多任务微小卫星姿态仿真研究

为了实现在整星制约条件下,以经济而可靠的手段满足三轴稳定多任务微小卫星(MTMS)姿态控制系统的功能和性能要求,分析了MTMS的运行任务,提出了基于多任务要求的工作模式划分,并对多任务过程的姿态确定和姿态控制系统进行综合分析和设计,建立数学模型。通过仿真验证,可实现多任务微小卫星的复杂任务设计要求。     

基于虚拟集成技术的ESP硬件在环仿真

针对汽车电子稳定性控制系统的开发,提出了集成ADAMS/Car的整车虚拟样机、MATLAB/Simulink的虚拟控制器和LabVIEW的测控平台的汽车电子稳定性控制的硬件在环仿真方法（VCHIL）,阐述了该方法的实现原理,讨论了基于虚拟集成技术的硬件在环仿真系统的组成及其相互关系,并以此为向导,研制了汽车电子稳定程序（ESP）的硬件在环仿真实验平台,并进行了实验验证。

Abstract：

Aiming at the development of ESP system,hardware-in-loop simulation method based on virtual cross technology （VCHIL）,which combined virtual modal by ADAMS/CAR,virtual controller by MATLAB/Simulink and LabVIEW platform,was addressed.The realization principle of the method was introduced.The structure and relation between parts of hardware-in-loop simulation system based on virtual cross technology were discussed,and according to these,the hardware-in-loop simulation testing platform was developed.Test on this platform was performed and the results were analyzed and compared.     

A double-clutch hybrid drivetrain-architecture, control, and simulation

Electromechanical coupling system is one of the key technologies of hybrid electric vehicles. Among the existing electromechanical coupling systems, ISG system is recognized as the most practical one with the highest integration. However, the efficiency of ISG system is relatively low in pure-motor-drive mode. In this paper, a hybrid drivetrain with double clutches was proposed, in which a mode-clutch was installed between engine and motor as the mode switch, thus the efficiency in pure-motor-drive mode was improved. This paper discussed the architecture, modeling and control strategy of double-clutch drivetrain. The results of co-simulation by Cruise and Simulink showed that the fuel economy of the vehicle with this drivetrain was effectively improved compared to similar conventional vehicles.     

基于AMESim和Matlab/Simulink联合仿真的模糊PID控制气动伺服系统研究

在AMESim中建立气动伺服阀控非对称缸的系统模型。以S函数的形式导入到Simulink中的模糊PID控制系统模型中,进行AMESim和Matlab/Simulink联合仿真研究。与无PID控制的同一系统的AMESim仿真结果进行对比分析,模糊PID控制改善气动伺服系统的响应性能。     

多任务计算机系统软件排错的结构分析法

针对多任务计算机系统的特点，引入任务模块的不可靠性传播概率，提出一种排除软件错误的方法─—结构分析法。这是一种面向数据结构的间接排错方法，与直接时程序排错法相比，它能更有效地发现和确定随机的错误，为分析出错原因提供可靠的依据。     

基于Elman神经网络的路面附着系数识别

准确、高效地识别路面附着系数为汽车主动安全系统提供了重要输入参数。笔者提出了基于Elman神经网络识别路面附着系数方法,采用Carsim/Simulink联合仿真,获取了某车辆的63个行驶工况,共20个重要动力学响应。构建了Elman神经网络的路面附着系数识别模型,对附着系数为0.2～0.9的路面进行了识别,识别平均绝对百分比误差为4.92%,准确率为91.22%。相对于传统的BP神经网络方法,该方法使路面附着系数的识别平均绝对百分比误差降低了2.24%,准确率提升了9.82%,并且在潮湿沥青路面以及干燥沥青路面进行了实车实验,验证了该方法的有效性、可行性。     

基于SaberRd_Simulink的异步电动机SVPWM系统联合仿真方法

以三相异步电动机为被控对象,对比研究各种基于SaberRD和Simulink的联合仿真方法。采用其中一种适宜混合建模的方法构建联合仿真平台。在Simulink环境中建立控制器模型,通过调用RTW(real time workshop)工具,编译并生成可移植的控制模块;在SaberRD环境中调入控制模块,构建SVPWM(space vector pulse width modulation)控制系统。实验结果显示,采用联合仿真方法搭建的系统运行快速,数据正确,可为较复杂的电力电子系统的设计与开发提供一种新的实用方法。     

基于多任务学习的行人重识别特征表示方法

作为一种跨摄像头的检索任务,行人重识别会受到不同相机视角造成的图像样式变化的影响。近年来,许多算法通过神经网络直接从原始输入图片中学习相应特征,虽然这些特征能够很好地描述全局行人,但忽略了许多局部细节信息,在复杂的场景下容易出现误识别。针对此问题,研究了一种基于多任务学习的新的特征表示方法,采用成对输入的孪生网络结构,将局部最大出现特征(local maximal occurrence,LOMO)和深层特征一起送入网络并映射到单一的特征空间中进行训练,形成一种新的网络模型TDFN(traditional and deep features fusion network)。利用神经网络自我学习特性,联合多个任务的损失函数更新网络,使得深层特征学习到更多与手工局部特征互补的细节信息。实验表明,新特征的平均精度mAP和Rank-1精度都优于直接从孪生网络提取的全局描述子。     

基于强化学习的室内温湿度联合控制方法研究

为解决目前风机盘管控制方法仅以室内温度作为单一控制对象且忽略湿度的问题,本文以采用风机盘管加新风系统的北京某办公建筑为研究对象,提出一种基于动作干预的强化学习控制方法对风机盘管的送风量进行调节,以期获得更佳的室内温度和相对湿度联合控制满足率。本文利用TensorFlow部署强化学习算法,在TRNSYS中建立建筑空调系统仿真模型,利用自开发的TRNSYS-Python联合仿真平台对所提算法进行训练、测试和评估。研究结果表明,与传统的通断控制和基于规则的控制方法相比,本研究提出的控制方法可以将室内温度和相对湿度联合控制满足率提高9.5%以上。可见该方法具有工程应用价值,为提高建筑室内热舒适提供了新的研究思路。     

基于多体动力学的热轧卷取机踏步系统联合仿真研究

针对某钢厂热轧1700生产线卷取设备的特点,在ADAMS环境下进行了动力学仿真,并用AMESim建立了该卷取设备踏步系统的模型,实现了液压、控制与机械系统动力学联合仿真研究。在所建立多机耦合模型基础上,准确计算出了助卷辊的踏步轨迹、液压缸的负载变化规律和液压缸的油压变化规律,讨论了不同参数对踏步控制系统的影响。结果表明采用液压伺服控制系统其控制精度和响应时间是可以保证的,为卷取机的设计以及技术改造提供了有效的理论依据。