柔性支撑控制力矩陀螺动力学建模与控制

针对柔性支撑引起控制力矩陀螺(CMG)框架控制性能下降的问题，建立了柔性支撑条件下控制力矩陀螺的动力学模型，分析了柔性支撑扰动力矩的耦合机理并给出了解析模型.据此，设计了一种积分滑模控制策略，用于提升对CMG框架动力学特性变化和新增扰动力矩的鲁棒性.仿真结果表明，该控制策略相比传统的PID控制具有更好的动态过程和稳态性能，提升了柔性支撑下控制力矩陀螺框架速度的闭环控制性能.     

模块化永磁直线游标电机等效磁网络及漏磁分析

在模块化永磁直线游标电机的初始设计及优化设计中,使用有限元方法(FEM)计算漏磁系数时需要耗费大量的建模和计算时间。针对这一问题,建立该种电机的等效磁网络模型,在建模期间,考虑气隙中的边缘效应,并计算永磁体组与定子齿在不同相对位置时的等效磁导,得到该种电机在一个周期内不同相对位置时的漏磁磁导和漏磁系数的数学解析表达式。采用FEM验证了该数学解析表达式的准确性。研究结果为模块化永磁直线游标电机的设计提供了理论依据。     

一种圆锥运动条件下的等效旋转矢量算法研究

传统旋转矢量姿态算法一般采用陀螺的角增量信号来构造积分算法,当应用于输出为角速率的光纤陀螺捷联系统时,通过角速率提取角增量,算法会损失一定精度。提出了一种以陀螺角速率信号与角增量信号同时作为输入的改进旋转矢量姿态算法,进一步补偿了圆锥误差,提高了计算精度。仿真结果表明,该算法与传统二子样算法相比较,计算量相当,姿态精度、速度精度、位置精度有大幅度的提升。     

基于定子电阻自适应辨识的感应电机死区补偿

电压源型逆变器由于死区效应,导致输出发生非标准化、畸变化,影响感应电机的控制精确度,特别是无速度传感器矢量控制,同时造成电网侧能量的流失。为了减小死区效应产生的影响,列出误差计算公式,求得总延时时间。另外,对定子电阻进行自适应辨识,增加所求延时时间精确度的同时可以运用到电机矢量控制中。经过补偿误差电压,提高了控制性能,降低了对控制系统的影响。结果表明所提补偿策略对电流波形、总谐波失真具有改善作用。     

基于CMPSO算法的永磁同步电机转动惯量识别研究

永磁同步电机(PMSM)是一种具有很强非线性的动态系统,在工业驱动应用中发挥着重要作用。实时辨识转动惯量对于高精度PMSM系统控制和稳定性状态监测具有重要意义,但传统转动惯量识别方法精度较低。在传统离散模型参考自适应理论基础之上,用柯西变异粒子群优化(CMPSO)算法代替待辨识参数自适律设计环节,以实现PMSM转动惯量识别。该转动惯量辨识方法充分利用了CMPSO算法的快速高效收敛性,仿真结果和试验结果表明了可行性、正确性和准确性。     

基于遗传-支持向量机的对置活塞二冲程柴油机气口高度优化

以某对置活塞二冲程柴油机为研究对象,基于一维仿真模型,利用遗传-支持向量机的方法,以油耗为优化目标,进行不同转速工况下进排气口高度组合的自动化寻优。结果表明:在1200r/min下,优化的进、排气口无量纲化高度组合为［0.075,0.105］,所得最小油耗为220.32g/(kW·h);对置活塞二冲程柴油机的气口最优高度应随着转速的提高逐渐增大;且在高转速(大于1600r/min)下,排气口最优高度增加趋势更加明显。      

Modeling irregular small bodies gravity field via extreme learning machines and Bayesian optimization

Close proximity operations around small bodies are extremely challenging due to their uncertain dynamical environment. Autonomous guidance and navigation around small bodies require fast and accurate modeling of the gravitational field for potential on-board computation. In this paper, we investigate a model-based, data-driven approach to compute and predict the gravitational acceleration around irregular small bodies. More specifically, we employ Extreme Learning Machine (ELM) theories to design, train and validate Single-Layer Feedforward Networks (SLFN) capable of learning the relationship between the spacecraft position and the gravitational acceleration. ELM-base neural networks are trained without iterative tuning therefore dramatically reducing the training time. Analysis of performance in constant density models for asteroid 25143 Itokawa and comet 67/P Churyumov-Gerasimenko show that ELM-based SLFN are able learn the desired functional relationship both globally and in selected localized areas near the surface. The latter results in a robust neural algorithm for on-board, real-time calculation of the gravity field needed for guidance and control in close-proximity operations near the asteroid surface.     

Robust model predictive control for satellite formation keeping with eccentricity/inclination vector separation

This study presents model predictive formation control based on an eccentricity/inclination vector separation strategy. Alternative collision avoidance can be accomplished by using eccentricity/inclination vectors and adding a simple goal function term for optimization process. Real-time control is also achievable with model predictive controller based on convex formulation. Constraint-tightening approach is address as well improve robustness of the controller, and simulation results are presented to verify performance enhancement for the proposed approach.     

云制造环境下机床装备资源选择方法

针对云制造环境下机床装备资源具有数量大、异质异构、服务制约因素多等问题，提出了基于多准则决策的机床装备资源选择方法。首先，利用本体论对机床装备资源建模，将物理资源虚拟化封装，实现虚拟资源与物理资源的逻辑映射。进一步地，使用语言变量量化决策者评估信息，采用模糊决策与试验评价实验室（FDEMATEL）和熵值法（EW）相结合的组合赋权法，引入模糊VIKOR（FVIKOR）多属性决策方法对机床装备资源进行综合评估，建立FDEMATEL-EW-FVIKOR的多准则混合决策模型。最后，将该方法应用于某生产制造企业，实验对比决策结果验证了多准则混合决策模型的可行性和有效性。     

高空发动机试车台矢量推力现场动态校准技术

根据发动机试车台矢量推力现场动态校准需求，通过系统化论证，针对试车台的技术要求及校准需求，解决发动机试车台现场实际使用和实验室校准条件不同造成的附加测量误差、试验台推力无法整体校准等问题。文中提出了利用摆锤式动态力加载装置实现标准矢量力加载的方案，为了验证设计方案的可行性，利用现有的设备研究验证校准方案，通过试验和分析给出了校准不确定度。结果表明：该方案动态性能优异，响应迅速，动态校准不确定度为2.2%，能满足高空发动机试车台矢量推力测试的需求，为后续进一步准确测试矢量推力提供了依据。