基于SVM的浮动车行驶模式判断模型

浮动车在低速情况下存在两种行驶模式,如不能对上述模式进行准确区分,将严重影响浮动车实时路况计算的精度和效率.研究和设计了一个基于支持向量机(SVM,Support Vector Machine)的浮动车行驶模式判断模型,并针对性地提出了一种简单的基于隶属度矩阵的特征评价和选择方法.实验表明通过上述方法选择的特征子集所训练的分类器在测试样本集上具有92.6%的分类准确性;经过行驶模式分析后,浮动车系统的准确性有显著提升.      

基于遗传-支持向量机的对置活塞二冲程柴油机气口高度优化

以某对置活塞二冲程柴油机为研究对象,基于一维仿真模型,利用遗传-支持向量机的方法,以油耗为优化目标,进行不同转速工况下进排气口高度组合的自动化寻优。结果表明:在1200r/min下,优化的进、排气口无量纲化高度组合为［0.075,0.105］,所得最小油耗为220.32g/(kW·h);对置活塞二冲程柴油机的气口最优高度应随着转速的提高逐渐增大;且在高转速(大于1600r/min)下,排气口最优高度增加趋势更加明显。      

基于CMPSO算法的永磁同步电机转动惯量识别研究

永磁同步电机(PMSM)是一种具有很强非线性的动态系统,在工业驱动应用中发挥着重要作用。实时辨识转动惯量对于高精度PMSM系统控制和稳定性状态监测具有重要意义,但传统转动惯量识别方法精度较低。在传统离散模型参考自适应理论基础之上,用柯西变异粒子群优化(CMPSO)算法代替待辨识参数自适律设计环节,以实现PMSM转动惯量识别。该转动惯量辨识方法充分利用了CMPSO算法的快速高效收敛性,仿真结果和试验结果表明了可行性、正确性和准确性。     

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.     

一种圆锥运动条件下的等效旋转矢量算法研究

传统旋转矢量姿态算法一般采用陀螺的角增量信号来构造积分算法,当应用于输出为角速率的光纤陀螺捷联系统时,通过角速率提取角增量,算法会损失一定精度。提出了一种以陀螺角速率信号与角增量信号同时作为输入的改进旋转矢量姿态算法,进一步补偿了圆锥误差,提高了计算精度。仿真结果表明,该算法与传统二子样算法相比较,计算量相当,姿态精度、速度精度、位置精度有大幅度的提升。     

基于混合深度特征的红外目标抗干扰识别算法

复杂干扰条件下的红外空中目标识别技术是空战对抗领域的热点研究课题,复杂人工干扰严重遮蔽目标,导致目标特征的连续性与显著性遭到破坏,无法全面描述识别对象的特性,造成空中目标识别准确率下降。针对此问题,提出一种基于图像混合深度特征的空中目标抗干扰识别算法。首先,基于卷积神经网络进行图像深度特征的提取,将深度特征与梯度直方图(Histogram of Gradient, HOG)特征进行有效融合,构建混合深度特征。针对作战场景中的目标与干扰的对抗态势多样性,将支持向量机的二分类模型改进为三分类模型,对目标、干扰以及目标干扰粘连三种状态进行精确分类。实验结果表明：在复杂干扰环境下,基于混合深度特征的空中目标抗干扰识别算法正确率为92.29%,该算法可以有效地解决目标被干扰遮蔽、形成目标干扰粘连状态时的抗干扰识别问题。     

曲线保凸光顺拟合中的支持向量回归模型

几何逆向工程中的光顺曲线重构问题本质上属于回归问题,支持向量回归机是求解回归问题的新的十分有效的方法.研究用支持向量回归机处理光顺曲线的重构问题,鉴于后者有着对于光顺性的特殊要求,通过修正惩罚因子对支持向量机加以改造,即根据测量数据点的分布情况,利用各测量点圆率及保凸条件的特性确定对应的惩罚因子,从而实现了自由曲线的保凸光顺重构.数据实验也表明该方法的有效性.     

高空发动机试车台矢量推力现场动态校准技术

根据发动机试车台矢量推力现场动态校准需求,通过系统化论证,针对试车台的技术要求及校准需求,解决发动机试车台现场实际使用和实验室校准条件不同造成的附加测量误差、试验台推力无法整体校准等问题。文中提出了利用摆锤式动态力加载装置实现标准矢量力加载的方案,为了验证设计方案的可行性,利用现有的设备研究验证校准方案,通过试验和分析给出了校准不确定度。结果表明：该方案动态性能优异,响应迅速,动态校准不确定度为2.2%,能满足高空发动机试车台矢量推力测试的需求,为后续进一步准确测试矢量推力提供了依据。