摘要：Delta-Sigma调制(DSM)可在无需随机过程统计特性和复杂谐波理论分析的基础上,依托其过采样特性实现电力电子变换器变频调制。双级矩阵变换器(TSMC)作为一种理想的“全硅”交-交变换器,若能够将DSM引入TSMC,可进一步优化其电磁干扰(EMI)水平和运行效率,但TSMC的直流链电压波动问题导致TSMC-DSM策略难以直接实现。针对TSMC-DSM实现问题,该文提出一种基于参考电压修正的DSM策略。在所提方法中,通过解析TSMC整流级调制过程,将逆变级参考电压按照整流级矢量作用顺序进行修正,并依次获得各扇区参考电压修正系数。最后,在两相坐标系下分别构建两个DSM调制器,并将修正后的逆变级电压参考值引入DSM调制器以实现高性能TSMC-DSM策略。实验结果表明,所提策略能够对输出电压、电流频谱进行合理整形以减少系统对外部的电磁干扰,同时具备优良的电压传输比和动态调制性能。

摘要：针对移动机器人位姿镇定问题,本文提出基于视觉同时定位与建图(simultaneous localization and mapping,SLAM)–伺服框架的指令滤波反步控制策略.具体而言,通过加速度层控制器设计进而积分得到的光滑速度信号,减小SLAM视觉模块的预测位姿误差;继而应用指令滤波器简化控制器设计的复杂求导运算,减轻计算负担;此外,SLAM模块利用运动信息与视觉信息的融合解决未知尺度问题,降低未知深度造成的控制器设计复杂度.通过李雅普诺夫理论可以证明闭环系统的稳定性.仿真和实验结果最终验证了本文算法的有效性.

摘要：设计了一种可实时采集心电(ECG)、呼吸、温度、湿度的可穿戴式测量设备。设备以STM32为控制器,选用24位高精度ADS1292R作为心电、呼吸信号的模/数(A/D)转换芯片,DS18B20,HIH4000分别用作温度、湿度的测量传感器。提出利用小波变换与Pan-Tompkins(PT)—状态机逻辑联合算法来精确定位RST波峰,并能计算心率与呼吸率。用户可在上位机界面实时监测和存储自己的数据信息,并选择是否将数据经网络上传至医院数据库。设备体积小,重量轻,功耗低,可穿戴,便于将其应用于健康监护领域。

摘要：为提高预制体纤维体积含量,基于三维四向碳/碳复合材料预制体成型工艺,设计正交试验分析每循环压实次数、保压时间和助剂含量对纤维体积含量的影响规律,结果显示助剂含量对最终纤维体积含量影响最大,每循环压实次数影响次之,保压时间影响最小;纤维体积含量随助剂含量的增加先增大后降低,随保压时间及每循环压实次数的增加而增大。通过设计BBD响应面优化试验,建立相应纤维体积含量数学模型并验证了模型的可靠性,进而优化工艺参数并进行了试验验证。结果表明:每循环压实3次,保压7 s,两束含助剂纤维为最优压实工艺参数。在最优参数下编织的预制体最终纤维体积含量与预测值仅相差0.24%,与原工艺参数相比提高4.54%。最后通过显微观测发现最优参数下所编织的预制体更加密实。

摘要：针对电磁轨道发射过程中电磁热力多物理场强耦合的计算问题,利用毕奥-沙伐定律推导了电枢和轨道的磁感应强度计算公式,建立其三维瞬态电磁场数值模型并进行求解,在此基础上求解发射过程中枢轨的瞬态电磁力。从摩擦系数瞬态变化的角度考虑轨道电阻焦耳热和滑动摩擦热共同对枢轨瞬态温升的影响;从枢轨材料非线性变化及接触压力瞬态特性的角度考虑了枢轨的应力分布情况,从而建立了动态发射状态下的电磁场-温度场-力场的三维强耦合计算模型并同时进行分析。结果表明:枢轨的电流密度、磁感应强度、温升和热应力集中分布在电枢喉部及枢轨接触面区域。强耦合计算能够获取发射过程中的实时物理量参数,为材料进一步设计制造和系统可靠性预测奠定基础。

摘要：针对输入饱和下高超声速飞行器发生执行机构损伤故障并存在参数不确定的情况,提出了一种基于Nussbaum增益技术的模糊自适应动态面容错控制策略.对于飞行器的高度和速度子通道,分别设计了动态面和动态逆控制器.利用双曲正切函数逼近飞行器的输入饱和特性,并基于中值定理将其转化为控制输入的仿射形式.对于损伤故障和参数不确定导致的控制增益未知问题,通过引入Nussbaum增益技术既保证控制系统稳定,又可以避免控制器奇异问题.通过设计模糊自适应系统,在线逼近包含不确定参数与饱和逼近误差的未知函数项,且引入范数估计思想,使得每个模糊系统仅包含一个自适应参数,以减小计算量.稳定性分析证明了闭环控制系统的半全局一致最终有界性,仿真结果验证了该容错控制算法的有效性.

