基于DSP+FPGA的电动伺服加载系统设计

为满足某火箭炮伺服加载系统在复杂作战环境实时监控、快速定位、精确打击等性能指标,提出一种高性能电动伺服加载系统的设计方案。方案中高低机、方向机的驱动原件为永磁同步电机,硬件控制平台采用DSP+FPGA的体系结构,结合集中控制模块化思想进行设计。鉴于现有轴角检测系统的不足,文中依据DSP和AD2S83设计的角位置与检测系统具有自动零位校准及角位置实时测量的优点。实验表明,系统工作稳定可靠,并且集成度高、实时性好、抗干扰能力强。     

基于重复控制的电动加载系统研究

电动加载系统的优点在于加载跟踪速度快,而消除多余力矩是加载系统保障加载精度的技术关键。常规PID控制难以满足系统准确性和快速性的需求,提出了一种基于重复控制的复合控制策略。建立了电动加载系统的数学模型,给出了电动加载系统的结构图,并采用重复控制器来提高系统的控制精度。仿真结果表明,该方法能够有效地抑制多余力矩,提高系统的跟踪性能。这种控制算法易于实现,具有较强的实用性。     

基于PLC的电动缸伺服控制系统设计

针对自主研发的一款电动缸,用PLC及伺服驱动器进行程序设计,实现电动缸平台高、低速往复的定位运动。方法是借助FX3G-232-BD通信扩展板接收数据,在文件寄存器中建立数据表,并利用变址寄存器调用。动作编程时,只需修改数据,即可改变电动缸的定位功能,与程序无关。实验表明该方法简便快捷,便于数据的添加和更改,优化了程序结构。     

基于迭代学习控制的电动伺服负载模拟器

电气伺服系统在体积、结构、成本和控制性能等方面比电液伺服系统更为优越，由电气伺服系统构成负载模拟器取代电液负载模拟器为被测对象提供模拟负载，将大大提高仿真加载的性能。该文探索了电动伺服负载模拟器的实现问题。针对飞行器舵系统的仿真加载需求，提出了由永磁电机伺服系统组成的电动伺服负载模拟器的系统结构；将PID反馈控制和迭代学习控制相结合构成加载复合控制器，有效地抑制了多余力矩，消除了传动间隙和加载对象参数变化对系统的影响，实现了加载转矩的高精度跟踪控制。     

基于改进PNGV模型的电池SOC估计算法研究

针对储能磷酸铁锂电池并根据磷酸铁锂电池电化学阻抗谱研究,提出一种双RC并联环节的改进PNGV模型,在HPPC实验下辨识模型参数。针对扩展卡尔曼滤波(EKF)算法在估计电池荷电状态(SOC)时不能实时估测噪声的缺点,将Sage-Husa自适应算法引入EKF算法得到自适应扩展卡尔曼滤波算法,并通过对噪声实时预测和修正来提高电池SOC估计精度。在Matlab/Simulink中搭建电池及SOC估计仿真模型并在模拟动态工况下进行仿真。仿真结果表明改进PNGV模型精度优于PNGV模型;自适应扩展卡尔曼滤波算法估计电池SOC时较EKF算法收敛速度更快,估计精度更高。模型及算法的改进取得较好的效果。     

电控伺服助力器测试ADRC高速加载研究

设计了一套基于ADRC自抗扰控制的电控伺服助力器加载方式,加载系统利用跟踪微分器、扩张状态观测器和非线性状态误差反馈的建模与参数整定,实现加载速度的快速调节控制.通过Simulink仿真建模分析,相较于PID控制以及电机匀加速度控制,电机ADRC算法能以更短的时间达到设定的高速目标速度.试验结果表明,在较短行程以及快速加载的情况下,ADRC算法能在较短时间实现高速加载.ADRC自抗扰运动控制系统能在0.346 s内完成43 mm的行程,并达到200 mm/s的加载目标速度,可满足电控伺服助力器快速制动的高速加载需求.     

