摘要：对金属带材进行横向磁通感应加热(TFIH)时,通常会存在加热温度分布不均匀以及加热温度偏离目标值两个问题。该文研究了加热器结构参数与电源参数对45号钢带材回火热处理温度的影响,并对两种参数分别进行优化,使带材在加热器出口处的平均温度达到目标值600℃,同时获得均匀的温度分布。采用Morris法对加热器结构参数进行全局灵敏度分析,选取显著影响相对不均匀度的参数并建立径向基函数(RBF)神经网络预测模型。使用多岛遗传算法(MIGA)对筛选的结构参数进行优化,初步获得均匀的温度分布。最后以降低温度分布的相对不均匀度和达到理想平均温度为目标,在优化后的加热器结构基础上使用响应面法(RSM)优化电源参数,实现多目标优化设计。仿真验证结果表明,45号钢带材在加热器出口处的平均温度为600.06℃、相对不均匀度为2.36%,满足45号钢回火热处理的要求。

摘要：物体表面形貌深度信息对于智能机器人检测物体表面特征、人机交互具有重要意义。受动物毛发感知机理启发,设计了一种新型仿生磁致伸缩触觉传感器单元及阵列;基于逆磁致伸缩效应、欧拉-伯努利梁理论和胡克定律,推导了深度检测的输出电压模型。仿真研究确定了最佳偏置磁场和阵列间距,实验测试了传感器单元在静态和动态下的输出特性,在0.05~4.8 mm深度检测范围内,灵敏度为185.72 mV/mm,响应时间和恢复时间分别为31 ms和43 ms,且具有良好的重复性,传感器阵列中单元之间输出电压的耦合影响不超过2.4%。将传感器单元及阵列安装在机械手上,选择合适的滑动速度滑过不同物体表面时,根据输出电压波形精确测量各种深度和形貌,结果表明该传感器单元和阵列可为深度与形貌检测提供参考。

摘要：受动物触须传感机制的启发,结合铁镓合金(Galfenol)对物体表面纹理高度信息的优良感知能力,设计制作一种铁镓合金触须传感器单元,并将其集成为4×2阵列。基于力学、电磁学理论和压磁方程建立了传感器单元输出电压模型,描述了输出电压与物体表面纹理高度的关系。实验测试了传感器单元的静态和动态特性。设计的传感器单元能够检测物体表面0.01~1.6 mm纹理高度变化,灵敏度为243.3 mV/mm,且具有较快的响应时间(26 ms)和恢复时间(25 ms)。将传感器单元与阵列装载在机械手上滑过具有不同纹理的样品表面,利用输出电压波形可识别与重建样品表面纹理。结果表明,设计的传感器阵列能够高精度地感知物体表面纹理信息,进而指导机械手调整操作策略,完善人机交互过程。

摘要：驱动电路与磁脱扣器是电磁式漏电保护器的核心组件,磁脱扣器需与储能电容匹配。在电磁式漏电保护器基本工作原理分析的基础上,建立磁脱扣器的数学模型与有限元计算模型,根据激磁安匝变化进行衔铁响应状态分析,仿真不同线圈激励形式下磁脱扣器动作响应状态。研究衔铁角动量与角位移变化特征,根据无激励时衔铁释放临界角动量与角位移关系,确定不同线圈激励形式下的衔铁临界释放条件。研究电容电压激励源下衔铁所受力矩冲量的变化规律,分析电容及其储能对衔铁释放响应状态的影响,根据临界储能最小的原则确定电容匹配,可以降低衔铁可靠释放所需储能。通过对磁脱扣器样机进行实验测试,验证了理论分析与仿真计算的正确性。

摘要：锂离子电池的过放电行为可诱发内短路进而可能导致热失控。由于单体电池一致性差异和过放电导致的内短路初期电、热特征不明显,使得电压和温度等常规物理参数难以可靠实现故障预警,而阻抗可以反映电池内部信息,对故障状态具有较好的指示能力。该文通过分析锂离子电池过放电诱发内短路引起阻抗变化的机理,基于设计的阻抗在线测量装置,确定用于监测电池内短路故障的特征阻抗频率为70 Hz,获取过放电诱发内短路过程中特征频率下动态阻抗及阻抗变化率,提出一种基于动态阻抗特征的内短路在线识别方法并验证了方法的可靠性。实验结果表明,锂离子电池放电过程中动态阻抗半正弦变化特征可提前约144 s实现过放电预警,动态阻抗针状变化特征可提前约152 s实现内短路故障预警,动态阻抗明显回升特征可作为内短路发生的标志。此外,阻抗变化率特征有助于实现锂离子电池故障识别及预警,该方法在锂离子电池故障在线快速诊断中具有重要的应用潜力。

