基于定子电阻自适应辨识的感应电机死区补偿

电压源型逆变器由于死区效应,导致输出发生非标准化、畸变化,影响感应电机的控制精确度,特别是无速度传感器矢量控制,同时造成电网侧能量的流失。为了减小死区效应产生的影响,列出误差计算公式,求得总延时时间。另外,对定子电阻进行自适应辨识,增加所求延时时间精确度的同时可以运用到电机矢量控制中。经过补偿误差电压,提高了控制性能,降低了对控制系统的影响。结果表明所提补偿策略对电流波形、总谐波失真具有改善作用。     

基于双变量预测控制的表贴式永磁同步电机直接转矩控制系统

基于电压矢量幅值和相角为变量的表贴式永磁同步电机(SPMSM)定子磁链幅值和转矩表达式,给出了9个不同幅值和相角的备选电压矢量,采用预测控制计算得出施加不同电压矢量下一时刻的定子磁链幅值和转矩值,建立了基于磁链和转矩误差的目标函数,并选择使目标函数最小的电压矢量为作为下一时刻施加的最优电压矢量。仿真结果表明:在双变量预测控制下,SPMSM直接转矩控制系统运行良好,定子磁链轨迹为理想圆,磁链和转矩均符合控制要求,转速跟踪良好,定子电流波形正弦。进一步对比分析表明:与开关表和固定电压矢量选择策略相比,双变量预测控制能显著减小转矩和磁链脉动。与开关表相比,转矩脉动均方根误差降低了62.92%,磁链脉动均方根误差降低了45.05%,评价函数均值降低了60.30%;与固定电压矢量选择策略相比,转矩脉动均方根误差降低了22.40%,磁链脉动均方根误差降低了3.85%,评价函数均值降低了15.93%。     

Behavior and functional modeling methods of doubly salient electromagnetic generators for aircraft electrical power system applications

The Doubly Salient Electromagnetic Generator(DSEG) is a promising candidate in aircraft generator application due to the simplicity, robustness and reliability. However, the field windings and the armature windings are strongly coupled, which makes the inductance characteristics non-linear and too complex to model. The complex model with low precision also leads to difficulties in modeling and analysis of the entire aircraft Electrical Power System(EPS). A behavior level modeling method based on modified inductance Support Vector Machine(SVM) is proposed. The Finite Element Analysis(FEA) inductance data are modified based on the experiment results to improve the precision. A functional level modeling method based on input–output characteristics SVM is also proposed. The two modeling methods are applied to a 9 kW DSEG prototype. The steady state and transient process precision of the proposed methods are proved by comparing with the experiment results. Meanwhile, the modeling time consumption, the application time consumption and the calculation resource demand are compared. The DSEG behavior and functional modeling methods provide precious results with high efficiency, which accelerates theoretical analysis and expands the application foreground of the DSEG in the aircraft EPS.     

涡轮泵试车数据单类支持向量机检测算法

为了在缺乏故障样本的情况下检测某型液体火箭发动机涡轮泵故障,实现基于不完整信息的状态决策,建立了基于v-支持向量分类器的单类支持向量机新异类检测模型。在分析了模型决策边界、支持向量和约束条件之间关系的基础上,为单类支持向量机引入并改进了序贯最小优化算法,提高了训练效率,解决了大样本训练问题。通过对某型液体火箭发动机涡轮泵历史试车数据的分析,结果表明,所建模型的训练速度得到了很大提高,对涡轮泵状态的检测效果良好。     

推力矢量飞机控制律设计及过失速机动仿真研究

利用四元数法建立了带推力矢量的战斗机全量运动方程,依据逆系统理论对推力矢量飞机进行了适用于过失速机动和超敏捷性研究的控制系统设计。根据非线性动态逆的特点将飞机的动态特性分成快慢不同的两组状态变量分别进行设计,并采用伪逆法解决了舵面分配问题。利用该控制系统对"眼镜蛇"飞机机动进行了仿真计算,结果表明该设计方法是可行的。     

燃气二次喷射推力矢量控制系统启动过程非定常效应研究

采用数值模拟方法对燃气二次喷射推力矢量控制系统启动过程中非定常效应进行了研究.给出了详细的喷流瞬态干扰流场结构, 以及喷流瞬态干扰区随时间改变的流场细节特性,分析了流动参数和发动机内弹道性能的动态变化过程.研究表明,主/次流干扰流场内流动参数的分布及变化呈现复杂的多样性,启动过程中所呈现出的动态特性与系统稳定工作时有着明显的差异,侧向控制力、燃烧室平衡压强和发动机推力均有显著变化.在飞行器设计中,必须从安全控制的角度出发,考虑这一非定常效应的影响.     

基于最小二乘支持向量回归的混沌时间序列预测研究

研究利用最小二乘支持向量机预测混沌时间序列。混沌时间序列预测是典型的小样本学习问题,基于结构风险最小化原理的支持向量机方法,克服了神经网络易于陷入局部极值点等缺点,能够获得全局最优解。最小二乘支持向量机是一种在二次损失函数下采用等式约束求解问题的一种支持向量机,在保留支持向量机优点的同时使计算量大大减少。对典型混沌时间序列的预测结果表明,最小二乘支持向量机回归预测方法具有良好的泛化推广性能,预测精度高,适合于复杂非线性时问序列建模预测。     

引进装备备件可靠性及保障研究

介绍了备品备件的定义及分类,给出了引进装备的可靠性分析方法,基于装备的可靠性建立了装备备件的需求预测模型,用经济订货批量模型的原则设定了引进装备的订货方法,最后,介绍了装备备件保障软件。     

基于PHM技术的导弹维修保障

为解决传统导弹维修保障方法所存在的问题,加快军队信息化建设,提出了基于PHM技术的导弹维修保障方法。分析了不同维修方式、导弹维修保障及信息化建设与PHM技术的关系,利用PHM技术并结合决策支持的思想,建立导弹健康状态的信息管理系统,初步分析了系统的基本结构组成,并结合实际提出了一些需要重点解决的问题。     

基于优化智能网络的发动机推力指令模型

针对航空发动机性能退化缓解控制中推力指令模型输入量有限问题,提出1种双智能网络串联的推力指令建模方法.其中子模型Ⅰ采用BP网络映射与推力密切相关的气路参数,其输出作为子模型Ⅱ的输入;子模型Ⅱ采用优化极端学习机(ELM)算法,输出为额定发动机推力,并以此推力为性能蜕化缓解控制指令.为了减小ELM网络规模,提高推力指令模型实时性,采用微分进化算法(DE)优化ELM初始网络参数.数字仿真验证表明:各飞行包线内推力指令模型预测值最大相对误差小于4‰,远优于单一神经网络最大8.17％和单一极端学习机最大14.5％的误差,模型推力指令计算时间仅需0.64ms,实时性好,验证了该推力指令模型的有效性.