【摘 要】
:
随着智能电网的快速发展,电力系统对变压器质量的要求也在不断提高。变压器线圈的绕制技术是生产和制造的核心工艺。目前国内广泛使用的是人工绕线机绕制变压器线圈,但是变压器绕组的绝缘性能、匝间间隙、导线压紧力等参数很难被精确地控制,这导致了变压器在运行的过程中经常出现绝缘破损、匝间短路等故障。本文针对此问题,提出了一种变压器绕线机器人工作站的设计方案,并针对工作站中关键电气控制技术进行优化研究,包括开卷机
论文部分内容阅读
随着智能电网的快速发展,电力系统对变压器质量的要求也在不断提高。变压器线圈的绕制技术是生产和制造的核心工艺。目前国内广泛使用的是人工绕线机绕制变压器线圈,但是变压器绕组的绝缘性能、匝间间隙、导线压紧力等参数很难被精确地控制,这导致了变压器在运行的过程中经常出现绝缘破损、匝间短路等故障。本文针对此问题,提出了一种变压器绕线机器人工作站的设计方案,并针对工作站中关键电气控制技术进行优化研究,包括开卷机、收卷机的速度控制及张力控制策略;各电机之间的协调控制策略;工作过程中的运动轨迹及姿态控制策略。主要研究内容如下:首先,分析变压器线圈绕制的工艺过程,设计了由自动放卷机、绕组收卷机、排线机械手等设备组成的自动化机器人工作站。重点研究排线机构ABB1200,运用D-H参数法建立运动学模型,对其正逆运动学进行分析,得到关节角度与末端坐标之间的关系矩阵并进行仿真验证。其次,基于偏差耦合控制策略对多电机进行高精度协同运动控制,在MATLAB中验证控制策略的有效性。针对工作站中张力控制系统的时变非线性特点,引入模糊控制思想设计张力控制方案,并与传统PID控制策略进行仿真对比,结果表明模糊PID张力控制系统在不同的参考张力和阶跃干扰下都能保持良好的张力控制效果。最后,设计变压器绕线机器人硬件控制系统,选用正运动控制器、汇川伺服驱动器和ABB1200等搭建硬件系统,基于硬件系统完成排线和张力控制的软件设计,在Visual Studio中设计上位机管理软件,调用MATLAB中的关键算法实现绕制过程的监测和控制。
其他文献
随着高品位、易开采的硫化镍矿资源日益枯竭,红土镍矿逐渐成为镍冶炼的主要原料。在印度尼西亚,火法处理工艺面临着能耗高、环境污染严重等诸多问题。鉴于经济与环境的双重压力,采用HPAL湿法冶金技术从红土镍矿中提取镍制备电池级硫酸镍成为一种趋势,其中杂质的高效脱除与低浓度镍的富集是制备电池级硫酸的关键。针对这些问题,本文提出基于萃取手段实现杂质的脱除与镍的富集,采用萃取剂Cyanex 272分离钴、镁和镍
泰山赤鳞鱼作为名贵保护淡水鱼种,具有极高的医用和营养价值,但在自然环境下生长缓慢,并且对生存环境有一定要求。投喂是赤鳞鱼规模化养殖的必要环节,利用机器视觉分析和对比投喂前后的行为信息,为养殖智能化投喂策略制订提供参考,本文作出主要研究内容及结论如下:(1)提出基于卷积神经网络YOLOv5的赤鳞鱼目标检测方法,首先通过采集赤鳞鱼图像样本并进行数据增强,共获取2000幅样本,进行赤鳞鱼框标定并完成数据
随着智能化、信息化的普及,图像作为最直观反映实时信息的媒介,在我们的生活中扮演着越来越重要的角色,但由于实际场景中频繁发生的大雾天气,严重影响了智能设备采集图像的清晰度,从而阻碍后续高级视觉任务的有效进行。因此,人们开始不断致力于研究图像去雾技术来改善模糊图像质量。本文基于卷积神经网络结构,针对国内外现有图像去雾方法存在对模糊图像纹理细节还原精度不足,网络信息过载,以及单图像去雾效率偏低、缺少对真
信道特性的差异是无线通信与有线通信最核心的差异之一,无线信道为电磁波的传输提供了直接的载体和介质,它的特性直接影响整个无线通信系统的性能。因此,认识、理解、利用无线信道,是设计研发新一代无线通信系统的基础。由于实际无线信道非常敏感、无法控制和不可重复,在真实环境下对研发的无线通信基站、终端以及对应的无线通信算法直接进行测试和验证,不是一种有效的方法,需要研发无线信道模拟器来满足系统性能的全面考核。
水稻(Oryza sativa)是人类赖以生存的粮食作物,保护其免受病虫害侵袭并实现保质稳产极其重要。植物内生菌,尤其是内生放线菌,因具有高产多种代谢产物、抑制病原微生物生长、协助宿主抗逆抗病等特性,成为生物防治手段中备受关注的微生物资源。但目前关于内生菌与病原菌、内生菌与宿主之间的分子互作机制还知之甚少,需要进行更为完整的解析。本论文以课题组前期分离得到的一株具有显著抗稻瘟病效果的水稻内生吸水链
行人检测与重识别工作是计算机视觉领域的研究热点,旨在研究不重叠的多个摄像区域间对于行人的检测以及对特定行人的匹配,多应用于智能城市建设以保障出行安全。但复杂环境下获取的数据往往存在姿势问题、遮挡问题、照明问题、视角问题、背景问题、分辨率问题以及其他开放性问题,本文将针对以上挑战和难点开展研究工作,以促进行人检测与重识别技术在智能城市中的广泛应用,为“平安城市”的建设工作助力。本文基于深度学习技术,
对抗攻击是指将精心设计的噪声叠加到一个被正确分类的干净样本上,使神经网络做出错误分类。基于硬标签的对抗攻击方法通过向目标神经网络发送查询,仅利用硬标签信息,便可以生成对抗样本,实现攻击目标。由于现实世界中,攻击者并不知道神经网络输出的概率分布,往往只能得到硬标签,所以评估神经网络对基于硬标签的黑盒攻击下的鲁棒性更加符合实际。基于硬标签的黑盒对抗攻击方法主要分为两大研究方向:(1)对处于决策边界的对
含铬废水治理是水体修复的研究重点之一。近年来,微生物法因简单有效、低成本、绿色化等优势倍受关注。已有研究表明重金属污染环境中的微生物受重金属胁迫上调表达重金属抗性基因(MRGs)的同时间接上调表达了抗生素抗性基因(ARGs),使微生物同时具备重金属抗性和抗生素抗性。含铬废水微生物治理过程是主动将铬还原菌暴露在重金属铬环境下对Cr(VI)进行还原,该过程可能上调表达ARGs。抗生素抗性一旦产生,其A
随着深度学习在人工智能中的广泛应用,其自身的安全性问题也逐渐暴露。深度学习的安全性直接影响着其在不同领域应用的有效性,因此其安全问题已经成为学术研究的焦点,特别是在对抗样本攻击与对抗样本的生成方面。有效的攻击算法可以对深度学习模型的安全性进行评估,对于网络安全保护具有重要的研究意义和社会价值。本文针对现有的对抗样本攻击存在普适性不强,生成对抗样本时需要大量访问被攻击网络、查询次数多、攻击点较难选择