基于复合能量自供电的河流监测传感器节点设计

设计与制作了一种应用于河流监测的自供电传感器节点,主要利用压电-光电复合能量收集装置及相匹配的能量管理与存储电路采集河流振动能和自然界光能.压电能量采集单元使用新颖的球形嵌套结构,适用于微弱压电与光电能量的采集电路利用施密特触发器控制充电.实验测试表明,一个压电球单独充电时的输出功率达到57.7μW,内置的太阳能光伏板在通常情况下一天的平均输出功率为61.1μW,系统连接5个能量球时,平均功率至少为594.0μW.无线传感器节点能测量河流环境的水位、水流量和湿度等,在低功耗模式下每天平均功耗为449.5μW.从能量收支平衡来看,利用水流振动能与太阳能复合互补供电的无线传感器节点可长期自我维持,无需额外电池或备用电源,具有一定的应用参考价值.     

摩擦-电磁复合式能量回收带设计与动力学分析

提出了一种磁力耦合的滑动式车路能量收集装置(Magnetic coupled Sliding Vehicle road Energy Harvesting device,MSVEH)收集行驶车辆产生的机械能.能量收集装置与路面平齐,在收集能量的同时能有效地减少冲击对车辆行驶过程的影响.磁力耦合驱动方式可以实现非接触运动传递,从而将动密封转换为静密封,全密封设计理念有助于提高装置可靠性.滑动部件在车轮的双向激励下产生水平运动,通过磁力将运动传递到发电单元引起磁铁盘与线圈的相对运动从而发电.使用了单向轴承和换向齿轮联合设计实现装置在复杂交通环境自适应,适应车轮的双向激励并输出单向旋转运动.建立了永磁体间磁力的数学理论公式并进行了计算并得到了磁力曲线.建立了系统的动力学模型研究系统电学特征,探究了在外接负载下的滑动位移和激励频率参数对电学输出的影响.结果表明,滑动位移对装置输出性能影响显著,在负载电阻60Ω,位移20mm和频率5.0Hz时,峰值电压和峰值功率分别为10.2V和1.734W.     

可穿戴生理信息监测的自供电系统研究

设计与制作了一种应用于可穿戴生理信息监测的自供电系统,利用压电-光电复合能量收集装置采集人体运动时足底的机械能和室内光能。复合能量收集装置以运动鞋为载体,设计了多种结构压电能量收集器固定在鞋底,光电能量收集器粘接在鞋面,收集到的能量存储在超级电容中,同时设计了一套能够定时、按需供电的能量管理控制电路,控制生理信息监测系统每隔20 min上电一次,并且测量结束即刻断电。经测试,光电能量收集装置在室内从早上7点至晚上7点的平均输出功率达到590μW,压电能量收集装置在1.2 m/s的匀速步行状态驱动下的平均输出功率达540μW以上,复合能量输出功率能够稳定在1.124 mW以上,即20 min产电1.349 J。对系统各单元进行数据采集测试以及功耗测试,得出系统一个工作周期耗能1.04 J。从能量收支平衡来看,利用运动机械能与光能复合供电的生理信息采集系统可实现自我维持定时工作,具有一定的应用参考价值。     

复合翼无人机高效发电系统的设计

为提升复合翼无人机的机动作战能力和扩大侦察范围,提出针对50 kg级复合翼无人机6 kW发电系统的设计方案,选型电气系统拓扑结构,实现电机起发一体;利用电机电磁理论计算确定永磁同步发电机的电枢设计参数,研究发动机的性能特性,结合电磁场计算模型和有限元仿真确定绕组形式,使发电机输出额定电功与发动机峰值工况转速匹配。发电机样机经地面台架测试,可实现起动发电一体,并可持续输出6 k W以上的额定电功率。发电系统为复合翼无人机建立了高效的能量流动关系,其能量密度高于锂聚合物电池15.4%,具有较好的机电匹配效果。     

智能电网中能量收集技术及应用综述

电力传感器需求快速增长,其能源补给需求愈加明显,传统的单蓄电池供电方案的弊端愈加明显。同时,动能、温差、光伏、电磁等能量收集技术及集成电路技术的发展,给电力传感器能源供给问题提供新思路。促进智能电网中能量收集技术及电力传感器耦合能够提高社会效益,形成多方共赢的局面。首先对智能电网对能量收集技术的迫切需求进行分析;其次,分析能量收集技术及相关集成电路的发展现状;最后,根据能量收集技术在智能电网中应用的不足,提出适用于智能电网的能量收集技术研究方向。     

