虚拟同步发电机频率稳定性分析

在电力电子逆变器控制领域,通过仿真同步发电机的同步特性来实现的虚拟同步发电机(VSG)技术作为近年来提高电力系统稳定性的主要手段得到了充分的研究,在一定程度上解决了分布式能源(DG)并网系统缺少惯性的问题,提高了系统电网频率的稳定性。然而,当电网强度发生变化时,原有的VSG控制策略并不能维持系统频率稳定性。为了进一步提升VSG对频率稳定性的作用,在传统VSG控制策略的基础上,对电网强度变化时VSG系统的频率稳定性进行了分析,研究了影响电网强度变化的因素,并在此基础上提出,可以通过增大VSG中系统惯量的方法来提高电网强度变化时频率稳定性。最后,通过MATLAB/Simulink仿真工具,验证了所提方法的有效性。     

1420 铝锂合金锻件开裂原因分析与控制

某产品用1420 铝锂合金锻件在存放过程中发生开裂。本文通过对失效锻件进行形貌观察以及

断口、金相和力学性能分析,结合此锻件的制造工艺,分析认为:此锻件的开裂属于延迟开裂;锻件小端转角区

(R 区)存在较大的应力,淬火水冷阶段在R 区内表面形成微小表层裂纹;长期的存放过程中,锻件表面受到腐

蚀,发生应力腐蚀;微裂纹在残余应力及应力腐蚀的作用下缓慢扩展直至发生失稳扩展形成宏观贯穿裂纹,致

使锻件开裂。通过车光锻件内外表面及车光后的荧光检查,有效地预防了此类开裂故障的发生。

     

2A12 铝合金锻坯开裂故障分析

某产品用2A12铝合金锻坯在生产过程中发生开裂故障。本文对开裂锻坯进行了形貌观察与断口分析,并对比研究了热处理后开裂锻坯、未热处理锻坯和原材料铝棒。结果表明:开裂锻坯上的开裂模式为脆性开裂;开裂锻坯上的裂纹形成于热处理过程,形成原因应与锻造工艺控制不当导致锻坯在热处理过程中形成的粗晶有关。     

δ0.05mm薄钢带力学性能测试方法研究

研究了拉伸速率、试样类型、试样表面状态对δ0.05mm薄钢带力学性能测试的影响,通过数据对比,结果表明：拉伸速率对薄钢带的力学性能测试结果影响并不大,而试样的类型和试样的表面状态对力学性能测试结果有很大的影响;表面无缺陷的哑铃型试样可以满足检测要求,提高钢带检验一次合格率。     

基于一维卷积神经网络和SoftMax分类器的风电机组行星齿轮箱故障检测

将卷积神经网络引入风机故障检测领域,设计了一种一维卷积神经网络的结构,并和SoftMax分类器相结合构造了一种双层智能诊断架构。一维卷积神经网络用于行星齿轮箱数据的特征提取,SoftMax分类器对提取的特征进行分类。与传统智能算法相比,该方法具有训练样本少,可直接使用原始数据训练网络;计算效率高,可以适应实时诊断的需要。试验结果证明,该方法可以有效地诊断出不同工况下的行星齿轮箱中的齿轮故障。     

基于可变减载率超速控制的双馈异步风机参与微电网调频研究

为了使双馈异步风机(DFIG)能够更好地参与微电网频率调节并减少有功控制成本,综合考虑风机向微电网输送有功功率和提供备用容量参与系统调频两方面因素,提出了变减载率超速控制法。计及风速出现概率,采用概率加权求和法,考虑减载成本、调频效益和调频恢复成本求解超速控制成本(COC),得到变减载率曲线。通过对一个含DFIG的微电网系统进行仿真分析,验证所提方法可有效改善微电网频率动态特性,减少风机有功控制成本,有利于微电网的稳定运行。     

基于改进防碰撞策略的两端式双堆垛机出入库优化研究

针对大型自动化立体仓库出入库路径优化调度难的问题,在采用两端式双堆垛机出入库调度模型的基础上,提出改进的防碰撞原则,避免两堆垛机同时运行时碰撞;并结合最优防碰撞边界检验机制,在保证防碰撞的前提下,为两堆垛机划分了最佳的工作区域。提出一种新型改进遗传算法（New improved genetic algorithm,NIGA）,能够根据种群适应度值的集中分散程度,来调整遗传算法的进化结构,从而有效提高算法的收敛速度以及跳出局部最优的能力。运用NIGA算法对双堆垛机的调度路径进行优化,并在算法的每一次迭代中嵌入改进的防碰撞原则和最优防碰撞边界检验机制,最终得到两端式双堆垛机出入库优化的最优解。仿真实验结果表明该策略可以有效防止两堆垛机发生碰撞,大型立体仓库货物出入库的效率有了明显提高。     

基于信息素差异分布策略的路径规划蚁群改进算法

针对传统蚁群算法用于移动机器人路径规划时存在初期盲目性搜索、收敛速度慢以及容易陷入局部最优的问题，提出一种蚁群改进算法。首先根据各节点相对于起始点和目标点连线之间的距离，对初始信息素不平均分配，使其呈正态分布，降低算法搜索初期的盲目性，加快最优解的搜索；其次改进挥发因子，采用双挥发因子原则，控制信息素的挥发，既降低局部最优的可能，又能加快收敛速度；对冗余路径作进一步优化处理，使得路径更优。仿真结果表明，本文蚁群改进算法相对比传统蚁群算法以及其他蚁群改进算法收敛速度更快，收敛性更稳定。