自适应逆（精选六篇）
自适应逆 篇1
1 感应电机逆模型
异步电机变频调速系统在d、q两相坐标下的状态方程可用三阶模型描述:
令系统的状态变量为:X=[X1, X2]T=[ωr, ψr]T
A (x, u) 非奇异, 相对阶为α= (1, 1) , 且α1+α2=2=n, 因此, 异步电机变频调速系统满足可逆的充要条件, 逆系统存在。
2 基于神经网络的逆控制
BP网络是采用误差反向传播算法 (Error Back-Propagation) 的多层前馈神经网络[4], 主要由输入层、隐含层和输出层组成。BP算法的学习过程由正向传播和反向传播组成。在正向传播过程中, 输入数据x1, x2……xn从输入层节点依次经过各隐含层节点, 然后到达输出节点y1, y2, ……yn, 在逐层处理的过程中, 每层神经元 (节点) 的状态只影响下一层神经元的状态, 在输出层把网络输出和期望输出相比较。如果在输出层不能得到期望的输出, 则转入反向传播过程。在反向传播时, 将误差信号沿原来的正向传播的通路返回, 误差信号是网络实际输出与期望输出间的差值即误差, 它是由输出端开始逐层向后 (即输入方向) 传播。BP网路正是通过误差信号的反向传播来调整修改每个隐含层各个神经元的权值, 采用梯度技术, 以期使网络的实际输出与期望输出值的误差均方值为最小。
算法步骤:
误差反向传播算法 (BP算法) 是基于最优化的梯度下降算法, 采用有导师的训练方式。其学习算法描述如下:
①初始化, 置所有权为任意小
②提供训练集, 提供连续的输入向量和期望输出
③计算实际输出, 逐级计算输出值
④调整权值, 用递归的方法从输出节点开始返回到中间隐含层, 调整权值, 即Wij (t+1) =Wij (t) +μWij
式中:Wij (t) ——t时刻k-1层的第j个神经元到k层的第i个神经元的连接权值;yi——节点j的期望输出;Oj——节点j的实际输出;μ——学习率。
⑤返回第二步, 继续计算, 使输出层单元的误差变得足够小, 直到满足要求为止。
3 仿真研究
通过MATLAB进行计算机仿真, 仿真所用的电机参数如下:感应电机参数为:Ls=0.47H, Lr=0.47H, Lm=0.452H, Rr=3.6Ω, Rs=8.0Ω, J=0.015kgm2, B=0.005Nms, TL=0.1N·m, np=2, ω*r=152rad/s, ψ*dr=2Wb。本章用于自适应建模和逆建模的神经网络都选为四层, 隐含层均含有8个神经元。自适应电机模型[5]是一个具有2个输入节点, 4个输出节点的网络, 响应的逆模型 (即控制器) 是一个具有4个输入节点, 2个输出节点的网络。
图2是空载启动时, 不同速度范围下的速度响应特性曲线。从图中不难发现在不同的范围内, 速度响应非常快, 且跟踪性能很好, 达到了一个非常高的精度要求。
图3显示了在转矩变化时对应的速度响应曲线。在时间t=5sec时把转矩从0Nm 增加到1.0Nm, 从图中我们可以看出, 在瞬态时出现了最大4%的转子速度误差, 在稳态时没有速度误差, 因此该算法对外部的负载转矩变化具有一定的鲁棒性。说明系统具有良好的抗干扰能力。
设定转速由152rad/s转换为88rad/s, 再转换为40rad/s时, 速度的动态响应波形, 如图4所示, 自适应逆控制具有良好的跟踪设定值的性能。
4 结论
基于神经网络逆系统方法的感应电机真正实现了感应电机转子磁链与转速解耦。在此基础上, 采用线性系统的综合方法对转子磁链子系统和转速子系统分别进行控制, 使得系统具有优良的动、静态控制性能。当被控电机参数变化时, 系统仍然具有较好的控制性能, 表明控制系统对电机参数变化及负载扰动具有良好的鲁棒性, 为高性能的感应电机调速系统控制提供了一种新思路。
参考文献
[1]尔桂花, 窦日轩.运动控制系统[M].北京:清华大学出版社, 2002.
[2]李华德, 白晶.交流调速控制系统[M].北京:电子工业出版社, 2003.
[3]B.Widow, E.Walach.刘树棠, 韩崇昭译。自适应逆控制[M].西安:西安交通大学出版社, 2000.5.
[4]阎平凡, 张长水.人工神经网络与模拟进化计算[M].北京:清华大学出版社, 2000.
翁虹自曝逆生长秘方 肌肤嫩如少女 篇2
出道二十余年，翁虹在带给观众无数高品质影视作品的同时也让我们大大震惊了一把，一个女人怎么可能在家庭工作两头奔波多年之后依旧保持如此光鲜的状态，肤质细腻白皙，肤色匀净透亮，在不惑之年肌肤依旧紧致有弹性，果然是实打实的逆生长女王!
翁虹新书发布会现场秀美肌
翁虹在新书中也和大家分享了自己的保养绝招，一起来看看吧。
洁面要谨慎
好的洁面产品在清洁肌肤的同时不会带走肌肤中必要的油脂和水分，这很重要，翁虹说，她喜欢温和的洁面乳，在清洁的同时不会对肌肤造成伤害。
使用滋润的爽肤水
滋润的爽肤水更适合熟龄肌肤，在润泽角质的同时让肌肤胃口大开，后面的保养品吸收效果也来得更棒!
