基于自适应神经模糊推理控制的无刷直流电机转子位置控制研究

为提高无刷直流电机(Brushless DC Motor, BLDCM)在瞬态和稳态条件下的控制性能,提出一种基于自适应神经模糊推理系统(ANFIS)的转子位置控制器。推导出无刷直流电机位置控制数学模型;基于Takagi-Sugeno模型设计ANFIS控制器,分别利用反向传输算法和最小二乘估计法对输入和输出参数进行了优化;对正弦信号和斜坡信号下的转子位置控制效果进行了仿真和实验研究。结果表明:该控制器可实现无刷直流电机快速、准确的动态响应,具有良好的稳态性能。通过仿真和试验,验证了ANFIS控制策略的有效性。     

单路反馈射频功放预失真线性化方法

该文基于记忆多项式模型,提出一种采用单路反馈的射频功放预失真线性化新方法,只需用正交解调后的IQ信号中的一路,就可完成对预失真器模型参数的获取。该方法可消除使用正交解调器所带来的增益和相位不平衡问题,且节省了一路反馈采样电路,在降低成本、简化设计的同时还能提高预失真线性化的性能。仿真和物理实验结果表明,该文提出的方法是正确的,能达到比较好的线性化效果。     

State-space independent component analysis for nonlinear dynamic process monitoring

The cost effective benefits of process monitoring will never be over emphasised. Amongst monitoring techniques, the Independent Component Analysis (ICA) is an efficient tool to reveal hidden factors from process measurements, which follow non-Gaussian distributions. Conventionally, most ICA algorithms adopt the Principal Component Analysis (PCA) as a pre-processing tool for dimension reduction and de-correlation before extracting the independent components (ICs). However, due to the static nature of the PCA, such algorithms are not suitable for dynamic process monitoring. The dynamic extension of the ICA (DICA), similar to the dynamic PCA, is able to deal with dynamic processes, however unsatisfactorily. On the other hand, the Canonical Variate Analysis(CVA) is an ideal tool for dynamic process monitoring, however is not sufficient for nonlinear systems where most measurements follow non-Gaussian distributions. To improve the performance of nonlinear dynamic process monitoring, a state space based ICA (SSICA) approach is proposed in this work. Unlike the conventional ICA, the proposed algorithm employs the CVA as a dimension reduction tool to construct a state space, from where statistically independent components are extracted for process monitoring. The proposed SSICA is applied to the Tennessee Eastman Process Plant as a case study. It shows that the new SSICA provides better monitoring performance and detect some faults earlier than other approaches, such as the DICA and the CVA.     

静态测量系统线性度与温度的模型化补偿方法

本介绍了一种对静态线性测量系统的线性度和温度效应进行补偿的模型化方法。使用多变量多项式回归模型表述静态测量系统的传递特性,以求获得对“线性测量系统”的精确描述,达到对其线性度和温度特性进行补偿,从而实现精确测量的目的。选用一个压力测量系统作为实验例证,验证了本所述方法的实用性和可行性。     

陀螺经纬仪观测数据处理研究

陀螺的摆动方程是非线性的,线性化后的数据处理结果都不理想。针对此种情况,在分析几种传统的数据处理方法的基础上,提出了一种新的处理方法：把观测值分为三个一组,先分别求初始摆幅,衰减系数及陀螺北方向的近似值,然后,按简易法、严密法求出陀螺北方向的最或然值及其精度。对于逆转点的方差,要用方差分量估计原理进行估算。     

Hamming重量为k的布尔函数的全局特征和非线性度

该文给出了布尔函数的自相关系数和互相关系数的一些性质,得到n元布尔函数f (x)满足t 阶扩散准则时,n,t 和Hamming重量wt(f)的制约关系,给出了任意Hamming重量为k的布尔函数的平方和指标下界表达式,推出了仅由布尔函数Hamming重量所确定的非线性度的上界表达式。这些结论推广了已有结果。     

海杂波的非线性测试

时间序列的非线性检测对于非线性时间序列分析、混沌特性研究有着重要意义。讨论了时间序列的几种非线性检测方法,将代理数据产生方法中的IAAFT方法与冗余方法结合起来,对实测海杂波数据进行非线性检测。对测试结果进行分析,表明海杂波是由非线性系统产生的,应该采用非线性处理方法研究海杂波。     

NONLINEAR COCHLEAR MECHANICAL MODEL AND ITS BIAS TECHNIQUE

The nonlinear equation modeling 2-D cochlear mechanics is established and aneffective method—bias technique for computing this equation is presented.The model showsmany effects which correlate closely to physiological experimental data.Quantitative data on thelevel-dependence of frequency responses are given.     

非线性时间序列的替代数据检验方法研究

目前,替代数据方法已逐渐成为时间序列的非线性成分检验中广为采用的一种方法。但对于具有同原始数据的均值和方差的线性相关高斯过程的零假设,通常产生相应替代数据的FT(FourierTransform)算法不能很好地重构原始数据的Fourier频谱。本文对替代数据方法进行了研究,提出了一种改进的FT算法,使得替代数据既具有原始数据的均值和方差,又具有原始数据的Fourier频谱。利用Gauss数据和logistic方程产生的混沌时间序列数据,证明本文提出的改进算法是可行的,所产生的替代数据是合适的。     

电磁辅助支承非线性系统的稳定性分析

对电磁执行器直接安装在主支承上的一种新型支承结构--电磁辅助支承系统的稳定性进行研究.首先分析一模拟的单自由度电磁辅助支承系统,建立非线性运动方程,采用相平面法进行分析;然后采用数值分析方法分析多自由度电磁辅助支承系统.分析结果表明, 在电磁执行器作用期间,转子系统处于一种局部稳定状态,其振动不能超过所允许的最大振动值.而该转子系统允许的最大振动值受静态励磁电流Ib的影响较大,受P控制参数的影响较小.