基于虚拟仪器技术的飞机电压调节器动态性能测试方法研究

分析了飞机电压调节器与发电机信号的交联关系,介绍了一种基于虚拟仪器技术的飞机电压调节器动态性能测试系统的设计。采用程控电源模拟飞机发电机,并应用BP神经网络成功地建立了飞机直流发电机非线性模型。重点讨论了该测试系统的虚拟仪器配置方案和测试流程。     

基于最优角度自适应TSF的SRM直接瞬时转矩控制

针对开关磁阻电机（SRM）在换相区转矩脉动大、运行效率低的问题,提出了一种基于最优角度自适应转矩分配函数（TSF）的SRM直接瞬时转矩控制（DITC）方法。首先,在电机全速范围内选取部分代表性转速,获得相应转速下最大平均转矩对应的最优开关角;然后,用离散的最优开关角数据训练改进的BP神经网络,获得全速范围内的最优开关角,从而使TSF根据不同转速动态地调整其形状,获得自适应能力,达到抑制换相区转矩脉动的目的。为验证所提方法的有效性,以一台3相6/4极SRM搭建仿真模型和实验平台,结果表明,所提方法有效抑制了换相区的转矩脉动,并提升了系统的运行效率。      

基于EMD和SVM的机载燃油泵故障诊断研究

针对机载燃油泵故障数据来源较少、诊断效率较低、维护费用较高、缺乏有效故障特征的问题，利用机载燃油转输系统实验平台收集的振动信号和压力信号，提出了一种基于经验模态分解(EMD)和支持向量机(SVM)的机载燃油泵故障诊断方法。首先，利用EMD提取振动信号不同频段的能量值作为特征参量，并结合压力信号均值构造故障特征向量；其次，分别采用遗传算法(GA)、粒子群优化算法(PSO)、樽海鞘群算法(SSA)、网格搜索算法(GS)对SVM的惩罚参数和径向基函数(RBF)参数进行优化，并对优化后的SVM诊断性能进行了评估；最后，分别采用SVM、极限学习机(ELM)、BP神经网络作为分类器，并对3种分类器的诊断性能进行了评估。结果表明:采用3种群智能优化算法的SVM故障诊断率均能达到100%，寻优过程中均未陷入局部最优解，且寻优时间相当，其中GA的训练时间最短，可以采用GA对SVM参数进行寻优；当采用GA_SVM作为故障分类器时，用时较短，且故障诊断率较高，可以选用GA_SVM分类模型实现机载燃油泵的高效故障诊断。      

基于区间电流的SRM功率变换器短路故障诊断

功率变换器是开关磁阻电机（SRM）调速系统的核心部件之一，也是系统可靠性最弱的环节。针对传统功率变换器短路故障诊断需增加额外硬件、控制器负担大、诊断范围有限等问题，以非对称半桥式功率变换器为研究对象，在深入分析短路故障模式的基础上，为提取明显的故障特征，对电流传感器进行了重新排布，提出了基于特定转子位置区间内电流的功率变换器故障诊断方法。在某相单独励磁区间内，通过另外两相电流传感器输出值之差与前一相输出值的比值，即可快速定位故障器件。所提方法不受电机相数和控制方式限制，控制器负担小，且无需增加额外硬件。仿真和实验验证了方法的有效性。      

基于自适应二阶终端滑模的SRM直接转矩控制

传统的直接转矩控制（DTC）可以在一定程度上减小开关磁阻电机（SRM）的转矩脉动,但是在换相区的转矩脉动抑制效果较差,并且传统的PI控制存在超调量大、鲁棒性差、抗负载扰动能力有限的缺点。因此,设计了基于负载转矩变化率自适应估计的二阶终端滑模转速控制器,在有限时间内使得系统状态迅速收敛到平衡点,实现无需已知扰动上界快速输出给定转矩。此外,对传统的扇区规则进行改进以优化电压矢量的选取,减少由于换相产生的转矩脉动。仿真和实验结果表明:改进后的DTC系统拥有良好的调速控制性能,抗干扰能力强,鲁棒性好,能进一步减少转矩脉动。