基于混合粒子群算法的无线传感器网络路由协议

受节点有限能量的约束,无线传感器网络的路由协议必须满足高效节能的要求。在LEAcH协议和PEGASIS协议的基础上,提出一种基于混合粒子群算法的无线传感网络能量优化路由协议。该协议把网络按地理位置分簇,每个分簇通过混合粒子群算法构造一条最优的簇内链,以减少链路的总距离。同时,为了减小能量消耗和维持节点的能量均衡,根据剩余能量和距离因素选择簇头,各簇头再通过混合粒子群算法构造一条簇头链,选出总簇头把收集到的信息传送给基站。最后,对所提出的算法和同类算法进行了仿真比较,结果表明,采用混合粒子群算法后的链路长度平方和与采用贪婪算法的相比,减少了近一半,第一个死亡节点存活轮数延长了一倍左右,而且能耗更加均衡,验证了所提算法能够有效提高无线传感网络的性能。     

基于Kalman滤波的谐波电流实时检测仿真分析

谐波电流的实时检测是有源电力滤波器实现的关键,数字化的实现引入了一定的时间延迟,影响了其滤波效果。将三相谐波电流进行Clark坐标变换到两相正交坐标系中,利用Kalman算法对系统进行建模,检测出各次谐波电流的幅值和相角。通过选取合理的Kalman状态变量,运用简单的代数运算向模型中增加了一个相位补偿角,来消除延时的影响。最后,利用Matlab进行仿真实验,验证了该方法的有效性和正确性。     

T-S模糊离散多时滞系统的H∞控制

提出了一种新型非二次型Lyapunov函数, 在非并行分布补偿控制策略框架下, 研究了一类基于T-S模糊模型的离散多时滞系统的H∞控制. 通过引入一个矩阵变换, 所得控制律均以线性矩阵不等式的形式给出. 现有的并行分布补偿控制律可视作该新方法在某些条件下的特例. 仿真算例显示, 该函数方法保守性较低, 系统控制性能良好.     

感应电机转子电阻辨识及速度控制策略

感应电机转子电阻的在线辨识和补偿是提高矢量控制系统性能的重要手段。针对感应电机模型的不确定性和非线性,基于扩展卡尔曼滤波(EKF)技术,设计感应电机转子电阻在线估计器,采用模糊控制理论,设计模糊PI速度控制器,根据系统状态的变化,以模糊控制器的输出对PI控制器参数进行修正,从而改善系统的静、动态性能。Matlab仿真结果证明了所设计的EKF转子电阻辨识器和模糊PI控制器的有效性。     

基于Buck-Boost变换器的T-S模糊建模和仿真研究

根据Buck-Booat变换器的工作原理及其非线性特征,在电感电流连续导通模式和断续导通模式下,分别对Buck-Boost 电路构建T-S模糊模型,在断续导通模式下,引入切换函数,统一了两种模式下电路状态方程和T-S模糊模型.仿真结果表明,Buck-Boost变换器经T-S建模后,输出电压平均值和电感电流的平均值的误差均在2%以内,符合实际应用的要求.T-S模糊建模的有效性和可行性得到验证.     

基于模型参考模糊自适应控制的永磁同步电机控制器设计

基于模型参考模糊自适应控制（MRFAC）方法设计永磁同步电机（PMSM）速度控制器。该控制器具有传统模型参考自适应控制构架。传统模型参考自适应控制系统中的反馈控制器和常规自适应机构分别由主模糊控制器、模糊自适应机构替代，模糊逆模型结合自适应调整算法构成的模糊自适应机构对主控制器参数进行实时调整，以达到快速适应对象参数和状态变化的目的。利用模块化建模工具Matlab／Simulink建立PMSM控制系统模型。仿真结果表明了所设计控制器运行平稳，具有良好的动、静态特性。     

两轴独立的高精度齿形加工数字控制系统

论述了梳理齿条冲齿机的工作原理,控制策略及系统实现,给出了软件编程方法与通信实现.系统采用人机界面和数字通信,实现了冲齿-牵引机构的两轴同步驱动和加工参数的柔性调整.     

Boost变换器的T-S模糊建模与控制

针对Boost变换器的非线性特性,考虑变换器参数不同情况对系统模型的影响,分别建立了参数确定和参数不确定条件下Boost变换器的等价T-S模糊模型。基于建立的等价T-S模糊模型,利用Lyapunov函数方法和线性矩阵不等式方法,给出了Boost变换器并行分配补偿模糊控制器的参数化设计方法。仿真结果表明,所建立的Boost变换器T-S模糊模型是可靠的,所设计的模糊控制器与模糊PI相比具有较强的鲁棒性和抗扰性。     

基于粒子群算法的改进DV-Hop定位算法

针对无线传感器网络(WSNs)节点定位问题中DV-Hop算法的不足,提出利用粒子群优化算法对改进DV-Hop得到的估算位置校正。这种方法将定位问题看成一个多维优化问题,并且不需要任何额外硬件设备,也不会增加通信量。最后将仿真实验结果与改进DV-Hop算法进行比较,表明基于PSO算法优化的改进DV-Hop定位算法在优化性能上有所改进,有效提高了节点定位精度,证明该方法的有效性。     

基于量子行为粒子群优化算法的定位技术研究

针对无线传感器网络(WSNs)节点定位问题,阐述了WSNs的分布迭代式定位方法研究。这种方法将每次迭代后定位的节点作为其余未知节点的参考节点.同时将基于测距定位问题看成一个多维优化问题,并提出利用具有快速收敛能力的量子行为粒子群优化(QPSO)算法进行求解。最后将仿真实验结果与粒子群优化(PSO)算法进行比较,表明QPSO算法在优化性能上优于PSO算法,有效提高了节点定位精度,证明该方法的有效性。