面霜&精华，都不能少
面霜和精华是翁虹每日肌肤护理工作中绝对不能少的两件单品，先使用精华密集解决顽固的肌肤问题，维持肌肤的良好状态，再使用面霜为肌肤补充滋润能量，一整天都能水水润润，换季干燥也不怕。
眼部保养很关键
翁虹说，眼睛是她赢得自信的秘密武器，所以在眼周肌肤保养方面她可是做足了功课，眼霜最好早晚分开用，日间强化保湿，而夜晚的重点则要放在紧致和修复上。
预防轮廓变形
女人过了40岁肌肤轮廓就容易变得松松垮垮，这可比皱纹更可怕。翁虹每天都会在使用紧致产品之后按摩提拉肌肤，帮助肌肤排除引力下垂的困扰，让肌肤轮廓更加紧实。
坚持使用防晒产品
防晒是日间最不能少的护肤单品，就算有时不化妆，翁虹也绝度不会忘记涂抹防晒霜，它能够早保持肌肤白皙的同时防止老化痕迹加深，从根源上避免外界刺激对肌肤的伤害。
面膜是必备单品
在工作时，翁虹每天晚上都会用面膜为肌肤补充能量，她说，面膜是最好的肌肤进补产品，如果有时间的话还会在家DIY，美肌的同时还能发掘很多乐趣。
别忽视唇部护理
随着年龄增长，紫外线的侵害，唇部颜色以及唇纹都有加深的趋势，性感的双唇可是女人的隐藏资本，千万不要忽视。翁虹建议每天在睡前厚厚的涂抹一层润唇膏作为唇膜使用，另外白天也不要忘了使用带有防晒指数的唇膏。
吃什么年轻呢?
多吃鱼肉是正确的，鱼肉脂肪少，更能紧致皮肤恢复弹性。每天吃100―200克。地瓜也是个好东西，含高膳食纤维，可以做大肠保健及降胆固醇。西红柿是一个保持女人一枝花的蔬菜水果，丰富的维他命A、维他命D、维他命C等13种维他命及17种矿物质，美容养颜当然少不了。
如何睡的香?睡前要洗美容澡，全身放松，睡觉时要远离手机，切记躺在床上刷微博。
脸要护，防晒保湿在最主要的，走到哪都不要忘记“蒸”脸。所以，不管你是在办公室还是户外旅游，保湿水一定要带。
健美操轻松跳，翁虹的保养秘籍中更主要是她的轻松健美操，晚上任意跳动活动腿部腰部头部手部，让全身疲劳缓解。若是堵车、办公休息也可以跳跳1分钟健美操。
自媒体逆袭 篇3
自媒体在2013年由于微信的普及开始被更多的人认识和关注，有人说，2013年开启了自媒体的元年；有人说，自媒体的春天已经到来；而更多的是，我们每个人都感受到了自媒体带给我们学习和生活的渗透和影响力。自媒体，已经不可忽视，自媒体时代已经来到我们身边。面对自媒体不可阻挡的发展势头，作为自媒体时代的我们，又该如何应对？
本期杂志专题延续论坛的内容，继续关注“自媒体“，希望以文字的形式呈现各位嘉宾关于自媒体的精彩发言和观点。我们也希望借助杂志这个平台，能更深入地探讨自媒体，让更多的人关注到“自媒体”，给我们认识自媒体，认识自媒体时代，提供更多的视角和观点，也探讨和思考在自媒体时代的我们，该如何定位自己的角色，又该如何规范和利用好自媒体。
自适应逆 篇4
图像插值是一个从低分辨率图像获得高分辨率图像的过程,广泛应用于数字图像处理领域,如视频通信、卫星遥感以及目标识别等。图像插值的主要目的是恢复图像边缘和纹理,尽可能抑制模糊。传统的线性图像插值方法由于实现简单而得到广泛应用,比如双线性插值和双三次插值。但是,线性插值方法在插值过程中会产生严重的图像细节模糊和边缘锯齿现象,影响插值图像质量。为了更好地保持图像的边缘细节及纹理信息,近年来出现了一系列插值算法[1,2,3,4,5,6]。文献[1]和文献[2]分别应用多分辨塔式分解和图像的频率特征对图像插值并进行分辨率增强。文献[3]提出了一种以边缘为导向的插值算法。首先从低分辨率图像中估计局部协方差系数,然后根据低分辨率协方差与高分辨率协方差之间的几何对偶关系,进行自适应高分辨率图像插值。文献[6]提出了一种结合方向滤波和数据融合的非线性插值算法。首先对待插值点建立两个正交方向上的观测集合,每个集合都会产生待插值点的一个估计值,然后利用线性最小均方误差准则融合两个估计值,从而得到更为稳健的插值结果。这些方法只能进行2倍或2n倍图像插值,而传统的线性插值方法可以对图像进行任意倍插值。为了提高插值精度,有学者提出了利用图像局部特征改进线性插值的方法。文献[7]利用图像局部像素的不对称特征来修正传统线性插值算法中的局部空间距离,并与传统的双线性、双三次插值算法相结合,提出了Warp Distance插值算法(WaDi-Bilinear,WaDi-Bicubic)。文献[4]利用图像局部梯度特征来优化线性插值算法中的插值权值,提出了基于图像局部梯度特征的自适应插值算法(A-Bilinear,A-Bicubic)。文献[5]将上述两种方法融合,提出了基于图像梯度特征的改进WaDi(Pro-Bilinear,Pro-Bicubic)插值算法。
上述算法均改善了图像插值效果,但都存在一定的不足。文献[1]~[3]、文献[6]不能进行任意倍数图像插值,而文献[4]、[5]、[7]对图像斜边缘的插值效果不理想。为此,本文提出一种改进的图像自适应逆梯度插值算法(IG-Bilinear,IG-Bicubic),图像细节及斜边缘的插值效果明显提高,在性能评价准则上也优于传统插值算法。
