双电机驱动竞速模型车控制系统设计

介绍了一种双电机驱动的模型车控制系统,采用舵机实现转向及刹车,以Renesas H8/3048为控制核心,光电传感器收集路径信息,霍尔传感器检测电机转速.通过离散PID算法确定舵机角度及驱动电机速度.配合直角弯道算法,双电机驱动模型车转向灵活,能可靠、快速地通过直角弯道.     

纯电动车用驱动电机滚动轴承状态监测方法

驱动电机轴承健康状态是实现纯电动车可靠运行,避免发生安全事故的重要前提,针对纯电动车电机滚动轴承状态监测方法缺失的问题,提出一种基于稀疏自编码器(sparse auto-encoder, SAE)与支持向量机(support vector machine, SVM)的纯电动车用电机滚动轴承状态监测方法。在特征提取方面,利用电机轴承振动信号的时域、频域以及时频域特征集构建高维数据集,通过多层SAE进行数据融合从而消除特征的冗余性并获得更鲁棒的简明特征。在状态监测方面,将轴承状态的特征表示输入到SVM中进行训练得到轴承状态监测模型,最后通过设计纯电动客车用电机轴承状态变化实验评估该方法的有效性。试验结果表明,相比于传统特征+SVM,基于SAE-SVM的监测方法对纯电动车用电机滚动轴承状态监测精度更加准确可靠。     

加弧辉光离子渗铝的研究

介绍了加弧辉光离子渗铝新工艺,并对普通碳钢进行了加弧辉光离子渗铝处理。研究了10、60、T12钢渗铝后的渗层组织特点,渗层合金成分的分布、渗层相组成及工艺参数对铝层的影响规律。     

一种新型多相多功能电能测量集成电路ADE7758

介ADI公司2003年的新产品，具有每相信息的多相多功能电能没量IC芯片ADE7758的特点，引脚功能，内部功能框图和工作原理．以及ADE7758与微控制器的接口时序。     

加弧辉光离子渗铝及其扩散动力学的研究

采用最小二乘法对试验中测得的渗层成分曲线进行拟合处理，求得渗入曲线方程。对此拟合曲线方程进行微分ｄｙ／ｄｘ和定积分∫０＾ｙ１ｘｄｙ计算即可求扩散系数Ｄ＝－１／２ｔｄｘ／ｄｙ∫０＾ｙ１ｘｄｙ。根据最小二乘法曲线拟合的矩阵表示法，编制了Ｔｒｕｅ Ｂａｓｉｃ计算程序，简化了计算过程，并可快速、准确地求出合金元素在γ－Ｆｅ中的等温扩散系数。     

机器人轨迹跟踪的自适应模糊神经网络控制

研究机器人跟踪轨迹控制问题,针对模型未知的机器人系统,为提高跟踪精度和控制性能,提出了一种基于T-S型模糊RBF神经网络的H∞轨迹跟踪控制方法,用模糊神经网络为模型未知的机器人系统建模,克服了系统鲁棒性差,对机动目标跟踪性能差等缺点。然后设计自适应控制器,将H∞控制理论与模糊神经网络有机地结合起来,借助鲁棒补偿项将建模误差及外部干扰衰减到期望的程度以下,而控制器与改进Elman神经网络的结合,便于处理建模有界干扰以及非结构化的未建模的动力学,并进行仿真。仿真结果表明了所提出的控制算法的可行性。     

离子钨钼共渗的组织分类

利用双层辉光离子渗金属技术进行钨钼共渗已进行工艺和组织的详细研究[1],但主要是有析出物的情形[2],不能全面反映渗层组织的特点。本文利用扫描电镜和透射电镜对渗层组织进行了分类、析出物形态和结构的研究并进行了表面化学状态分析。实验方法试样选用20钢制成片状,表面经抛光处理。提供元素的源极为经轧制的粉末冶金板(W∶Mo=1∶4)。炉中充入气为氩气,气压为40Pa。提供合金元素的源极电压为800～1000V,试样阴极电压为300～500V,试样温度为1000～1200℃,测温用红外测温仪。用S250MK3型扫描电镜及所带能谱仪和H-800透射电镜进行组织观…     

QuEChERS-超高效液相色谱-串联质谱法测定土壤中10种酰胺类除草剂残留量

采用QuEChERS方法结合超高效液相色谱-串联质谱法测定土壤中10种酰胺类除草剂残留量。土壤样品经水和乙腈提取,4 g无水硫酸镁和1 g氯化钠盐析,100 mg PSA净化后用UPLC-MS/MS测定。质谱采用正离子电离和多反应监测模式(MRM),基质匹配标准溶液外标法定量。10种酰胺类除草剂在各自的浓度范围内线性关系良好(r~20.99)。10种酰胺类除草剂在高、中、低3个添加水平下,回收率为82.7%～114.2%,RSD为1.1%～8.5%,方法的定量限为0.5～100μg/kg。该方法操作简单、快速、灵敏度和准确度高,适合土壤样品中10种酰胺类除草剂多残留的检测分析。     

单板机地址自动递增装置

单板机(如TP-801)在向内存贮器送入机器码的过程中,存贮单元地址的增加是依靠手动完成的,即在每输入一个字节之后,就需要按动一次NEXT键,以实现地址数目的加一。在检查已写入内贮(ROM或RAM)中的程序时,也需要连续地按动NEXT键,这种手动操作既费时又易出错。我们采用本附加装置,就可以省掉NEXT键的操作。     

未知环境下基于Elman网络力控制的移动机器人避障研究

避障控制一直是移动机器人路径规划的难点.提出了一种未知环境下基于神经网络的机器人动态避障方法,同时把混合力/位置控制结构应用到移动机器人的避障控制中.力控制算法是通过在移动机器人和障碍物之间形成虚拟力场,并对其整定,以使它们两者之间能保持期望距离.由于移动机器人的动力学模型和障碍物的不确定性也会对避障控制的性能造成影响,因此采用Elman神经网络来补偿不确定性,同时整定移动机器人和障碍物之间的精确距离.仿真实验表明该动态避障算法是有效的.