步进电机细分控制输入—输出特性的研究

提出了步进电机细分控制特性曲线拟合的概念,阐明了拟合控制曲线对步进电机细分控制量选取的意义,论述了细分控制特性曲线的拟合方法。用三次样条曲线实现了对细分控制输入－输出特性的拟合,给出了拟合公式。拟合结果表明,拟合数据与实测数据相差不大。     

基于样条函数的步进电机细分控制量拟合选取

提出了步进电机细分控制特性曲线拟合的概念，讨论了细分控制特性曲线的拟合方法。用三次样条曲线实现了对细分控制输入—输出特性的拟合，给出了拟合公式。拟合结果表明，拟合数据与实测数据比较接近。     

基于DSP的二相混合式步进电机多细分驱动器的研究

本文介绍了一种基于TMS320LF2407ADSP芯片的步进电机多细分驱动控制器的设计方案,给出了系统的硬件构成和软件设计方法。实验证明：该方案能最大限度地利用步进电机驱动芯片的开关频率,自动计算出步进电机在不同转速下的细分微步数,通过步进电机细分控制,改善电机系统的运行特性和定位精度。     

基于CPLD的带细分的三相步进电机驱动器设计

混合式步进电机的工作原理类似于永磁同步电机,完全可以引入同步电机的先进控制方法．从同步电机控制的角度来控制步进电机,就从根本上跳出了步进电机细分控制是对相电流控制的限制,实现了全新的脉冲细分控制。基于这一理论开发出以CLPD为核心的三相混合式步进电机脉冲细分控制器。     

步进电机细分驱动控制系统设计与实现

针对步进电机容易失步,导致定位不准的问题,提出采用细分驱动控制的方法控制步进电机.首先对两相混合式步进电机进行了数学建模,并在Matlab/Simulink环境下对步进电机在不同细分数下进行了仿真研究,仿真结果表明细分驱动控制能显著提高步进电机运行性能.然后基于STM32F103处理器设计了细分驱动控制硬件系统并进行了测试,通过步进电机带动丝杆在700 mm范围内运动,在2细分、4细分、8细分、16细分状态下的误差分别为1.7、1.1、0.5、0.2 mm.测试结果表明,提高细分数能提高步进电机精度、降低噪声,本系统具有较强的实用价值.     

步进电机的细分驱动技术研究

本文论述了以电流矢量恒幅均匀旋转原理为基础的步进电机细分技术,设计了基于单片机的SPWM控制的电流矢量恒幅均匀旋的细分驱动模式,并通过对软件数据的设置可以实现多种细分级数驱动控制。并在此基础上为修正误差引入电流反馈环节,实现了对混合式步进电机精确运行控制。     

基于DSP的三相步进电机脉冲细分控制器设计

混合式步进电机的工作原理类似于永磁同步电机,完全可以引入同步电机的先进控制方法.从同步电机控制的角度来控制步进电机,就从根本上跳出了步进电机细分控制是对相电流控制的限制,实现了全新的脉冲细分控制.基于这一理论开发出以电机控制专用的数字信号处理器芯片TMS320LF2407为核心的三相混合式步进电机脉冲细分控制器.     

步进电机的细分驱动技术研究

本文论述了以电流矢量恒幅均匀旋转原理为基础的步进电机细分技术,设计了基于单片机的SPWM控制的电流矢量恒幅均匀旋的细分驱动模式,并通过对软件数据的设置可以实现多种细分级数驱动控制.并在此基础上为修正误差引入电流反馈环节,实现了对混合式步进电机精确运行控制.     

FPGA在步进电机细分驱动控制系统中的应用

以单片机SST89E554RC和FPGA为步进电机细分驱动系统的硬件核心,实现了两台步进电机的64细分控制。系统采用FPGA控制的PWM细分驱动技术,由FPGA产生阶梯脉冲形成阶梯形电压信号以控制步进电机每相绕组在各时刻的电压,从而实现步进电机转角的任意细分控制。     

基于驱动电路3955的步进电机细分驱动器设计

为减小步距角,提高电机步进分辨率,在分析步进电机细分原理的基础上,提出一种基于全桥PWM驱动电路3955的两相步进电机细分驱动器设计方案,给出了系统的硬件结构和软件设计。该方案采用正弦/余弦细分方法,控制步进电机两相绕组的电流,实现了斩波恒流均匀细分驱动,最高细分达到128。所设计的驱动器已应用于数控车床改造中,采用导程为1 mm的精密滚珠丝杆,可实现每步位移0.4μm。实验结果表明该步进电机细分驱动器运行平稳、可靠性高,具有良好的运行矩频特性。     

D/A转换输出连续性研究

当把D/A输出作为控制系统的输出控制信号时,输出曲线的连续性在很大程度上决定了控制系统的控制精度,细分D/A输出,能够使输出曲线更为连续。介绍了细分D/A输出最小增量使输出曲线更为连续的传统方法,给出了细分D/A输出最小增量的新思路,指出了使用3个D/A转换器,细分连续2个D/A转换输入数据的增量,能使D/A的输出曲线比单个D/A转换器的输出更为光滑连续。     