一种低功耗的微弱能量收集电路设计

为了实现高效率地收集环境中的各种微弱能量,设计了一种低功耗的微弱能量收集电路。采用LTC3588-1电源管理芯片为核心的电压变换电路、LTC4071充电控制芯片为核心的充电控制电路、TPL5100为核心的定时器电路搭建低功耗微弱能量收集电路,设计的电路能够将收集到的微弱能量转换为电能存储到锂电池或者提供给负载供电。实验结果表明,设计的低功耗微弱能量收集电路实现了微弱能量的收集,能量收集电路自身平均功耗低至182μW,验证了收集微弱能量给无线传感器网络节点供能的可行性,电路因低功耗、低成本等优点,具有应用前景。     

基于振动能量收集的传感器自供能技术研究

复合式能量收集技术是一种基于压电和电磁的传感器自供电技术.对复合式能量收集系统进行分析,给出系统的数学模型,讨论系统共振频率与系统结构参数的关系;设计了一种压电和电磁复合式能量收集装置,并进行实验验证.结果表明:给出的数学模型基本反映了系统的输出特性,在共振频率为18 Hz时,与单一型电磁技术实验在共振频率处得到的3.2 mW负载功率相比,复合式能量收集技术获得的最大负载功率3.8mW,增加了19％.     

采煤机可收集微弱环境能量分析

能量收集是将外部环境能量转换为电能的过程,在实现低功耗无线传感器的自供电方面具有一定发展潜力。目前能量收集技术在采煤机上的应用探索缺乏对能量收集系统适应性的研究,不能实现可靠应用。针对上述问题,根据采煤机的工况环境特点,分析了采煤机上可收集的微弱环境能量及将其转换为电能的可行性,指出光照能量、温差能量、振动能量作为采煤机的3种典型环境能量,由于能量特点不同,其适应性也各不相同。光照能量适应性差,不适合作为能量收集技术中的环境能量来源。温差能量来源稳定,温差发电片安装便利,具有一定的适应性,但温差发电片需安装在采煤机的主要产热部位,安装位置具有一定的局限性。振动能量总量大,压电发电片结构简单,受工况环境因素影响较小,安装位置不受限制,具有较强的适应性。     

基于多传感器融合的交通数据采集系统概述

智能交通系统是道路有序运行的重要保证,环境感知技术是智能交通系统的基础。单个传感器系统的测量维度和置信率较低,系统的可靠性较差,为了获得准确的交通环境数据,采用多传感器融合方法对交通数据进行采集,构建了以激光雷达、毫米波雷达、全景相机为核心的交通数据采集系统,使系统更加稳定,并对交通环境信息的采集更加准确。     

关联规则发现在ITS中的分析与实现

针对当前智能交通系统的现状与需求,结合关联规则的研究,将关联规则发现应用到智能交通领域中,采用一种改进的Apriori算法,获取智能交通系统中实时数据的内在关联规则,为智能交通信息检索系统提供具有关联关系的数据源.以此数据源为基础,智能交通内部信息检索系统能够提供关联查询服务.     

基于深度强化学习的动基座双自由度系统动力学控制方法

本文研究了在FOPID控制器控制下的广义Van Der Pol随机系统瞬态概率密度函数和可靠性函数变化情况.首先,引入广义谐和函数,将快变变量转换为慢变变量,并利用分数阶微积分的性质,获得了FOPID控制器在慢变变量形式下的新表达式.在此基础上,由于径向基神经网络具有准确性高,易于求解高维问题,求解速度快等优势,所以我们应用径向基神经网络分别对该随机系统所满足的前向和后向柯尔莫哥洛夫方程进行求解,得到随机系统的瞬态概率密度函数和可靠性函数.最后,通过分析控制器中分数阶导数和分数阶积分对Van Der Pol随机系统响应和可靠性的影响,我们得到结论,分数阶控制器一定程度上会增强系统的响应,并导致分岔.     