基于改进粒子群算法的电动机器人全局路径规划

二维空间环境下电动机器人使用传统粒子群算法(particle swarm optimization,PSO)规划全局路径容易出现收敛速度慢、路径精度不达标等问题,提出一种基于改进粒子群算法(improved particle swarm optimization,I-PSO)对电动机器人进行全局路径规划。首先使用栅格法对机器人的工作环境建模,将路径长度和碰撞风险作为优化目标,然后使用粒子的适应度差值动态调节算法的惯性权重参数,优化对活动空间的整体或部分区域的探索。在算法中引入一个随机因子,增大粒子的随机性,提升最优解的质量。MATLAB仿真结果表明,与传统的PSO结果对比,提出的IPSO在算法收敛性和鲁棒性上更好,并且规划出的路径长度较短、安全性更高。     

基于改进 YOLOv7 模型的血细胞检测算法研究

在医学上,血细胞计数检测是衡量人体健康与否的重要诊断方法,但是血细胞图像中存在小目标和重叠目标的检测 难点。针对上述问题,提出一种改进的YOLOv7 目标检测算法。通过对原始的 YOLOv7 网络增加全局注意力机制(GAM), 提升网络的感受野,提高对小目标的检测精度;提出融合了加权双向特征金字塔网络(BiFPN) 和递归门控卷积 HorNet 的特 征金字塔 HorNet-BiFPN 结构,利用其高阶空间交互作用增强网络的特征融合能力,实现对红细胞重叠区域的建模,解决对重 叠红细胞的检测问题。实验结果表明,改进的 YOLOv7 模型的检测精确率达到了96.3%,对单张图片的检测时间达到了 74ms, 对图像中的3类细胞均实现了较强的检测效果,达到了医学辅助诊断的合理性。     

基于改进粒子群算法的横动伺服控制系统辨识

针对横动伺服控制系统的黑箱模型,提出了一种基于改进粒子群算法的辨识方法。首先,建立了系统的五阶传递函数模型,其次,在粒子群算法的基础上,引入非线性凹函数作为惯性权重的调整策略,从而避免了算法在寻优过程中陷入局部最优,实现了系统模型的优化。最后,为了验证辨识模型的正确性,进行仿真与实测对比试验。试验结果表明:该算法辨识出的模型准确度较高,具有较好的控制品质,对于同一速度输入信号,仿真与实测的输出曲线跟随性好,误差在-0.5~0.2 rad范围内,误差小。     

基于改进PSO算法的燃料电池模型优化

采用一种改进粒子群优化(PSO)算法,提出了一种优化燃料电池模型的方法,并用于质子交换膜燃料电池(PEMFC)的极化曲线模型,以得到最优参数.结果表明,这种优化模型的平均平方误差(MSE)为4.42×10-10V2,相关系数为99.87%,数学模型和实验数据之间的拟合精度高.     

基于LIP模型改进的自适应图像增强算法

为了克服传统数字图像增强(LIP)模型图像增强的不足,提出了一种新的算法.该算法引入了模糊熵,充分利用了邻域视觉信息和人类视觉特征的模糊性.首先构造了新的非线性变换,增加了算法的普遍性;其次分析了传统图像增强算法中灰度值过校正的原因,并提出了解决方案;最后将图像的直方图合理的划分为亮区域,暗区域和中间区域提取3个区域的...     

基于单神经元和前馈补偿的电动加载复合控制

针对飞机舵机电动加载系统的力矩跟踪和干扰抑制的优化问题,提出一种基于单神经元和扰动前馈抑制的电动加载复合控制方法。首先利用改进的粒子群算法调整单神经元PID控制器的参数和系数K,然后对舵机角位移进行前馈补偿来抑制多余力矩,以减小舵机位置干扰对系统的影响;最后对电动加载复合控制系统进行仿真。仿真结果表明,系统的抗干扰能力及加载精度得到进一步提高,证明了该复合控制方法在理论上的可行性。     

基于dSPACE的伺服控制模型实时仿真研究

利用dSPACE组件系统构建了伺服系统实时仿真平台,以伺服控制中电流环解耦、速度环参数自整定和位置环前馈控制等问题为研究对象,设计了相应的控制算法和仿真模型,利用已构建仿真平台的软硬件环境,进行了控制模型的实时仿真研究,得到了满意的伺服控制结构和控制参数.     

