基于同步补偿法的精密温度测控系统设计

设计了一种高精度温度测控系统。在恒流源测温电路中接入基准电阻作为系统测温的零度基准,放大电路对基准电阻与铂电阻两端的电压差进行放大;采用同步补偿法,在测温电路中接入采样电阻以获取A/D转换所需的参考电压,消除了恒流源电流的波动对系统测温性能的影响;通过分段线性化的方法对铂电阻测温的非线性进行补偿。基于MAX1968构建了高集成度的TEC驱动电路,采用增量式PID控制算法实现高精度的温度控制。实验结果表明,系统测温标准差为0.024℃,控温精度为±0.119℃。     

考虑路径折算的跨省跨区可再生能源增量现货交易模型

随着中国可再生能源的快速发展和电力体制市场化改革的推进,可再生能源实现更大范围消纳和全国统一电力市场建设的需求给跨省跨区电力交易的开展带来新的挑战.结合中国跨省跨区现货交易规则,以"高低匹配"撮合交易为基础,建立了考虑交易路径和输电损耗的增量现货交易模型.为反映交易路径送受端节点类型,在交易路径送端和受端分别设置卖/买方节点和虚拟卖/买方节点.利用该模型分析了输电通道可用容量、可再生能源上网电价和可再生能源弃电申报电量对可再生能源消纳情况的影响.通过中国"三北"地区的实际交易数据开展仿真计算,验证了模型的有效性,并分析了跨省跨区增量现货市场可再生能源消纳情况的关键影响因素.     

电力系统参数空间暂态稳定边界构建及在线快速更新方法

为适应在线暂态稳定分析与控制,提出了一种电力系统参数空间中的暂态稳定边界构建及快速更新方法.对于给定的关键故障和既定故障前后的网络拓扑结构,首先,基于横向可扩展的宽度学习系统,构建了极限切除时间与电力系统参数之间的映射关系.为提高实际故障切除时间阈值附近的预测准确率,通过构建二次比例因子对临界误差进行修正.然后,结合预设故障切除时间阈值确定相应暂态稳定边界,并评估当前系统的稳定裕度.最后,在保证暂态稳定评估准确性的基础上,基于增量学习方法提出了无须重新训练全部网络的在线快速更新策略.通过对IEEE 39节点测试系统和中国南方电网实例系统仿真分析发现,所构建模型能够对系统暂态稳定性进行准确评估,并具有良好的泛化性能.同时,快速更新策略可在保证预测准确率的情况下,大幅减少模型更新时间,为在线暂态稳定评估提供了支撑.     

考虑源荷储协同优化的增量配售电公司决策模型

增量配售电公司(IDR)具有灵活性资源多元化、经营方式复杂化的特点.合理制定购售电策略、充分利用灵活性资源是IDR提升市场竞争力的关键.为此,考虑源荷储规划和运行的特点,提出了IDR多时间尺度源荷储协同优化综合决策模型.首先,从当前中国电力中长期交易向现货市场过渡的实际需求出发,构建了基于电量合约分解曲线的IDR购电模型.其次,采用用户价格弹性和消费者心理学理论模拟了零售环节中用户的合同类型选择与可中断负荷响应行为.然后,以最大化经营利润为目标,构建了面向IDR合同购电组合、售电定价、用户侧可中断负荷采购与调用、储能配置与运行等决策的综合优化模型.最后,以某区域IDR为例进行仿真分析,结果表明通过综合优化源荷储决策,IDR可以灵活应对合约价格和代理用户结构的变化,最大化自身利润.     

Surface reconstruction for incremental forming

In spite of extensive efforts being made with regard to virtual process optimization technology, the production of prototype parts is still a necessity. With respect to the production of sheet metal parts in low quantities, incremental sheet metal forming (ISMF) is a highly interesting process. ISMF allows the production of complex parts with drastically reduced costs in tooling and machinery compared to conventional processes like deep drawing. However, ISMF, with it’s incremental nature, introduces the need for generating a tool path considering both final geometry and process-induced deviations or constraints. Consequently, for the generation of the tool path a (tool path) surface, with an adequate offset, is necessary. That is why, within the scope of extensive research work at the Institute of Forming Technology and Lightweight Construction (IUL), a special correction module has been developed, determining this offset e.g. depending on the workpiece geometry. This paper presents the algorithm, the application, and the effect on the produced parts. Furthermore, a concept for an extension regarding further constraints like elastic workpiece behavior is presented.     

