基于FFT和专家系统的BLDCM系统故障检测与识别

针对具有双通道结构的无刷直流电动机(BLDCM, Brushless DC Motor)容错系统的高可靠性要求和大范围调速特点,在不增加额外设备的条件下,通过分析两个通道中功率电路直流母线电流波形的特点,提出一种采用归一化快速傅里叶变换(FFT, Fast Fourier Transform)方法提取频率特征,再结合基于规则的专家系统进行故障检测与识别的方法,并通过实际电动机系统的试验验证了方法的正确性.试验结果表明:规一化FFT方法可以消除不同转速和不同负载对判断结果的影响;专家系统中阈值的选取可以有效避免实际应用中出现的噪声等因素的影响.算法复杂度低,可靠性高,易于应用,具有很强的实际操作性.     

增强能量增量法求解无轴承开关磁阻电机电感

有别于磁链法和需要求解二阶偏导数的能量增量法,本文采用一种称作增强能量增量法计算非线性系统的磁链、静态电感(割线电感)和动态电感(差分电感).该法首先给定各回路的工作点,其次在工作点附近给予一较小的扰动电流,则系统的磁场也随之扰动.结合磁性材料的B-H曲线,磁场能量增量可以通过对磁场强度H、磁感应强度B增量的积分获得.由此,在不需要微分的条件下,各回路的磁链、静态电感和动态电感可以分别求得.本文以12/8 7.5 kW无轴承开关磁阻电机为例,在认为三相绕组完全分时导通时,可忽略相间互感;以线性铁芯材料为例,说明了主、悬浮绕组间互感在合适的连接下也可以忽略.因此,仅需求解一相主绕组、悬浮绕组的静态、动态自感即可.求解这些电感随位置角和工作电流的变化,取得了与实验一致的结果.     

少数类的集成学习

传统机器学习中研究的分类问题通常假定各类别是平衡的,但在很多场合各类别的出现概率相差很大,而且很多应用中需要区分重要而稀少的少数类.本文比较了3种基于AdaBoost集成学习方法,并推导出他们的精度几何平均(GMA)的下界.分析表明:类别越不平衡,这3种方法越难以通过提高基分类器准确率来提高GMA.在此结论的基础上,以Bagging为基础提出了单边Bagging算法,该算法只对多数类抽样,而保留所有少数类,因而每轮的训练集是类别平衡的,并通过UCI数据集验证了其有效性.     

一种渐变无反射边界条件的建立与验证

建立并验证了一种适用于非线性流动的新无反射边界条件,以简单的迁移方程模型为基础,提出了一种通量渐变消失无反射边界条件。通过乘以合适的函数,在渐变层内偏微分方程中的空间偏导项逐渐消失,从而在边界点上得到只含有时间变量的常微分方程,来解决自由区域处边界造成的定解问题。将渐变边界条件推广到了一维和二维非线性Euler方程,其方程形式简单,便于实现。在计算域边界处采用空间滤波和二维情形时角区内引入牛顿阻尼区提高了渐变边界条件的数值稳定性。在非线性情况下对二维Euler方程渐变边界条件进行了一系列的数值验证,得到了令人满意的数值结果。     

基于博弈分析的军工产品质量监督思路初探

在阐述质量监督概念和分类的基础上,依据博弈理论进行了质量监督的博弈分析,研究了在军工产品质量监督中借鉴博弈分析核心观点的必要性,在此基础上,初步提出了基于博弈分析的军工产品质量监督思路。     

九加速度计NGMIMU实用设计方案

无陀螺微惯性测量单元（NGMIMU）的九加速度计配置方案是该系统所有方案中运算量最小、最适合实时运算的。该方案要求若干加速度计安放在同一点上，但加速度计本身有体积，而且相对于实用载体而言其体积是巨大的，故导致巨大的系统误差。本文根据NGMIMU算法和加速度计特性提出一种全新的实用算法。该算法在要求加速度计安装满足一定条件的基础上，将多个加速度计进行分组计算，在没有增加任何计算量的情况下，从原理上消除了由于加速度计体积带来的误差。九加速度计NGMIMU实验结果显示，应用该算法测量误差小于8％，证明了该算法的正确性。     

燃烧室宽度对煤油旋转爆震波传播模态的影响—“爆震专刊”

为研究基于煤油的旋转爆震波的传播特性,以煤油和含氧量40%的富氧空气作为燃料和氧化剂,基于燃烧室外径均为100 mm的无内柱燃烧室和燃烧室宽度分别为32 mm、26 mm和20 mm的环形燃烧室开展了对比实验。不同氧化剂流量下,共观察到四种燃烧波模态,分别为爆燃模态、准稳定爆震模态、双波对撞模态和稳定旋转爆震模态。无内柱燃烧室中,氧化剂流量较低时无法维持旋转爆震波的稳定传播,出现爆燃模态和准稳定爆震模态;当氧化剂流量超过120 g/s时,可以得到旋转爆震模态,旋转爆震波峰值压力超过0.7 MPa,平均传播速度为1750 m/s。对于环形燃烧室,旋转爆震波的传播速度仅为1245~1465 m/s,明显低于无内柱燃烧室中的传播速度。随环形燃烧室宽度减小,对应旋转爆震波模态的工况范围更窄,传播速度更慢。在本研究对应的工况范围内,增大燃烧室宽度,更有利于基于煤油的旋转爆震波的稳定传播。     

基于红外视觉/激光雷达融合的目标识别与定位方法

近年来,基于可见光图像的目标识别在无人车感知领域得到了广泛应用.然而,可见光图像目标识别无法应用于弱光和黑暗环境.针对于此,提出了一种基于红外视觉/激光雷达融合的目标识别与定位算法.首先,通过基于颜色迁移的数据增强训练方法,提高了红外目标识别算法的泛化性能.继而,提出了一种基于激光雷达修正的单目深度估计方法,通过视觉图...     

针对超临界翼型气动修型策略的强化学习

强化学习是一类用于学习策略的机器学习方法,通过模拟人的学习过程,与所处环境不断交互来学习动作策略,用以获得最大累积回报。以设计师在翼型气动设计中的增量修型过程为例,给出强化学习在气动优化设计中的要素定义和具体算法的实现。研究了预训练中选择不同示例对预训练和强化学习结果的影响,并将强化学习得到的策略模型在其他环境中进行了迁移测试验证。结果表明,合理的预训练能够有效提高强化学习的效率和最终策略的鲁棒性,且所形成的策略模型具有较好的迁移能力。     

基于深度学习的小目标检测研究进展

随着深度学习方法的快速发展,目标检测作为计算机视觉领域中最基本、最具有挑战性的任务之一,已取得了令人瞩目的进展。现有的算法大多针对于具有一定尺寸或比例的大中型目标,但由于待测目标尺寸小、特征弱等原因,对小目标的检测性能还远远不能令人满意。小目标检测（SOT）作为一种广泛应用于室外远程拍摄和航空遥感场景的技术,近年来受到了广泛的关注,各种方法层出不穷,但是目前对该问题的全面综述较少。从问题定义、算法分析、应用介绍、方向展望等方面对基于深度学习的小目标检测研究进展进行了综述。首先,给出了小目标检测问题的定义,阐述了其技术难点及在实际应用中面临的挑战;接着,从8个不同角度分析了检测器对小目标检测精度较低的主要原因及相应的改进方法,详细归纳总结了小目标检测在各技术方面的研究工作;然后介绍了几个特定场景下小目标检测算法的典型应用;最后,对小目标检测未来的发展趋势进行展望,提出可行的研究方向,期望为该领域的研究工作提供可借鉴和参考的思路。