摘要：为解决永磁同步电机传统直接转矩控制脉动大、开关频率不恒定,以及现有永磁同步电机无差拍直接转矩控制计算复杂、电压矢量解不唯一的问题,在电压源逆变器受限的情况下,针对表贴式永磁同步电机提出了一种简化无差拍直接转矩控制,计算出的电压矢量由空间电压矢量脉宽调制方法实现,保证逆变器开关频率恒定,该方法计算简单,无需计算二次方程。考虑到控制系统的延时,对电流进行预测计算,同时为提高定子磁链和电磁转矩的计算精度,设计采用观测器方法对定子磁链观测。仿真和实验结果表明,永磁同步电机的转矩和磁链脉动明显减小,动态性能好。

摘要：针对永磁同步电机驱动的导弹尾翼电动负载模拟器存在的高阶非线性及参数时变问题,提出一种基于反演设计的快速终端滑模控制方法.建立电动负载模拟器系统的状态空间模型,将建模误差及参数摄动视为未知扰动项,基于反演控制的设计思想,将系统模型划分为3个子系统,采用快速终端滑模方法设计控制律,使跟踪误差在有限时间内收敛到零.然后应用Lyapunov方法证明了闭环系统的渐进稳定性及有限时间收敛特性,最后通过试验验证了该控制策略的有效性.与PI+前馈补偿控制策略相比,该方法能够更好地抑制系统中的多余力矩,提高了电动加载系统的力矩加载精度,同时有效提高了加载系统的鲁棒性.

摘要：针对高频响弹载电动舵机系统存在的齿隙非线性、参数时变、未知扰动等问题,提出一种幂次型快速Terminal滑模反演控制策略.设计连续可微函数逼近齿隙非线性环节的死区模型,建立拟合系统的状态空间模型并划分为3个子系统进行控制设计.采用反演控制思想设计快速幂次Terminal滑模控制器,内环采用直接转矩控制控制策略,提高响应速度.应用Lyapunov方法证明闭环系统跟踪误差的有限时间收敛特性,实现了对齿隙非线性的精确补偿.实验结果验证了所提出控制策略的有效性,与反演控制和PID控制策略相比,弹载电动舵机的控制精度、收敛速度及鲁棒性有显著提高.

摘要：针对传统的相似模型设计方法、量纲分析法以及方程分析法在一些情况下使用的局限性,基于最小二乘法,通过过渡模型固有频率建立了薄壁圆锥壳的畸变相似关系式,并提出一种畸变模型适用区间确定的方法,基于模型与原型在固有特性相似(固有频率成比例映射关系,并且振型保持一致)时畸变模型尺寸适用区间的确定方法,利用多项式拟合,得到单一材料薄壁圆锥壳在不同阶次相似畸变模型几何结构适用区间的边界方程.最后通过试验验证,证明了推导畸变相似关系式的准确性,为薄壁圆锥壳结构试验模型动力学相似提供了理论依据.

摘要：通过建立永磁同步电机驱动的机电伺服系统的数学模型,设计对数型障碍函数作为控制Lyapunov函数,实现了对机电伺服位置误差范围的界约束。针对电机参数时变的特性,设计了自适应律对匹配不确定性进行在线估计,采用非奇异快速终端滑模控制设计电流控制器,证明了控制过程中舵面跟踪误差始终保持在约束区间内且可收敛到原点较小邻域。仿真及试验结果表明:与常规反推控制方法相比,本文方法的鲁棒性和控制精度得到了显著提高。

摘要：接缝是节段预制拼装桥梁的薄弱部位,改善接缝的局部抗剪性能具有重要意义。本文针对插筋对接缝局部剪切性能影响进行研究,通过与无插筋接缝对比,证明了插筋对接缝局部抗剪承载力和延性性能有一定贡献。在理论分析基础上,本文给出了插筋接缝局部剪切承载力计算公式。

摘要：为了校正柔性变焦透镜变焦过程中出现的光学像差,提出了一种带校正像差功能的柔性变焦透镜。所提透镜由变焦模块和基于压电致动器的像差校正模块组成。制备了变焦透镜的原理样机并搭建实验光学系统对其进行了测试。测试结果表明,所提透镜可实现-1~5 D的屈光力变化;像差校正模块可精确重构3~9项Zernike多项式像差,归一化残余误差小于4%;对不同屈光力下的系统像差进行校正,校正后系统的波前像差下降幅值均在76%以上,系统成像质量明显提升。

摘要：电动负载模拟器存在高阶非线性、参数时变以及多余力矩扰动,常规控制算法难以得到理想控制效果.本文提出一种反演设计的终端滑模控制策略.采用反演控制的思想,将加载系统划分为3个子系统,设计终端滑模控制律,并引入低通滤波器显著降低抖振,使跟踪误差在有限时间内收敛到0.利用Lyapunov方法证明闭环系统的渐进稳定性及有限时间收敛特性,实验结果表明所提出控制策略的有效性,与常规前馈反馈控制相比,加载控制精度有显著提升.

摘要：无实时奖励的复杂对抗环境是目前深度强化学习(DRL)领域的研究热点,面对此类环境,纯粹使用深度强化学习算法会导致智能体训练无法快速收敛以及对抗效果不佳等问题。基于此,本文提出了一种基于先验知识与深度强化学习相结合的智能博弈流程框架,设计了数据处理、增强机制以及动作决策3个模块,通过威胁评估、任务调度和损失比率3种增强机制来提升智能体在复杂对抗环境下的收敛速度和对抗效果。在数据堡垒(DC)平台上进行仿真,实验结果验证了本文所提出的智能博弈流程框架训练的智能体相较于单纯基于深度强化学习的智能体拥有更快的收敛速度以及更高的胜率。

摘要：针对单一传感器SLAM(Simultaneous Localization And Mapping)技术在复杂环境中存在精度低、可靠性差等问题,提出一种基于因子图消元优化的激光雷达、视觉和IMU(Inertial Measurement Unit)融合SLAM算法(Multi Factor Graph fusion SLAM with IMU as the Dominant system,ID-MFG-SLAM).首先,采用多因子图模型,提出以IMU为主系统,视觉与激光雷达为辅系统,通过引入辅系统观测因子约束IMU偏差,并接收IMU里程计因子实现运动预测与融合的全新结构.之后,为降低融合后的优化成本,加入滑窗机制并设计基于Householder变换的QR分解消元法将因子图转换为贝叶斯网络.最后,引入一种球面线性插值与线性插值之间的自适应插值算法,将激光雷达点云投影到单位球体上实现视觉特征点深度估计.实验结果表明,相比其他经典算法,该方法在复杂大、小场景中绝对轨迹误差分别可达到约0.68 m和0.24 m,具有更高的精度和可靠性.