1 基于Warp Distance的插值
理想带限信号的精确插值函数是sinc函数,因为其在实际中无法实现,从而产生了许多近似空域不变的线性表示,如双线性算子、双三次算子和立方样条算子。这些算子计算复杂度较低且插值效果相对较好,因此在众多商业软件中得到应用。但是由于算子本身的低通滤波特性,它们都无法精确重建图像细节。为了得到更准确的细节插值结果,文献[7]中提出了基于图像局部数据不对称性的Warp Distance插值方法。Warp Distance插值方法是对传统空间线性插值的改进,通过对传统线性插值中的空间距离进行非线性修正,再代入线性插值公式得到比较好的插值结果。传统的一维线性插值公式:
而Warp Distance插值算法修正后的空间距离s′为:
式(2)中,A为信号的局部不对称性,定义为,
其中L为图像灰度最大值,8位图像取256,A取值[-1,1]。参数k控制弯曲强度,一般取k=1或k=2。如图1所示,将初始空间距离s利用式(2)计算得到修正空间距离s′,代入传统的线性插值公式中,得到一维WaDi插值公式。WaDi插值方法也可以推广到二维图像插值中。以双线性插值为例,通过式(2)方法得到一维水平方向距离S′x1、S′x2和一维垂直方向距离S′y1、S′y2,然后代入式(4)得到修正的二维水平、垂直空间距离S′x和S′y,将其代入到原始双线性插值公式中,可得到二维WaDi插值公式。
WaDi-bilnear修正的空间距离为:
其中S′x1=Sx-kAx1Sx(Sx-1),S′x2=SxkAx2Sx(Sx-1),S′y1=Sy-kAy1Sy(Sy-1),S′y2=SykAy2Sy(Sy-1),而Ax1、Ax2、Ay1、Ay2表示图像的局部不对称性,定义为:
2 基于图像局部梯度特征的自适应图像插值
由于传统的线性插值算法在进行插值时,每一个输入像素的权值仅仅是距离s的函数,忽略了图像的局部信息,从而产生插值图像模糊。文献[4]指出,除了空间距离外,权值也依赖于图像的局部特征,并提出了一种基于局部逆梯度的插值算法,用于改善图像插值的视觉效果。算法中定义了对应于4个逆梯度权值Hl、Hr、Vu、Vl的模板,权值Hl由水平左模板产生,它包括4个相邻像素fi-1,j、fi,j、fi-1,j和fi,j+1。4个逆梯度权值定义为:
式(6)中,α是锐化常数,用于控制图像边缘的锐化程度,取值范围为[0,1]。当α取0时,所有的逆梯度权值都为1,就是传统的线性插值。随着α增加,插值后图像就越锐化。利用上述逆梯度权值,自适应双线性插值函数定义为:
其中
3 改进的自适应逆梯度插值方法
数字图像一般包含丰富的方向不同的边缘和纹理,文献[4]中的算法改善了边缘纹理的插值效果,但算法在同一模块内使用唯一的梯度权值,不能准确反映图像局部梯度特征。以垂直模板Vu为例,只有当|fi,j-fi,j-1|=|fi+1,j-fi+1,j-1|时,Vu才可以准确反映模板内垂直方向的局部梯度特征。而在实际图像中,|fi,j-fi,j-1|和|fi+1,j-fi+1,j-1|往往不相等,而且插值点越是靠近左边像素,一维梯度|fi,j-fi,j-1|越能反映插值点沿垂直方向上的梯度特征。基于这一点,本文对文献[4]中的4个逆梯度权值公式进行修正,对于每个权值公式内的两对一维梯度进行自适应加权处理,实现动态改变权值,完成对文献[4]的改进,然后将改进的算法与WaDi算法融合,得到性能更好的插值算法。
文献[4]定义对应于逆梯度权值Hl、Hr、Vu、Vl的模板只包含水平和垂直两个方向。在计算每个逆梯度权值时,模板内的两个一维梯度对于权值的贡献相等。只有在插值像素处于水平边缘和垂直边缘时,这样的处理才能准确反映局部梯度变化信息,最终结果也能较好保持边缘信息。但是对于斜边缘,由于模板内的局部梯度不均匀变化,上述处理显然是不合适的。如图4所示,黑色表示像素强度很小,白色表示像素强度很大,灰色表示像素强度居中。f(x,y)为斜边缘上待插值像素,A、C点沿水平方向的梯度更能反映f(x,y)沿水平方向的梯度特征,而B、D点沿垂直方向的梯度则更能反映f(x,y)沿垂直方向的梯度特征。以A、C点为例,当t越小时,A、C点的梯度就越接近Hlu和Hru,反之越接近Hll和Hrl。为此,本文对公式(6)中的Hl和Hr作如下修正:
式(8)中,Hlu=abs(fi,j-fi-1,j),Hll=abs(fi,j+1-fi-1,j+1),Hru=abs(fi+1,j-fi+2,j),Hrl=abs(fi+1,j+1-fi+2,j+1)。当插值点t=0时,插值点位于f(i,j)和f(i+1,j)之间,修正后的H′l完全由Hlu决定,H′r完全由Hru决定,相比文献[4]中的权值公式,修正后的公式更能反映局部梯度特征。将修正后的逆梯度权值代入到文献[4]中的插值函数,得到文献[4]的改进算法。为了充分利用图像的局部不对称性和改进的局部梯度特性,进一步改善插值图像效果,在使用文献[4]的改进算法前,利用WaDi算法修正空间距离。算法具体步骤如下:①按照WaDi算法,利用图像的局部不对称性对空间距离进行初步修正,得到水平、垂直方向上的修正距离S′x和S′y;②用S′x和S′y分别替代式(8)中的t和s,得到改进的逆梯度权值,然后代入式(6)和式(7),得到最终插值结果。
