基于压缩感知的弹道导弹微多普勒提取方法

利用微多普勒识别弹道目标的关键是宽带雷达回波信号的微多普勒提取。宽带雷达回波信号的高速采样对硬件和算法提出了更高的要求。将压缩感知方法应用到宽带雷达回波信号的微多普勒提取中,并给出了弹道导弹目标的微多普勒计算公式和利用压缩感知重构弹道导弹微多普勒的方法。在低采样频率下利用压缩感知理论从回波信号中提取的微多普勒,与在高采样频率下利用Gabor变换提取的微多普勒是一致的,这表明利用压缩感知理论以低频率采样弹道导弹回波信号,提取微多普勒,降低工程实现难度的方法是可行的、有效的。     

双基地ISAR成像分析

在建立远场条件下双基地ISAR转台模型的基础上,阐述了双基地ISAR的成像原理。针对双基地ISAR系统中相对转角计算复杂的问题,给出了一种利用合多普勒带宽计算双基地ISAR方位分辨率的方法。详细分析了双基地ISAR系统的收、发分置结构对目标成像的影响,针对双基地ISAR系统中机动目标多普勒频率信息的时变特性,将基于时频分析技术的距离-瞬时多普勒成像算法引入双基地ISAR目标像的重建过程中。最后,仿真实验验证了算法的有效性。     

自来水营业管理信息系统的应用

企业管理信息系统的应用大多存在着重复开发现象严重、代码重用率低、功能模块扩展性差、可移植性差等问题。以惠州市自来水总公司营业管理信息系统为例,研究了基于组件的企业管理信息系统的开发方法,建立了自来水营业管理系统的模型和具体组件库。     

基于LCA切削液的综合选择方法研究

环境、资源、人口是当今社会面临的三大主要问题。依靠科技进步,实现节资增效,减少废物排放,在制造业实施绿色制造已势在必行。在机械制造中,使用不具有环境协调性的切削液是造成环境负荷增加的主要原因之一。根据绿色产品的LCA过程特点,探讨了切削液选择的一般原则。利用层次分析法,结合切削液的功能性要求,成本性要求以及环境性要求建立了切削液的多目标决策体系,在模糊一致矩阵的基础上提出了切削液的优化选择方法,并运用实例进行了论证。     

基于模糊控制的对转永磁无刷直流电动机调速系统

在分析对转永磁无刷直流电动机的基本原理和数学模型基础上,提出外环转速环采用分离积分项的双输入模糊控制器,内环电流环采用PI调节器的双闭环调速系统.仿真结果表明,与外环、内环均采用PI调节器的双闭环调速系统相比,该系统在恒速运行突加负载的情况下,具有转速变化小、稳定性好的优点,是一种比较优越的控制方法.     

基于RLKF的无传感器PMSM控制

针对永磁同步电动机无传感器控制中经典扩展卡尔曼滤波器算法计算量大的缺点,设计了一种新的降阶线性卡尔曼滤波器算法。通过数学公式推导分析比较了该算法与经典卡尔曼滤波算法,并在M atlab/S imu link平台下进行了仿真研究,仿真结果表明该算法在线计算量小,能准确估计电机转子位置和转速,参数调整容易,并具有良好的动态特性。     

一种新型滑模观测器的永磁同步电动机无传感器控制

针对永磁同步电动机反电势滑模观测器低速性能差和系统抖振大的问题,提出了一种基于传统滑模观测器(SMO)来预估转子位置和速度的新方法.切换函数采用饱和函数代替开关函数,通过在传统滑模观测器中引入卡尔曼滤波,利用卡尔曼滤波方法滤除反电势噪声,提高反电势估算精度,从而精确地估算出转速和位置.基于Matlah/Simulink平台,建立了控制系统的仿真模型,对该方法做了验证.仿真试验结果表明:该方法拓宽了滑模观测器低速观测范围,降低了系统的抖振,提高了系统的性能.     

基于降阶扩展卡尔曼滤波的永磁同步电动机无传感器控制

针对永磁同步电动机扩展卡尔曼滤波(EKF)算法复杂、不利于实时性等问题,提出了一种基于降阶扩展卡尔曼滤波器(REKF)来预估转子位置和速度的新算法,通过对状态变量的适当选取,简化了滤波器结构。仿真结果表明:估算的转子位置和速度均能较好地跟踪实际值,继承了传统扩展卡尔曼滤波的优点。同时,算法阶数的降低显著减少了运算量,实时性得到增强,更易于数字化实现。     

轴承套圈裂纹缺陷分析

轴承钢具有高而均匀的硬度、耐磨性以及高的弹性极限,被视为是钢铁生产中要求最严格的钢种之一。本文针对轴承钢GCr15在加工轴承套圈时表面出现条带状和点状裂纹的现象,采用光学显微镜以及扫描电子显微镜对裂纹进行观察,并进行能谱分析,对产生裂纹的原因进行分析。结果表明条带裂纹是氧化铁皮脱落残留的凹坑;点状裂纹是水口结瘤脱落的外生非金属夹杂物而导致的裂纹萌生。在生产中应对轴承钢炼钢工艺钢包水口下渣进行严格控制,减少中间包耐材侵蚀及水口结瘤,从而防止此类缺陷产生。     

NNISA-PF算法的MIMO-OFDM信道估计应用分析

MIMO-OFDM(多输入多输出—正交频分复用)系统的信道估计问题是系统接收机进行相干解调的关键。针对标准粒子滤波算法在MIMO-OFDM信道估计时存在观测系数不准确和粒子退化等问题,提出了一种基于神经网络的重要性样本调整粒子滤波(NNISA-PF)算法。对MIMO-OFDM通信系统及时变信道进行建模,得到了状态空间模型;详细分析了标准粒子滤波的改进算法——NNISA-PF;在MIMO-OFDM快衰落和慢衰落信道下,对Kalman、Bootstrap和NNISA-PF三种滤波算法分别在AWGN、Middleton-A噪声下的NMSE和BER性能进行了仿真对比分析。仿真结果表明,在快衰落和慢衰落情况下,NNISA-PF算法都可以有效对抗噪声干扰,尤其是在非高斯噪声环境下优势明显;NNISA-PF算法可以较准确地对MIMO-OFDM时变信道进行半盲估计,使MIMO-OFDM技术优势得到充分发挥。与现有的半盲信道估计方法相比,该方法具有估计精度高、对非高斯噪声鲁棒性强等优点。