基于DSP的永磁同步电机控制系统硬件设计

以小功率永磁同步电机(PMSM)为研究对象,结合数字信号处理器TMS320F2812功能特点,给出了一套PMSM驱动控制系统硬件设计方案。详细阐述了功率驱动主电路、反馈信号检测电路以及供电电路的设计,介绍了主要元器件选型和参数计算方法。基于设计的硬件平台,对PMSM调速控制系统进行了测试。试验结果表明,所设计的控制系统硬件设计可靠、性能稳定、控制精度高。     

基于遗传算法优化的涡扇发动机三维模糊控制

为进一步解决传统二维模糊控制器存在的快速响应与稳定性之间的矛盾,以及提高控制器的响应速度,减小超调,改善稳态性能,设计了一个基本的三维模糊控制系统,在基本控制系统的基础上引入了模糊积分混合控制器,利用改进的遗传算法对模糊规则进行了优化设计,引入了Smith预估补偿器。仿真实验结果表明,所设计的三维模糊控制系统响应速度快、无超调、控制精度高;有效克服了时间延迟的影响;鲁棒性较好,适用于小型涡扇发动机"小偏离"动态模型的控制研究。     

基于极点配置法的梁振动主动控制理论与实验研究

基于频域的振动控制对于结构动力学十分重要,因此本文研究了一种基于极点配置法的频域振动主动控制理论.由于压电智能结构在振动控制领域具有令人满意的性能,并且宏观纤维复合材料(Macro?fiber compos?ite,MFC)具有高灵敏度和可变形性,本文使用MFC片并基于极点配置法设计控制方法,可以人为地设计梁的固有频率...     

月球车激光测距仪校准技术的探索

探讨了作为月球车感知部分的激光测距仪的外部参数校准问题 ,提出了一种借助于摄像机对激光测距仪进行校准的方法。本文描述了整个校准过程 ,列举了相关的计算公式 ,介绍了所采用的视觉处理技术 ,并通过试验和计算机仿真 ,验证了这种方法的有效性     

电网中几种常用材料和设备的选型

在电网的建设或更新改造中,通过合理的选购设备与材料,可以达到节约能源、保护环境的功效,本文就变压器、低压架空线、电缆及线夹的选型进行了阐述。     

基于奇异值分解的涡扇发动机线性状态模型能观度分析

针对涡扇发动机气路测量参数难以优化筛选的问题,采用基于奇异值分解(SVD)的能观度分析方法对其能观度进行了分析。该方法可以计算获得各状态参数的具体能观度,实现对模型优劣性的定量评价;也可得到各测量参数与各状态参数能观度之间的敏感度关系,掌握彼此之间的关联程度,为后续气路测量参数的优化筛选奠定理论基础,最后采用改进平方根无损卡尔曼滤波(Unscented Kalman Filter,UKF)递推算法对各气路部件突变故障进行了仿真分析,根据各状态参数的估计精度验证了本文能观度分析结果的正确性。     

基于快速原型的涡扇发动机气路部件在线健康监控系统设计

为实现涡扇发动机全包线范围内具有较高精度的快速实时仿真,结合快速原型技术和发动机非线性模型设计了一种气路部件在线健康监控系统。该系统采用涡扇发动机非线性模型模拟真实发动机进行实时计算,并将基于优化拟合法获得最优的发动机线性化模型融入扩展Kalman滤波算法,对气路部件健康参数进行实时跟踪,将该跟踪方法运用于基于CompactDAQ和CompactRIO平台设计的发动机在线故障诊断原型系统进行仿真试验验证。仿真结果表明,基于快速原型技术与发动机非线性模型构建的在线健康监控系统能够实现对气路部件故障的有效诊断,平均正确率达到98.28%。     

基于改进平方根无迹卡尔曼滤波方法的涡扇发动机气路状态监控

针对涡扇发动机气路状态监控存在模型未知或不准确导致滤波效果下降甚至发散的问题,研究了一种融入高斯过程回归（GPR）的改进平方根无迹卡尔曼滤波（UKF）方法.该方法利用GPR对训练数据进行学习,建立发动机气路部件状态监控的GPR模型,替代UKF方法中的非线性系统模型;采用超球体单形采样和平方根滤波方法来提高滤波的计算效率和数值稳定性.仿真结果表明:训练的GPR模型解决了UKF方法对发动机原系统模型和噪声协方差矩阵依赖性的问题;与扩展卡尔曼滤波（EKF）和平方根UKF方法相比较,改进平方根UKF方法精度更高,对健康参数的估计精度达到99.9%,实现了对涡扇发动机单个和多个气路部件健系参数的有效跟踪.      

基于改进K-SVD字典训练的涡扇发动机气路突变故障稀疏诊断方法

以典型气路突变故障信号的稀疏特性为基础,通过对涡扇发动机部件特征原子组进行分类,提出了改进K-奇异值分解(K-singular value decomposition,K-SVD)字典训练的稀疏诊断方法,并结合气路典型突变故障开展了仿真实验研究。仿真结果表明:相比于拓展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)方法,改进K-SVD方法对故障定位准确,无故障部件健康参数变化为0,可有效提高故障部件辨识度,避免误诊断;计算耗时与EKF方法基本相等,仅为UKF方法的03%,是一种有效的航空发动机气路突变故障在线诊断方法。