分布无人机自动检测与故障诊断系统设计

本文根据分布式无人机系统的特点,详细论述了分布式无人机自动检测与故障诊断系统的设计原理及软硬件实现方法.本文研制的分布式无人机自动检测与故障诊断系统由故障诊断单元(地面控制站)、故障检测单元(储运发射车)、无人机飞控计算机组成.本文重点研究了故障诊断专家系统的设计.验证性测试表明,该系统性能稳定可靠,达到了设计要求.     

基于MAX114的高速数据采集系统设计

该系统运用简单的MCS-51单片机来实现复杂的数据采集与还原电路.采用89C51单片机作为中心控制单元,由ADC芯片将数字信号转换为模拟信号,经过高速缓存芯片后,由DAC芯片进行数模转换,从而实现数据的高速采集及还原.     

EPS电机驱动的反馈电流控制方法研究

本文主要讨论EPS电机驱动的反馈电流控制的两种方法:软件控制和硬件控制.PID控制技术成熟、鲁棒性好,在电机控制中得到了广泛的应用,在EPS软件电流控制方法中,结合EPS特点,分析PID软件控制原理和控制参数确定方法.在EPS硬件电流控制方法中,分析硬件电机电流反馈控制原理图,讨论各模块电路设计方案,通过主观评价实验得出:低速的电控单元,硬件控制电机效果较好.     

汽车电动助力转向系统电控单元的研究

设计了一款采用PIC16F877单片机为电子控制单元核心的汽车电动助力转向系统,全文详细介绍了该系统的工作原理和硬件组成,重点对各传感器信号的采集处理电路、电动机的驱动电路、离合器和继电器的控制电路、电机电流的采样电路等进行了研究设计.实验表明,该系统具有输出扭矩平稳、转向控制灵敏、抗干扰性强、稳定性高等优点.     

一种三维刚架—桁架静力分析有限元程序

介绍了三维刚架计算原理以及作者所编制的一种应用于ＰＣ微机的有限元程序．本程序用＂ＦＯＲＴＲＡＮ＂语言编写,采用半动态一维存储．引入了单元整体形函数矩阵,简化了单元非结点载荷与结点载荷的转换过程．可用于计算三维及二维刚架或桁架在多种载荷条件下的位移及杆端内力并可绘出结构的有限元模型、支承、受载及变形状况．通过一系列算例验证了程序的正确性．     

基准物最好具有较大摩尔质量的两种求证方法

对基准物“最好具有较大当量”更改为“最好具有较大摩尔质量”是否完全等效及当前所提出的两种求证方法进行了论证、比较。指出两法得到相同结论实属巧合之例;另举例说明在比较基准物摩尔质量大小以说明称量误差大小时,只有选用完全一致的比较标准才能使基准物“最好具有较大当量”或“最好具有较大摩尔质量”的两提法完全等效,并适用于任何情况。     

考虑有功协调优化的配电网动态电压控制

配电网电压动态变化特征日益凸显,对配电网动态优化控制提出了新的要求。除此之外,配电网有功与无功的耦合特性也使得仅基于无功/电压的控制方法效果降低。因此,提出了一种考虑有功/无功快速协调优化的配电网动态电压控制方法,实现在秒级时间尺度内关键节点的电压恢复。首先建立配电网有功/无功控制设备动态模型,并基于模型预测控制理论建立了动态电压控制系统预测模型。设计了面向配电网电压协调控制的多目标自适应优化策略,基于配电网同步相量测量单元动态测量数据实现有功/无功控制设备出力的动态协调。仿真结果表明,该方法能够实现配电网电压波动的秒级抑制,并将目标节点电压快速无差地恢复至扰动前水平。     

基于改进图卷积网络的配电网状态估计方法

采用小样本量测信息进行配电网实时状态估计,对提高配电网可靠性,保证其稳定运行具有重要作用。为了在配电网量测信息不足条件下进行高精度状态估计,提出了一种基于改进的图卷积网络(graph convolutional network,GCN)的物理–数据融合配电网状态估计新方法。该方法首先利用少量相量量测单元将配电网进行切割分区,然后根据分区后的最大直径确定卷积网络所需要的卷积模块数量,其次修改了传统GCN中的邻接矩阵表示方法,从而实现利用卷积网络将配电网分区子系统中的状态变量均由量测量表示。通过IEEE33节点典型算例,验证了所提方法有效性。同时,通过与传统的高斯–牛顿优化算法和传统深度学习网络对比测试,结果表明,所提方法不仅能够将计算复杂度转移到离线阶段,而且能够不依赖于高冗余度的伪量测,具有较高的估计精度与计算速度。     

含电容单元的级联H桥七电平调制策略

针对传统三单元级联H桥直流电源电压利用率较低的问题,采用电容替代其中利用率较低的直流电源,构成含电容单元的级联H桥逆变器。围绕该型逆变器的调制策略及电容选择等问题,在载波层叠式脉宽调制策略的基础上,利用冗余开关状态改进现有调制策略。通过采集电容电压和输出电流,切换调制模式实现电容充放电控制。分析电容电荷量在不同调制度下的变化,得到电容电压稳定到参考值所需要满足的条件。考虑到电容纹波电压不超过参考值10%的要求,并结合最大连续放电区间,计算出最小参考电容,使逆变器达到最优配置。通过仿真和实验证明了新型调制策略可对电容充电并具有良好的稳压效果。     

基于TSNE-BiGRU模型短期电力负荷预测

短期电力负荷预测是电力系统合理调度与安全稳定运行的基础。为提高电力负荷预测精度,提出一种基于t分布邻域嵌入(t-SNE)算法和双向门控循环单元(Bi-GRU)网络的短期电力负荷预测方法。该方法首先通过多标签处理将电力负荷时序数据转换成高维时间戳数据,进而在维持数据信息完整性的前提下通过t-SNE算法对其降维,并结合实时电价数据,基于Bi-GRU网络学习时间戳数据、实时电价数据及实时负荷数据之间的非线性特性,最后经全连接输出层聚合相关信息给出预测结果。基于新加坡地区电力基准数据集进行试验,对比分析所建模型TSNE-BiGRU与基准模型Bi-GRU及GRU的预测性能。试验结果表明所建模型TSNE-BiGRU具有良好的鲁棒性,能有效提高短期电力负荷的预测精度。其平均百分比误差值为0.49%,相较Bi-GRU与GRU,分别降低了23.44%与32.88%;其平均绝对误差值为30.58,相较两基准模型分别降低了22.19%与32.84%;其均方根误差值为39.40,相较两基准模型分别降低了17.16%与27.88%。