基于台达PLC的水箱液位串级控制系统

本文介绍了2015年第二届台达杯高校自动化设计大赛的一个一等奖设计作品。通过对设计过程的回顾,总结了水箱液位串级控制方案总体的设计理念和设计方法。运用机理建模建立被控对象数学模型,通过对PLC下装程序,对触摸屏进行组态,采用PID串级控制,实现了对双容水箱液位快速、稳定、准确的控制。通过用simulink分别对串级控制和单回路控制进行仿真,响应曲线控制效果对比十分明显,当被控对象难以控制时体现了串级控制的优势。     

基于DCS的神经网络控制的工程实现

介绍了LN2000分散控制系统的软件设计方案。在系统功能模块的设计过程中,充分利用先进控制策略在热工过程控制中的应用研究成果,设计并开发了先进控制算法模块。详细介绍了该模块的输入输出变量和参数设置,论述了模块内部进行的手自动无扰切换的处理方法。针对火电厂主汽温被控对象,采用基于单个神经元的自适应控制器组成串级控制系统,利用LN2000分散控制系统平台,进行实时仿真研究。结果表明,采用基于单个神经元的自适应控制器的主汽温串级控制系统具有良好的跟踪性能和较强的鲁棒性。     

一种改进的遗传算法及其在热工过程控制中的应用

设计了一种改进的快速遗传算法。该算法采用浮点数编码方法、排序选择、最优保存策略、分组并行运算等措施，有效抑制了算法早熟，提高了算法的全局和局部搜索能力。在Matlab平台上编制了通用算法程序，用于控制系统参数优化、热工对象模型辨识。仿真研究表明，该算法是一种简单易行的实用寻代方法。     

单神经元自适应控制在DCS中的实现研究

在自行研制开发的LN2000分散控制系统中，设计并开发了单神经元自适应控制功能模块，详细介绍了该模块的输入输出变量和参数设置，论术字模块内部进行的手、自动无扰切换的处理方法。针对火电厂主汽温被控对象，采用单神经元自适应控制器组成串级控制系统，利用LN2000分散控制系统平台，进行实时仿真研究，结果表明，采用单神经元自适应控制器的主汽温串级控制系统具有良好的跟踪性能和较强的鲁棒性。     

基于仿真技术的火电厂控制系统设计与研究平台

介绍了仿真技术、DCS技术和控制系统计算机辅助设计的发展.分析了针对DCS的三种仿真模式,介绍了虚拟DCS技术的出现及再现DCS的主要形式,分析了不同技术之间的融合,包括仿真技术引入DCS、辅助设计与虚拟DCS平台的结合.并以此为基础,结合以往的经验,设计开发了基于仿真技术的火电厂控制系统设计与研究平台.为科研、教学、培训人员提供了一个统一的技术平台,更加有利于新技术的实践应用、现场生产问题的分析与解决以及热工与运行人员的高层次培训.     

基于损失函数的SVM算法及其在轻微故障诊断中的应用

尽早识别轻微故障，对提高生产过程设备运行的安全性具有重要意义。为实现对设备轻微故障的正确识别和及时诊断，该文提出了一种基于损失函数的支持向量机(SVM)算法。应用模糊理论的方法对支持向量机分类及最优分类面进行了解释，对可疑分类区列出了模糊隶属度的表达式。针对故障诊断等问题中误判造成的损失不同这一特点，定义了基于损失函数的模糊隶属度，并得出了修正后的最优分类面。SVM算法可以实现对设备轻微故障的准确识别，并可近似地判别故障的严重程度。文中以汽轮机减速箱轴承运行状态诊断为例，对样本数据经K-L变换后进行可视化研究，分类结果表明了该算法的可行性。     

具有对负荷变化前馈补偿的过热汽温系统预测函数控制

提出了具有对负荷变化前馈补偿的过热汽温系统预测函数控制策略，控制算法简单，易于工程实现，具有很高的实际应用价值。仿真结果表明，采用该新型控制策略的系统的动态品质明显优于采用PID串级控制策略的系统，而且系统克服负荷扰动的能力比采用PID串联控制策略和未加对负荷变化前馈补偿的PFC－PID串联控制策略的系统有了明显的提高。     

基于多类支持向量机的汽轮发电机组故障诊断

故障诊断实现的瓶颈之一是故障样本的缺乏.支持向量机方法是专门针对小样本情况的,其目标是得到现有信息下的最优解而不仅仅是样本数趋于无穷大时的最优值.两类支持向量机(SVM)用于模式识别具有最优的推广能力,对于常见的多类识别问题,需要构造多类SVM.该文基于决策树的构造方法构成多类SVM(DTSVM),在小样本情况下对汽轮发电机组故障诊断进行了仿真研究,结果表明了该方法的有效性.     

融合VAE和StackGAN的零样本图像分类方法

零样本分类算法旨在解决样本极少甚至缺失类别情况下的分类问题。随着深度学习的发展,生成模型在零样本分类中的应用取得了一定的突破,通过生成缺失类别的图像,将零样本图像分类转化为传统的基于监督学习的图像分类问题,但生成图像的质量不稳定,如细节缺失、颜色失真等,影响图像分类准确性。为此,提出一种融合变分自编码(variational auto-encoder, VAE)和分阶段生成对抗网络(stack generative adversarial networks, StackGAN)的零样本图像分类方法,基于VAE/GAN模型引入StackGAN,用于生成缺失类别的数据,同时使用深度学习方法训练并获取各类别的句向量作为辅助信息,构建新的生成模型stc-CLS-VAEStackGAN,提高生成图像的质量,进而提高零样本图像分类准确性。在公用数据集上进行对比实验,实验结果验证了本文方法的有效性与优越性。     

基于图知识推理的输电线路缺销螺栓识别方法

针对输电线路缺销螺栓识别任务中存在的视觉不可分与样本不平衡问题,提出了基于图知识推理的输电线路缺销螺栓识别方法。首先通过知识表达模块学习到各类螺栓有判别力特征的类别表示;然后深入挖掘螺栓数据集中螺栓种类之间的相关性,提取出标签共现信息;最后将类别表示作为输入特征,以静态图和动态图的相关概率矩阵表征标签共现信息,通过知识推理模块完成图知识的传播与增强,从而实现缺销螺栓的识别。在实验阶段,将所选取的3类金具上的6种螺栓作为实验对象。对比实验结果表明,本文方法对缺销螺栓的识别效果优于其他方法,较原始模型提升了9.13%的准确率。消融实验结果表明,本文所提取的螺栓类别表示、静态图及动态图信息均能够提升缺销螺栓的识别效果。