基于四开关三相变频器的永磁同步电机驱动系统转矩脉动优化控制

针对低成本三相四开关变频器构成的永磁同步电机驱动系统存在转矩脉动较大的问题,提出了一种系统转矩脉动优化控制策略。系统中存在的转矩脉动分为低频和高频转矩脉动,对于由直流电容电压波动产生的低频脉动,采用了引入一种基于非正交坐标变换的补偿方案,而对于高频脉动,分析评估了不同调制策略的影响,选择了最优调制策略。此外,线性调制范围设置考虑了系统直流电容电压波动,避免了低频脉动造成的过调制。同时,还设计了电容电压偏移抑制控制以扩大线性调制区范围。试验结果验证了新型控制策略抑制系统转矩脉动的效果明显。     

表贴式永磁同步电机直接转矩控制变角度预测控制

基于以电压矢量相角为变量的表贴式永磁同步电机(SPMSM)磁链和转矩方程,采用预测控制计算得出施加不同电压矢量相角的下一时刻磁链和转矩值,选择使磁链和转矩误差目标函数最小的电压矢量相角作为最优值,从而确定下一时刻施加的电压矢量。仿真结果表明:在电压矢量变角度预测下,SPMSM直接转矩控制系统运行良好,定子磁链轨迹为理想圆,磁链和转矩均符合控制要求,转速跟踪良好,定子电流波形为正弦。研究了不同等分电压矢量相角选择区域方式下变角度预测控制系统的控制效果。综合考虑控制效果和计算负担,变角度预测控制下将相角选择区域四等分比较理想。     

经验模态分解火箭发动机多界面粘结检测特征信号提取技术

针对固体火箭发动机在存放期间粘结界面易出现脱粘的情况,采用超声纵波对其一二界面粘结质量进行检测,得到的二界面脱粘缺陷回波信号通常混叠了一界面多次反射透射的信号,无法与一界面粘结信号区分。为了区分不同界面回波信号,选用EMD(经验模态分解)对回波信号分解,并根据相关性系数得到信号主导作用模态分量,提取其检测信号幅度特征,得到界面粘结情况,再根据时间确定粘结位置是一界面还是二界面。结果表明:通过EMD对超声回波信号的特征提取可以实现固体火箭发动机界面最小直径为4 mm的脱粘缺陷检测,同时有效地降低分析计算的数据量,为固体火箭发动机粘结检测提供一定基础。     

基于慢特征密度聚类的气路异常检测方法

在结合核技巧、慢特征分析算法与密度聚类方法的基础上,提出了基于混合核慢特征分析和密度聚类的慢特征密度聚类算法,实现了基于民航发动机气路参数原始值的异常检测。核技巧的引入克服了慢特征分析法处理复杂数据时可能存在的维度爆炸问题,充分利用不同核函数的特点和慢特征分析的优势从气路参数原始值中提取出随时间变化最缓慢的特征作为密度聚类算法的输入,最终筛选出异常值。经实验对比发现,该方法针对某些异常拥有最好的聚类效果和最低的虚警率,尤其是检测可调放气活门系统异常时虚警数量不到样本总数量的0.5%,是一种有效的方法。      

多分量雷达辐射源信号的检测与分离

针对多分量雷达辐射源信号难以有效检测与分离的问题,提出了时频变换结合时变滤波的方法。通过图像分割中的区域生长法在时频平面对各分量进行检测,对其中的线性调频分量采用分数阶傅里叶变换进行优先分离,再对时频或频域没有耦合的分量进行滤波,最后通过支持向量机划分分类线,用于时频耦合分量的分离。仿真实验结果表明,该方法可以对多分量信号进行有效的检测与分离。     