Bifurcation Control Of A Fractional‐Order Van Der Pol Oscillator Based On The State Feedback

In this paper, a dynamic state feedback is applied to control Hopf bifurcations arising from a fractional‐order Van Der Pol oscillator. The degree parameter indicating the strength of the nonlinear damping is chosen as the bifurcation parameter. It is shown that in the absences of the dynamic state feedback controller, the fractional‐order Van Der Pol oscillator loses the stability via the Hopf bifurcation early, and can maintain the stability only in a certain domain of the degree parameter. When applying the state feedback controller to the fractional‐order Van Der Pol oscillator, the onset of the undesirable Hopf bifurcation is postponed. Thus, the stability domain is extended, and the system possesses the stability in a larger parameter range. Numerical simulations are given to justify the validity of the dynamic state feedback controller in bifurcation controls.     

宽带噪声激励下带有分数阶控制器的强非线性系统的随机平均技术

运用随机平均法研究了宽带噪声激励下带有分数阶PI~λD~μ控制器的强非线性系统.首先,应用广义谐波平衡技术,将分数阶PI~λD~μ控制力分解为幅值依赖的等效拟线性阻尼力和拟线性回复力,得到了受控整数阶等效非线性系统.然后,运用基于广义谐和函数的随机平均法得到关于幅值的平均伊藤微分方程.最后,建立并求解相应的简化Fokker-Planck-Kolmogorov(FPK)方程,得到稳态概率密度函数.作为算例,考察了Duffing-van de Pol振子.数值结果表明随机平均法能够达到较高的精度,分数阶PI~λD~μ控制器能够对系统响应进行有效的控制.此外,宽带噪声参数ξ_i、ω_i及D_i改变时,本文提出的方法仍具有较好的适用性,分数阶控制器仍同样具有非常好的控制效果.     

Adaptive neural prescribed performance control for a class of strict-feedback stochastic nonlinear systems under arbitrary switchings

This paper presents an adaptive neural tracking control scheme for strict-feedback stochastic nonlinear systems with guaranteed transient and steady-state performance under arbitrary switchings. First, by utilising the prescribed performance control, the prescribed tracking control performance can be ensured, while the requirement for the initial error is removed. Second, radial basis function neural networks approximation are used to handle unknown nonlinear functions and stochastic disturbances. At last, by using the common Lyapunov function method and the backstepping technique, a common adaptive neural controller is constructed. The designed controller overcomes the problem of the over-parameterisation, and further alleviates the computational burden. Under the proposed common adaptive controller, all the signals in the closed-loop system are 4-Moment (or 2 Moment) semi-globally uniformly ultimately bounded, and the prescribed tracking control performance are guaranteed under arbitrary switchings. Three examples are presented to further illustrate the effectiveness of the proposed approach.     

ILC-Based Fixed-Structure Controller Design for Output PDF Shaping in Stochastic Systems Using LMI Techniques

In this paper, a generalized state-space controller design for the shaping of the output probability density function (PDF) is presented for non-Gaussian dynamical stochastic systems. A radial basis function (RBF) neural network is used to approximate the output PDF of the system. Such a neural network consists of a number of weights and corresponding basis functions. Using such an approximation, the dynamics of the original stochastic system can be expressed as the dynamics between the control input and the weights of the RBF neural network. The task of output PDF control can therefore be reduced to a RBF weight control together with an adaptive tuning of the basis function parameters (i.e., the centers and widths of the basis functions). To achieve this aim, the control horizon is divided into certain intervals hereinafter called batches. Using these definitions, the whole control strategy consists of three stages, namely (a) sub-space parameter identification of the dynamic nonlinear model (that relates the control signal to the weights of the RBF neural network); (b) Weight tracking controller design using an LMI-based convex optimization technique; and (c) RBF basis functions shape tuning in terms of their centers and widths using an iterative learning control (ILC) framework. Among the above stages, the first two are performed within each batch, while stage (c) is carried out between any two adjacent batches. Such an algorithm has the advantage of the batch-by-batch improvement of the closed-loop output PDF tracking performance. Moreover, the controller mentioned in stage (b) is a general controller in a state-space form. Stability analysis has been performed and simulation results are included to show the effectiveness of the proposed method, where encouraging results have been made.     

