TCSC与发电机汽门的综合非线性控制

针对TCSC与发电机汽门的综合控制,研究了一种基于支持向量机(SVM)逼近的非线性控制器.依据泰勒扩展式,探讨了一种新的输入输出辨识方法,以此直接得到控制律,并由SVM建模来实现.在模型辨识与控制律设计中,采用普通的SVM学习方法,而无需离线或在线的学习优化.基于Lyapunov方法,文章给出了控制器的鲁棒性与闭环稳定性的证明.仿真实验验证了该控制器的有效性.     

基于支持向量机的发电机组逆模型控制

针对同步发电机组这个非线性、工况复杂的多变量控制对象,研究了一种基于支持向量机的发电机组逆模型控制方法.根据采集到的输入输出样本数据,首先由支持向量机网络来辨识发电机组的逆模型,以此作为逆控制器没计的基础.随后.分析了2种不同的逆模型控制器,即直接逆模型控制和具有线性补偿的逆模型控制.仿真研究表明,支持向量机逆模型控制器具有优良性能,而且线性补偿逆模型控制比直接逆模型控制的性能更优,鲁棒稳定性更好.     

液压抽油机动态功率匹配研究

基于二次调节技术蓄能器储能式液压抽油机在工作时,悬点速度不稳定,与负载液压缸相连的变量泵/马达输入或输出的功率和与蓄能器相连的变量泵/马达输出或输入的功率不匹配,导致电机功率不稳定,甚至电机反转。根据系统能量转化关系提出基于前馈控制的动态功率补偿原则,仿真结果表明:两个周期内电机功率波动减小,且在悬点速度变化过程中不会逆向运转向电网供电,实现了与蓄能器相连的变量泵/马达排量自适应调节。抽油机悬点载荷受随机的不确定干扰时,采用降维观测器重构负载扰动,并通过前馈控制消除负载扰动对系统输出的影响。仿真结果表明:该控制减小抽油杆速度的超调量,提高了速度稳态精度,实现了与负载液压缸相连的变量泵/马达排量自适应调节。     

SF6气体毒性生物试验新老平台对比及评价

SF_6气体毒性生物试验是SF_6气体全分析中一个必不可少的项目,其关乎设备安全运行及人员人身健康。现行SF_6气体毒性生物试验设备简陋,需要耗费大量时间和人力,试验效率很低,已经难以满足当前电力建设高速发展的需求。安徽电科院研制的智能SF_6气体毒性生物试验装置具有多通道高精度高稳定性配气技术、智能控制技术、视频监视与远程控制技术、自动报警技术等。该装置功能齐全,结构紧凑,高效智能,便于移动等,能够有效地提高试验效率,极大减轻人员的工作负荷。本文通过试验操作来对比两个装置的性能,并对此做出评价与建议。     

一种模糊支持向量机控制器的研究

将支持向量机与模糊逻辑相结合,设计了一种模糊支持向量机控制器,并分析了控制器的结构和学习算法.学习过程分为离线学习支持向量机和在线整定模糊比例因子两部分.与模糊神经网络控制器相比,模糊支持向量机控制器适应小样本学习,泛化能力强,解决了过学习、结构设计依赖经验等问题.仿真研究表明,所设计的控制器具有较优的控制性能.     

支持向量机-模糊推理自学习控制器设计

常规的模糊推理系统大多由专家经验建立模糊规则,自学习能力不强.提出了一种支持向量机-模糊推理系统,由支持向量机实现模糊推理系统的自学习,并设计了一种支持向量机-模糊推理自学习控制器.文章给出了自学习控制器的结构和学习算法,对比研究了变尺度梯度优化和混沌优化两种学习算法.针对非线性对象的仿真实验验证了该控制器的优良性能,控制效果比模糊逻辑控制器更好.     

高铁电能质量监测及自动补偿系统研究

针对高铁电能质量谐波污染和功率因数低的问题,提出基于静态无功补偿器(SVC)+有源电力滤波器(APF)的新型电能质量监测系统设计方案。该方案通过高精度、高采样频率的电压和电流互感器采集数据,建立以SVC补偿为主,APF精确补偿为辅的新一代混合滤波装置,通过补偿容量分配单元实现SVC和APF的协同工作,完成实时电网无功补偿和谐波治理。最后,将研制的样机产品应用于实际的某牵引变电所验证该方案的可行性。     

机械臂卷积神经网络滑模轨迹跟踪控制

针对工业技术的发展对于多关节机械臂的精度与快速控制高要求,提出了一种机械臂卷积神经网络滑模轨迹跟踪控制方法。分析机械臂动力学方程,提取其中的不确定部分,针对不确定部分,构建深度卷积神经网络对其进行补偿,将补偿部分引入到滑模控制律中,通过改进后的滑模控制实现对机械臂轨迹跟踪的精确控制,并通过构建Lyapunov函数论证了系统的稳定性。仿真结果显示该方法能够满足轨迹跟踪要求,且减小了抖振现象。通过与其余三种典型控制方法的对比,测试结果表明,该方法加快了轨迹跟踪误差的收敛,且跟踪精度有了明显的提高。     

一种分层Mean Shift目标跟踪算法

针对经典Mean shift (MS)目标跟踪算法的颜色特征鲁棒差、匹配迭代复杂的缺点, 提出一种分层Mean shift (Hierarchical mean shift, HMS)目标跟踪算法. 首先通过MS迭代将目标区域特征空间的数据点聚类于模式点, 使得以简洁的方式描述前景跟踪目标, 建立目标模型与目标候选模型的聚类模式点描述, 进行聚类块匹配. 然后, 导出聚类块模式点匹配下的相似度量函数, 进行像素点匹配, 结合邻域一致性, 计算像素平移量, 分层估计序列帧中跟踪目标质心模式点的位置, 并给出HMS匹配迭代跟踪算法. 实验结果表明, 与其他两种MS跟踪算法相比, HMS既能提高序列帧跟踪目标表达与匹配的鲁棒性, 又无需匹配所有数据点, 算法简洁且有效可行.     

时空双路3D残差卷积网络的视频烟雾检测

现有的视频烟雾检测方法大多通过运动检测提取疑似烟区,并依据经验手工设计提取烟雾特征,在复杂场景中检测准确率不高。针对以上问题,提出了一种基于时空双路3D残差卷积网络的视频烟雾检测方法,基于混合高斯背景模型与原始视频帧的小波低频分量差进行疑似烟区提取,其次构造时空双路3D残差卷积神经网络,并引入注意力机制加权融合烟雾时空域特征,实现端对端的烟雾识别。实验结果表明,该方法可以得到更为完整的疑似烟区,尤其对于过于稀薄和浓厚的烟雾分割效果较好,且相比于传统的烟雾检测方法和2D的烟雾检测卷积网络,在烟雾检测准确率上得到了提高。