航天器单层板结构弹道极限的支持向量机预测模型

提出了一种基于非线性不可分支持向量机（SVM）方法的航天器单层板结构弹道极限预测模型。利用实验数据对SVM进行训练,建立穿透点和未穿透点的分隔面,进而预测新结构弹道极限特性。SVM的训练问题是以实验点分类正确性为约束,预测置信度最大化为目标的二次规划问题,用Lagrange对偶方法有效求解了该训练问题,并通过附加Lagrange乘子的上限约束处理不可分数据集。引入二次核函数将线性SVM推广到非线性,有效实现了实验点的分类。利用超高速碰撞实验数据对SVM弹道极限预测模型进行了验证,计算对比表明SVM方法有效预测了弹道极限,并且精度高于NASA JSC单层板弹道极限方程。对分离面方程分离变量,建立了基于SVM的弹道极限方程显式表达式。     

基于分层神经网络的航天器故障诊断技术

为了提高卫星、飞船等复杂系统的故障诊断速度和精度,文章提出了一种基于分层神经网络的整星故障诊断模型。模型中的上层神经网络采用自组织特征映射网络,完成整星故障的初步定位与辨识;下层神经网络采用广义回归神经网络,实现整星各分系统故障的精确定位和定因。引入主元分析法实现原始状态变量的降维,减少神经网络神经元数量。该模型已成功应用于某卫星各分系统的故障诊断,提高了诊断效率,并能精确给出诊断结果。     

Integration of high-fidelity model of forward variable area bypass injector into zero-dimensional variable cycle engine model

Forward Variable Area Bypass Injector (FVABI) is one of key components which contributes to modulate the cycle parameters of Variable Cycle Engine (VCE) under various operation conditions. The modeling method of zero-dimensional FVABI was reviewed and its deficiency was analyzed based on FVABI flow characteristic. In order to improve the accuracy of VCE performance simulation, the high-fidelity modeling method of FVABI was developed based on its working characteristics. Then it was coupled with the zero-dimensional VCE model and the multi-level VCE model was built. The results indicate that the geometric and aerodynamic parameters can affect the interaction between the two airflows and the zero-dimensional FVABI model is too simple to predict the component performance accurately, especially when the FVABI inner bypass is chocked. Based on the performance curves for single bypass mode and the regression model of multi-scale support vector regression for double bypass mode, the high-fidelity model can predict FVABI performance accurately and rapidly. The integration of high-fidelity FVABI model into zero-dimensional VCE model can be done by adjusting iterative variables and balance equations. The multi-level model has good convergence and it can predict VCE performance when the FVABI inner bypass is chocked.     

基于未知地标被动观测的飞航导弹SINS俯仰姿态误差估计方法

针对飞航导弹单独使用时SINS存在姿态估计精度随时间降低的问题,提出了基于未知地标被动观测的SINS俯仰姿态误差估计方法。首先,根据飞航导弹中制导段飞行的特点,把SINS俯仰姿态误差估计问题转化为攻角估计问题。然后,在不改变导弹巡航路径的前提下,利用弹上成像导引头对视场内任意未知地标连续被动观测,分别提出了弹体坐标系和速度坐标系下的攻角估计方法,并分析了观测噪声对量测方程系数的影响。最后,利用平均去噪的思想对估计结果进行处理,提高了SINS俯仰姿态误差的估计精度。仿真结果表明：两种方法都能有效估计出飞航导弹SINS俯仰姿态量测误差。     

基于泰勒展开法的转子系统动力特性区间分析方法

对转子系统动力特性运用一种非概率-区间分析方法进行分析.基于区间数学和1阶泰勒展开理论的区间分析方法将非确定参数支承刚度和连接结构刚度视为区间向量,运用泰勒展开法建立了转子系统固有频率的公式.区间分析方法降低了传统的概率分析方法对不确定参数信息的过分要求,为解决含有非确定参数的转子系统动力特性问题提供了一个途径.应用区间泰勒展开法和概率方法对数值算例进行了分析,并比较了结果.当参数非确定性小于20%时,计算得到的转子系统固有频率区间上下界与真实值区间上下界误差小于2.2%.建立了转子系统动力特性试验装置,试验结果验证了方法的有效性.