质子交换膜燃料电池混合建模研究

支撑向量机（SVM）理论完备,泛化能力强,很适合对燃料电池建模。但是建立高维SVM模型需要大量的实验数据,为了克服这一困难,使用SVM和压力增量机理模型相结合的方法对质子交换膜燃料电池进行混合建模：SVM模型只考虑电流和温度对电压的影响,而压力增量模型则在此基础上预测阴极压力和阳极压力对电压的影响。混合后的模型能够预测不同电流、温度、阴极压力和阳极压力下的输出电压。结果表明这种方法建立的数学模型误差小于1.6%,能够达到很好的拟合精度。     

质子交换膜燃料电池空压机系统与能流分析

首先,从质子交换膜燃料电池电堆阴极的需求对空压机出口压力、流量进行理论分析;然后,根据能量守恒原则从整体上对质子交换膜燃料电池供气系统中双螺杆压缩机的能流进行分析。通过分析可知:空气供给系统电机的控制与电机特性、压缩机特性、电机的转速、电堆控制输出对象均密切相关。     

基于稀疏自编码神经网络的抽油机井故障诊断

针对传统示功图识别方法对抽油机井进行故障诊断存在人工选取示功图几何特征,识别准确度低等问题,提出一种基于稀疏自编码神经网络的示功图智能识别模型。采用无监督学习方式的稀疏自编码器构建特征学习网络自动提取无标签示功图训练集图像特征,然后采用有标签示功图训练集对softmax分类器进行有监督训练,最后通过稀疏自编码神经网络对学习到的有标签示功图测试集特征进行分类并给出故障诊断结果。结果表明,将稀疏自编码神经网络应用于示功图识别,测试准确度能够达到99.44%,优于其它分类模型。稀疏自编码神经网络直接从像素层面提取所需要的特征,不需要人为选定设计特征,为提高示功图识别准确度提供了帮助,进而解决了抽油机井故障难以准确诊断的难题。     

复杂设备的网络化远程监控及故障诊断系统

复杂设备由于其系统组成的复杂性,其故障诊断往往需要多方面技术人员协同工作来完成,诊断时间长、误诊率高一直是复杂设备诊断和维修的瓶颈问题。为解决这一问题,本文提出了一种C/S和B/S混合结构模式的网络化分布式远程监控与故障诊断系统的解决方案,该方案将嵌入式技术和网络技术相结合,实现对复杂设备的状态监控、故障预警和多级故障诊断,系统具有高效性、灵活性等优点。     

PID调节器参数自寻优控制在运动伺服中的应用

为了寻找一种简单有效的数字PID调节器参数的自寻最优控制方法,先论述了数字PID调节器的原理,后讨论了在运动伺服系统中的具体应用.为强调系统响应的快速、稳定,在对常用目标函数误差绝对值与时间积的积分进行分析后提出了一种目标函数即误差绝对值与时间商的积分,并编写了相应的软件应用单纯形加速法进行参数搜索寻优.最后在具体硬件平台上进行了验证,结果证明此方法可行.