基于SVR的三轴磁通门传感器误差修正研究

提出了一种基于支持向量回归机(SVR)的三轴磁通门传感器误差修正方法。分析和理论计算了三轴磁通门传感器中由于三轴非正交、灵敏度不一致与零点漂移所引起的测量误差;设计了相应矩阵形式的数学模型对该误差进行修正。构造新的目标函数,使修正模型的参数矩阵转换为等价的线性形式,从而建立起中间模型。再由SVR算法辨识出中间模型系数,并通过中间模型系数与参数矩阵之间的关系,实现对误差修正模型的辨识。用实际地磁场测量数据进行测试,结果表明:三轴磁通门传感器在不同姿态下的测量误差由800 nT修正到60 nT以下。该研究为提高三轴磁通门传感器性能提供了一种可行方法。     

基于最小二乘支持向量机的传感器动态系统辨识方法

在介绍和比较标准支持向量机(SVM)和最小二乘支持向量机(LS-SVM)原理的基础上,提出了一种利用LS-SVM模型进行传感器动态系统辨识的方法,并给出了相应的过程和算法.与标准SVM模型比较,该方法优点是明显的:(1)用等式约束代替标准SVM算法中的不等式约束;(2)将求解二次规划问题转化为直接求解线性矩阵方程,使得在相同条件下,系统辨识速度提高1～2个数量级,辨识误差降低50%.因此,LS-SVM模型速度快,抗噪声干扰能力强,更适合传感器动态系统建模.     

一种可抑制电磁冲击盲区的新型电磁超声检测技术研究

电磁超声检测中,激发(TX)线圈利用强脉冲电流激励超声波的同时,会对接收(RX)线圈造成电磁冲击。在电磁冲击期间,RX线圈无法工作并需要稳定时间,从而形成电磁冲击盲区。针对此问题,提出一种可抑制电磁冲击盲区的新型电磁超声检测技术,该技术中采用了一种特殊RX线圈结构。一方面,该线圈结构中相邻线段之间间距满足超声波相长干涉的匹配关系;另一方面,该线圈与TX线圈的互感为0,使其能从电磁超声的脉冲激励系统中退耦。分析了所提新型电磁超声检测技术抑制电磁冲击的原理,并从理论上给出了该特殊RX线圈的设计方法。最后,通过实验表明该技术对电磁冲击抑制达到94.8%,从而验证了有效性。     

一种基于磁链轨迹跟踪的过调制新策略及其特性分析

结合磁链轨迹跟踪的PWM生成原理,讨论了一种过调制实现策略。根据实际磁链对期望磁链的跟踪特性,分析建立了相位和径向两类误差模型;结合两类误差模型,定义评价指标:跟踪能力,并由此确定了过调制Ⅰ区和过调制Ⅱ区的分界点;从理论上证明了实现过调制极限状态六阶梯波调制的可行性,并给出其实现条件。开展了仿真验证和样机试验,结果表明新策略能有效提高直流母线电压的利用率,保持从线性调制、过调制Ⅰ区、过调制Ⅱ区直至六阶梯模式的平滑过渡,并明显抑制调制过程中的输出电压总谐波畸变率(THD)。     

基于三相桥臂坐标的SVPWM过调制方法

讨论了一种新型的SVPWM过调制方法,并对其过调制性能及谐波成分进行了分析。首先,对经典SVPWM技术进行了分析,探讨了常规过调制策略的实质。其次,引入了新的三相桥臂坐标,在该坐标下将现有的SVPWM的串行合成时间关系推导为并行。最后,给出了线性调制和过调制统一的求解模型,避免了现有过调制算法中控制角和保持角的计算。新方法取消了扇区的概念并简化了计算,可实现从线性调制到六阶梯模式的连续平滑调制。文中介绍了该过调制算法的基本原理,进行了仿真和实验。结果表明,该方法在线性调制和六阶梯模式下调制效果与经典SVPWM方法相当;而过调制区,其输出PWM波形的THD明显小于常规过调制方法。     

一种基于LS-SVM的电子设计竞赛选手选拔与组队方法

在详细阐述最小二乘支持向量机(LS-SVM)回归算法原理基础上,提出一种基于LS-SVM的特征提取方法,并将其应用到全国电子设计竞赛队员选拔问题上。利用所提的特征提取方法对近年在电子设计竞赛中获奖队员平时成绩进行分析,找到了3个关键的评价指标,并以此为基础确定了一套定量的选拔与组队方法。     

基于USB接口的无线数据采集系统设计

结合无线通信技术和USB技术的优点。提出一种基于无线USB技术的数据采集系统。该系统运用高速转换器AD7874、USB接口芯片PDIUSBD12、89C51微处理器和射频收发器nRF401构建数据采集电路和无线USB接口。该设计成功取代有线数据采集系统复杂的连线。并且提高了数据采集的抗干扰性、灵活性。文中对无线A／D转换电路、无线USB接口的设计、89C51内部固件程序及USB应用程序编写进行了阐述。     

一种燃煤质量的综合预测方法

建立了一种新的基于多元线性回归与最小二乘支持向量机(LS-SVM)的燃煤发热量综合预测模型,并给出了建模步骤和具体算法.考虑到燃煤实际发热量与其工业分析组成(水分、灰分和挥发分) 之间的关系,由初步预测子模型和误差修正子模型构成综合模型.用煤样实测发热量与其工业分析组成的原始数据构造训练样本集,用多元线性回归算法对发热量进行初步预测,用LS-SVM修正子模型获得误差补偿量.综合模型最终的预测值为初步预测子模型的输出值加上误差补偿量.实际预测结果表明,这种综合预测方法耗时少,预测效果优于常用方法,具有一定的应用价值.     

基于支持向量机技术的智能工序诊断研究

统计过程控制图的分析与识别是智能工序质量控制（IPQC）的一个重要研究领域,文章提出了一种基于支持向量机的工序模式分析与识别新方法,仿真结果表明该方法对样本无特殊要求且识别速度快,适合用于自动工序的实时智能控制.     

一种基于LS-SVM构造FLANN的热电偶非线性校正方法*

提出一种基于最小二乘支持向量机（LS-SVM）构造函数链接型神经网络（FLANN）的方法,并根据正反馈原理将该FLANN应用於热电偶传感器非线性校正.讨论LS-SVM构造FLANN的基本原理和具体算法,给出了非线性补偿器的数学模型.与常规BP迭代算法构造的FLANN比较,该方法构造的FLANN补偿器具有如下优点：①利用LS-SVM将迭代逼近问题转化为直接求解多元线性方程,因此具有更快的速度;②整个训练过程中有且仅有一个全局极值点,确定了所构造FLANN补偿器的唯一性,提高了补偿精度.最后以Pt-Rh30-Pt-Rh6热电偶（B型）为例进行非线性校正实验,结果验证了上述结论.