基于相关性相位提取的超声电机频率控制技术

为了解决温度和负载的变化容易引起超声电机转速波动,以及基于转速反馈的闭环控制因转速传感器安装体积和成本在某些特种场合应用受限的问题,提出一种基于相位差信息反馈的频率闭环控制方法:首先,根据电机各类相位差对温度和负载变化的敏感程度,优化选择了相位差反馈量的类型;其次,针对系统机械噪声以及驱动器谐波对相位差计算结果的影响,利用改进的相关性相位提取方法准确提取驱动电压和孤极电压的基频相位差信息;最后,分别就超声电机运行过程中温度和负载变化的情况,给出了相应的频率闭环控制方案。实验结果表明,所提出的方法能有效降低温度以及负载变化导致的转速波动,可提升电机所在系统的转速稳定性。由于其只需采样两路电压信号,故易于工程实现。     

基于K-means聚类与PSO特征优选KNN的分级负荷识别方法

针对非侵入式负荷辨识中,单一V-I轨迹特征无法对相似的轨迹特征进行有效识别以及所提取特征易出现冗余甚至噪声特征的问题,提出了一种基于K-means聚类与PSO特征优选的分级非侵入式负荷识别方法。首先,利用K-means算法对负荷V-I轨迹的HOG特征进行初步分类,将轨迹相似的电器分为一类;然后,对每一类中的电器电流数据进行多维特征提取并采用PSO算法选取最优特征子集;最后,利用KNN模型进行二级负荷识别。实验结果表明,该方法有效提高了负荷识别准确率;提取V-I轨迹的HOG特征解决了同一电器V-I轨迹波动的问题;对一级分类后的每一大类单独进行PSO特征优选KNN二级分类,解决了部分电器对特征子集适应性差的问题。所提方法在一定程度上解决了冗余特征甚至噪声特征对辨识准确率的影响,为负荷特征的选取提供了新的思路,对负荷辨识的实际应用具有重要的参考意义。     

基于CF-MF-SE联合特征的非侵入式负荷辨识

针对目前非侵入式负荷辨识存在模型训练时间过长以及负荷特征相近的电器辨识精度不高的问题,提出了一种基于CF-MF-SE联合特征的非侵入式负荷辨识方法。以稳态电流信号为基础,通过提取峰值因数表征波形的畸变程度,采用裕度因子表征信号的平稳程度,谱熵表征频谱结构复杂程度,并结合PSO-SVM实现负荷辨识。结果表明,新方法可解决电器电流波形相近不易识别的难题,减少训练时间,有效提高识别准确率和效率。所提方法将振动信号特征作为负荷特征引入负荷辨识领域,为非侵入式负荷辨识技术的特征选取提供了新思路,其中谱熵作为对负荷敏感的关键特征,与其他特征组合可明显提高辨识率,为实际应用中负荷特征的灵活选择提供了参考。