PMSM电流预测控制参数误差量化分析方法

交流永磁同步电机（PMSM）电流环控制性能是制约交流伺服系统性能的关键。电流预测控制拥有更快的动态响应、更低的电流谐波和优良的转矩响应,但该算法依赖精确的电机模型,参数失配会引发稳态电流误差,无法输出额定转矩,进而导致电机转矩输出效率降低。根据永磁同步电机电流预测模型,详细分析了d、q轴电流静差产生的原因,以及电流预测控制对电机参数误差的敏感性,提出了一种参数误差量化分析方法。该方法引入了电机参数偏差因子,量化描述了电机电感、磁链参数误差与电流静差之间的制约关系。通过仿真分析,验证了所提方法的合理性,为高性能永磁伺服电流预测数字控制技术打下了良好基础。     

气体采样计量误差的研究

研究与制订大气环境质量标准，即确定和评价大气中污染物浓度与暴露时间的影响、损害作用及彼此的相互关系乃是环境保护的重要研究课题。本文建议统一采用“标准状况下，标准组成干燥空气中所含污染物浓度”的严格概念。同时，还研究了大气采样中由于现场条件与大气成分不同所产生的气体流量（率）计量误差，得到了这种误差的一般数学表达式。     

线性矩阵方程AXB－CXD＝E的误差界

首先讨论线性矩阵方程ＡＸＢ－ＣＸＤ＝Ｅ在有唯一解的条件下方程之解Ｘ的一个上界，再考虑系数矩阵Ａ，Ｂ，Ｃ，Ｄ，Ｅ发生小扰动时，线性矩阵方程（Ａ＋δＡ）Ｘ（Ｂ十δＢ）－（Ｃ＋δＣ）Ｘ（Ｄ＋δＤ）＝Ｅ＋δＥ之解Ｘ作为Ｘ的近似值的相对误差的一个上界。     

对称奇异线性方程组极小范数解的迭代法

给出了求对称奇异线性方程组Ａｘ＝ｂ极小范数解的迭代算法，其迭代公式为此处／为秩是，ｒ（ｒ＜ｎ）的ｎ阶实对称矩阵，Ｅ为ｎ阶单位阵，ｂ为ｎ维列向量，ｍ为正整数，ε为正实数。证明了这类选代算法的收敛性，讨论了它的事先误差估计式和事后误差估计式。作为应用，给出了求超定线性方程组极小最小二乘解的迭代算法、特征向量导数计算的迭代算法和对于病态正定线性方程组。本文的选代算法可改善病态条件，算例表明也是有效的。     

“嫦娥4号”中继星任务轨道确定问题初探

"嫦娥4号"任务将采用着陆器、巡视器和绕飞地月拉格朗日L2点中继星进行月球背面的探测,中继星已先期发射,进入环绕地月L2点的晕(Halo)轨道。在中继星使命轨道动力学模型的基础上,通过相关仿真工作,开展了中继星在Halo轨道上的摄动源量级及影响定轨预报的主要因素分析,结果表明:太阳光压摄动是其主要影响因素。为降低其相关影响,提高定轨精度,在太阳光压球模型的基础上,结合中继星在轨运行特点及其星体结构特点,提出了一种求解光压等效面积的方法。经仿真分析,使用修正后的太阳光压球模型进行定轨求解,速度精度可提升约一个量级。     

小孔法测量非均匀残余应力的数据处理与误差分析

讨论了逐层钻孔法测量非均匀残余应力的释放应变处理和测量误差对残余应力计算精度的影响。利用转换应力、转换应变,可方便地计算残余应力值。受小孔法本身缺陷的限制,计算所得残余应力误差随孔深增加而加大,测量深度约为应变片平均半径的一半。     

基因方法在网格结点位置优化中的应用

将基因方法应用于网格结点位置的优化中。文中首先简单介绍了基因优化方法中基于达尔文进化论和Ｍｅｎｄｅｌ基因理论的基本原理,其中包括插索空间表达、三个基因作用器（选择、交配和变异）等要点;然后着重阐述了相关偏微分方程的离散误差和三角形网格几何形状的适应度函数的定义、结点位置的二进制基因表达及基因方法的优化进程。离散误差是在二次非连续彭鼓包（ｂｕｍｐ）函数的空间中近似定义的,并且在点移动过程中相关解的二     

多频GNSS电离层折射误差修正方法CSCD

针对电离层折射误差较大的特点,分别对GPS(Global Positioning System)和BDS(Bei Dou Navigation Satellite System)的单一频率的电离层折射误差进行了分析,并将不同频率进行线性组合,计算出组合后的电离层折射误差。此方法修正了双频一阶项、三频一阶项和三频二阶项电离层折射误差。由于电离层延迟修正的同时会放大观测噪声,为此分析比较了不同频率组合修正后的观测噪声,为最佳频率组合的选取提供了理论方法。     

基于TheoH方差的陀螺随机误差系数动态提取

针对运用动态Allan方差提取陀螺随机误差系数时,用截断窗截取原始信号造成方差估计置信度降低的问题,提出运用混合理论方差(Theo H方差)来代替Allan方差对截断窗内的数据进行分析,并提取出随时间变化的陀螺随机误差系数。Theo H方差改善了Allan方差计算时相关时间只能达到信号总时间的二分之一及长相关时间下方差估计置信度降低的问题,其计算的相关时间可以达到数据总时间的四分之三,有效改善了动态算法因数据截取造成误差系数估计置信度下降的缺陷。从对仿真信号和光学陀螺实测数据处理结果上来看,本文方法既能准确地对动态条件下陀螺量测信号的随机误差进行细化辨识,又能大幅提高中、长相关时间下方差估计的置信度。     

基于ML背景参数估计的CDKF-CPHD多目标跟踪算法

针对低信杂比环境下的多机动目标跟踪问题,提出了一种基于极大似然(ML)背景参数估计的中心差分卡尔曼-势概率假设密度滤波(BE-CDKF-CPHD)算法。算法采用ML法实时估计重尾分布模型参数,计算检测概率和虚警概率。运用极大似然-恒虚警(MLCFAR)算法对信号进行处理,提取有效量测值,将幅值似然函数与势概率假设密度滤波器(CPHD)中的目标位置似然函数相结合,通过中心差分法递归更新得到后验均值与协方差,达到对多机动目标进行跟踪的目的。仿真结果表明,在低信杂比环境中,所提算法提高了跟踪精度与目标数目估计准确度。