定子磁场定向控制的异步电机无速度传感器低成本控制系统

开发了基于高性价比DSPMC56F8013的低成本异步电机控制平台,研究了一种基于定子磁场定向的异步电机无速度传感器控制算法。该算法结构简单,易于实现,对电机参数依赖性小。文中提出定子磁链校正因子,用于补偿低速运行时由于一阶低通滤波器的使用而造成的定子磁链观测误差。新颖的转速调节器,保证电机在动态过程中以最大转矩运行。系统仿真和原理样机的试验结果表明,整个控制系统具有良好的动态和稳态性能。     

无人机载MiniSAR实时成像处理GPU异步优化

合成孔径雷达(SAR)以其全天候、全天时的工作特性及其分辨率不随平台高度变化的成像特性，已成为航天遥感、目标检测领域重要的传感器之一。SAR算法复杂度往往与成像分辨率呈正相关，其中计算量问题成为雷达成像实时性的一大挑战。无人机载MiniSAR具有小型化、低功耗、灵活性强和隐蔽性强等优点，其小型化使设备计算能力受限，加剧了复杂度与分辨率之间的矛盾。图形处理单元(GPU)和多线程技术发展迅速，为无人机载MiniSAR实时成像提供了平台。本文根据实时处理机数据流和GPU异构系统的特点，提出了一种GPU异步优化方案，该方案可明显提高中央处理单元(CPU)与GPU之间的并行工作效率，节约大部分的数据存取开销。实验结果证明:GPU的成像效率是单CPU系统的12倍左右，在此基础上，使用GPU异步优化方案后效率可继续提升15%左右。本文提出的设计思路可显著缓解无人机载MiniSAR的实时成像计算压力。     

一种使用BP神经网络加速的蒙特卡洛拉格朗日水滴求解器（英文）

结冰可能威胁飞行安全。拉格朗日方法被广泛应用于求解结冰过程中的水收集系数,但是其发展受到鲁棒性问题和高计算成本限制。为了弥补拉格朗日方法的缺陷,使用蒙特卡洛积分法和反向传播(Backpropagation, BP)神经网络分别用于解决鲁棒性问题和降低计算成本。基于蒙特卡洛方法的拉格朗日求解器可实现对任意模型或计算条件的无条件稳定。构建了BP神经网络用于预测水滴撞击概率,通过筛除非撞击水滴减少计算量。BP神经网络不针对特定模型提前训练,使用异步并行策略使BP神经网络训练和水滴运动同时求解,建立了广泛适用的异步拉格朗日求解器。使用GLC-305后掠三维翼型和某型发动机短舱模型对求解器进行验证,结果显示BP神经网络可以有效提升计算效率,对比没有神经网络辅助最多节省27%运行时间,同时保有同等计算精确度。本文研究为首次尝试神经网络技术与结冰数值模拟融合,为进一步发展拉格朗日方法提供有力支撑。     

小型巡飞弹电动推进系统设计及试验验证

为快速获得满足工程需要的小型巡飞弹电动推进系统,采用螺旋桨涡流理论和一阶电动机模型建立了电动推进系统效率计算模型.以巡飞弹巡航阶段电动推进系统效率最高为目标,将爬升阶段巡飞弹所需推力及对应的反扭矩作为约束对桨机参数进行了快速优化设计,得到了电动机与螺旋桨的设计指标.根据该设计指标开展了电动机测功试验,完成了电动机选型;...