基于滑模估计器和卡尔曼滤波的PMSM速度估计

针对永磁同步电机(PMSM)无传感器的控制问题,提出了一种结合滑模估计器和扩展卡尔曼滤波(EKF)两种方法优点的混合估计器。混合估计器解决了滑模估计器对于反电动势具有较大"畸变"的电机速度估计效果差的缺点。混合估计器建立了一个3阶EKF滤波器,把反电动势高次谐波分量作为系统和测量噪声处理。降阶后的EKF参数调节变得比传统的EKF估计器相对容易很多,在反电动势有"畸变"单纯滑模估计器估计效果很差时,估计效果依然很好。对滑模估计器、传统EKF估计器和混合控制器三种估计效果做了比较,阐明了混合估计器的优缺点。     

网络控制系统实时仿真平台的设计与开发

网络控制系统(NCSs)是通过通信网络实现控制系统单元信息交换的分布式控制系统.由于通信网络的引入,有可能使控制系统的性能降低甚至导致系统不稳定,这些不利因素使得对网络控制系统的分析研究变得更为复杂.利用混合编程技术并搭建基于实时通信网络的仿真平台,可为网络控制系统提供有利的分析工具.最后以状态反馈控制器为仿真实例,证明该研究平台的优势及有效性.     

一种基于混合包围盒结构的实时碰撞检测的有效方法

有向包围盒(OBB)是一中用于复杂结构刚体模型间碰撞检测的有效方法,但是由于其自身的算法复杂性导致在检测距离较远的模型时检测效率不及轴向包围盒(AABB)或球形盒(Sphere).使用OBB和Sphere的混合包围盒结构的碰撞检测算法,通过使用Sphere与Sphere或Sphere与OBB包围盒之间的检测方法快速剔除了模型距离较远时相交的可能性,通过使用OBB与OBB的检测方法精确检测距离较近的模型之间的相交状态.通过与经典算法OBB的比较试验及其他实验证明对于具有复杂结构的刚体,基于混合层次包围盒结构的算法是一种有效的并且精确的实时碰撞检测算法.     

基于自适应模糊推理系统的柴油机故障诊断

为解决柴油机故障诊断问题,采用自适应神经模糊推理系统(ANFIS)建立其故障诊断模型.利用减法聚类方法确定模型初始结构,并采用由梯度下降算法和最小二乘算法所组成的混合学习算法优化模型参数.经文中试验数据检验,所建模型故障识别值与实际值之间的最大误差为10.16%,最小误差为0.115%,平均误差为2.26%,识别精度达到了97.74%.仿真结果表明,与BP网络模型相比,该模型收敛速度快,拟舍能力强且诊断识别精度高,能够有效识别柴油机放障.     

载波跟踪算法综述

随着GPS软件接收机技术的飞速发展,作为其关键技术之一的载波跟踪算法也取得了长足进展。基于一种典型载波跟踪环的结构,将载波跟踪算法归类为纯载波跟踪算法和有外部辅助载波跟踪算法两大类。其中纯载波跟踪算法的关键技术主要有:环路鉴别算法,环路滤波器的优化设计,基于锁相环和锁频环的混合载波跟踪环的设计,智能降噪技术、智能控制技术、智能估计算法和自适应算法的引入等;外部辅助的载波跟踪算法主要存在于各类组合导航系统中,最典型的就是紧耦合或超紧致耦合组合导航系统中利用惯导测量信息对载波跟踪进行辅助。分析了上述各种技术研究的侧重点及工作原理,总结了各种研究侧重点的特点及优缺点,指出了载波跟踪算法的发展方向。     

基于数据手套的逼真虚拟手的实现

在基于头盔、数据手套的虚拟现实系统中虚拟手的实现效果十分重要,传统的虚拟手模型将手掌和各手指分割为多个刚体,当虚拟手运动时在刚体连接处产生重叠或裂缝,严重影响了沉浸感。在此根据虚拟手的运动特点对其进行整体建模,并快捷地对数据手套采集的原始关节数据进行校正,在可编程图形硬件上利用顶点混合算法将校正后的数据作用于虚拟手模型来产生皮肤变形,在满足实时性的同时提供了逼真的视觉效果。最后还通过搭建实验系统验证了所述方法的可行性。     

带有测量噪声的Ⅱ型T-S模糊建模

实际工业生产过程中,系统的数据带有测量噪声.Ⅱ型模糊集的二阶隶属度用来表征一阶隶属度的模糊度,这种模糊度的增加意味着处理不确定信息能力增加.因此,提出了一种基于Ⅱ型模糊集的T-S模糊建模方法来减少由噪声带来不确定信息的影响.首先采用改进的最小邻域算法对带有测量噪声的数据进行聚类,继而确定Ⅱ型模糊集的一阶隶属度,接着根据数据的聚类信息采用高斯混和模型得到二阶隶属度值,然后用正交最小二乘算法确定模糊模型的后件参数,最后通过仿真实验来验证该方法的有效性.     

基于混合定价机制的高估价顾客购买策略

在传统市场和网络市场上销售具有价值易逝性的商品,研究顾客在卖方定价与买方定价这一混合定价机制下的购买行为.分析了顾客的最优出价策略,讨论了成交价和顾客获胜概率,得到高估价顾客的购买策略.     

基于动态贝叶斯网的时变样本空间无监督学习

提出了针对概率分布参数时变的样本空间的参数估计问题,由于一般的聚类和EM算法等参数估计方法是针对概率分布时不变的样本空间的问题所采用的。因此,对于概率分布时变的样本空间而言,这些方法均不能有效、准确地估计实时变化的样本参数。通过构建动态贝叶斯网,利用先验和后验的知识进行预测和滤波,结合贝叶斯增量式学习方法并充分利用了其学习所获得的样本空间概率模型变化演进的规律,这样可以较准确、平滑地学习实时概率模型及其分布参数。     

高速磁浮列车用混合滤波器设计的仿真研究

高速磁悬浮列车系统的谐波是一种典型的强非线性、冲击性负荷,是一种重要的新型谐波源,在没有补偿措施时,它会带来较严重的电网谐波问题。针对高速磁悬浮列车系统谐波的特征,运用自适应谐波检测方法对谐波进行检测分离,通过有源滤波器和无源滤波器的有效配合,最终达到谐波抑制,改善功率因数,优化电网电能质量的目的。