摘要：该文利用MOSFET、二极管和电容设计一种结构简单的升压拓扑结构,用以驱动无刷直流电机。该结构无需电感,有利于减小驱动系统的成本与体积。结合升压拓扑的输出方式与无刷直流电机的运行方式,该文构建保证驱动系统正常工作的四种开关矢量,并进一步提出一种基于升压拓扑的无刷直流电机电流控制策略。在无刷直流电机的换相区及非换相区,通过选择合适的矢量作用即可实现平稳的电流控制。此外,在换相区采用统一的控制方式可以有效地抑制换相转矩波动,无需根据转速区间切换控制策略。

摘要：针对电能质量扰动分类算法中径向基函数（radial basis function,RBF）神经网络隐层神经元的中心点数量、中心点位置、宽度、输出权值的设置问题,提出一种基于网络生长-修剪算法（GAP）的RBF神经网络电能质量扰动分类算法。首先,建立电能质量扰动模型,采用GAP算法实现对RBF神经网络的结构参数优化,设计相应的电能质量扰动分类算法流程图;其次,利用广义S变换、特征值提取、GAP-RBF神经网络对8种电能质量扰动进行处理。通过仿真分析,验证GAP-RBF神经网络对隐层神经元的参数优化能力,并给出优化算法的参数设定范围;仿真和实验结果表明,与同类算法相比,所提算法在保证分类准确度的前提下减少了隐层神经元的数量,且实现了RBF神经网络的参数自优化和继承式学习。

摘要：有限集模型预测控制算法存在较长程序执行时间与较短控制周期之间的矛盾,算法执行效率低于传统线性控制算法,进而影响开关频率与控制精度的进一步提高。针对此问题,结合近几年微控制器在多核心领域的发展,以永磁同步电机为被控对象,提出一种基于多核并行计算的有限集模型预测控制策略。由于算法对数据、时序依赖度高,与微控制器中多核心独立运行特点相矛盾,为此,该文设计了双核、四核控制策略架构,并提出数据交换策略和动态标志位。通过搭建实验系统,对所提方法的动稳态性能、附加约束兼容性、程序执行时间进行分析对比,证明了所提方法能够在保持原算法控制性能和控制特点的基础上,有效降低算法执行时间。

摘要：针对无人驾驶车辆爆胎后的转向控制问题,考虑实时性和控制性能的要求,提出了连续时域自适应预测控制方法.爆胎使得滚动阻抗系数和侧偏刚度等轮胎参数在短时间内产生剧烈的变化,从而导致转向控制失灵,进而引起无人驾驶车辆偏离道路甚至侧翻.为此,对无人驾驶车辆标称动力学模型进行反馈线性化,结合泰勒展开预测无人驾驶车辆的运动趋势.在此基础上,将爆胎引起的参数变化转化为不确定,利用模糊系统万能逼近原理,通过设计自适应模糊观测器进行在线观测.并同时考虑控制输入的饱和约束,利用连续预测控制方法设计解析控制律,以满足系统控制的实时性要求.最后,与传统非线性预测控制以及PID控制进行了仿真对比.从仿真结果可以看出,当车辆发生爆胎后,轮胎滚动阻抗系数瞬时增大了29倍、侧偏刚度瞬时降低了72%,如不施加额外的转向控制作用,无人驾驶车辆将在1 s内偏离原车道约5.5 m.而施加本文所提方法后,系统的实时性和控制性能均优于给定传统算法.一方面,与非线性预测控制和PID控制相比,所提方法计算速度提高了约150倍,计算时间缩短约50%;另一方面,在给定的控制输入饱和约束范围内,所提方法仍能够控制无人驾驶车辆在爆胎后只发生微小偏移,偏移量仅为传统算法的2.5%左右.