含死区的单相并联有源滤波器建模及控制策略研究

为减少由于死区时间所产生的附加谐波含量,建立了包含死区的单相并联有源滤波器(APF)混杂动态模型.根据脉宽调制原理(PWM)与精确离散化方法,将混杂动态模型转换为等效离散时间系统(EDTS)模型,并将EDTS模型在平衡流形邻域近似线性化,得到以脉宽偏差为输入函数的线性等效离散系统(LEDTS)模型.依据LEDTS模型,以PWM信号的脉宽作为控制量,设计了满足一定性能指标的切换线性二次最优控制器.仿真实验验证了所提建模和控制策略的有效性与可行性.     

基于神经网络的并联式混合动力汽车控制策略

为提高并联式混合动力汽车的燃油经济性和控制系统的响应时间,应用神经网络实现控制策略.首先,结合逻辑门限控制策略和等效燃油消耗最小原理制定控制策略,并根据电池的荷电状态(SOC)进行调整.然后将调整后的策略在典型工况JA1015循环上实验,采集合理样本来训练对角回归型神经网络(DRNN),获得基于神经网络的控制策略.最后,在电动汽车仿真软件ADVISOR平台上进行仿真实验,仿真结果表明,采用神经网络的控制策略,提高了并联式混合动力汽车的燃油经济性,响应快,且具有通用性.     

不确定T-S模糊广义系统基于观测器的无源控制

针对一类范数有界不确定性T-S模糊广义系统,研究了其在满足不确定性的基于观测器的无源控制器的设计问题.在状态不可测的情况下给出了使得闭环系统广义二次稳定且无源的基于观测器的控制器存在的充分条件和设计方法.通过求解若干线性矩阵不等式,获得系统的观测增益与控制增益.最后通过数值仿真例子,说明所提出的设计方法可行、有效.     

基于RBF网络和ARX模型的液压系统故障诊断方法

提出了基于径向基函数(Radial Basis Function,RBF)网络和有源自回归(Auto-Regressive with Extra Inputs,ARX)模型的液压系统的故障诊断方法.作为一种性能优越的网络分类器,RBF网络比传统的反向传播(Back Propagation,BP)网络表现出更好的分类效果,非常适合于故障特征识别.故障诊断方法首先针对目标故障状态建立 ARX模型,提取 ARX 模型的自回归系数作为故障特征向量.然后将故障特征向量作为RBF网络训练样本,建立RBF网络故障分类器,进一步根据RBF网络的输出结果来判断故障的类型.通过建立挖掘机铲斗部分液压系统仿真模型,验证了于基于RBF网络和 ARX 模型的故障诊断方法的有效性.     

基于PLAR特征补偿的鲁棒性说话人识别仿真研究

针对MFCC特征补偿技术在低信噪比时性能不高的缺点,提出了基于PLAR鲁棒特征的模型补偿方法进行抗噪声说话人识别.PLAR特征从人类听觉感知机理出发,运用听觉心理学概念表征说话人个性特征,具有雏数低,运舅速度快,抗噪性能强等特点,是一种稳健的特征.模型补偿则通过分析被测语音帧的整体分布,对高斯混合模型似然概率进行某种程度的补偿,降低噪声的影响,改善系统的性能,进一步增强系统的鲁棒性.理论分析和实验结果表明,在平稳和非平稳背景噪声环境下,当信噪比大大降低时,此方法比MFCC-GMM方法的识别率平均提高了12.2和14.9个百分点.     

基于强跟踪滤波器的纯方位机动目标跟踪算法

针对无源纯方位跟踪中目标机动的问题,提出了一种基于强跟踪滤波器的机动目标跟踪算法.该算法在目标机动跟踪中通过实时调节增益阵,提高了滤波器对状态变化的跟踪能力,避免了修正增益协方差(MGEKF)算法中所寻找的观测量修正函数不准确而引起较大的误差.同时对量测模型非线性问题采用伪量测变换估计器(PLE)予以解决,它具有形式简单,计算量小的优点.最后将该算法与MGEKF算法相比较,Monte Carlo仿真结果验证了提出算法的优越性.     

不确定网络化控制系统的保性能鲁棒容错控制

研究了一类含有不确定性的网络化控制系统的完整性和保性能容错控制问题.基于Lyapunov稳定性理论和LMI方法,采用状态反馈控制策略,针对含有不确定性的网络化控制系统当执行器发生失效故障时分别推证出了系统仍渐近稳定和能够满足一定控制指标的充分条件,进而通过将矩阵不等式转化为线性矩阵不等式得到了求取两种容错控制器的方法.最后用仿真算例验证了该方法的有效性和可行性.     

基于线性预测和最小二乘估计的缺陷阵波束形成

针对阵元失效时缺陷阵的波束形成问题,采用线性预测和最小二乘估计两种方法对失效阵元的输出进行预测.通过对缺陷阵输出响应进行重构,从而有效地抑制由于阵元失效而产生的旁瓣级提高以及基阵指向性的下降.仿真试验结果表明了方法的有效性.     

基于高斯过程回归的大气进入段航天器飞行能力预测方法

轨迹优化技术是目前大气进入段研究的关键技术之一,如何在大气进入动力学复杂、航天器设计参数各异以及进入过程多约束的条件下,对进入轨迹性能参数进行评估是轨迹设计研究的重要问题。对此,以二维落点走廊为表征的大气进入段最大飞行航程作为性能指标,针对传统轨迹优化方法求解计算量庞大的问题,提出了一种基于高斯过程回归(Gaussian process regression, GPR)的大气进入段航天器飞行能力快速预测方法,挖掘航天器进入初始轨迹参量与轨迹包络特征参量之间的映射关系,求解航天器最大航程时避免了复杂的动力学建模以及大规模的迭代寻优过程。利用所提方法对1 000余组不同进入场景的进入轨迹最大航程进行快速预测,将预测结果用于进入段航天器飞行能力评估,为解决大气进入领域相关工程问题提供参考。     

基于LWSVR的繁忙机场航班滑出时间预测

针对繁忙机场航班滑出时间预测准确率低的问题,结合局部回归和加权支持向量回归,提出基于局部加权支持向量回归的离港航班滑出时间预测模型。该模型采用K最近邻方法,减小训练样本集容量,并为每个预测样本构建一个预测模型。通过计算训练样本与预测样本间的马氏距离,来优化加权支持向量回归中高斯核加权函数的带宽参数,获得加权系数。结合某机场离港航班数据仿真分析,实验结果表明模型在误差允许范围内的预测准确率达到83.33%,模型更加稳定。