4 实验结果
本实验分别在双线性插值、双三次插值下,对IG-算法、文献[4]的A-算法、文献[5]的Pro-、文献[7]的WaDi插值方法进行比较。文献[4]、[5]、[7]中的算法都采用原文中的默认参数,测试图像大小为Lena(512*512)、pepper(512*512)图像。首先利用Matlab函数imresize对图像进行低通滤波并下采样至256*256,然后通过插值算法恢复到原始图像大小,通过性能评价准则进行差值效果评估。本实验使用峰值信噪比作为评价准则,这种用于图像插值算法分析的方法已经被普遍应用[8]。将算法按照传统插值类型(Bilinear和Bicubic)分两次进行对比分析。为了更清楚地显示对比结果,图5和图6中只显示局部插值结果,其对应算法的峰值信噪比如表1和表2所示。
由表1可知,本文IG-Bilinear算法的峰值信噪比明显优于传统的Bilinear插值算法,高出1.08dB,相比WaDi-Bilinear提高了0.54dB,相比A-Bilinear提高了0.42dB,相比Pro-Bil inear算法提高了0.15dB。从表2可以看出,本文IG-Bicubic算法也明显优于传统的Bicubic插值算法,其峰值信噪比传统Bicubic高出0.70dB,相比WaDi-Bicubic算法提高了0.54dB,相比A-Bicubic算法提高了0.40dB,相比Pro-Bicubic算法提高了0.35dB.
此外,在视觉效果上,本文算法在保持边缘及纹理清晰以及减少锯齿现象上都明显优于传统算法。
为了方便比较,选择Lena图像中细节特征较为显著的帽檐部分,如图5、图6所示。整体上看,传统双线性插值和双三次插值的边缘都比较模糊,这与传统线性插值算法的低通特性相符。WaDi插值算法利用图像局部不对称性,插值结果有所改善,但仍存在边缘模糊和边缘锯齿。而自适应逆梯度插值算法(A-Bilinear和A-Bicubic)和文献[5]的改进算法(Pro-Bilinear和Pro-Bicubic)都利用图像的局部梯度特征来对图像边缘纹理加强,这使得边缘纹理都比较清晰,但仍存在明显的斜边缘锯齿现象。本文算法则解决了边缘模糊,改善了斜边缘的锯齿问题,整体效果优于其它算法。
5 结语
本文提出了一种改进的自适应图像梯度插值算法,通过分析已有基于图像局部逆梯度的自适应插值算法不足之处,对逆梯度权值中的两个一维逆梯度进行自适应加权处理,使得改进的逆梯度能更准确地反映图像各个方向边缘的局部梯度特征。实验结果表明,本文算法不仅在PSNR上优于其它算法,而且很好地解决了图像边缘模糊问题,使斜边缘锯齿问题得到改善。
摘要：为了改善传统线性插值算法产生的图像模糊和边缘锯齿化现象,提出了一种改进的自适应逆梯度插值算法。该算法根据图像局部梯度特征,对已有的基于逆梯度插值算法中的逆梯度权值进行自适应加权,然后与经典的WaDi插值算法融合,得到改进的插值算法。实验结果表明,改进算法插值图像视觉效果和客观评价准则(峰值信噪比上)都有明显提高。
关键词：图像插值,局部逆梯度,自适应算法
参考文献
[1]W K CAREY.Regularity-preserving image interpolation[J].IEEE Trans.on Image Processing,1999,8(9):1293-1297.
[2]H GREENSPAN.Image enhancement by nonlinear extrapolation in frequency space[J].IEEE Trans.on Image Processing,2000,9(6):1035-1048.
[3]X LI,M T ORCHARD.New edge-directed interpolation[J].IEEE Trans.Image Processing,2001(10):1521-1527.
[4]HWANG,J W,LEE,H S.Adaptive image interpolation based on local gradient features[J].IEEE Signal Processing Letters,2004,11(3):359-362.
[5]SHUAI YUAN.High accuracy wadi image interpolation with local gradient features[C].In:Proceedings of 2005International Symposium on Intelligent Signal Processing and Communication Systems,Hong Kong,China,2005:85-88.
