永磁同步电机多采样率修正随机梯度辨识

结合多项式变换技术,推导永磁同步电机多采样率系统参数回归模型,在随机梯度辨识算法中引入收敛指数ε,提出多采样率系统修正随机梯度辨识算法。随着收敛指数值的减小,该算法使电机多采样率模型参数辨识过程的收敛速度和精度指标均得到提高。仿真和实验结果证明了该算法的有效性。     

弱条件下随机梯度算法性能分析

在弱条件下,利用随机鞅理论详细研究了随机梯度辨识算法的收敛性能.分析表明,只要信息向量是持续激励的(或数据乘积矩矩阵条件数有界),过程噪声是零均值不相关的,那么参数估计一致收敛于真参数.这一结论并不要求一些文献中所作的苛刻假设成立,既没有假设噪声方差和高阶矩存在,又没有假设系统是平稳和各态遍历的,也没有假设强持续激励条件成立.这一贡献放松了随机梯度算法的收敛条件.噪声方差有界和无界时的仿真例子证明了提出的收敛结论.     

两步EFOP参数估计的递推算法

经验频域最优参数（EFOP）估计方法是基于时域估计和频域估计的一种系统辨识方法．其优点在于能够降低噪声影响，对小样本数据的随机系统具有较好的辨识效果．利用松弛算法而建立的两步EFOP方法，可适用于ARMA和Box-Jenkins等模型．文中对受干扰的随机系统，推导出两步EFOP方法的递推算法．对新的递推算法进行了仿真，并利用实验结果分析和验证了该算法的有效性．     

SiC/(W,Ti)C梯度陶瓷喷嘴的设计与制备

针对磨料喷射加工中陶瓷喷嘴在出、入口磨损最严重，而中间区域磨损相对较小的特点，提出将梯度材料理论运用于喷嘴材料的设计和制造中，研发梯度陶瓷喷嘴材料。通过控制陶瓷喷嘴材料的成分，使其沿喷嘴轴向呈梯度变化，从而使陶瓷喷嘴材料制备过程中于喷嘴入口表层形成残余压应力，达到缓解陶瓷喷嘴在使用过程中所产生的应力，提高其使用寿命的目的。建立了梯度陶瓷喷嘴的物理模型、物性参数模型及成分分布模型。采用有限元方法分析了SiC/(W,Ti)C单梯度陶瓷喷嘴分布指数P对应力的影响，确定了SiC/(W,Ti)C单梯度喷嘴最佳分布指数为0.5。以本设计模型和有限元分析结论为基础，制备了SiC/(W,Ti)C单梯度陶瓷喷嘴。     

基于具有时间隧道思想的多智能体强化学习的智能发电控制方法

解决雾霾问题的重要途径之一是大规模引入新能源,以减少碳排放.而新能源大规模接入会给互联电网带来强随机扰动.本文提出一种基于时间隧道的多智能体新算法——PDWoLF-PHC(λ)算法.该算法基于变学习率,有效获取最优控制,可解决传统集中式AGC难以解决的新能源及分布式能源大规模接入互联电网所带来的随机扰动问题,促进新能源与电力系统兼容.对改进的IEEE标准两区域负荷频率控制电力系统模型、智能配电网模型以及华中电网模型进行仿真,结果显示该算法可减少碳排放,提高新能源利用率,与已有智能算法相比具有更快的收敛速度及更强的鲁棒性.     

基于深度强化学习的泛在电力物联网综合能源系统的自动发电控制

包含超大规模分布式能源、负荷以及冷热电联产的泛在电力物联网的综合能源系统是未来发展趋势.由于泛在物联将给电网带来强的随机扰动问题,传统的自动发电控制(automatic generation control, AGC)方法已无法满足如此大规模复杂综合能源系统的频率稳定.机器学习是解决复杂能源系统AGC强随机扰动的一种有效方法.然而这种超大规模的泛在物联将给AGC求解带来维数灾问题.本文针对DDQN-AD(double deep Q networkaction discovery)算法中经验缓存机制构建问题,提出了一种基于比例优先级采样机制的深度强化学习算法PRDDQN-AD(prioritized replay DDQN-AD),以解决机器学习中多维状态-动作对的维数灾问题,进而解决泛在电力物联网综合能源系统模式下的随机扰动问题.对源网荷储协同的两区域综合能源系统模型和集成了大量源、网、荷、储及冷热电联产的多区域泛在电力物联网综合能源系统模型进行仿真.结果表明,与改进前的DDQNAD算法相比, PRDDQN-AD能够提升训练样本的质量,具有良好的学习效率和泛化性能,能够解决维数灾问题;与其他智能算法相比,其收敛速度和控制性能均有明显提升,可获得区域最优协同控制.     

利用共轭梯度法反演钢包内钢液温度分布

为提高钢铁生产中浇铸的命中率，需对钢包内钢液温度进行测量，传统方法是用热电偶直接测量，但热电偶易损坏、成本高，且测点数目有限，不能完全反应钢液温度分布情况。针对上述问题，提出使用共轭梯度法（CGM）反演钢液温度分布。建立钢包的二维稳态传热模型，采用有限元法对钢包传热模型进行离散，获得钢包传热系统温度场；通过构建误差信息最小化函数，建立反演模型，利用CGM对刚包内钢液温度分布情况进行反演。并对某80t钢包模型仿真试验。试验证明，利用上述传热学反问题能够有效的对钢包内钢液的温度分布情况进行辨识，证实了通过传热学反问题方法辨识钢包内钢液温度分布的有效性，为钢包内钢液温度的准确识别提供新的技术手段。     

一种最优抗扰自适应控制

针对含未知干扰系统研究了具有最优抗扰性能的自适应控制问题.利用对象参数的先验知识和量测数据构成可实时更新的非空模型集合,以系统的整体性能指标为辨识准则,在模型集内优化选取最优标称模型,完成对象模型的在线最优辨识.然后根据-1优化设计方法以闭环系统整体性能为指标,在线设计最优闭环控制器.上述两方面结合起来给出了一种最优自适应控制策略.由于辨识准则与控制目标是一致的,文中的方法能够有效地解决自适应系统的性能优化问题和辨识与控制的相互配合等问题,且能给出可验算的性能指标.     

基于粗粒度单元的离群点检测算法研究

对现有的基于单元的算法进行改进，利用KNN算法思想得到距离与比例参数的合理先验值，以加快离群点检测的收敛速度；同时通过扩大单元粒度，减少了单元区域查询次数与算法的空间复杂度，从而在整体上提高了离群点的检测效率。通过实验，验证了改进后算法的可行性，同时比较了其与原算法在不同参数下的性能优劣。     

最小迹扩展集员估计

针对扩展Kalman滤波器(EKF)在进行非线性估计时一致性较差的问题,提出了适于一类高阶非线性系统的最小迹扩展集员估计算法(LTESMF).该算法通过引入反馈机制实现观测更新,避免了椭球相交计算.算法用估计误差定界椭球参数矩阵的迹作为优化目标,迭代优化反馈系数.本文还提出用随机状态边界度量的收敛性来评价随机系统稳定性.并用该方法证明了LTESMF的估计误差能收敛到有界区域内.最终仿真结果表明,LTESMF的估计结果的稳态精度接近EKF,计算算效率与EKF相当,估计结果的一致性和收敛速度明显高于EKF.