利用定子槽口宽度削弱永磁电机电磁噪声研究

着重研究了永磁电机定子槽口宽度对电磁噪声的影响。通过电磁力解析计算得出电磁力与定子槽口宽度的计算关系。利用Ansoft软件对1台电动汽车用永磁电机进行电磁场计算,求解改变定子槽口宽度对电磁力波的影响,并用ANSYS软件对该永磁电机进行不同定子槽口宽度的2D声场计算。进行了试验验证,仿真计算与试验结果基本一致,可为该类电机削弱噪声设计计算提供参考。     

无刷直流电机神经网络PI控制系统设计

针对传统PI控制存在的动、静态控制性能较差的缺点,提出一种基于神经网络的PI控制方法。将神经网络与传统PI控制结合,构建神经网络PI控制系统,建立三层BP神经网络,并通过梯度下降法对各项参数进行修正,从而实现kp、ki参数的在线调节。仿真及试验证明,与传统PI控制方法相比,使用神经网络的PI控制系统在不同外部条件下都具有更快的响应速度和更小的超调量,可明显提高系统的动、静态性能。     

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.     

太阳能/氢能无人机总体设计与能源管理策略研究

针对小型低空长航时电动无人机需求,给出了太阳能/氢能混合能源动力系统集成方案和小型低空长航时无人机构型。针对典型任务剖面,综合考虑太阳能电池和氢燃料电池特性,提出了一种考虑全机重量能量耦合关系的总体设计方法和任务剖面驱动的能源管理策略;建立了能源系统模型,给出了能源控制流程,开发了能源管理仿真平台。以1.5 kg任务载荷为例,完成了无人机总体方案设计,仿真分析了各种能源特性对飞行结果的影响。结果表明:能源管理策略能够根据任务剖面的要求合理配置能源系统的功率,满足各阶段的功率需求;无人机在冬至日航时为21 h、夏至日可实现跨昼夜飞行;在能源系统重量相同情况下,该混合能源无人机的航时分别是纯锂电池无人机和燃料电池无人机的5.5倍和1.2倍。     

轮毂电机驱动技术研究概况及发展综述

轮毂电机驱动技术代表着新能源汽车驱动系统的重要发展方向。介绍了轮毂电机驱动电动汽车的特点,总结了轮毂电机驱动技术要求及驱动形式,简要对比分析了国内外轮毂电机驱动形式的研究概况。提出了轮毂电机驱动技术亟待解决的关键问题,探讨了降低非簧载质量、抑制垂向振动效应、降低轮毂电机转矩脉动等方面的核心技术,预测了轮毂电机驱动技术的发展趋势。     

基于粒子群算法-最小二乘支持向量机算法的磁化曲线拟合

磁化曲线是强非线性函数,提高磁化曲线的拟合精度对含有铁磁材料的电气设备建模准确性至关重要。提出了一种基于粒子群算法-最小二乘支持向量机(PSOLSSVM)算法的磁化曲线拟合方法。该方法用粒子群优化算法解决了最小二乘支持向量机(LSSVM)参数的选择问题。仿真结果显示PSOLSSVM算法能获得最优的LSSVM参数,且采用PSOLSSVM算法拟合的磁化曲线与实际测量的磁化曲线基本无偏差,拟合精度较高。     

便携式充电设备检测系统的研究与设计

为了便于充电设备现场检测工作,设计了一种便携式直流充电设备现场检测系统。该系统功能具有完善的测试功能,能够方便的对直流充电设备进行检验测试,完全满足直流充电设备运行检测的需求。该系统具有小型化、便携化的优点,有利于提高现场检测效率,保证了充电设备运行的安全性及稳定性。     

基于变论域模糊控制的无刷直流电机转速问题

无刷直流电机(BLDCM)是一种多变量、强耦合、非线性、时变的复杂控制系统。由于其采用传统的PID控制时很难满足需要,所以针对BLDCM精确调速的控制问题,在基于传统PID控制上引入模糊控制设计了模糊PID控制,并在此基础上应用变论域的方法,设计了变论域模糊PID控制器。以BLDCM为模型,通过MATLAB建立其仿真模型。仿真和试验结果表明,采用变论域模糊PID控制的BLDCM与传统控制的BLDCM相比,具有响应速度快、超调小、控制精度高等优点。     

智能机床的误差补偿技术

误差补偿技术是智能机床精度提高与保持的关键技术之一.分析了国内外机床误差补偿技术研究现状,提出智能机床误差补偿技术总框架;总结了智能机床误差源、误差元素、几何与热误差的误差元素模型及建模方法,以及典型的误差补偿方法;研究了力误差补偿技术、基于零件在线测量的误差综合补偿技术;最后,对未来智能机床误差补偿技术的发展重点进行展望.     

PSO-LSSVM在民机气动性能数学建模上的应用

目前风洞试验仅为民用飞机飞行性能提供有限数据.全飞行包线的技术支持对于民机飞行试验十分重要,需要采用数学建模和参数辨识的方法.选择合适的机器学习算法是参数辨识中最为关键的一步.支持向量机(SVM)采用结构风险最小化原理,尤其适用于小样本情形.根据A320非巡航起降阶段的几组真实数据,以及全机气动力估算的结果,使用最小二乘支持向量机建立预测模型.随后采用粒子群算法优化模型参数从而提升泛化能力.由此实现民机飞行包线的气动性能整体建模与辨识.与Ma=0.78时的实验数据相比较,PSO-LSSVM模型的预测结果吻合,是一种有效的气动数学建模方法.