[6]LEI ZHANG,XIAOLIN WU.An edge-guided image interpolation algorithm via directional filtering[J].IEEE Trans.Image Processing,2006,15(8):245-250.
[7]G.RAMPONI.Warped distance for spacevaria nt linear image interpolation[J].IEEE Trans.On Image Processing,1999,8(3):629-639.
自适应逆 篇5
关键词：恒温恒湿,试验箱,自适应逆控制系统
恒温恒湿试验箱是目前工业生产中普遍使用的一种控制试验箱, 主要是一种控制温度和湿度在既定范围内的一种试验箱, 恒温恒湿试验箱的使用范围及其广泛, 在工业生产的各个领域都发挥着重要的作用, 在机械产品、电子产品、生物医药、化工原料、农产品、水产品等材料在不同的条件下的一种适应性试验工具。在实际的应用中, 恒温恒湿试验箱恒温恒湿试验控制系统的主要特点有多变量、非线性、大时滞、强耦合的特点, 是一种热工程系统。
在实践应用过程中系统中每个回路单独运行都较为正常, 但是从整个系统运行来看, 恒温恒湿试验箱控制系统就会出现不稳定的状态, 其主要的原因是系统具有耦合性的特点, 这些回路之间相互影响, 相互干扰就会导致整个系统出现不稳定的状态。如果能够通过完整的设计来提高整个系统的稳定性, 那么对于恒温恒湿试验箱控制系统的实践应用具有十分重要的意义。
1 恒温恒湿试验箱控制系统中存在的主要问题
1.1 控制回路较多, 且相互耦合
恒温恒湿试验箱控制系统是由多个回路组成的一种热控制系统, 其主要的组成部分有控制系统由温度、湿度和压力传感器、变风量控制器、风机变频器、加湿装置及其调节阀、表冷器及其调节阀、新回风调节阀等组成。系统中的控制回路包含送风温度控制、温度控制、相对湿度以及末端风管静压控制等多个控制回路, 较多的控制回路使得这些单独的控制回路之间具有较为复杂的联系, 干扰性较大, 这些回路之间具有较高的耦合性特点。
1.2 系统建模较难
系统模型的建立是整个系统自动控制以及系统辨识的前提条件和基础。目前恒温恒湿试验箱控制系统主要的建模方式有以下两种:第一种是解析模型, 这种模型的建立目的主要是为了研究空气流动、传热、传湿等热力学特性;第二种建模方式是经验模型, 这种模型主要是通过实验的结果以及实验中所使用的方式来获得的一种经验模型。解析模型和经验模型对于恒温恒湿试验箱控制系统的设计以及整个系统的改进都具有十分重要的作用和意义, 但是这两种模型都是从静态角度来考虑系统的控制。实际上, 温度的控制存在的主要特点是多变量、非线性、强耦合、大滞后、非稳态的复杂过程, 因此恒温恒湿试验箱控制系统就必须从动态的角度进行设计, 通过动态的设计来提高整个系统的稳定性。恒温恒湿试验箱控制系统模型的建立无法实现最优化, 其始终存在很多的问题, 建立一个较为完善的恒温恒湿试验箱控制系统数学模型是十分困难的, 对于控制效果具有负面的影响。
2 研究方案
2.1 研究内容和研究方法
2.1.1 研究内容
本文主要的研究内容有三个方面:第一, 恒温恒湿试验箱控制过程的实验研究与影响因素分析;第二, 建立恒温恒湿控制模型并通过相关软件进行计算机仿真;第三, 研制一台自适应逆控制的恒温恒湿试验箱。
2.1.2 研究方法
本文的研究方法主要是针对恒温恒湿试验手动控制、控制模型以及研制恒温恒湿试验箱。在本文的研究中, 首先选择一种恒温恒湿试验箱进行全方位的测试, 记录各项数据和指标;采用MATLAB和SIMULINK进行控制系统的仿真实验;根据已经建立的数据模型, 实现恒温恒湿试验箱的研制, 主要包括对系统制冷、加热、除湿、加湿、水箱、恒温恒湿等设备的研制。在研制的过程中, 将系统感应到的电压直接与一台适度控制器直接相连, 然后根据系统已经建立的恒温恒湿试验箱逆控制系统输出0-10V的电压对系统中的加热系统进行直接的控制, 在控制的过程中, 直接采用PWM的方法计算出通断频率, 在研制的过程中, 需要及时调节加湿系统的开关, 控制好系统开关的导通实践, 使得试验箱中温度能够保持恒定不变的状态。
2.2 实验方案
2.2.1 恒温恒湿试验箱手动控制过程实验
在实验之前, 首先根据实验的需要, 选择一种合适的恒温恒湿试验箱作为本次实验的测试对象。首先在测试之前, 不需要安装自动控制系统, 然后记录加湿、加热以及排风等方式的操作数据和测试数据, 在测试的过程中, 需要记录的内容主要有以下几个方面:运行时间、箱内湿度、箱内温度、排风流量、排风速度、环境温度和环境湿度等。
然后对记录取得的数据和资料进行单因素和多因素实验, 在实验的过程中, 对所记录的各种测试数据进行综合性的分析, 准确记录出各项参数的明感性, 并且需要通过非线性拟合的方式和方法来建立温度控制数学模型。
2.2.2 MATLAB控制系统仿真实验
在建立恒温恒湿试验箱逆控制系统数据模型之后, 需要利用MATLAB和sinmulink根据数据模型的原理和方法进行恒温恒湿逆控制系统仿真性实验, 主要包括的内容主要有:第一, 对恒温恒湿试验箱逆控制系统时滞时变系统无时滞跟踪的控制仿真;第二, 对恒温恒湿试验箱逆控制系统时滞时变系统跟踪的控制仿真;第三, 对恒温恒湿试验箱逆控制系统具有可测干扰系统的有前馈补偿的控制仿真。
3 结论
恒温恒湿试验箱在实践应用过程中存在很大的难题, 例如多变量、多变量、强耦合以及大滞后的控制问题, 这些问题的存在使得恒温恒湿试验箱在实践应用过程中的控制问题成为关注的焦点之一。本文通过对恒温恒湿试验箱控制系统过程的研究, 首先分析了恒温恒湿控制系统中存在的问题, 然后进行了实验方案的设计, 期望能够对恒温恒湿试验箱控制系统起到一定的参考意见。
参考文献
[1]邱金科, 段文仲.ISO标准恒温恒湿实验室自控系统的使用与研究[J].检验检疫科学, 2000 (2) .
