|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺
.jpg){kind=logo}
火電機組深度調(diào)峰多模型智能預(yù)測控制系統(tǒng)
火電機組深度調(diào)峰改造是消納可再生能源的有效途徑，深度調(diào)峰就是在自動控制的情況下將機組的負(fù)荷調(diào)節(jié)下限從原來的50%Pe下調(diào)至30%Pe，甚至更低。控制難點在于：當(dāng)機組處在低負(fù)荷工況時，機組被控過程的動態(tài)特性具有快速變化的特征，常規(guī)控制策略難于有效控制。 本項成果采用多模型智能預(yù)測控制技術(shù)，分別提出了適合于亞臨界和超（超）臨界機組深度調(diào)峰的多模型智能預(yù)測控制系統(tǒng)，實現(xiàn)了在低負(fù)荷或超低負(fù)荷工況下的平穩(wěn)控制。 本項成果已成功應(yīng)用于華能丹東、華能大連、華能營口、華能井岡山、華能大壩、國投欽州、大唐當(dāng)途、中鋁銀星、國信射陽港、國華籌光等電廠近30臺300MW亞臨界、600MW和1000MW超（超）臨界機組的深度調(diào)峰中。特別是，已成功將華能營口電廠#4 600MW超超臨界機組的負(fù)荷深調(diào)到15%Pe，并實現(xiàn)了機組”干態(tài)/濕態(tài)”的一鍵轉(zhuǎn)換控制，達(dá)到了國內(nèi)外最先進的深調(diào)水平。目前，在國內(nèi)已完成的機組深度調(diào)峰改造中，大部分均采用了本深調(diào)優(yōu)化控制技術(shù)，得到了廣大用戶的一致好評。
東南大學(xué)
2021-04-13
.jpg){kind=logo}
基于Kriging模型的風(fēng)力機齒輪箱故障診斷方法
成果簡介：本發(fā)明公開了一種基于Kriging模型的風(fēng)力機齒輪箱故障診斷方法。本發(fā)明具有診斷結(jié)果快速準(zhǔn)確、非線性擬合效果好、使用靈活、計算量小的優(yōu)點，能夠為實現(xiàn)風(fēng)力機齒輪箱故障在線診斷奠定基礎(chǔ)。市場預(yù)測：2015年全國（除臺灣地區(qū)外）新增安裝風(fēng)電機組16740臺，新增裝機容量30753MW，同比增長32.6%；累計安裝風(fēng)電機組92981臺，累計裝機容量145362MW，同比增長26.8%。同時，隨著風(fēng)電機組運營時間累積，
長沙理工大學(xué)
2021-01-12
大學(xué).jpg){kind=logo}
多模態(tài)多特征融合的腦電信號分類與定位模型
北京工業(yè)大學(xué)
2021-04-14
.jpg){kind=logo}
一種直線感應(yīng)電機多步長模型預(yù)測控制方法
本發(fā)明公開了一種直線感應(yīng)電機多步長模型預(yù)測控制方法，包 括如下步驟：(1)采集直線感應(yīng)電機的狀態(tài)變量及角速度；(2)求解無約 束條件下的電機輸入電壓矢量最優(yōu)值；(3)判定最優(yōu)值是否滿足電壓約 束條件，若滿足，則進入步驟(5)，否則進入步驟(4)；(4)以滿足電壓約 束條件為目標(biāo)更新最優(yōu)值；(5)判定最優(yōu)值是否滿足電流約束條件，若 滿足，則進入步驟(7)，否則進入步驟(6)；(6)以滿足電流約束條件為目標(biāo)更新最優(yōu)值；(7)根據(jù)電機輸入電壓矢量最優(yōu)值計算三相橋臂的占空 比，將其送給逆變器調(diào)制電機工作狀態(tài)
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
基于模型預(yù)測的污水處理節(jié)能減排智能優(yōu)化系統(tǒng)
該技術(shù)通過自適應(yīng)模型參數(shù)校準(zhǔn)的方法，克服此項技術(shù)應(yīng)用的瓶頸。用戶的投資可以通過節(jié)省能源費用的方式迅速得到回收。節(jié)省 20-30%的供氣能源；總氮去除率增加 30%，減少剩余污泥排放 10%，出水水質(zhì)更加穩(wěn)定，減少溫室氣體排放 10%，減少操作員工工作負(fù)荷 40%。
揚州大學(xué)
2021-04-14
.jpg){kind=logo}
基于投影數(shù)字高程模型的正射影像鑲嵌線自動提取方法
