【摘 要】
：
目前,大型火电厂单元机组协调控制系统主要以线性控制方法为主,而锅炉燃烧、汽轮机调节汽门、主给水阀门、汽包水位等受外部扰动或自身非线性因素影响,线性控制方法无法达到较好的控制效果。本文以一个n阶系统说明反演控制设计方法,对火电厂单元机组协调系统适用于反演控制的非线性模型进行探讨,并对反演控制在火电厂单元机组协调系统的应用进行了展望。
论文部分内容阅读
目前,大型火电厂单元机组协调控制系统主要以线性控制方法为主,而锅炉燃烧、汽轮机调节汽门、主给水阀门、汽包水位等受外部扰动或自身非线性因素影响,线性控制方法无法达到较好的控制效果。本文以一个n阶系统说明反演控制设计方法,对火电厂单元机组协调系统适用于反演控制的非线性模型进行探讨,并对反演控制在火电厂单元机组协调系统的应用进行了展望。
其他文献
为了探究矿井轨道的振动能量能否有效收集,分析了悬臂梁压电俘能器的结构,介绍了其工作原理;建立了矿井轨道振动与压电片输出电压之间的数值模型;仿真分析验证了其工作原理;模态分析得到前4阶振动模态,并根据矿井轨道的振动频率确定了压电能量回收装置的工作模态为第1阶,频率为216.12 Hz.研究结果表明,悬臂梁压电俘能器可以回收矿井轨道振动能量,为压电俘能器在矿井轨道振动中的应用提供了研究思路。
黏弹性材料广泛应用于水下航行器的降噪、减振或消声,精确获取其动力学参数的需求随着数值仿真技术发展而迅速提升。针对参数获取的声管测量方式,提出了一种使用复反射系数对黏弹性材料复纵波波速快速反演的方法。通过引入多模态展开方法,将复纵波波数超越方程的复平面搜根问题转化为展开系数系统矩阵特征值分解问题,推导出了三种典型背衬情况下展开系数系统矩阵,并分析了多模态展开截断阶次和复反射系数测量误差对复纵波波速反演精度的影响。数值仿真表明,该方法可以快速、准确地反演黏弹性材料的复纵波波速。
利用ABAQUS软件构建了45钢的单层多道熔丝积材和锤击有限元模型,分析了单层多道熔丝积材件的残余应力分布规律和不同锤头移动距离下的锤击对残余应力分布的影响.模拟结果表明
为提高煤矿安全监控系统分站至交换机数据传输速率、降低系统巡检周期、减少异地断电时间、增强系统抗电磁干扰能力及安全稳定性,对薛虎沟煤业安全监控系统现状进行了分析研究,确定并实施了分站升级改造方案,优化了监控系统网络拓扑结构,降低了升级改造成本,同时提高了系统性能指标及安全稳定性,确保了瓦斯监测监控系统在煤矿中的安全保障作用。
为研究九里山矿缓倾斜厚硬顶板受采动影响下的应力重新分布规律,在用钻孔应力计监测数据的基础上,运用FLAC3D数值模拟软件进行分析。通过现场实测结果发现,支承压力峰值强度位置距离煤壁9~12 m,应力集中范围到煤壁距离26~30 m,影响强度随工作面距煤壁距离的减少而增大。数值模拟分析得出,一次采厚是影响超前支承压力的关键因素之一,压力峰值位置与煤层厚度的变化相关,向煤厚变化较大的区域推进时,表现出更集中的超前支承压力。
淮北某矿南翼轨道大巷围岩条件差,且经受两次工作面回采动压影响,围岩自身强度不足以支撑实际承受的应力,巷道变形严重。通过分析该巷道围岩失稳原因,提出二次锚网索支护设计方案,根据现场测点观测情况,5个月后,围岩变形逐渐趋于稳定,顶板下沉量不明显,两帮内移量约182 mm,底鼓量约312 mm,支护效果显著。
研究了55NiCrMoV7模具钢棒材镦粗和拔长过程中的微观组织演化规律。结果表明,镦粗过程中棒材心部动态再结晶体积分数达80%,而变形过渡区和死区的动态再结晶体积分数较低;拔长过程中棒材心部发生了二次动态再结晶,过渡区动态再结晶进一步发展,而死区几乎没有发生动态再结晶。基于55NiCrMoV7模具钢在变形温度850~1250℃、应变速率0.001~10 s-1下的金相组织图,建立了动态再结晶临界应变、晶粒尺寸和动力学的数学模型,并通过DEFORM-3D软件建立了棒材镦粗和拔长过程的宏微观耦合有限元模型,研
针对11Cr17涡轮增压器齿头与轴杆在冷过盈装配过程中的开裂问题进行了分析,借助电感耦合等离子体光谱仪、X射线能谱分析仪、场发射扫描电子显微镜和洛氏硬度计等观察和检测了
为了研究声波对单圆柱绕流流动和传热特性的影响,建立了流场、声场、对流传热多物理场耦合的二维数学模型,并利用有限元软件COMSOL进行数值模拟。结果表明:(1)当频率f=50 Hz、声压级LSP=123~149 dB时,斯特劳哈尔数Sr随声压级增大而减小,圆柱表面压力系数CP随声压级增大而增大;(2)LSP=143 dB、f=20~80 Hz时,斯特劳哈尔数Sr、压力系数CP均随频率f增大而增大;(3)对比f=50 Hz、LSP=143 dB声波作用与无声波作用的情况,阻力系数CDF和升力系数CDL都呈周期
根据金属板材塑性行为具有变形历史相关性的特点,采用深度学习中的序列学习方法,通过构建长短时记忆网络预测先进高强钢板的塑性本构关系,利用基于Abaqus的有限元仿真获得的不同加载条件下的变形数据对模型进行了训练与测试,研究了模型训练方法与训练特性。所构建的深度学习模型在不引入任何弹塑性物理量或本构规律的条件下准确预测了材料的屈服行为和硬化曲线。所提出的方法能准确表征大数据量条件下的板材塑性本构行为,在计算效率、模型灵活性和鲁棒性方面与传统方法相比具有较大的优势。