基于PWM控制的开关磁阻电机中低速无位置传感器控制方法

无位置传感器的中低速运行控制是开关磁阻电机研究的难点问题。为实现中低速阶段对转子位置的连续估计,提出一种基于PWM控制的无位置传感器方法。该方法将开通关断角所对应的参考信号与高频三角载波进行交截,并将得到的PWM信号作为不对称半桥功率变换器的开关管驱动信号。通过对PWM信号进行频谱分析可知,该PWM注入方式等效于注入载波频率的高频正弦信号。然后,对电流信号进行滤波及坐标变换处理,解算出连续的转子位置信息。针对电感曲线正弦度不高的问题,通过移相相减的方法消除二次谐波,简化了位置估计过程。该方法无需额外注入高频正弦信号,易于工程实现,并具备高频信号注入法的精度。最后针对一台12/8结构样机,进行了相应的仿真和实验,验证了该方法的可行性。     

基于未知输入观测器的非线性动态系统故障估计

针对一类受扰非线性动态系统的执行器故障估计问题,提出一种未知输入观测器来实现故障估计。首先,通过坐标变换将原系统转化为合适的形式;其次,采用线性矩阵不等式与Lyapunov泛函分别设计H_∞输出反馈控制器和未知输入观测器,在此基础上实现对系统中执行器故障的渐近估计;最后,通过机械臂系统仿真分析并验证了所提方法的有效性。与已有方法相比,所提方法不要求故障可导,也不要求故障或干扰上界已知,因此易于在工程实际中实现对非线性系统执行器故障的估计。     

自适应高阶容积卡尔曼滤波在目标跟踪中的应用

针对传统容积卡尔曼滤波(CKF)在系统状态发生突变时估计精度下降的问题,将强跟踪滤波(STF)算法与高阶容积卡尔曼滤波(HCKF)算法相结合,提出了一种自适应高阶容积卡尔曼滤波(AHCKF)方法。该算法采用高阶球面-相径容积规则,可获得高于传统CKF的估计精度,同时在HCKF算法中引入STF,通过渐消因子在线修正预测误差协方差阵,强迫残差序列正交,提高了算法的鲁棒性,增强了算法应对系统状态突变等不确定因素的能力。将提出的AHCKF算法应用于具有状态突变的机动目标跟踪问题并进行数值仿真,仿真结果表明,AHCKF算法在系统状态发生突变的情况下表现出良好的滤波性能,有效地避免了状态突变造成的滤波精度下降,较传统的CKF、HCKF、交互式多模型-容积滤波(IMM-CKF)和自适应容积卡尔曼滤波(ACKF)算法有更强的鲁棒性和系统自适应能力。     

优化转速旋翼性能分析与应用

旋翼转速的变化会对直升机性能产生重要影响,通过建立优化转速旋翼性能分析综合模型,包含PetersHe广义动态入流模型和全机配平模型,以国产现役某轻型直升机为例,分析前飞速度、起飞质量、飞行高度等对变转速旋翼转速优化路径的影响,分析变转速旋翼技术对提高直升机航时等性能的可能性。分析结果表明:通过合理降低旋翼转速,可以使最大起飞质量下的需用功率降低30%;起飞质量越轻、飞行高度越低,旋翼优化转速越低,需用功率降低越明显;通过优化转速完全消耗400kg燃油,通过优化旋翼转速,可使最大续航时间提高20.5%,最大航程提高8.5%;桨叶内段布置厚翼型能提高桨叶刚度,增加大速度时需用功率,但对中低速度飞行时总体性能影响较小,不影响长航时的优点。     

一种针对恒模信号的运动单站直接定位算法

相比于常规的"测向+位置估计"两步定位模式,以Weiss等提出的目标直接位置确定(DPD)算法具有估计精度高、分辨能力强和无需数据关联等诸多优点。基于该类定位算法的基本理念,提出了一种利用单个运动天线阵列对恒模(即相位调制)信号的DPD算法。首先,依据最大似然(ML)准则以及恒模信号的恒包络特征,建立了相应的直接定位优化模型;接着,根据优化函数的代数特征提出了一种有效的多参量交替迭代算法,用以获得ML估计器的最优数值解;此外,推导了针对恒模信源的位置直接估计方差的克拉美罗界(CRB),从而为新算法的定位精度提供定量的理论下界。仿真实验表明:相比于已有的基于单个运动天线阵列的直接定位算法以及传统的两步定位算法,通过利用恒模信号的恒包络特征可以明显提高目标直接定位的估计精度。     