基于深度学习的页岩储层总有机碳含量预测方法

页岩储层总有机碳（Total Organic Carbon,TOC ）含量的地震预测普遍采用密度回归拟合法,仅考虑了单因素的线性关系,预测结果误差较大。针对常规方法的不足,提出基于深度学习的TOC含量预测方法。首先,从测井资料中优选出与TOC含量曲线相关度相对较高的多个弹性参数曲线作为样本集输入数据,TOC含量曲线作为样本集输出数据,构建针对TOC含量预测的深度前馈神经网络模型;然后,调试网络模型结构,并利用共轭梯度法进行网络参数寻优;最后,将叠前振幅随偏移距变化（Amplitude Versus Offset,AVO ）反演得到的弹性参数数据体输入到深度前馈神经网络模型,预测得到最终的TOC含量数据体。通过四川盆地页岩储层实际测井、地震资料的应用,对比了该方法相对于常规回归拟合法的优越性,验证了方法的实用性和可行性,为页岩储层TOC含量预测提供了新思路。     

直驱永磁风电机组输入输出特性拟合

运用曲线拟合方法,可拟合直驱永磁同步风电机组的输入输出特性.研究发现,理想条件下功率-风速的数值拟合精度高,而实际测量值拟合精度差,在高风速运行条件下,输入功率-机组转速和机组转速-输出功率的数值拟合精度高,而低风速运行条件下,拟合精度低.     

基于离散过程神经网络页岩油气储层有机碳含量预测

受地层岩性变化影响,传统方法进行有机碳含量(TOC)拟合预测精度偏低。为提高TOC拟合精度,减小普通神经网络对连续信号的时间累积误差,提出一种极限学习离散过程神经网络的TOC拟合预测模型。模型用向量模拟过程式输入,内部通过抛物插值的数值积分完成离散样本的时域聚合。通过对离散过程神经元的结构分析,提出极限学习训练算法,在隐层相关参数随机赋值后,通过Moore-Penrose广义逆求解输出权值,模型学习速度快。最后将该方法应用于TOC拟合预测,利用相关性分析,选取对TOC响应最敏感的测井曲线作为模型的特征输入。与传统方法和其他神经网络对比,该方法的拟合精度较高,预测TOC与实测值有更好的相关性。     

主动前轮转向变传动比曲线分析与设计

传统主动前轮转向系统理想变传动比曲线非光滑,会导致电机转矩波动等问题.本文基于车辆模型,通过对比分析5种拟合变传动比曲线的性质,设计光滑的拟合变传动比曲线.分析表明,改进型S函数变传动比曲线与理想变传动比曲线非常接近,并且其使电机角加速度突变最小,从而能使电机转矩的突变最小,具有最优综合性能.在MATLAB/Simulink中仿真结果验证了改进型S函数变传动比曲线的优良性能.     

LMBP和RBF在ECS特性曲线拟合中对比研究

为精确反映数字式涡流传感器的输入输出特性, 为其非线性补偿提供可靠依据, 对传统BP（Back Propagation）神经网络进行改进, 利用LMBP（Levenberg Marquart Back Propagation）神经网络和RBF(Radial Basis Function)神经网络对涡流传感器的输入输出特性曲线进行拟合, 并将两者拟合结果进行对比研究。仿真结果表明, 在训练样本数量相等且中小规模网络的条件下, 采用RBF神经网络比采用LMBP神经网络进行曲线拟合的误差更小、 收敛速度更快且具有更高的拟合精度, 为工程实际中一维数据的拟合方法选择提供了依据。     

曲线拟合在核探测器信号幅度提取中的应用

研究数字化核探测器输出脉冲信号的幅度提取问题.根据闪烁探测器的电路特性,推导了其脉冲信号理想曲线方程.综合利用三和值法、最小二乘法、试探法等方法,设计了该理想曲线拟合算法.由脉冲信号采样点数据,通过曲线拟合,计算出曲线的极大值,该值即为闪烁探测器输出脉冲信号的幅度.正反演数据结果对比表明,采用曲线拟合算法提取闪烁探测器输出脉冲信号幅度,其方案可行,计算结果更准确.相较于数字滤波和数字脉冲成形方法提取核探测器输出脉冲幅度,该算法更简单,对仪器的硬件处理速度要求更低.该方法开辟了核探测器脉冲幅度提取的新途径.     

海量数据的曲线拟合并行算法及实现

提出一种适于海量数据的曲线拟合并行算法 .该算法将数据划分到多个处理机上 ,分别进行拟合 ;并通过对相邻两段拟合曲线的边界进行处理 ,可得到C1连续的完整拟合曲线 .     

用蒙特卡罗法模拟积分球的光传输时间特性

运用蒙特卡罗法原理,用Matlab软件编程,通过随机抽样,追迹了100 000个光子,对一半径为100mm,漫反射率为0.85的积分球的光传输时间特性进行了仿真分析.结果显示:积分球对入射光脉冲具有展宽作用,当入射光为脉宽无限窄的理想脉冲时,积分球的出射光能量波形符合指数曲线规律.对模拟数据进行指数拟合,得到了各拟合系数及相关系数.在此基础上对方波函数的输出响应进行模拟,得到了分段指数曲线,进一步验证了积分球对脉冲的展宽作用.两种情况下拟合的时间常数基本一致,拟合的相关系数大于0.97.