UC3843控制多路输出开关电源设计与实现

介绍了采用UC3843控制器的单端反激式开关电源的设计与实现,讲述了UC3843控制器内部电路及其特点,通过具体的多路输出开关电源设计实例分析了设计的主要步骤以及实际设计中应注意的问题,并提出了抑制噪声的措施,最后给出了该电源的性能测试数据。     

空间机器人神经网络自适应滑模目标操控轨迹跟踪控制

针对参数未知的空间目标操控问题,考虑空间机器人负载不确定性、系统动力学不确定性和环境扰动等因素,为实现操作过程的稳定控制及机器人轨迹的有效跟踪,提出一种基于径向基神经网络估计不确定项的自适应增益非奇异终端滑模变结构控制器。首先基于拉格朗日法建立空间机器人的刚体动力学模型。考虑空间机器人基座姿态主动控制模式,使用径向基神经网络对模型中的不确定项进行估计。进而提出基于神经网络估计的非奇异终端滑模控制器,并针对不确定性和扰动的估计误差设计自适应增益,以期实现空间机器人系统轨迹跟踪控制的收敛。仿真校验结果表明所设计的控制方法具有较好的误差收敛速度和控制精度。     

结构振动主动控制技术的现状与发展趋向

本文对结构振动主动控制技术的现状进行了评述,介绍了受控结构的模型降阶、溢出的产生和抑制方法,阐述了目前所采用的各种控制器的设计方法及在设计过程中应考虑的几个问题(例如:模型误差及溢出、传感器与作动器的类型和位置的优化选择、参数不确定性、时滞等)以及振动主动控制系统实现时所采用的各类作动机构,指出了振动主动控制技术的发展方向。     

不同目标函数参数优化的FOPI直流调速控制

为了提高直流调速系统性能,将直流调速系统速度控制器设计为分数阶PI(FOPI),并与整数阶PI控制特性进行比较。在确定FOPI/PI控制器参数时,根据不同目标函数用粒子群算法对控制器参数进行了优化,并分析了不同目标函数所确定的控制器参数对调速系统性能的影响。仿真表明:FOPI有较好的控制性能。在设计控制器参数时,可根据性能要求选用不同的目标函数优化设计控制器参数。     

多电飞机主发电机供电条件模拟装置设计

多电飞机主发电机要接入电网向电网供电,须要满足很多条件。首先要使准备接通的发电机励磁,然后当发电机转速正常,发电机电压达到要求后,并在外电源已经断开的条件下,接通发电机接触器,使发电机向电网供电。设计基于C8051单片机及外围电路的装置,对多电飞机主发电机接入电网的控制条件进行模拟,并将结果显示在装置的LCD(Liquid Crystal Display,简称LCD)显示屏上。该装置的设计包括硬件电路设计和软件程序编写。最后对装置进行调试与验证,实验结果能够达到设计初衷。     

考虑摩擦的空间抓捕过程碰撞动力学分析与控制

目前针对空间抓捕中的碰撞进行建模的方法中很少考虑摩擦因素。然而,摩擦作为碰撞过程中不可避免的现象,对碰撞动力学响应及整个空间抓捕任务有着不容忽视的影响。文章结合库伦摩擦理论和拉格朗日乘子法,建立了同时兼顾滑动和粘滞状态的摩擦模型,然后将求解到的摩擦力与碰撞力进行矢量合成,作为对碰撞模型的修正。另外,针对碰撞过程对机器人姿态产生的干扰,利用反 馈线性化设计了解耦控制器对基座姿态漂移进行稳定控制。数值仿真采用一个平面2灢DOF空间机器人,利用动量和动量矩守恒定理验证了动力学模型的正确性,同时基座姿态控制结果收敛说明了控制器的有效性。     

基于模型补偿的风力机变桨距线性自抗扰控制器设计

设计了一种变桨距线性自抗扰控制器,估计和补偿了系统未建模部分和外界干扰,实现额定风速以上时系统输出功率稳定于额定值;并采用模型补偿方法对自抗扰控制器进行优化,减少了参数整定的数目,提高了系统控制精度。对额定功率为300 kW的风电机组分别在阶跃风、阵风以及湍流风作用下进行系统仿真。结果表明,该方法可以快速调节风速变化引起的输出波动,使得系统输出稳定且超调量小,具有很好的稳定性和鲁棒性。     

Instantaneous rainfall estimation using neural network from multispectral observations of SEVIRI radiometer and its application in estimation of daily and monthly rainfall

In the present paper, an artificial neural network (ANN) based technique has been developed to estimate instantaneous rainfall by using brightness temperature from the IR sensors of SEVIRI radiometer, onboard Meteosat Second Generation (MSG) satellite. The study is carried out over north of Algeria. For estimation of rainfall, weight matrices of two ANNs namely MLP1 and MLP2 are developed. MLP1 is to identify raining or non-raining pixels. When rainy pixels are identified, then for those pixels, instantaneous rainfall is estimated by using MLP2. For identification of raining and non raining pixels, 7 input parameters from the IR sensors are utilized. Corresponding data of raining/non-raining pixels are taken from radar. For instantaneous rainfall estimation, 14 input parameters are utilized, where 7 parameters are information about raining pixels and 7 parameters are related with cloud features. The results obtained show the neural network performs reasonably well.     

A new global version of M(3000)F2 prediction model based on artificial neural networks

A new version of global empirical model for the ionospheric propagation factor, M(3000)F2 prediction is presented. Artificial neural network (ANN) technique was employed by considering the relevant geophysical input parameters which are known to influence the M(3000)F2 parameter. This new version is an update to the previous neural network based M(3000)F2 global model developed by Oyeyemi et al. (2007), and aims to address the inadequacy of the International Reference Ionosphere (IRI) M(3000)F2 model (the International Radio Consultative Committee (CCIR) M(3000)F2 model). The M(3000)F2 has been found to be relatively inaccurate in representing the diurnal structure of the low latitude region and the equatorial ionosphere. In particular, the existing hmF2 IRI model is unable to reproduce the sharp post-sunset drop in M(3000)F2 values, which correspond to a sharp post-sunset peak in the peak height of the F2 layer, hmF2. Data from 80 ionospheric stations globally, including a good number of stations in the low latitude region were considered for this work. M(3000)F2 hourly values from 1987 to 2008, spanning all periods of low and high solar activity were used for model development and verification process. The ability of the new model to predict the M(3000)F2 parameter especially in the low latitude and equatorial regions, which is known to be problematic for the existing IRI model is demonstrated.     

伺服加载控制器硬件在环仿真系统研究

为了测试和调试伺服加载控制器的工作性能,建立了控制器硬件在环仿真试验平台系统。该系统针对基于虚拟仪器技术设计的伺服加载控制器,用CompactRIO作为硬件仿真器,构成了参数可变的硬件仿真闭环系统。控制器运用PI控制算法进行载荷谱的加载;仿真器按照加载系统的数学模型来模拟实际加载系统的运行状态,完成了模型搭建、指令接收、动态仿真、仿真结果输出任务。最后,对系统的合理性进行了实验验证,结果表明该系统可以较好地模拟伺服加载系统的实际工作情况,可用于加载控制器性能的仿真验证。