【摘 要】
：
叶中含梗率是衡量烟叶叶片结构好坏的一项重要指标,在影响叶中含梗率的诸多因素中,打辊机和风机频率的设定值对于叶中含梗率的影响很大。目前,操作工人都是根据个人经验来进行频率设定,这样就很难快速准确地设定出符合叶片结构要求的参数。为了在烟草行业实现科学调整,智能控制,将神经网络技术应用于打叶复烤过程,通过神经网络的学习,建立打辊机和风机频率与叶中含梗率的模型,从而实现对打叶机组的频率预报。结合实测数据对打叶机组频率进行预报,结果表明,此方法具有较高的计算精度,预报误差范围为±0.5%,能够充分满足现场生产要求。
【机 构】
：
北京长征高科技有限公司,南华大学电气工程学院
论文部分内容阅读
叶中含梗率是衡量烟叶叶片结构好坏的一项重要指标,在影响叶中含梗率的诸多因素中,打辊机和风机频率的设定值对于叶中含梗率的影响很大。目前,操作工人都是根据个人经验来进行频率设定,这样就很难快速准确地设定出符合叶片结构要求的参数。为了在烟草行业实现科学调整,智能控制,将神经网络技术应用于打叶复烤过程,通过神经网络的学习,建立打辊机和风机频率与叶中含梗率的模型,从而实现对打叶机组的频率预报。结合实测数据对打叶机组频率进行预报,结果表明,此方法具有较高的计算精度,预报误差范围为±0.5%,能够充分满足现场生产要求。
其他文献
直升机上安装的直流发电机为全机用电负载供电,直流发电机是通过发动机燃气涡轮驱动的。长期以来,在计算发动机功率限制时,一直忽略发电机提取功率的计算,采用保守的方式计算发动机的功率限制,不能充分发挥发动机功率特性。本文通过对发电机厂家提供的试验台试验数据资料的分析,研究并计算出符合发电机提取功率的数学模型,可以实时计算直升机不同工作状态发电机从发动机燃气涡轮提取的机械功率,对其它直升机计算发电机提取功率具有重要的借鉴意义。
针对大气污染急需检测分析有害气体浓度的问题,本项目以STM32F103RCT6为主控芯片,STM32CUBEMX为开发环境,并且以MQ系列传感器进行浓度测试,用MATLAB对所采集浓度进行数据处理,研发出一款性价比较高的气体浓度分析仪,适用于工业对浓度有要求的场合。
为提升对火力发电机组的智能运行分析与管控,提出基于大数据技术的火电机组相关运行数据的全景展示方案。首先分析了火力发电机组在现阶段的运行特征以及在智能调控背景下火电机组与大电网运行和新能源系统的关系,从而说明火电机组运行数据的重要性。然后通过对大数据及可视化技术的分析,说明了火电机组在汽机侧、锅炉侧等热工数据和环保数据的特征,并提出了多维度全景展示方案和系统构架。最后说明了火电机组数据可视化在电网调度运行、促进新能源消纳、实现故障诊断等方面的作用。
为保证汽车电子加速踏板可靠性,本文构建了加速踏板位置信号控制模型。仿真结果表明,以一阶低通滤波算法,可就踏板信号开度实时动态调节滤波系数,并兼顾灵敏性、稳定性、可靠性,二次滤波可消除超限错误引发的信号突变,确保信号平稳;基于加速踏板传感器故障分析可准确输出开度值,以提升踏板可靠性,保证汽车行驶安全性;加强电子加速踏板可靠性控制,可消除外界干扰影响,获取精准的开度信号。
通过流体力学技术对海浪波进行分析,实现船只的速度聚束调制;应用多重形态谱检测船只红外尾迹图像;以船只红外尾迹图像为样本,通过卷积神经网络收集红外尾迹图像深度特征;根据特征坐标生成图像关键目标区域,利用添加注意力模块,获得关键目标对象的特征图谱;采用网络训练优化图像的分类层与卷积层,确保所有层的分辨能力;增强图像细粒度信息实现船只轨迹精准识别,完成船只红外尾迹图像细粒度识别。实验证明,所提方法识别用
本文以数字信息技术为出发点,紧密结合企业生产流程和管理模式的实际与特点,基于工业互联网技术的发展,建立以数据驱动为主线的信息管理系统模型,通过要素、过程、产出的数字化升级,为推进企业的数字化转型提供技术探索与实践应用参考。
8月25日,工业和信息化部召开IPv6流量提升三年专项行动全国部署宣贯会,面向信息通信行业进行《IPv6流量提升三年专项行动计划(2021-2023年)》(以下简称《三年行动计划》)政策解读和宣贯部署.工业和信息化部总工程师韩夏出席会议并讲话.rn会议指出,开展IPv6流量提升三年专项行动是落实党中央、国务院决策部署的重要举措,是加快构建互联网新发展格局的紧迫需要,是助力我国经济社会高质量发展的重要支撑.工业和信息化部联合中央网信办发布《三年行动计划》,是未来三年信息通信行业深化IPv6规模部署和应用的“
进行电网状态估计数据含坏点辨识时,测量权值存在误差,得到辨识结果与实际结果不符,存在辨识效率低的问题。因此将关联分析方法引入电网状态估计数据含坏点的辨识过程中,提出基于关联分析的电网状态估计数据含坏点自动辨识方法,实验结果表明,所提方法的辨识效率得到保证,正确率较高。
现有传感器与柱上断路器深度融合方法由于温度过高,容易造成配电设备精度失效的问题,为此提出基于无源交流传感器在柱上断路器上深度融合的应用研究。仿真实验结果显示:在无源交流传感器应用下,普遍优于现有柱上断路器融合方法,充分说明无源交流传感器应用效果较好。
获取准确可靠的配电网拓扑模型既是提高配电网智能化建设水平的重要基础,也是配电网调度运行服务优化的关键支撑。采用快速准确的识别方法,可大大降低其运行管理难度。文中提出了一种配电网拓扑识别方法,首先将配电网视为三种基本拓扑单元的排列组合,获取节点-支路连接关系,进一步生成配电网拓扑矩阵;其次基于直流潮流法和SOM-BP神经网络算法,通过设置筛选半径筛除冗余数据,降低了计算复杂度,且可保留有效的训练数据,将识别系统整体拓扑解耦为识别单条线路;再次,采用矩阵运算将识别结果和拓扑矩阵相乘,即可更新配电网拓扑结构;最