摘要：磁心损耗精确预测对于电力电子变压器的优化设计至关重要。然而,传统的磁心损耗模型在复杂激励下适用性较差,尤其对于占空比可调、高次谐波含量丰富的PWM波磁心损耗预测,计算精度显著下降。基于Jordan损耗分离模型,建立了一种考虑PWM波形特征的磁心损耗计算方法。首先,该方法根据激励波形特征,推导出相应的波形系数及等效频率来计算PWM波激励下的动态涡流损耗,将Jordan模型的适用范围从正弦拓展到PWM波激励下的磁心损耗计算;然后,分析了不同占空比激励下激励波形有效频率及高次谐波含量变化对损耗系数的影响,并对其进行数学表征,实现了整个占空比范围内磁心损耗的精确预测;最后,搭建了高频非正弦激励下软磁材料磁特性测量平台,针对1K107B纳米晶材料,测量了两种典型PWM波激励下的损耗数据。实验结果表明,所建立的磁心损耗模型具有较高的计算精度,相比于传统的Steinmetz改进公式,整体精度提高了25%。

摘要：功率器件作为电能变换的核心,准确测量其开关电压可以优化器件的开关行为,评估器件的开关损耗,为功率转换系统的设计提供重要指导。以SiC MOSFET为代表的宽禁带半导体器件具有高速开关特性,传统商用电压探头难以同时满足低侵扰、强抗扰、高带宽与小体积的测量要求,因此提出了一种基于电场耦合原理的同轴圆柱型电压探头。通过感应电极包围引出端的结构降低侵入电容,应用屏蔽覆铜、过孔阵列与屏蔽铜管的强抗扰结构实现对环境噪声的抑制。利用有限元仿真指导了探头参数选取的方案,验证了屏蔽层对噪声的抑制能力,详细分析了同轴探头有效降低侵入性的机理。所设计的同轴探头带宽为280 MHz,量程为-750 V~+750 V,侵入电容约为0.92 pF。最后通过双脉冲实验证明,同轴探头可以准确测量ns级的开关时间,满足SiC MOSFET开关电压的测量需求。

摘要：为解决深度学习类配电网故障辨识方法在量测不足和标记率低时准确率不高的问题,提出了基于图半监督与多任务学习的故障区段与类型统一辨识方法。首先,设计了故障区段与类型统一辨识的图神经网络架构,在图嵌入层中融入网络拓扑和线路参数信息,以充分挖掘不同位置、类型的故障特征。其次,采用多任务注意力网络构建了故障区段定位和类型辨识两个任务,以提取故障的多重信息,实现不同任务间知识转移。再次,将图嵌入特征与无标签样本的编码压缩特征进行融合,得到新的多任务共享特征,以充分利用未标记数据,增强模型泛化能力。最后,通过算例测试表明,所提方法的故障辨识精度优于传统神经网络,且在实时量测少、标签率低及不同量测噪声条件下具有更好的鲁棒性。

摘要：高频变压器漏感是影响固态变压器功率传输特性及运行可靠性的一个重要参数,在设计阶段需要对其进行快速、精确的预测。由于数值法计算成本高昂,难以满足变压器设计阶段快速预测漏感的要求,目前常采用解析法计算漏感参数。基于一维磁场假设的计算模型忽略了绕组端部效应的影响,无法准确估计漏感。多数二维计算模型虽然考虑了横向漏磁通的影响,但泊松方程的求解及电流密度的级数表征导致其计算过程过于繁琐。因此,该文基于镜像原理准确提取磁芯窗口区域的漏磁场,推导该区域直流漏磁能量的解析表达式,并引入计及绕组集肤效应和邻近效应的频率相关因子,揭示宽频区间内漏感的衰减规律,建立能够同时考虑频变特性和绕组端部效应的漏感解析计算模型。最后,搭建漏感测量平台,针对具有不同孔隙率的变压器样机开展详细的实验研究。结果表明:所建模型的最大相对误差不超过5%,验证了该模型的准确性和有效性。

摘要：针对传统滑模观测器在位置估计过程中的抖振问题,设计一种易于实现的分段平方根切换函数代替传统不连续开关函数,并利用李雅普诺夫稳定性判据对其稳定性进行分析。针对传统锁相环在进行位置估计过程中对转速变化跟踪能力差的问题,提出一种改进锁相环,通过增加微分环节提高电机转速与位置的估计速度,通过增加速度负反馈环节提高系统在暂态过程中的动态性能。在此基础上,通过锁相与位置误差辨识机制,提出一种位置误差全补偿算法,解决了由滤波器、零阶状态保持器等相位延迟环节引起的位置估计误差问题。此外,该文利用形式简单的d-q坐标系电压方程建立滑模观测器,在采用PLL进行位置估计时,无需进行α-β坐标系下的位置误差构建。最后,通过仿真和实验验证所提方案可行性和有效性。