ICEEMDAN）和样本熵原理，对原始功率序列进行分解和重构，得到更适合提取特征的新序列。然后，建立包含Poly核函数、RBF核函数的组合核极限学习机（CKELM）对新的序列进行初步预测，并利用融合了Tent混沌映射、动态惯性权重和自适应t变异策略的改进混沌麻雀搜索算法（ICSSA）对其参数进行优化，提升CKELM预测性能。最后将时间卷积网络（TCN）与高效通道注意力机制（ECA）组合搭建为TCCA模型，对初步预测结果进行修正。以中国云南省某风电场的数据为例进行多组实验，结果表明该模型针对风电功率具有较高的预测精度。     

硫酸生产过程中基于InTouch和InControl的炉温控制系统研究

给出硫酸生产过程DCS系统的控制方案和硬件配置。通过对基于InTouch和InControl的炉温控制系统的实验研究,探究了硫酸生产过程DCS系统的可行性,结果表明:炉温控制系统运行稳定、可靠,温度控制快速、准确,对实现硫酸生产过程DCS系统具有一定的参考价值。     

基于虚拟仪器的智能仪表的设计与实现

随着虚拟仪器技术在测控系统的广泛使用,测控技术走向软件化、图形化的趋势明显,虚拟仪器"以软代硬"的思想,在大大降低工程中硬件所占比重的同时,也大大降低了工程技术人员使用门槛,但在学习labVIEW语言时存在的问题是供学习使用的硬件不多,价格高的硬件是摆在每一位学虚拟仪器数据采集的学习者很难解决的矛盾,对于希望学习labview的广大工程技术人员而言.开发一种易学易用的成本低廉的智能仪表帮助学习虚拟仪器设计,是很有意义的.基于这种思想,在实验室设计了以单片机为下位机,以labview软件作为上位机的虚拟仪器学习实验平台,该平台价格低,工程技术人员或学生可以通过该平台的学习,很快上手开发实际工程,因而本实验装置具有很强的实用价值. 所占比重的同时,也大大降低了工程技术人员使用门槛,但在学习labVIEW语言时存在的问题是供学习使用的硬件不多,价格高的硬件是摆在每一位学虚拟仪器数据采集的学习者很难解决的矛盾,对于希望学习labview的广大工程技术人员而言.开发一种易学易用的成本低廉的智能仪表帮助学习虚拟仪器设计,是很有意义的.基于这种思想,在实验室设计了以单片机为下住机,以labview软件作为上位机的虚拟仪器学 实验平台,该平台价格低,工程技术人员或学生可以通过该平台的学习,很快上手开发实际工程,因而本实验装置具有很强的实用价值. 所占比重的同时,也大大降低了工程技术人员     

基于LabVIEW的多通道实时温度数据采集系统实现

LabVIEW软件是NI公司开发用于测控领域的图形化开发环境,它在数据采集、仪器控制、测量分析和数据显示方面有着明显的优势而得到广泛应用.利用NI的LabVIEW软件、6024E数据采集卡及上润智能仪表实现了多通道温度实时数据采集、存储、分析处理.该方案用较少的投入实现了多通道温度数据采集并在实验室投运达到了预期的效果.此方案也可推广应用到工业过程中.     

基于深度学习模型的风机叶片结冰故障诊断

风力发电机叶片出现结冰现象时若照常工作，不仅会影响经济效益，严重时还会直接损坏叶片等设备引发安全事故。为此提出一种使用KmeansSMOTE的数据平衡方法与应用结冰相关的机理构建新特征和RFECV-DT特征筛选算法相结合的特征工程互补的数据处理方式，之后采用卷积神经网络模型进行训练与预测。实验结果表明，在卷积神经网络模型中采用KmeansSMOTE算法比SMOTE算法准确率提升2.78%。模型采用特征工程时比不采用特征工程相比准确率高出4.77%。与KNN、SVM、LR这些传统模型相比，所有衡量指标均有提升且不存在过拟合现象。所提出的方法，可解决应用SMOTE插值机制所带来的不足并且对特征工程进行精细化设计，也为风机叶片结冰故障诊断问题提供一种新的解决思路。