[2]李新禹.恒温恒湿机房空调设计探讨[J].制冷, 2004 (02) .
[3]李志道.恒温恒湿工程设计中的几个问题[J].建筑技术, 1983 (11) .
自适应逆 篇6
分布式电源（distributed generator,DG）接入配电网后，将改变故障电流的分布及配电网原有电流保护配置的基础条件，配电网原有的三段式电流保护将可能误动或者拒动[1,2,3]。
目前，接入配电网的DG主要为光伏发电系统等逆变型DG(inverter-based distributed generator,IBDG）。随着IBDG并网容量的不断增大，为防止IBDG大规模脱网对电网的正常运行带来不良影响，IBDG需具备低电压穿越能力[4,5,6,7]。在故障情况下，IBDG的输出电流与IBDG容量或出力、故障类型和故障位置等因素均有关，这将导致传统的配电网电流保护的定值很难整定。
为消除IBDG接入对配电网保护的影响，基于通信的保护方案能够充分利用多点信息，从而快速准确地实现故障定位[8,9,10,11,12]。然而，此类保护对通信的可靠性要求较高，一旦通信失败或者信息有误，保护将可能失效。因此，研究基于本地信息的适用于IBDG接入的保护仍然十分必要，而自适应电流保护则是解决IBDG接入后保护定值难以整定的有效方法。文献[13,14]对含IBDG配电网的自适应电流保护进行了研究。然而，与传统同步发电机相比，IBDG的故障特性有很大不同，IBDG的接入也使得配电网的故障特性发生变化，若采用已有的自适应电流保护，则保护仍然可能拒动或误动。此外，当系统发生三相短路故障时，文献[13]无法计算出保护背侧的实际阻抗，文献[14]也无法根据本地信息对保护背侧网络进行等值变换，保护的性能仍然受到不同因素的影响。因此，有必要进一步深入研究适用于IBDG接入的配电网自适应电流保护。
为改善IBDG的输出特性，在工程实际产品中，IBDG通常采用基于电压正序分量的控制策略，即发生相间短路故障时，IBDG仍然输出三相对称的电流，IBDG仅在正序网络中表现为压控电流源[6]。本文结合含IBDG配电网的故障特性，提出了适用于含IBDG配电网的自适应正序电流速断保护。
1 含IBDG配电网的故障特性分析
1.1 IBDG的短路计算模型
以光伏发电系统这一典型IBDG为例，在低电压穿越期间，光伏发电系统注入电力系统的动态无功电流Isq应实时跟踪并网点电压变化，并应满足[7]:
式中：Us为并网点电压的标幺值；IN为光伏发电系统的额定电流；K1和K2为比例系数。在工程实际产品中，K1通常取为2,K2通常取为1.2，即Us小于0.3时，其输出电流达到限流值1.2IN。
由式（1）可知，当Us大于0.9时，光伏发电系统运行于恒功率态，仅输出有功电流，其大小取决于IBDG出力和并网点电压；反之，当Us小于0.9时，在工程实际产品中，光伏发电单元的输出电压将被控制在开路电压附近，以防止逆变器直流侧电压过高。此时，其输出的有功电流可忽略不计。
由以上分析可知，IBDG输出电流的大小和相位取决于并网点电压的大小。因此，在含IBDG配电网的短路电流计算中，可以将IBDG等效为压控电流源模型。
1.2 含IBDG的配电网故障特性
文献[5,6]详细介绍了具有低电压穿越能力的IBDG接入配电网后的故障分析方法。根据短路电流表达式，可分析得到不同位置发生不同类型故障时，短路电流随故障位置、IBDG接入位置、IBDG容量或出力等因素的一般变化规律。
由于在同一故障点发生不同类型故障时的并网点电压大小不同，相应的，根据不同的控制策略，IBDG的输出电流的大小和相位也将各不相同。因此，两相相间短路故障时流过IBDG上游保护和下游保护的短路电流已不再是三相短路故障时流过这些保护的短路电流的倍。此外，由于IBDG仅输出正序电流，且此电流为有功电流或者无功电流，因而在相间短路故障情况下，两相故障相电流之间的差异也较大。综上可知，含IBDG的配电网故障特性和传统配电网相比存在很大不同，IBDG为压控电流源模型，不能用含内阻抗的恒定电势源等效代替。
2 已有自适应电流保护存在的问题
为改善保护的性能，已有的自适应电流速断保护根据系统当前的运行方式和短路类型，按照躲开被保护线路末端发生短路时的短路电流对保护进行实时在线整定，其电流整定值IZDZ为[15]:
式中：为系统等值电势；Zs为系统等值阻抗；ZL为被保护线路阻抗；Kk为可靠系数，可取为1.2～1.3;Kd为故障类型系数，三相短路时取为1，相间短路时取为
既可预先设定，也可以通过下式进行精确计算：
式中：分别为保护安装处的相电压和相电流。
