基于LSTMAttention网络的短期风电功率预测

提出一种基于LSTMAttention网络的短期风电功率预测方法。首先,使用LSTM网络对数值天气预测(NWP)数据的特征信息进行提取,同时采用注意力机制有效分析了模型输入与输出的相关性,从而获取了更多重要时间的整体特征;其次,使用卷积神经网络(CNN)提取NWP数据的局部特征,并引入压缩和奖惩网络(SE)模块学习特征权重,利用特征重新标定方式提高网络表示能力;最后,将局部特征和整体特征进行特征融合,通过分类器输出分类结果。利用NOAA提供的美国加利福尼亚州某风电场的数据进行案例分析,证明了所提方法的有效性。试验结果表明,与BP神经网络、自回归积分滑动平均模型(ARIMA)模型和LSTM模型相比,LSTMAttention模型具有更高的预测精度,证明了该方法的有效性。     

基于非结构混合网格的CHN-T1标模气动特性预测

本文使用自行研制的基于非结构混合网格的亚跨超声速流场解算器MFlow,对AeCW-1提供的客机标模CHN-T1进行了数值模拟研究。介绍了非结构混合网格的生成情况,重点分析了网格收敛特性、压力分布、气动特性曲线、流动分离等。计算得到了近似线性的网格收敛特性。随着网格加密,对激波和分离气泡的模拟更精细。尾支撑对气动特性的影响非常明显,特别是对平尾气动特性有很大影响。机翼静气动弹性变形的影响主要是使升力系数和阻力系数减小。湍流模型的QCR修正对大迎角计算结果有较大的影响。计算结果表明,MFlow程序能够准确地预测客机标模的气动特性。     

基于民航团队旅客销售的组合预测方法分析

利用Matlab分别用回归分析算法、BP神经网络算法、最小二乘支持向量机算法和组合预测算法对民航团队销售数据进行预测和比较分析,期望为民航销售人员提供更加精准的预测信息,以获得更高的航线收益.结果显示神经网络、支持向量机和组合预测3种算法比航空公司常用的回归分析预测精准度有了明显的提高.支持向量机预测精度相对神经网络稍低,却拥有更强的泛化能力.组合预测能避免单一预测方法的误差,更加适合航线销售人员的实际操作.     

基于正激波位置计算的进气道/发动机系统实时仿真模型

研究了超声速条件下,基于进气道内正激波位置计算的进气道/发动机系统综合仿真问题。提出了将超声速进气道分为内、外两部分独立计算的方案,外部通过斜激波计算公式获得进气道内部的边界条件,对进气道内部采用准一维CFD模型模拟背压对正激波位置的影响。相比二维CFD计算,在保证参数精度要求的前提下有效缩短了计算时间,提高了仿真实时性。进一步将进气道模型与发动机部件级模型匹配运行,构建了进气道与发动机综合实时仿真模型。进气道/发动机综合模型的仿真表明,其能够准确模拟进气道正激波位置对涡扇发动机的动稳态影响,当来流发生扰动时,通过喷管喉道面积和压缩部件导叶角的快速调节,能够抑制正激波位置的变化,并使推力下降量减少50%。      

FOD缺口型损伤对TC4疲劳极限强度的影响

针对TC4钛合金风扇/压气机叶片前缘常遭受的外物损伤(FOD)缺口型损伤,进行了不同冲击角度下高速弹道冲击试验研究、损伤特征与应力集中分析,开展了冲击后不处理和冲击后去残余应力退火试样的高循环疲劳试验和疲劳极限强度预测。结果表明:随着冲击角度的增大入射侧损伤尺寸和应力集中系数基本保持不变,出射侧缺口损伤深度和损伤长度减小。损伤深度范围为0.6~1.5mm,应力集中系数范围为2.6~3.4。缺口型损伤试样的疲劳极限强度下降为光滑试样的27%~53%,与应力集中系数并不是呈反比关系。退火试样的高循环疲劳(HCF)性能或略微下降或基本不变,表明残余应力影响较小,残余应力对疲劳极限强度的影响程度不足光滑试样的10%。缺口型损伤试样的HCF性能与损伤底部半径的相关性不明显,随着最大损伤深度和损伤长度的增加而下降,表明制定维修手册时应着重考虑缺口型损伤的最大深度和损伤长度。Peterson经验公式对HCF性能的预测精度不理想,误差最大为45%,需要发展高精度的FOD缺口型损伤构件HCF性能预测方法。      

