低电平MMC-HVDC样机滤波装置设计

为了确保低电平模块化多电平换流器直流输电(MMC-HVDC)样机注入公共电网的谐波含量符合现有的电能质量标准条例,对其进行配套的滤波装置设计是必要的.文章根据MMC拓扑结构特点,推导出了MMC的等值电路,并将MMC看成一个有多种谐波的谐波电压源,从而设计了MMC交流侧谐波的等效电路.在此基础上,结合MMC-HVDC的调...     

基于模糊聚类和模糊支持向量机的湿法炼锌净化除钴过程建模

提出了一种基于模糊C-均值(FCM)聚类和模糊支持向量机(SVM)方法相结合的湿法炼锌净化除钴过程建模方法。该方法针对样本空间影响支持向量机泛化性能和样本数量影响计算复杂度的问题,首先采用模糊聚类将学习样本分类,然后在各个类的样本空间内采用模糊支持向量机进行训练,并对各支持向量机模型的输出加权作为过程模型的输出。以净化除钴过程生产数据进行实验验证的结果表明,该方法明显减少了模型的训练时间,模型具有精度高、泛化性能好等特点,可以用于净化过程的优化控制。     

模拟退火混合遣传算法及其在锌电解节能中的应用研究

针对电力部门提出的分时计价原则,根据由生产过程数据所建立的不同酸度下电流密度与电流效率间关系,建立锌电解过程分时供电优化模型,并将一种改进的高效模拟退火算法应用于分时供电模型,获得最优的分时供方案。     

复杂过程的集成智能故障诊断技术

对于具有控制复杂,难以精确描述数学模型的复杂过程,提出基于知识的模糊神经网络故障诊断方法。故障检测由基于知识系统实现,通过过程的深层知识获得故障检测产生式规则。故障诊断功能通过模糊神经网络实现。由于该方法不需要对象的精确数学模型,为复杂过程的故障诊断提供了强有力的工具。     

基于映射的高维数据聚类方法

通常,经典的数据聚类算法在低维情况下是有效的,但随着维数的增加,性能和效率都明显的下降,原因在于数据的复杂度是呈指数增长。本文提出了一个处理高维数据聚类的框架,并分析了该框架的性能。     

有色冶炼企业专用铁路运输智能调度系统研究

针对有色冶炼企业铁路运输的特点,设计了有色冶炼企业铁路运输智能调度系统,并对系统实现中的两个关键问题——调度优化和调度模拟进行了深入讨论。提出了基于混合策略的优化调度方法,把企业铁路运输调度优化问题分解成列车分组优化、列车解编优化、进路优化以及取送车优化四个子问题,并采用不同方法分别进行优化,以期得到全局满意解,文中着重论述了取送车排序的优化问题。从调度监控的需要出发,给出了企业铁路站场动静态实体信息描述方法,构建了站场静态网络模型,并定义了调车机车的状态矩阵和轨道状态矩阵,实现了调度计划模拟。文章所提方法在南方某有色冶炼企业的铁路运输调度中得到应用,验证了方法的可行性。     

基于DSP+CPLD的双级矩阵变换器设计与实现

传统矩阵变换器的结构简单,功率密度较高,但其换流问题和复杂的PWM调制方法限制了它在工业领域中的应用.双级矩阵变换器(TMC)在保持传统矩阵变换器所有优点的同时,可使PWM调制算法更加简单.整流端的开关实现了零电流换流,没有传统矩阵变换器中的换流问题.针对TMC的控制要求,提出了一种基于DSP CPLD实现TMC的方法;开发了一套TMC装置.实验结果表明,该TMC具有优良的输入输出特性.     

基于自适应模糊神经网络辨识的电液伺服系统L2增益设计

为克服电液伺服系统不确定性、非线性、估计误差和干扰等因素对系统稳定性和精度的影响，提出了基于自适应模糊神经网络辨识的电液伺服系统L2增益设计方法。用自适应模糊神经网络在线估计包括系统不确定性和非线性在内的未知动态特性，同时用增益自适应变结构补偿自适应模糊神经网络的估计误差，用系统L2增益设计方法抑制干扰对系统的影响，以期使系统对不确定性和非线性具有鲁棒性，而且从干扰到描述系统跟踪误差的评价函数的L2增益小于指定值。     

基于复杂网络时空特性的泡沫图像动态纹理特征分析

基于机器视觉的浮选过程监控方法已经被广泛应用于浮选过程中,泡沫表面纹理特征是过程监控的关键视觉特征之一。当前静态纹理特征只能从空间维度描述图像特征,在时间维度上刻画图像序列的内在变化特性存在不足,不能准确反映浮选泡沫浮选过程动态特性。提出了基于复杂网络时空特性的泡沫图像序列动态纹理特征方法。通过将每帧图像的像素点映射到网络各节点,利用邻接矩阵建立复杂网络模型和网络权值动态演化反应不同时刻的图像特征,基于复杂网络时空特性提取泡沫图像序列的动态纹理特征。结合实际生产数据进行仿真验证,实验结果表明该方法可准确识别浮选动态状况,为浮选生产过程的实时调节提供重要的指导信息。     

锑浮选过程加药量自适应迭代学习控制

针对现有的加药量控制方法需要浮选过程动态模型或是鲁棒性不足的问题, 提出一种基于自适应动态规划 (ADP) 的浮选过程加药量自适应迭代学习控制方法. 首先, 将药剂量控制问题转化为两级优化问题 (问题 1 和问题 2). 其中, 基于前馈控制原理求解问题 1 得出前馈补偿分量以抑制外界扰动. 然后, 采用基于值迭代的 ADP 算法, 求解问题 2 以得到最优反馈增益, 从而设计一个数据驱动的最优加药量控制策略使最终的生产指标 (精矿品位和尾矿品位) 跟踪给定值, 且药剂量消耗最少. 最后, 通过工业生产数据进行仿真验证, 证明所提方法的收敛性和稳定性.