一种基于Matlab的无刷直流电机控制系统建模仿真方法

在分析无刷直流电机(BLDC)数学模型的基础上,提出了一种无刷直流电机控制系统仿真建模的新方法。在Matlab/Simulink环境下,把独立的功能模块和S函数相结合,构建了无刷直流电机系统的仿真模型。系统采用双闭环控制:速度环采用离散PID控制,根据滞环电流跟踪型PWM逆变器原理实现电流控制。仿真和试验结果与理论分析一致,验证了该方法的合理性和有效性。此方法也适用于验证其他控制算法的合理性,为实际电机控制系统的设计和调试提供了新的思路。     

利用轻量化深度学习模型和加速度信号的枪击识别方法

枪支射击的检测与识别有助于实现枪支和子弹的精准管控，从而防止枪支滥用、提高公共安全。区别于传统利用加速度传感器的枪击识别需要进行特征提取的方法，本文针对不同类型的枪击加速度信号，首次采用深度学习的方法进行研究，提出了一种新的兼顾精度和轻量化的EfficientNetTime时间序列分类模型。该架构核心由MBConvTime，Fused-MBConvTime模块组成，能够自动提取枪击加速度信号特征，对不同输入时间尺度更具鲁棒性。在识别精确率方面达到97.42%超越传统枪击识别算法，并在公开枪击数据集上与SVM、决策树、随机森林三种传统机器学习模型和FCN、Resnet、Inceptiontime、Xceptiontime四种时间序列深度学习模型对比。实验结果表明EfficientNetTime模型更加高效，识别精确率也更高。