基于在线学习的数控加工刀具寿命动态预测方法

预测刀具寿命对保证零件质量和控制加工成本意义重大,但刀具磨损过程复杂多变,刀具剩余寿命受工况影响难以准确预测。针对以上问题,提出了一种基于在线学习的刀具寿命动态预测方法,以长短时记忆网络为基础模型,融合在线学习模块,使得模型能够在加工过程中自动更新参数,实现变工况下刀具寿命的精确预测。进行了铣削加工试验,结果表明,刀具寿命动态预测方法可以有效提升刀具寿命预测精度。     

动态时频谱分析、探测和跟踪的随机有限集法

动态出现和消失多分量信号的时频分析问题一直是非平稳信号处理的难点之一。为此,提出了一种分析、探测和跟踪多分量信号的随机有限集法。该算法利用时频变换,如短时傅里叶变换或自适应谱估计法,以及多项式预测模型,将多分量信号的时频分析问题归纳成可利用随机有限集进行多目标追踪的问题。分析表明：借助于提出的初始权重赋值算法,以及谱分量幅度和频率的联合似然函数,就可利用高斯混合概率假设密度滤波器来实现对动态时频谱的分析、探测和跟踪。在仿真实验中,所提算法有效提升了动态时频谱的跟踪精度,其对微弱时频谱分量的探测能力,以及对载频差异的分析能力均优于文献报道的算法。     

基于最大转矩电流比控制的永磁同步电机模型预测控制

由于永磁同步电机(PMSM)具有诸多优点,提出了一种基于最大转矩电流比(MTPA)控制的永磁同步电机模型预测控制方法,使磁阻转矩利用率最大化。利用离散化的数字处理技术,深入研究了多个优化目标的典型问题,其中包括:开关状态约束、MTPA优化、最大电流限制及延时补偿策略等。MATLAB/Simulink仿真数据证明:该控制系统实现了MTPA控制并且动态响应过程十分迅速,而且显著提升了PMSM模型预测控制系统的工作效率,对电机参数产生的波动显示出较强的鲁棒性。     

基于混合控制集预测控制的永磁同步电机电流脉动抑制方法

模型预测控制(MPC)技术近年来在高动态性能电机驱动系统中应用广泛。为了克服传统MPC技术中有限控制集(FCS)造成的稳态电流脉动问题,提出了一种基于混合控制集(MCS)预测控制的永磁同步电机(PMSM)电流脉动抑制方法。分析建立PMSM预测控制系统离散数学模型,并分析电压矢量精度与电流脉动之间的关联性;在此基础上,MCSMPC将电压源型逆变器有限的有效电压矢量数,扩展为多个以占空比形式存在的虚拟电压矢量,并基于上述虚拟电压矢量完成MPC优化问题在线求解;此外,考虑到MCSMPC系统的参数敏感性问题,对MCSMPC系统反馈噪声问题进行分析讨论。最后,搭建双15 kW PMSM对拖样机测试平台进行试验分析,分析内容包括MCS方法动态跟踪特性、电流脉动稳态效果。试验结果表明所提出的MCSMPC方法在保留了传统预测控制技术高动态响应的基础上,可有效降低PMSM稳态电流脉动幅度和运行噪声。     

基于在线滚动序列核极限学习机的涡轴发动机非线性模型预测控制

针对涡轴发动机控制系统设计,提出了1种基于在线滚动序列核极限学习机的非线性模型预测控制方法。综合考虑直升机旋翼扭矩、燃气涡轮转速、动力涡轮转速、涡轮级间温度和压气机喘振裕度等信息,设计具有较好实时性、精度和泛化能力的多输出在线滚动序列核极限学习机作为预测模型,引入预测模型输出与发动机输出的误差进行反馈校正,利用序列二次规化算法在线求解包含限制约束的预测控制问题。在某型直升机/涡轴发动机综合平台的仿真环境中进行了直升机大幅度机动飞行仿真验证,结果表明:该模型预测控制器相比于传统串级控制具有更好的控制品质,可显著降低动力涡轮转速超调/下垂量。