小型无人直升机浸入–不变集自适应控制

本文基于浸入–不变集理论,针对小型无人直升机存在的参数不确定性问题,设计一种新型的自适应控制器.利用基于Lyapunov的分析方法和La Salle不变性原理,进行闭环系统的稳定性分析,确保无人直升机姿态角的跟踪误差全局渐进收敛,以及闭环系统的稳定性.在无人直升机姿态飞行控制实验平台上,进行了无人机姿态跟踪控制实验.实验结果表明,本文所提出的控制方法具有良好的跟踪控制效果.     

锅炉过热蒸汽压力控制系统设计与实现

针对工业过程中具有大惯性、大滞后和模型参数时变等特性的蒸汽出口压力系统,采用常规PID控制方法,往往无法得到满意的控制效果.为此,提出采用三自由度内模控制-模糊自适应PID算法,通过最小二乘原理辨识主蒸汽压力对象的内部模型,实现对蒸汽出口压力系统的串级控制.该控制系统融合了模糊控制、内模控制、PID控制3种方法的特点,程序设计简单,便于工业应用.通过仿真和PCS7实验表明,该方案增强了系统抗干扰能力和鲁棒性能,改善了系统的控制品质.     

基于自相关和经验模态分解的转子碰摩故障分析

针对转子故障振动信号具有周期性的特点,提出一种用于分离转子故障振动信号的新方法,该方法首先应用自相关处理对振动信号进行降噪处理,然后采用经验模态分解(EMD)对振动信号进行分解,得出各个本征模态函数(IMF),并对IMF进行频谱分析,从频谱图上可以清晰地观察出转子的故障特征频率.试验结果表明,振动信号经自相关处理后起到了很好的降噪效果,碰摩所产生的冲击信号上下不对称;EMD分解方法能有效地突出故障特征频率成分,该方法可广泛用于旋转机械振动信号时频分析领域.     

AFDX总线10M接口电气参数极限适应性测试方法

AFDX(航空电子全双工交换式以太网)作为新型机载数据总线应用于大中型飞机,其通信接口电气参数的极限适应性测试是一项重要测试内容.提出一种10M标准AFDX总线信号发生器实现方案,采用4路非归零(NRZ)编码模拟双极性差分曼彻斯特编码,产生符合ARINC664规约要求的总线数据信号,并实现数据信号的传输速率、差分信号幅度、上升/下降时间等电气特性参数连续可调,满足AFDX总线10M接口电气参数极限适应性测试需求.     

基于自适应神经网络的AUVs路径跟踪控制

为解决由于随时间变化水动力阻尼引起的参数变化和不确定性的问题,提出了基于径向基函数神经网络的未知评估算法,引入自适应算法以保证神经网络权值的最优评估.基于Lyapunov稳定性理论,设计一种自适应神经网络控制器以保证路径跟踪系统中所有误差状态都趋于稳定.为了验证该控制器的可行性,对系统施加如位置误差、方向误差等虚拟干扰,证明该控制器可将误差消减为零.另一方面,机器人在以恒定的速度行驶时,每个航点被指定一个适合半径的圆弧可以保证其有较高的精度.为了评估路径跟踪控制器的性能,提出直线型和直线加圆弧型路径方案.仿真结果表明,该控制器可以有效地消除机器人非线性和模型不确定性造成的干扰.     

自适应混合滤波在脉搏实时监测系统中的应用

针对脉搏传感器在数据采集过程中干扰信号对系统测量精度带来的影响,提出了一种自适应混合滤波算法.该算法将限幅滤波、递推中位值平均滤波、递推平均滤波相结合,并针对采样长度对滤波效果的影响,自适应采样窗口大小的调整,可有效消除偶然脉冲与抑制周期性脉冲的干扰.通过对10名测试者进行测量实验,将心电图机测量数据、使用与未使用自适应混合滤波的脉搏实时监测系统测量数据进行对比.实验结果表明:使用滤波算法后,脉搏测量的算术平均差约为0.4 BPM,比未使用滤波算法整体提高约9倍.     

全叉指电极d33模式压电悬臂梁俘能器研究

为了克服表面叉指电极d33模式微机电系统(MEMS)悬臂梁振动俘能器中存在的压电材料极化不完全、存在弯曲电场等问题,提出了一种电极贯穿于整个压电层的全d33模式MEMS悬臂梁振动俘能器.根据机电耦合模型,分析了电极尺寸与材料厚度对压电俘能器输出功率的影响.优化结果表明:当硅基底厚度为20μm、电极宽度1μm时,电极间距最优范围为25～75 μm,PZT材料最优厚度为7μm,归一化后得到功率密度为34.5mWcm-3gn-2.通过在表面叉指电极d33模式俘能器的基础上增加电镀电极工艺,设计了不锈钢基底的全d33模式MEMS俘能器的工艺流程,完成了部分单元工艺.     

一种能量收集嵌入式系统自适应调度算法

能量收集嵌入式系统(energy harvesting embedded system,简称EHES)的任务调度算法需要考虑能量收集单元的能量输出、能量存储单元的能量水平和能量消耗单元的能耗.实时任务在满足能量约束的条件下,才可能满足时间约束.在这个背景下,传统固定优先级调度算法不再适用于EHES.提出一种基于分组的自适应任务调度算法,它能根据能量收集单元由于能量输出的不确定性而造成的非能量约束情况和能量约束情况,自适应地选择任务调度算法.在非能量约束的情况下,减少任务抢占次数,增强任务的可调度性;在能量约束情况下,减少电池模式切换次数,提高能量存储单元的平均能量水平,从而降低系统能量约束.在一个可进行大范围任务集合仿真的实验环境下对提出的算法进行验证,并将基于分组的自适应调度算法与现有的两个经典算法进行了对比.     

基于云模型的无线传感器网络链路质量的预测

无线传感器网络中,节点通过单跳或多跳传递信息.如能提前获知链路质量信息,为上层路由选择链路提供参考,是感知信息实时、准确地送达监控中心的基础.在分析现有基于智能学习链路质量预测方法的基础上,提出一种基于云模型的链路质量预测机制.通过收集不同场景下的链路质量样本,采用自适应高斯云变换对训练样本中的 RSSI(received signal strength indication),LQI(link quality indicator),SNR(received signal strength indication)及PRR(packet reception rate)进行链路划分;考虑到传感器节点的资源受限问题,采用 Apriori 算法对划分后的链路质量参数 RSSI,LQI,SNR 及 PRR 进行关联规则挖掘;在此基础上,基于三维云正向发生器预测链路质量.仿真结果表明,与基于 BP 神经网络的预测方法相比,提出的链路质量预测机制具有较高的预测精度.     

基于GMM的多模态过程模态识别与过程监测

多模态复杂过程的多变量、多工序、变量时变性以及模态转换时间不确定等多种原因, 导致面向多模态生产过程的监测问题十分复杂. 对此, 基于高斯混合模型的监测方法, 结合定性知识和定量知识, 解决了多模态过程监测中离线数据模态划分、稳定模态和过渡模态的监测模型建立以及在线数据的模态识别等关键问题, 最终实现了对多模态过程的监测.