基于MRAS无位置传感器的永磁同步电机矢量控制研究

针对内置式永磁同步电机空间矢量脉宽调制系统在高速域控制效果较差的问题,提出一种改进型模型参考自适应的无位置传感器控制策略.该策略通过构建可以识别转子转速和转子位置的无位置传感器模型,设计合适的自适应律估算转子转速,从而得到参考模型与可调模型办理出信号的误差,以实现对永磁同步电机更优良的控制.仿真结果表明:在中高速转速下,采用MRAS无位置传感器模型使内置式永磁同步电机转速控制系统发挥更好的动、静态性能,从而改善矢量控制方法在高速域性能的不足.     

基于多目标优化方法的一类k-Means自适应算法

【目的】针对k-Means聚类算法及MinMax k-Means聚类算法需要人为提前给定聚类数量而导致数据划分准确率偏低以及MinMax k-Means算法聚类效果受类簇边缘点影响较大等不足提出解决方案。【方法】将k-Means和MinMax k-Means算法的目标函数相结合,建立多目标优化模型,提出基于多目标优化方法的k-Means算法。分析簇数异常情况下最小中心方差与最大簇内方差之间的关系。【结果】发现当分类簇数大于最优簇数时,最小中心方差小于最大簇内方差,据此提出了基于多目标优化方法的k-Means自适应算法。【结论】数值实验表明：提出的自适应算法在人工数据集和UCI标准数据集均具有较好的自适应性且聚类效果较优。     

基于双自适应无迹卡尔曼滤波的半挂车状态估计

针对半挂车辆状态估计过程中测量噪声不确定、累计误差影响严重、初值敏感等问题,提出一种适用于半挂车铰接角、车速等多个状态量估计的双自适应无迹卡尔曼滤波算法(FFUKF).基于搭建的半挂汽车12自由度非线性动力学模型和轮胎模型,通过测量的轮速与车辆加速度等信息,首先利用模糊控制自适应调整滑移率容差,综合判断每个车轮的稳定状态,通过轮速估算出一种车速;与此同时,模糊控制自适应调整测量噪声,利用无迹卡尔曼算法,依据动力学估计出铰接角和另一种车速;然后通过卡尔曼滤波算法融合两种方法估计的结果,实现车辆的纵向、侧向速度、横摆角速度和挂车与牵引车铰接角的实时估计.最后在Simulink/TruckSim联合仿真环境下进行多工况仿真试验,验证所提出的双自适应无迹卡尔曼估计算法(FFUKF)有较强的适应性、稳定性和鲁棒性,相比普通模糊自适应无迹卡尔曼(FUKF)有更高的估计精度,能有效克服累计误差,即便在估计初始值不准和有ABS控制输入的情况,仍可以较精确地对车速和铰接角进行实时估计.     

PI型扩展预测自适应控制器及其在造纸过程中的应用研究

建立了一种具有比例积分结构的扩展预测自适应控制器，并在造纸过程中的湿基准与纸浆流量的数学模型中进行了应用仿真研究，仿真结果显示了这种控制器良好的控制效果。     

电器柔性启动系统的研究

分析电器启动电流冲击现象的原因及危害性，提出了控制对策，设计两种实用的抑流电路。     

一种基于小波包变换的反辐射导弹检测技术

针对雷达回波中的载机为单频信号且占主导地位,而导弹为宽带调频信号,应用正交小波包变换可以分离不同频带的回波信号的特点,提出了一种应用小波包变换检测反辐射导弹(ARM)的方法。其中小波包系数反映信号在相应频段的能量分布,依据小波包能量进行自适应阈值处理,小波包重构后即可有效抑制回波中的强载机分量。仿真显示,这种方法能够将微弱的ARM信号有效地检测出来。     

混沌神经网络模型参考自适应控制器设计

研究了非线性的神经网络模型参考自适应控制器设计问题。将混沌机制引入常规BP算法,利用混沌机制固有的全局游动,逃出权值优化过程中存在的局部极小点,解决了网络训练易陷入局部极小点的问题。通过训练神经网络模型参考自应用控制器和辨识器,完成了对一类复杂离散非线性系统的控制。给出了具体的算法步骤。仿真结果表明了混沌BP算法优于常规BP算法。有效地提高了控制精度和适时性。     

PEMFC电气输出特性的自适应模糊PID控制

讨论了在功率需求快速变化下质子交换膜燃料电池的动态响应性能。采用小波神经网络辨识特性曲线来模拟实际电压值。提出了电压和功率两级的系统控制方案，并分别对相应的控制器进行研究。采用MATLAB／SIMULINK对整个控制系统进行模拟。结果表明，控制方案可以达到预期效果。此外还进行了相应的抗干扰和鲁棒性能仿真实验。仿真结果表明，采用的控制算法具有较好的鲁棒性能和自适应性。     

基于LS的梯度迭代最陡下降算法GISDA

提出了一种基于LS准则、利用梯度迭代的最陡下降算法GISDA（Gradient Iteration Steepest Descent Algorithm，GISDA）．该算法在梯度计算上比LMS精确．新算法与传统的最陡下降算法相比，具有运算量小、容易实现等优点．GISDA算法比LMS算法收敛速度快、稳定性更好．并给出了GISDA算法和LMS算法性能比较的计算机仿真结果和结论．