机器人在轨装配无标定视觉伺服对准方法

针对在轨装配过程中机器人"手眼"关系无法进行有效标定及机器人系统和被操作物惯性参数不定的情况,在传统的无标定视觉伺服基础上设计了深度估计器,基于机器人和图像运动的测量数据在线估计目标特征的深度值,并在机器人关节控制环中设计滑模控制器实时控制机器人关节运动,根据反馈图像信息纠正系统误差完成对准跟踪,通过仿真验证了方法的有效性。所提的无标定视觉伺服对准方法使机器人在装配过程中免去了复杂的"手眼"关系的标定程序,克服了机器人系统及被操作物惯性参数不确定性给装配精度造成的影响,提高了"手眼协调"的鲁棒性,保证机器人能够在复杂的太空环境下完成在轨装配任务。     

具有校正项的K分布形状参数的V-估计器

Oliver于1993年提出的K分布形状参数的V-估计器(VE),虽然具有免于求解非线性方程的计算因而估计效率高的优点,但是,其估计精度却低于许多其他矩估计器的估计精度,且有时会出现奇异值的情况.为扬长避短,在对V-估计器的估计偏差进行推导和分析的基础上,通过一系列Monte-Carlo实验,V-估计器改进成本文提出的具有校正项的V-估计器(VCE).VCE克服了V-估计器的上述缺点.仿真实验表明,VCE的估计精度不但显著优于VE,而且在效率和精度上都优于通常被认为是精度最高的矩估计器中的U-估计器.特别是,实验结果显示,VCE更适合于小样本长度下的情况,这个特点使得它更便于实际应用.      

利用TDLAS技术评估火箭基组合循环发动机试验性能

针对宽范围工作的火箭基组合循环（RBCC）发动机推力、比冲和燃烧效率等性能难以通过关键参数的实时测量直接计算的问题,提出利用可调谐二极管激光器吸收光谱（TDLAS）技术实现发动机燃气温度、H2O组分浓度和速度多参数同时实时在线非接触式激光光谱测量方法,搭建用于RBCC地面试验性能分析的时分复用-扫描波长TDLAS系统。通过试验获得的(7444.352+7444.371)/7185.597cm -1 谱线附近吸收光谱,从而得到燃气温度、H2O组分浓度和速度参数,并结合数值模拟方法确定的流场参数纵向分布,实现基于关键参数在线测量的发动机性能直接计算。该方法有助于评判燃烧组织和结构改变对发动机性能的影响。     

空间翻滚非合作目标相对位姿估计的视觉SLAM方法

针对空间翻滚非合作目标相对位姿测量中目标先验信息缺失和模型不确定问题,将移动机器人视觉同步定位与建图（SLAM）贝叶斯滤波估计模型推广到非合作目标相对位姿测量中,提出一种基于视觉SLAM的翻滚非合作目标相对位姿估计方法。首先,构建了相对位姿估计的贝叶斯滤波状态转移模型和量测更新模型。其次,为避免平动噪声协方差过大导致滤波性能下降的问题,对状态转移方程进行优化,采用最小二乘估计方法预测位置参数。最后,采用一种联合无损卡尔曼滤波和粒子滤波的贝叶斯滤波方法实现了目标全部位姿参数的快速平滑估计。基于计算机合成图像数据和真实图像序列的仿真实验表明：提出的方法具有较优的速度和精度,且对目标速度变化、特征提取和数据关联误差等具有较好的鲁棒性。     

基于多源图像弱监督学习的3D人体姿态估计

3D人体姿态估计是计算机视觉领域一大研究热点,针对深度图像缺乏深度标签,以及因姿态单一造成的模型泛化能力不高的问题,创新性地提出了基于多源图像弱监督学习的3D人体姿态估计方法。首先,利用多源图像融合训练的方法,提高模型的泛化能力;然后,提出弱监督学习方法解决标签不足的问题;最后,为了提高姿态估计的效果,改进了残差模块的设计。实验结果表明:改善的网络结构在训练时间下降约28%的情况下,准确率提高0.2%,并且所提方法不管是在深度图像还是彩色图像上,均达到了较好的估计结果。