已有的自适应电流速断保护没有考虑IBDG接入系统的情况。当系统中接有IBDG时，该保护的整定方法将存在以下问题。
1）当保护背侧接有IBDG时，由于IBDG在故障前后的输出电流不同，在故障附加状态的网络中将出现值为IBDG输出电流变化量的电流源，由已有的等值阻抗计算方法将无法得到实际的保护背侧阻抗。同时，也无法根据当前故障点的信息求出被保护线路末端发生短路时保护背侧的等值电势[13]。
2）当IBDG上游线路发生相间短路故障时，故障点距IBDG越远，则IBDG的输出电流越小。此时，若按已有的自适应电流保护进行整定，由式（3）可知，IBDG侧保护背侧的等值相电势也越小；再由式（2）可知，该保护的整定值也越小。因此，若按照已有的自适应电流保护进行在线整定，IBDG上游线路的IBDG侧保护将可能失去选择性。
3）当系统发生相间短路故障时，流过IBDG上游和下游保护的短路电流已经不再是同一位置发生三相短路故障时流过这些保护的短路电流的。此时，若仍按照式（2）对保护进行整定，且故障类型系数取为，则保护可能误动或者拒动。
3 适用于IBDG接入的自适应正序电流保护
为解决上述问题并改善保护性能，考虑到IBDG只存在于正序网络中，下面以图1所示的含IBDG的配电网为例，分析不同位置处发生不同类型故障时保护安装处正序电压和流过保护的正序电流之间的关系，研究适用于IBDG接入的自适应正序电流保护。需注意的是，IBDG上游区域末端需配置保护（如图1中的保护6）并加装断路器，以保证能够从两端切除故障线路。此外，IBDG上游线路的各个保护均需配置方向元件[16]。其中，IBDG上游区域首端和末端的保护只需反映正方向故障，IBDG上游区域的其他保护则根据方向判断结果选择恰当的公式进行整定。
3.1 两相相间短路故障时的情况
当系统发生两相相间短路故障时，IBDG可等效为仅存在于正序网络中的压控电流源。由于故障位置不同时，正序电压和正序电流间的关系也不同，下面分别对其进行分析，并设分别为保护X安装处的正序电压和流过保护X的正序电流。
1)IBDG上游线路f1点处
当f1点发生相间短路故障时，图1所示系统的复合序网络及简化后的复合序网络如图2所示。
对于系统侧保护1，则由图2(a）可知，流过保护1的正序电流可表示为：
式中：为保护1处的正序电压；为IBDG的输出电流；ZAB为保护1所在线路的阻抗；α为取值范围为[0,1]的比例系数，表征故障点与保护之间的距离。
由于自适应正序电流保护只能利用本地信息，且与系统提供的正序电流相比，IBDG的输出电流很小，因此，为保证选择性，保护1的正序电流整定值I11ZDZ计算如下：
由式（5）可知，保护1能够根据当前故障情况下的正序电压对正序电流进行自适应在线整定。其中，Zs的值可由故障附加分量的负序分量在线求得[13]。由于无法获得IBDG输出电流的信息，保护范围仍受IBDG容量及故障位置的影响。但由于系统所提供的短路电流远大于IBDG提供的电流，因而影响较小。
对于IBDG侧保护6，由图2(b）可知，保护6处的正序电压和正序电流满足以下关系：
为保证选择性，保护6的正序电流整定公式如下：
式中：I16ZDZ为保护6的正序电流整定值；Zsmin为最大运行方式时的系统等值阻抗。
由故障分析可知，当保护6所在线路末端（即保护1出口处）发生相间短路故障时，超前于的相位最大，设此相位差为φsmax。则在式（7）中，的有效值为预设值10.5kV/1.732=6.06kV，其相位大小为当前故障情况下的相位与φsmax之和。
由式（7）可知，保护6能够根据IBDG容量或出力、故障位置等因素的变化而改变正序电流的定值，但其保护范围会受到系统运行方式的影响。
2)IBDG下游线路f2点处
当f2点发生两相相间短路故障时，图1所示系统的复合序网络如图3所示。
由图3可知，保护2处的正序电压和正序电流满足以下关系：
式中：ZBC为保护2所在线路的阻抗。
为保证选择性，保护2的正序电流整定值I12ZDZ计算如下：
在式（9）中，保护2背侧阻抗Zs+ZAB的值也可由故障附加分量的负序分量在线求得。因此，保护2的正序电流整定值能够随着系统运行方式、IBDG输出电流、故障位置等因素的变化而变化。
3）相邻馈线f3点处
当f3点处发生两相相间短路故障时，图1所示系统的复合序网络如图4所示。
由图4可知，保护4处的正序电压和正序电流满足以下关系：
式中：ZAE为保护4所在线路的阻抗。
为保证选择性，保护4的正序电流整定值I14ZDZ计算如下：
在式（11）中，保护4背侧阻抗Zs的值也可由故障附加分量的负序分量在线求得，因此保护4也能够随着系统运行方式、IBDG输出电流等因素的变化而自适应改变其正序电流整定值，从而改善保护性能。
