单体锂动力电池的携行电台供电电源直流变换控制技术

提出一种基于脉宽调制技术和滑模变结构控制技术相结合的新型直流变换电源控制策略,设计了一种连续电流模式下的升压直流变换电源滑模变结构控制器,将3.2 V单体锂动力电池变换为满足携行电台供电要求的12 V工作电源。通过Matlab/Simulink环境下构建控制器仿真模型,并对负载电阻和输入电压变化情况下的控制器性能进行仿真实验,结果表明该升压直流变换电源滑模变结构控制器在大范围扰动情况下的输出电压变化并不明显,稳态误差较小,动态性能良好,鲁棒性强。     

基于循环冗余校验码的差错控制分析与实现

在高速数字通信网络中,由于噪声干扰、瞬时中断等原因,导致信号在传输过程中不可避免地会产生误差.为了确保数据在传输过程中的可靠性,可在数据传输过程中引入差错控制策略来检查和纠正差错.循环冗余校验码是目前被广泛采用的错误校验编码,分析了基于循环冗余检验码的反馈重发式差错控制策略,给出了采用硬件和软件分别实现循环冗余校验的可靠途径.     

基于复合神经网络的柴油机故障诊断专家系统

针对ART神经网络和BP神经网络在故障诊断领域应用的优点及不足,结合专家系统擅长推理的优点,将ART2和并行BP神经网络组合优化策略运用在专家系统中,用Visual C＋＋6．0语言作为软件开发环境,构造一个基于复合神经网络的专家系统。最后给出一个应用实例,验证了系统模型的合理性。     

GASA-SVM改进算法及其在柴油机供油系统故障诊断中的应用

针对目前支持向量机(SVM)参数选择的盲目性,结合遗传算法GA的并行搜索和模拟退火算法SA的概率突跳特性,提出一种改进的基于遗传退火算法(GASA)混合策略优化支持向量机惩罚函数和核函数参数的GASA-SVM算法。利用柴油机供油系统油压波形的实测数据,归一化处理后作为诊断模型的特征值,建立了基于GASA-SVM的柴油机供油系统故障诊断模型。通过与BP神经网络、RBF神经网络、SVM和GA-SVM故障诊断模型比较表明:应用GASA-SVM建立的故障诊断模型在故障识别准确性上优于其它网络模型,能够有效进行柴油机供油系统的故障诊断。