基于改进Prony算法对STATCOM暂态稳定性模型的研究

STATCOM控制器的详细模型在验证稳定性时存在很多困难。采用暂态稳定性模型(TS模型)来代替详细模型,并用改进Prony算法来提取电力系统的参数,避免了计算幅值和相位时精度不高的问题,克服了传统算法抗干扰较差的问题。在PSCAD/EMTDC中对详细模型和TS模型进行标准控制及辅助控制分析,仿真结果表明,提出的TS模型和改进的Prony算法能有效地解决控制器稳定性分析复杂的问题。     

基于改进PSO算法的横动伺服控制系统PID参数优化

针对横动伺服控制系统的位置控制器PID参数优化问题,设计了改进粒子群算法,成功实现了参数优化。设计了改进粒子群算法及其PID参数优化原理;在已知系统传递函数的基础上,利用Z-N法进行参数初求解;利用改进粒子群算法对初解进行参数寻优,并将优化前后的系统进行动态性能对比,结果表明:优化后的高阶非线性系统动态性能更好,响应速度更快,调节时间更短。     

电动舵机伺服控制器的设计与研究

以TMS320F2812 DSP为核心,永磁同步电动机+滚珠丝杠为作动执行机构,采用id=0控制策略,结合空间矢量脉宽调制(SVPWM)技术,完成对舵机系统的矢量控制.针对机械谐振、力矩耦合及电气参数波动等非线性因素的影响,采用结合模糊控制规则的抗积分饱和PID控制器.实验结果表明,该系统具有控制精度高、响应速度快和跟踪能力强等特点.     

高性能伺服控制器算法的研究

为了提高伺服系统的动态性能,在位置环控制器加入前馈控制,并结合PID控制的基本原理设计了一种新型变参数PID调节器,通过matlab仿真与初步的实物平台实验,实验结果表明:设计的前馈控制与变参数PID调节器明显地减少了系统的位置跟随误差,改善了系统性能。     

基于改进双中心粒子群算法的电动公交车运营数量优化策略研究

针对电动公交车在一定容量约束的馈线充电的情况,采用了一种改进的双中心粒子群算法对电动公交车充电进行优化调度,以获得最大的电动公交车运营数量。首先,建立公交车充电后馈线负荷曲线峰谷差最小的模型,设公交车运营初始数量,利用改进的双中心粒子群算法进行优化。然后,根据优化结果对比该馈线容量约束修改电动公交车运营数量,重新优化,逐步逼近并最终找到最优的运营数量。改进的双中心粒子群优化算法是在原算法的基础上,增加了5条粒子运动路线,扩大了搜索精度,抑制了粒子群的早熟。同时,为了提高寻优速度,粒子的初始化是根据日负荷曲线距离馈线约束容量的远近来确定。最后以南方某城市典型的馈电线路为例进行仿真计算,结果表明,该方法具有更优的调度效果。     

基于伺服模型的受电弓LQR控制

受电弓滑板与接触网导线间的接触力是衡量弓网系统受流质量的重要指标,为减小弓网接触力波动,针对弓网归算质量模型,建立弓网接触力的伺服控制模型,基于此,设计弓网接触力的线性二次型调节器。固定控制量加权矩阵,通过分析误差加权矩阵与接触力波动方差的关系得到合适的误差惩罚矩阵。为减小在线计算量,基于线性矩阵不等式采用增益规划法在多个操作时间点上得到定常的反馈增益矩阵并存储用于实时调用。仿真对比结果表明,基于伺服模型的受电弓线性二次型最优调节器能有效减小弓网接触力波动,改善弓网受流质量。     

基于改进GRU模型算法的锂电池SOC估计

锂电池荷电状态(SOC)的准确估计对提高电池的动态性能和能量利用率至关重要。针对现有神经网络SOC估计方法在复杂工况下存在精度低,稳定性差等问题,本文提出一种改进GRU模型算法对SOC进行估计。首先将1DCNN和Bi-GRU相结合并添加注意力机制,构建1DCNN-Bi-GRU-ATT模型。其次,为解决ReLU激活函数易出现死神经元现象,将其改进为PReLU激活函数。同时,为解决MSE-Loss易受复杂工况中电池异常数据影响和MAE-Loss收敛速度较慢等问题,改用Huber-Loss作为网络损失函数。最后,将Adam算法使用Nesterov加速梯度改进为Nadam算法。锂电池SOC估计实验结果表明,在12种复杂工况下该模型算法的均方根误差和平均绝对误差的平均值分别为1.181 7%和0.924 1%,与改进前及其他模型相比,本文模型在12种情况中综合表现更为稳定和准确,有更高的泛化性。