3.2 三相短路故障时的情况
当系统发生三相短路故障时，故障点所在线路保护安装处的正序电压和流过该保护的正序电流满足以下关系：
式中：分别为故障点所在线路保护处的正序电压和正序电流，其值分别等于相电压和相电流的值；Zd为故障点与保护之间线路的阻抗值。
为保证保护选择性，其正序电流整定公式如下：
式中：I1ZDZ为故障点处的正序电流整定值。
由式（13）可知，当发生三相短路故障时，保护无需计算保护背侧的等值阻抗和等效电势，各个保护的正序电流整定值会随着系统运行方式、IBDG输出电流和故障位置等因素的变化而变化，保护范围小于线路全长，且不受上述因素的影响。
4 仿真验证
利用PSCAD/EMTDC仿真软件搭建如图1所示的含IBDG配电网，对自适应正序电流速断保护进行验证。取系统基准容量为100MVA，基准电压为10.5kV，系统短路容量为400 MVA；线路单位长度的感抗和电阻分别为0.346Ω/km和0.27Ω/km；线路AB,BC,CD,AE,EF的长度分别为3,2,2,3,2km；馈线上各母线处均接有额定功率为1MVA、额定功率因数为0.85的负荷。
1）当f1,f2和f3点处发生两相相间短路故障时，将可靠系数Kk均取为1.2，对位于α=0.4,0.6,0.9处的故障点分别取IBDG容量为8 MW和4MW进行仿真，所得的仿真结果如表1所示。其中，当故障位置位于f1点时，α的取值是相对于保护1的。
在仿真测试中，当不同位置处发生故障时，各个保护均不会误动作。由表1可知，保护1的正序电流整定值会随着当前故障情况的变化而变化。当没有IBDG接入时，其保护范围为81.9%；在IBDG接入后，其保护范围随着IBDG容量的增大而减小，但由表1中流过保护1的正序电流值可以看出，IBDG的接入对保护1保护范围的影响较小。此外，保护2、保护4和保护6均能够根据IBDG容量、IBDG运行状态和故障位置的变化而自适应改变其定值，保护范围几乎不变。理论上，在复合序网络图中忽略部分线路阻抗和负荷阻抗的前提下，这3个保护的保护范围分别为68.9%,81.9%,63.8%。在仿真中，实际保护范围会在理论值附近有较小变化。
IBDG容量取为8 MW。当被保护线路BC末端发生三相短路时，流过保护2的电流为2 716A，则传统电流速断保护的定值IZDZ=1.2×2 716A=3 259A。设线路BC的全长为LBC，当IBDG退出运行并且在与保护2的距离为0.15LBC处发生BC相间短路故障时，流过故障相的电流IB=3 148A,IC=3 105A，保护2不会动作，该保护的灵敏性无法满足要求。而对于保护6来说，当其所在线路末端（即保护1出口处）发生两相相间短路故障时，根据已有的自适应电流速断保护，保护6的定值为321A，而此时流过故障B相和C相的电流IB=229A,IC=358A，即保护6的保护范围超出了线路全长。因此，当IBDG上游有多条线路时，IBDG侧保护可能失去选择性。
综上可知，在两相相间短路的情况下，本文提出的自适应正序电流速断保护具有优越的性能。
2）当f1,f2和f3点发生三相短路故障时，改变IBDG的容量以及故障点位置，可靠系数Kk均取为1.2，仿真结果如表2所示。
按照式（13）进行整定，各个保护的保护范围均恒为83.3%，不受其他因素的影响。由表2可知，当f1点发生三相短路故障时，IBDG与系统断开，流过保护1的电流值及电流整定值均只仅与故障位置有关。此外，与系统发生两相相间短路故障时一样，保护2和保护4均能够根据IBDG容量或出力、IBDG运行状态和故障位置的变化而自适应改变其定值。各个保护均能够有选择性地切除其保护范围内的故障。
IBDG容量取为8 MW。按照传统电流速断保护，保护2的整定值为3 259 A。通过仿真，当IBDG退出运行并且在与保护2的距离为0.35LBC处发生三相短路故障时，流过保护2的短路电流为3 265A，即保护2的保护范围约为35%。通过仿真，当与保护2距离0.6LBC处发生三相短路故障时，流过保护2的短路电流为3 219A。此时，根据已有自适应电流保护在线计算得到的定值为3 279A，即保护2的保护范围小于60%。
综上可知，当发生三相短路故障时，本文提出的自适应正序电流速断保护可较好地改善保护的性能，其保护范围远大于传统电流速断保护和已有自适应电流速断保护的保护范围。
5 结语
含IBDG配电网的故障特性和传统配电网有很大不同，已有的自适应电流保护并未考虑IBDG接入配电网后的故障特性，无法保证含IBDG配电网保护的选择性和灵敏性。