基于有限元仿真的金属板材单点渐进成形分析

目前对板材单点渐进成形新型工艺的研究多是通过物理试验,从金属宏观位移的角度分析成形过程的一般规律,研究成形参数对成形能力的影响,而无法获得成形过程中真实的变形过程。文章基于刚粘塑性有限元法,应用实体单元,对渐进成形中在直线轨迹和曲线轨迹下的板材成形过程进行数值模拟,分析成形过程中各部分应力、应变的特点,并深入探讨了渐进成形过程的成形机理。研究表明,成形过程中,变形区可以划分为4个具有显著差异的区域考察变形特点;在工具头局部成形时,变形金属在压应力的作用下变形,具有更高的成形极限。     

基于样本密度和分类误差率的增量学习矢量量化算法研究

作为一种简单而成熟的分类方法, K最近邻(K nearest neighbor, KNN)算法在数据挖掘、模式识别等领域获得了广泛的应用, 但仍存在计算量大、高空间消耗、运行时间长等问题. 针对这些问题, 本文在增量学习型矢量量化(Incremental learning vector quantization, ILVQ)的单层竞争学习基础上, 融合样本密度和分类误差率的邻域思想, 提出了一种新的增量学习型矢量量化方法, 通过竞争学习策略对代表点邻域实现自适应增删、合并、分裂等操作, 快速获取原始数据集的原型集, 进而在保障分类精度基础上, 达到对大规模数据的高压缩效应. 此外, 对传统近邻分类算法进行了改进, 将原型近邻集的样本密度和分类误差率纳入到近邻判决准则中. 所提出算法通过单遍扫描学习训练集可快速生成有效的代表原型集, 具有较好的通用性. 实验结果表明, 该方法同其他算法相比较, 不仅可以保持甚至提高分类的准确性和压缩比, 且具有快速分类的优势.     

基于磁盘存储1项集计数的增量FP＿GROWTH算法

随着数据集规模的不断增大,提高频繁项集的挖掘效率成为数据挖掘领域的研究重点。频繁项集的增量更新挖掘算法因其可以利用已挖掘发现的信息提高对新数据集的挖掘效率,成为重要的研究方向。但现有频繁项集增量更新算法大多基于APRIORI算法框架,性能提高有限。最近出现的建立在FP‐T REE等树形结构上的增量更新算法又往往存在树形结构调整困难、已发现频繁项集及树形结构保存效率较低等问题,算法性能有待进一步地提高。对此,通过分析增量挖掘过程中的关键信息,提出了一种基于磁盘存储1项集计数的增量FP＿GROWTH算法（IU＿FPGROWTH＿1COUNTING）。该算法无需保存临时树形结构及临时挖掘结果,可以在原数据集及支持度均发生变化时,减少FP＿GROWT H算法对数据集的扫描,提高频繁项集的挖掘效率。在生成以及真实数据集上进行了验证实验以及性能分析,结果表明IU＿FPGROWTH＿1COUNTING是一种有效的频繁项集增量更新挖掘算法。     

基于日志分析的增量数据捕获方法研究

通过扫描数据库日志文件可以捕获变化数据,但已有研究仅适应某种特定类型的数据库管理系统并且缺乏对冗余信息的消除。针对上述不足,提出一个基于日志分析的增量数据检测及其净效应处理通用模型,描述增量检测过程中的通用处理步骤,即日志抽取、日志分析和净效应处理3个模块。通过实验对净效应处理速度、冗余数据压缩率、网络传输速度等因素进行分析,结果表明,净效应处理可以有效地减少数据的网络传输时间和更新时间,提高运行效率。     

一种用于软测量建模的增量学习集成算法

针对软测量模型在实际应用中遇到的问题, 结合AdaBoost 集成学习思想, 提出适用于软测量回归的集成学习算法, 以提高传统软测量模型的精度. 为了克服模型更新技术对软测量实际应用的制约, 将增量学习机制加入软测量集成建模中, 使软测量模型具有在线实时更新的增量学习能力. 对浆纱过程使用新方法建立上浆率软测量模型, 并使用实际生产数据对模型进行检验, 检验结果表明, 该模型具有很好的预测精度, 并能够较好地实现在线更新.