基于磁场指纹辅助的手机室内定位系统

针对当前室内无线定位信号强度易受干扰、设备部署维护成本高等缺点,以及手机在室内航位推算过程中定位误差随时间累积的问题,本文提出了基于粒子滤波磁场匹配的室内定位方法。相比于传统的航位推算方法,通过改进步态判断方式,并提出了动态步长估计算法和卡尔曼滤波航向估计算法,有效减少步态误判和定位误差。同时通过结合航位推算位置选择粒子滤波算法中的重采样区域,加快粒子收敛速度。最后,通过仿真分析和实际室内环境测试结果表明,本文提出的定位方法能够有效地减小定位误差,并实现2米的定位精度。     

汽油发电机转速前馈-反馈控制系统

汽油机的转速稳定性是影响汽油发电机电气性能指标的一个重要因素,本文在分析其工作原理的基础上提出了一种电流前馈、转速负反馈式的系统结构,并且把反馈控制器设计为模糊控制、PID控制和保持模态相结合的多模态控制器.利用MATLAB工具进行的仿真和实际配机试验结果都表明,采用此算法后该转速控制系统的稳态性能和动态切换性能都比采用常规PID控制时有明显改善,证实了所提方法的有效性.     

基于混合粒子群算法和NRBF神经网络的短期电价预测

提出一种混合粒子群算法,在局部邻近区域的粒子群算法中引入收缩因子和被动聚集,将最邻近聚类用于NRBF 神经网络的参数确定中,采用混合粒子群算法优化最近邻聚类的聚类半径,从而确定NRBF 神经网络的参数,提高了NRBF 神经网络的泛化能力。以美国PJM电力市场公布的2006年负荷与电价数据进行预测验证,证明了此方法所建立的模型的合理性和有效性。     

基于混合粒子群算法和NRBF神经网络的短期电价预测

提出一种混合粒子群算法,在局部邻近区域的粒子群算法中引入收缩因子和被动聚集,将最邻近聚类用于NRBF神经网络的参数确定中,采用混合粒子群算法优化最近邻聚类的聚类半径,从而确定NRBF神经网络的参数,提高了NRBF神经网络的泛化能力.以美国PJM电力市场公布的2006年负荷与电价数据进行预测验证,证明了此方法所建立的模型的合理性和有效性.     

非线性系统的改进型自适应积分控制算法

针对传统非线性系统的积分控制,为减小稳态跟踪误差和防止积分饱和,设计了一种改进型的自适应积分控制。采用反馈线性化消去系统的非线性,在初始误差较大的条件下,引入惩罚函数根据误差动态调节比例系数和积分系数可抑制较大的超调量。应用Lyapunov稳定性理论,证明了在外部扰动有界的条件下,闭环控制系统一致最终有界。闭环系统稳定性的理论分析和仿真结果都验证了上述策略的可行性。     

双馈风力发电系统双PWM变流器的开路故障诊断

首先分析了开路故障对双馈感应发电机的电流和其他变量的影响,提出了一种基于电流信号平均值的开路故障的诊断方法,并通过非均匀采样方式采样电流信号,这种方法可用于诊断单个功率开关开路和两个功率开关同时开路的情况,针对诊断系统容易在同步速时发生误报的情况,可以通过在同步速时禁止诊断系统得到解决,并且这种方法不会引起漏报,仿真结果表明,该方法不仅能有效防止误报,还可准确地诊断出开路故障的位置和类型.     

真空断路器的EMTP-ATP电磁暂态仿真教学研究

基于EMTP-ATP的真空断路器电磁暂态仿真设计是“复杂电气工程系统设计”教学中的重要内容，教学难点在于截流值、介质动态绝缘强度及高频熄弧能力的准确表征，由于该过程涉及电路原理、数理统计以及计算机编程等学科知识，其仿真建模十分抽象，学生理解较为困难。本文开展基于EMTP-ATP的真空断路器电磁暂态仿真，有助于学生更好地理解断路器分合闸的物理本质，使其更直观理解断路器重燃以及预击穿过程。     

摩托车整车性能仿真系统的研究

研究摩托车整车的动特性问题,为了研究摩托车在实际道路工况下的整车性能,为了保证行驶的稳定性,建立了模拟驾驶的摩托车整车性能试验的动态系统模型.针对目前研究方法存在的"控制性能差"等问题,利用发动机台架试验数据,采用曲面拟合方法,建立发动机稳态数学模型,根据行驶动力学方程和其非线性特点,应用分段线性化方法,分别建立了道路负载模型和整车速度模型,设计模糊控制器和 PID 控制器,仿真整车驾驶.通过计算机仿真完成摩托车整车性能试验,得到在目标车速下的车速、油门开度和发动机响应曲线.为验证整个系统模型的正确性,进行结果对比和仿真分析,表明提出仿真模型是正确的,可保证各种工况下的稳定运行.     

基于扩展记忆粒子群-支持向量回归的短期电力负荷预测

为了快速准确高效地预测短期电力负荷,提出了一种带扩展记忆的粒子群优化技术（PSOEM）和支持向量回归（SVR）相结合,以历史负荷数据、气象因素等作为输入的基于PSOEM-SVR的短期电力负荷预测方法。PSOEM比传统PSO收敛速度更快精度更高具有更强的寻优能力,用它来优化组合核函数SVR参数,减少了SVR参数设置的盲目低效性,获得较优的PSOEM-SVR预测模型。该模型的实例仿真预测结果表明该方法比BP神经网络具有更好的准确性和稳定性,平均绝对误差控制在1%以内。