力矩输入有界的柔性关节机器人轨迹跟踪控制

为解决柔性关节机器人在关节驱动力矩输出受限情况下的轨迹跟踪控制问题,提出一种基于奇异摄动理论的有界控制器.首先,利用奇异摄动理论将柔性关节机器人动力学模型解耦成快、慢两个子系统.然后,引入一类平滑饱和函数和径向基函数神经网络非线性逼近手段,依据反步策略设计了针对慢子系统的有界控制器.在快子系统的有界控制器设计中,通过关节弹性力矩跟踪误差的滤波处理加速系统的收敛.同时,在快、慢子系统控制器中均采用模糊逻辑实现控制参数的在线动态自调整.此外,结合李雅普诺夫稳定理论给出了严格的系统稳定性证明.最后,通过仿真对比实验验证了所提出控制方法的有效性和优越性.     

色噪声激励的时滞非线性系统瞬态响应研究

建立了色噪声与时滞联合作用的非线性系统模型,提出求解其瞬态概率密度的高效近似算法。利用等价变换将时滞系统简化为非时滞系统;通过线性化方法和随机平均原理得到原系统振幅过程的平均It?随机微分方程和相应的Fokker-Planck-Kolmogorov（FPK）方程。基于退化线性系统导出一组正交基,在该基空间内进行Galerkin变分得到近似瞬态概率密度。将该方法应用到受色噪声激励的双时滞Duffing-Van Der Pol振子得到理论解,采用蒙特卡罗模拟（MCS）验证理论解的正确性。分析了色噪声参数和时滞参数对瞬态响应的影响。研究结果表明：所提理论方法可有效求解受色噪声激励的时滞非线性系统的瞬态概率密度;算法求解效率高于MCS;色噪声和时滞均明显影响了系统瞬态响应。     

无刷直流电机调速系统神经网络自适应滑模变结构控制

为了提高无刷直流电机调速驱动系统的性能,提出神经网络自适应滑模变结构控制策略。推导无刷直流电机端电压与转速之间的微分方程,运用滑模变结构控制理论,通过调节端电压来实现转速控制;为了有效抑制系统在滑模切换面上的抖振采用自适应算法调整滑模增益的大小;从实际应用的角度出发,利用神经网络对非线性函数的任意精度拟合性,设计径向基函数神经网络估计器对控制量中广义扰动进行动态估计。仿真和实验结果表明采用本文提出的方法控制无刷直流电机,超调量小,速度响应快,控制精度高,且系统对各种干扰和参数摄振具有较强的鲁棒性,动、静态性能均优于PID控制。     

Robust adaptive backstepping tracking control of stochastic nonlinear systems with unknown input saturation: A command filter approach

This paper studies the problem of adaptive observer‐based radial basis function neural network tracking control for a class of strict‐feedback stochastic nonlinear systems comprising an unknown input saturation, uncertainties, and unknown disturbances. To handle the issue of a non‐smooth saturation input signal, a smooth function is chosen to approximate the saturation function and the state observer is used to estimate unmeasured states. By the so‐called command filter method in the controller design procedure, the implementation complexity is reduced in the proposed backstepping method. Moreover, a radial basis function neural network is deployed to reconstruct the unknown nonlinear functions. In addition, the gains of all radial basis function neural networks are updated through one updating law leading to a minimal learning parameter which is independent of the number of neural nodes and the order of the system. Comparing with the existing results, the proposed approach can stabilize a constrained stochastic system more effectively and with less computational burden. Finally, a practical example shows the performance of the proposed controller design.     

具有输入量化和全状态约束的非严格反馈随机非线性系统的有限时间动态面控制

研究具有输入量化和全状态约束的非严格反馈随机非线性系统的有限时间自适应跟踪控制.首先,利用双曲正切函数进行非线性映射,消除全状态约束的限制,将系统变换为无约束系统;其次,引入滞回量化器克服量化信号中的抖动和量化误差.为实现有限时间控制,提出概率意义下半全局有限时间稳定控制方法,加快系统的收敛速度,并在此基础上采用径向基函数神经网络逼近未知非线性函数;接着,基于动态面控制技术和高斯函数的性质,对变换后的非严格反馈随机系统进行自适应控制设计,所设计的控制器能够保证闭环系统中的所有信号在概率意义下有限时间稳定;最后通过仿真实验表明所设计控制方案的有效性.