本發(fā)明公開了一種基于投影數(shù)字高程模型的正射影像鑲嵌線自動提取方法，包括步驟：步驟 1，獲 取單片正射影像的投影數(shù)字高程模型；步驟 2，確定待鑲嵌正射影像對；步驟 3，將待鑲嵌正射影像對 的投影數(shù)字高程模型按地理坐標(biāo)疊加獲得疊加圖像，將疊加圖像二值化得到二值疊加圖像；步驟 4，采 用圖像形態(tài)學(xué)方法提取二值疊加圖像的骨架線獲得骨架線網(wǎng)絡(luò)，采用 Dijkstra 算法在骨架線網(wǎng)絡(luò)中搜尋 最短路徑，即待鑲嵌影像對的鑲嵌線。本發(fā)明方法能自動獲取高質(zhì)量的正
武漢大學(xué)
2021-04-14
一種基于靜態(tài)紋理模型聚集的動態(tài)紋理識別方法
本發(fā)明公開了一種基于靜態(tài)紋理模型聚集的動態(tài)紋理識別方法，提出了識別動態(tài)紋理并不需要對整 個復(fù)雜的運動過程建模，可以繞開對運動模式進行數(shù)學(xué)建模這一瓶頸，直接將動態(tài)紋理視為若干幀靜態(tài) 紋理圖像的聚集，從而將其轉(zhuǎn)化為靜態(tài)紋理分類問題，最后通過聚集靜態(tài)紋理模型識別動態(tài)紋理。而關(guān) 于靜態(tài)紋理識別目前有很多成熟有效的算法。本發(fā)明利用現(xiàn)有的靜態(tài)紋理模型算法，將其拓展至動態(tài)紋 理識別的應(yīng)用，建立基于靜態(tài)紋理模型聚集的動態(tài)紋理識別框架，推動了動態(tài)紋理識別技術(shù)發(fā)展，實現(xiàn) 了高效快速識別動態(tài)紋理。
武漢大學(xué)
2021-04-14
基于遙感影像的特征函數(shù)空間濾值回歸模型并行化方法
本發(fā)明公開了一種基于遙感影像的特征函數(shù)空間濾值回歸模型并行化方法，本發(fā)明針對遙感影像數(shù) 據(jù)回歸建模過程中變量空間自相關(guān)性對模型的影響，提出采用特征函數(shù)空間濾值方法，通過將影像進行 分塊，利用搭建的并行計算集群進行分布式計算，最后將分塊計算的結(jié)果返回給主節(jié)點匯總，通過對比 串行和并行分別得到的回歸模型擬合評價參數(shù) MSE、RMSE、R2、Adj.R2 以及并行加速比 S，驗證基于 遙感影像的特征函數(shù)空間濾值并行方法在空間統(tǒng)計回歸建模中能夠消除空間
武漢大學(xué)
2021-04-14
一種考慮飽和效應(yīng)的永磁同步電機模型構(gòu)建方法
本發(fā)明公開了一種永磁同步電機模型構(gòu)建方法，同時考慮了電 機的結(jié)構(gòu)凸極效應(yīng)和飽和凸極效應(yīng)，結(jié)構(gòu)凸極系數(shù)考慮永磁同步電機， 特別是內(nèi)置式永磁同步電機由于結(jié)構(gòu)引起的交直軸磁路不對稱的凸極 效應(yīng)；飽和凸極系數(shù)考慮由于磁路飽和引起的交直軸不對稱的凸極效 應(yīng)；基于所述結(jié)構(gòu)凸極效應(yīng)和飽和凸極效應(yīng)給出一個的可辨識參數(shù)的 非線性電機電感矩陣，從而建立永磁同步電機模型。本發(fā)明通過獲得 考慮飽和后的更準(zhǔn)確的電感參數(shù)，來更好的構(gòu)建電機模型和分析電機 的非線性性能，使得電機在非線性工作狀態(tài)下控制更準(zhǔn)確。
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
體育賽場、危險化學(xué)品事故預(yù)警模型及應(yīng)急預(yù)案編制技術(shù)
人群擁擠踩踏事故風(fēng)險理論研究對于大型建筑性能化設(shè)計，人群疏散及管理等有重要應(yīng)用意義。目前該研究處于起步階段，僅僅停留在現(xiàn)象表面。故本課題組通過對人群擁擠踩踏事故風(fēng)險特征分析提出人群擁擠踩踏事故風(fēng)險理論并建立相關(guān)模型，并以此為基礎(chǔ)建立了擁擠事故的預(yù)警模型，并提出了相應(yīng)的應(yīng)急預(yù)案編制技術(shù)，從而為大型體育賽場的事故的預(yù)警及其應(yīng)急提供理論支持。 隨著我國化學(xué)工業(yè)企業(yè)的規(guī)模和數(shù)量的快速增加，大部分化工企業(yè)都與有毒有害、易燃易爆的危險化學(xué)品打交道。做好危化品的管理，防患于未然固然是企業(yè)的大事。但
南開大學(xué)
2021-04-14