基于无传感器的PMSM电流控制策略的研究

提出一种新型的滑模观测器,并分别研究在4种不同的电流控制策略下,基于该新型滑模观测器的PMSM伺服系统的控制问题。该新型滑模观测器引进了Sigmoid函数作为控制函数用来抑制抖振,并根据PMSM的反电动势模型构建了反电势观测器来提取所需的连续信号,因此取消了传统的一阶低通滤波器和相角补偿环节。为了对电机的转子位置和转速进行更加精确的估算,引入了转子位置锁相环结构。在Matlab/Simulink平台基础上建立了4种不同的电流控制策略,基于新型滑模观测器PMSM无位置传感器三闭环控制系统仿真模型,分别对反电动势估算、速度估算、位置估算和突加负载扰动进行了仿真分析。仿真结果表明,该新型滑模观测器在4种不同的电流控制策略下,对电机转子位置和转速的估算、电磁转矩以及定子三相电流有着不同的影响,验证了该新型滑模观测器算法的可行性。     

基于SMO的PMSM磁极位置检测技术

为构造低成本、高可靠性的永磁同步电机(PMSM)无位置传感器控制系统,对基于滑模观测器(SMO)的PMSM磁极位置检测技术进行研究.基于滑模变结构和矢量控制理论设计了滑模观测器,用于估算电机的反电势,并构造了采用锁相环(PLL)结构的磁极位置检测单元.仿真和实验结果表明,所设计的观测器能较准确地估算电机反电势,但存在一定的高频抖振,而锁相环单元能在很大程度上减小高频分量对角度估算的影响,提出的方法能实现较高精度的磁极位置检测.     

支持向量机序贯最小优化算法推导的改进

已有文献中的支持向量机SMO算法推导过程计算复杂,该文给出一个简洁推导。整个推导过程没有复杂的计算,除了误差函数外,不需引入其它中间变量。     

超球体多类支持向量机理论

目前的多类分类器大多是经二分类器组合而成的,存在训练速度较慢的问题,在分类类别多的时候,会遇到很大困难,超球体多类支持向量机将超球体单类支持向量机扩展到多类问题,由于每类样本只参与一个超球体支持向量机的训练.因此,这是一种直接多类分类器,训练效率明显提高.为了有效训练超球体多类支持向量机,利用SMO算法思想,提出了超球体支持向量机的快速训练算法.同时对超球体多类支持向量机的推广能力进行了理论上的估计.数值实验表明,在分类类别较多的情况,这种分类器的训练速度有很大提高,非常适合解决类别数较多的分类问题.超球体多类支持向量机为研究快速直接多类分类器提供了新的思路.     

利用SMO实现数据库备份、恢复及导入

在管理信息系统中,经常要备份和恢复数据库,文中主要讨论利用SMO实现数据库的备份恢复与导入。     

基于SMO的层次型1-FSVM算法

针对序贯最小优化(SMO)训练算法具有计算速度快、无内负荷的特点,将其移植到模糊一类支持向量机(1-FSVM)中。1-FSVM算法融入层次型偏二叉树结构进行逐步聚类以加快训练速度,并对每个输入向量赋予不同权值以达到准确的分类效果。应用于光识别手写数字集和车牌定位的结果表明,1-FSVM算法具有较高的检测率与较快的检测速度。     

BLDCM新型滑模观测器的无位置传感器控制

针对传统滑模观测器(SMO)抖振和相位延迟问题,提出了一种新型滑模观测器来获取无刷直流电机(BLDCM)反电动势(back-EMF),无需额外增加低通滤波器即能得到光滑的反电动势估计值.由反电动势估计值能够直接计算出转子位置角和转速.根据转子位置角和滞环控制器的输出来选择适当的电压空间矢量,实现无位置传感器控制,并根据转速和反电动势估计值计算转矩.最后,将该滑模观测器用于无磁链环直接转矩控制(DTC)中.实验结果验证了方案的可行性.     

Nonlinear aircraft sensor fault reconstruction in the presence of disturbances validated by real flight data

This paper proposes an approach for Inertial Measurement Unit sensor fault reconstruction by exploiting a ground speed-based kinematic model of the aircraft flying in a rotating earth reference system. Two strategies for the validation of sensor fault reconstruction are presented: closed-loop validation and open-loop validation. Both strategies use the same kinematic model and a newly-developed Adaptive Two-Stage Extended Kalman Filter to estimate the states and faults of the aircraft. Simulation results demonstrate the effectiveness of the proposed approach compared to an approach using an airspeed-based kinematic model. Furthermore, the major contribution is that the proposed approach is validated using real flight test data including the presence of external disturbances such as turbulence. Three flight scenarios are selected to test the performance of the proposed approach. It is shown that the proposed approach is robust to model uncertainties, unmodeled dynamics and disturbances such as time-varying wind and turbulence. Therefore, the proposed approach can be incorporated into aircraft Fault Detection and Isolation systems to enhance the performance of the aircraft.     

求解双边加权模糊支持向量机的序贯最小优化算法

高的计算复杂度限制了双边加权模糊支持向量机在实际分类问题中的应用。为了降低计算复杂度,提出了应用序贯最小优化算法（SMO）解该模型,该模型首先将整个二次规划问题分解成一系列规模为2的二次规划子问题,然后求解这些二次规划子问题。为了测试SMO算法的性能,在三个真实数据集和两个人工数据集上进行了数值实验。结果表明：与传统的内点算法相比,在不损失测试精度的情况下,SMO算法明显地降低了模型的计算复杂度,使其在实际中的应用成为可能。     

基于SVM的大样本集系统辨识与函数拟合仿真

支持向量机是一种优秀的学习方法，也是具有很好泛化性能的回归方法。但由于支持向量机算法实习复杂，效率低，严格限制了其应用，SMO算法的提出大大提高了支持向量机的学习效率。因此，借助SMO算法，便可以实现大样本集的非线性系统辨识和函数拟合。文中对回归问题的SMO算法作了详细介绍，并对其进行改进。然后研究了利用改进SMO算法的非线性系统辨识方法，给出了非线性系统的辨识的仿真结果，和一维二维函数的拟合仿真。并通过仿真，与原始算法进行了比较，显示了改进SMO算法的快速性。