最优PWM开关角的在线计算

最优PWM脉宽调制是逆变器控制的一种常用方案,但是由于最优PWM开关角计算的复杂性。一般都是离线计算最优开关角,用开关点预置的方法进行控制。十分不利于在线的电压调节。文中介绍了一种最优PWM开关角的在线计算方法。即利用神经网络的非线性逼近能力。对离线求解的最优PWM开关角样本点进行辨识拟合,从而得到最优PWM开关角对基波电压传输比的函数,用于实时计算。为利用最优PWM控制逆变器进行在线调压做好了准备。另外,还提出了一种简便的三相最优PWM开关角排序方法。解决了最优PWM开关角的在线排序问题。本算法在DSP实验平台上进行了实验验证,证明了算法的可行性。     

基于无线通信技术的数控网络系统设计

针对我国现有有线数控网络系统的不足,提出利用无线通信技术,建立无线数控网络。并对其体系结构和关键技术进行了具体的阐述,为工厂数控系统的网络化提供了一个基于无线通信技术的新方案。实际应用表明,无线数控通信系统有利于更加灵活便捷地实现车间网络化制造系统。     

BP神经网络理论在模型修正的应用

神经网络由于其本身具有的优越性,已广泛应用于各个领域中的分类、联想问题。将神经网络理论用于对利用有限元分析方法得到的系统模型进行修正,从计算结果看,该方法收敛速度快且收敛到全局最优解。     

基于深度学习的雷达干扰识别方法研究

针对复杂电磁环境下雷达干扰信号识别问题,从优化卷积神经网络结构的角度出发,本文提出了一种对卷积神经网络结构LeNet-5增加批量归一化层和改变激活函数的方法。该方法能够加速网络收敛,提升网络的学习效率。本文首先建立舰船目标模型,分析了噪声调幅干扰、噪声调频干扰、梳状谱干扰和无干扰的真实目标回波信号在时频域的差异,然后利用四种信号对舰船目标模型生成数据集,最后通过本文所提方法实现雷达干扰的自动识别。仿真结果表明：在全信噪比条件下,本文所提方法对四种信号的识别准确率达到98.1%,表明所提方法有着较好的稳定性和鲁棒性。     

大气探测激光雷达组网观测一致性研究

通过激光遥感获取气溶胶、云垂直分布情况,对研究气溶胶、云微物理特性、辐射强迫效应以及污染物传输等具有重大意义。在实际应用中激光雷达受激光器能量、发散角以及透过率等影响,会导致各雷达面对同一目标物探测数据不一致。随着地基大气探测激光雷达逐步规模化、标准化,对雷达组网观测一致性开展研究具有重要意义。为保证组网激光雷达数据高质量和高可靠性,在雷达系统自标定基础上,利用太阳光度计、大气分子模型获取激光雷达系统常数,确保各激光雷达回波信号定量可比。通过激光雷达组网观测进行探测目标一致性比对试验,以验证激光雷达系统探测一致性精度。结果表明：标定后,532 nm距离修正信号在1~2 km区间相对偏差从64.89%降低到22.16%,在2~5 km区间相对偏差从49.26%降低到8.90%,在9.5~11.5 km相对偏差从46.83%降低到10.91%;532 nm退偏比在1~2 km区间相对偏差从69.68%降低到20.68%,在2~5 km区间相对偏差从71.24%降低到6.69%,在9.5~11.5 km相对偏差从140.24%降低到9.02%;532 nm后向散射系数在1~2 km区间相对偏差从37.45%降低到23.63%,在2~5 km区间相对偏差从29.15%降低到21.45%,在9.5~11.5 km相对偏差从76.02%降低到24.16%。组网激光雷达数据结果一致性较好,可在多站点进行高精度探测,在气候变化研究、碳排放监测和环境研究等领域发挥重要作用,为大规模大气变化规律研究提供高质量、有效数据。     

运载火箭风场高精度拟合方法

针对运载火箭风场传统拟合方法精度低的问题,提出一种基于最少参数神经网络的高精度拟合方法。该方法将运载火箭飞行高度作为网络输入,将风场的速度和朝向作为网络输出,在满足精度要求下使用最少的网络层数和神经元个数完成风场拟合,并给出了隐层节点数的下界公式。和传统的最小二乘多项式拟合及其分段形式相比,最少参数神经网络只使用一套框架即可完成风速和风向的拟合,并提高了拟合精度。大量仿真结果充分说明了所提出方法的有效性、简洁性和鲁棒性。     

基于高分卫星姿态监测的姿态参数算法优化

目前航天测绘相机几何参数的在轨标定通常经由地面检校场数据处理完成。然而,由于一次摄影中难以保证获取的地面检校场影像完整,使得在轨标定周期较长,进而导致实时监测与标定非常困难。“高分十四号”卫星搭载了一种新的姿态测定系统,利用高精度的相机光轴监测实现对相机几何参数的在轨实时标定。文章在此基础上对高分卫星星地相机间夹角在轨解算方案进行了优化,并基于数值仿真和在轨实测数据进行了分析,结果显示优化算法可以进一步提高影像内定向稳定度和最终的定位精度,未来有望在高精度立体测绘应用中发挥重要作用。     

基于低比特量化神经网络的红外目标识别方法及其FPGA实现

红外目标识别系统成为航空航天、无人驾驶等军事和民用领域中一项至关重要的技术。红外目标识别算法是红外目标检测识别系统中的核心之一。传统红外目标识别技术往往依赖人为的特征选择,无法对复杂困难的红外目标实现高效、准确的识别。本文提出了训练中反量化与通道级量化相结合的量化策略,有效减小量化误差对网络模型性能的影响。实验结果表明:本文提出的低比特量化算法在红外数据集上有着优异的表现。在硬件部署方面,本文提出了更加高效的卷积计算单元,提高了硬件资源的利用率,同时也达到了更高的峰值性能。最终,在PYNQ-Z2嵌入式现场可编程门阵列(FPGA)上进行验证,系统在150 MHz的时钟频率下达到了90.6 GOP/s的峰值吞吐率,其功耗为2.5 W。     

液体火箭发动机传感器故障检测与数据恢复算法研究

以某型液体火箭发动机为研究对象,根据其传感器的故障特性,提出了基于BP神经网络的传感器故障检测与数据恢复算法。通过定义的传感器置信度来判断传感器是否发生故障,以及确定故障传感器,利用已训练好的神经网络结构对故障传感器进行数据恢复。研究内容能够实现传感器的故障检测、定位与补偿,能够有效提高发动机故障检测方法的可靠性和鲁棒性。     

神经网络专家系统在电源系统诊断中的应用

为了解决卫星这类复杂系统采用单一的智能故障诊断技术的诊断局限性问题,提出一种基于模糊综合评判的神经网络和专家系统相结合的诊断方法。选用改进的BP神经网络,添加动量因子和可变学习速率,并通过计算十个相同结构神经网络输出的标准差获得诊断结果的可信度。采用基于可信度的专家系统不确定性推理,给出了可信度计算方法。采用代数积与代数和模糊算子对两种诊断方法的结果进行综合评判。成功地应用于某卫星电源系统的故障诊断中。结果表明诊断的可信度和诊断的正确率得到提高。