【摘 要】
：
本文针对沙角C电厂脱硫废水处理系统反应器pH值被控对象的非线性、大滞后性等特点,介绍了一种基于模糊控制的参数自整定PID控制器.根据偏差大小和偏差变化率实时调整PID控制器的参数,利用MATLAB工具搭建的仿真模型,验证了该控制器的优异性,并最终在脱硫废水PLC控制系统中实现该控制器的使用,其对pH值的控制取得了良好的效果,同类型对象可以借鉴.
【机 构】
：
广东省能源集团有限公司沙角C电厂,广东 东莞523969
论文部分内容阅读
本文针对沙角C电厂脱硫废水处理系统反应器pH值被控对象的非线性、大滞后性等特点,介绍了一种基于模糊控制的参数自整定PID控制器.根据偏差大小和偏差变化率实时调整PID控制器的参数,利用MATLAB工具搭建的仿真模型,验证了该控制器的优异性,并最终在脱硫废水PLC控制系统中实现该控制器的使用,其对pH值的控制取得了良好的效果,同类型对象可以借鉴.
其他文献
针对非理想信道多小区多播协作网络中的供能问题,提出了一种鲁棒的无线携能通信优化方案,该方案以最差用户信干噪比最大化为目标、以每用户能量采集和每小区功率为约束,在保证用户能量采集约束和系统功率预算的前提下实现最差用户服务质量最优化.为了求解优化问题,采用半定松弛和S-引理将原始问题转化为拟凸优化问题,进而采用二分迭代算法得到问题的最优解.仿真结果表明,所提系统设计正确,迭代算法收敛特性良好.
通过对常规机械搅拌式浮选机进行改造,将其搅拌系统设计为2个转子(离心叶轮和搅拌叶轮)配1个定子的结构模式,开发了双叶轮浮选机.为了考察搅拌叶轮直径对双叶轮浮选机性能的影响,试验设计了直径为32、34和36 m m的搅拌叶轮,考察了直径对充气性能、悬浮性能和分选性能的影响.试验表明:浮选机的充气、悬浮和分选性能,与搅拌叶轮的结构特征和浮选机的转速有关.随着转速的增加,充气量越来越大,固体颗粒悬浮质量分数越来越小,而分选效率先增大后减小;在实验室现有搅拌叶轮尺寸条件下,叶轮直径为36 mm时,充气、悬浮和分选
随着国内外水泥生产线大型化的发展,需要采用大规格带烘干功能的磨机来粉磨煤粉.根据烘干型风扫磨机的粉磨特点,分析了煤粉的烘干研磨机理,研制出了新型烘干型风扫磨机.通过实际应用证明,该新型烘干型风扫磨机对于提高粉磨效率、降低煤粉含水率起了一定的促进作用.
为了对图像中大面积不规则缺失区域进行合理的结构修复和精细的纹理重构,提出了一种基于双向级联边缘检测网络(BDCN)和U-net残缺边缘生成的两阶段网络图像修复算法.第一阶段首先基于BDCN网络提取边缘,然后基于U-net架构的边缘生成网络用下采样对缺失图像边缘提取特征,再结合上采样的输入信息和下采样各层信息还原图像边缘纹理细节;第二阶段使用空洞卷积进行下采样和上采样,经过残差网络重建细节丰富的缺失
阐述了电动机制动器在矿井提升机中的重要性,分析了传统电动机制动器和电力液压块式制动器的结构及工作原理,提出了采用电力液压块式制动器代替传统电动机制动器的设计方案,解决了传统电动机制动器因垂直式制动导致的减速器油封失效漏油问题,总结了电力液压块式制动器的安装调试及维护注意事项.
在推荐系统中,了解用户行为背后的复杂功能交互,对预测用户点击广告或商品的概率至关重要.人们一直努力寻找稀疏和高维原始特征的低维表示形式及有意义的组合.其中深度交叉网络可以显式地在每一层进行特征交叉,但其“一视同仁”地对待所有交叉特征,未考虑不同特征对结果的影响,造成一些有用信息被消除.因此提出了多头自注意力神经网络在双曲空间下的点击率预测模型.在双曲空间下,模型不再使用内积而使用洛伦兹距离违背三角不等式程度来度量特征之间的相似性与相关性,从而避免了维度灾难.实验表明,就模型准确性而言,其在点击率预测数据集
为了实现移动群智感知系统中身份隐私、证书撤销和积分激励功能,同时解决恶意用户身份追踪与诚实用户隐私保护之间的矛盾,提出了强隐私保护的移动群智感知方案.基于门限密码思想将身份追踪能力分散到多个实体上,使得多个追踪者合作才能追踪用户身份;将Pointcheval-Sanders签名和基于RSA假设的Camenisch-Lysyanskaya累加器结合起来实现了证书的安全快速撤销;利用Pointcheval-Sanders签名构造了保护隐私的积分激励机制.对该方案进行了安全性分析和实验分析.研究结果表明,该方案
为了解决大型矿用布料机的自移式布料桥 7 条履带在水平方向行走的位移同步性,采用 GPS-RTK (实时动态差分全球定位系统) 技术定位自移式布料桥首尾 2 条履带在堆浸场中的位置,通过 PLC 控制系统和控制算法来控制各履带的速度、方向和角度,实现了自移式布料桥在正常模式和 90°旋转模式下多种运行轨迹的同步行走。现场应用证明该技术具有精确、可靠、方便、实用、故障率低且维护简便的优点。
针对多视图的重建中高精度图片难以有效重建的问题,提出了基于学习的深度估计方法.该方法利用空洞卷积神经网络对图片进行特征提取,利用长短期记忆网络构建并优化三维代价体,并且采取有监督和无监督2种方式进行训练.在2个真实场景中的多视角图片数据集上的实验结果表明,相比于传统方法和其他基于学习的方法,该网络所需的显存大大减少,因此能用于高精度图片的重建,同时,提高了模型深度预测的准确性和完整性。