一种适用于有限长度混合相位未知脉冲的最小平方反褶积新方法

普通的最小平方反褶积只有在子波为最小相位脉冲和反射序列为白噪声的假设下才是成立的,而对于混合相位未知脉冲来说,这种最小平方反褶积就不再适用了。本文提出一种适合于有限长度混合相位未知脉冲的最小平方反褶积方法。运用此法只需预先估计一个混合相位子波的长度。合成数据的试验结果表明,该方法有较好的效果,且对预先估计出的子波长度不敏感。文中还证明混合相位未知脉冲最小平方反褶积等效于一种有间隙的平滑误差滤波器的作用,而这种有间隙的平滑误差滤波又可分解为一个前向多步预测误差滤波与一个后向多步预测误差滤波之和。可以预计这种新的反滤积方法将在地震数据处理中得到有效的应用。     

基于行程时间多步预测的实时路径导航算法

针对现有车辆导航算法仅考虑单一数据,使所得路径实际行程时间比预期更长的问题,首先建立了基于卡尔曼滤波理论的行程时间多步预测模型;其次,提出了综合利用实时数据、行程时间多步预测数据及历史数据的实时路径导航算法,并改进了其实现的核心算法Dijkstra_pred.实验结果表明,基于三类数据的实时路径导航算法所得路径的实际行程时间从整体上优于仅采用实时数据的导航算法,且路径变化较少.     

基于遗传算法的倒立摆系统的多级控制研究

将单一的复杂控制转化为多级简单控制的控制方法应用到三级倒立摆系统的控制中,并通过遗传算法对各级控制中的未知参数进行优化.给出了多级控制器的设计方法和参数优化步骤.仿真试验证明了该控制方法的可行性.     

预失真线性化技术中的时延研究

预失真技术已经成为功率放大器线性化的一项重要技术,受到广泛的研究与应用。传输信号在学习回路中存在的延时影响了数字预失真算法的线性化性能。在分析传输时延对预失真算法影响的基础上,改进了时延估计算法,并将其应用在数字预失真技术中。通过仿真测试,验证多步插值时延估计算法的有效性。在预失真线性化技术中采用时延估计,能有效克服传输时延的不利影响,充分实现预失真技术的线性化性能,进一步改善功率放大器的非线性特性。     

马鞍形板材件多点“三明治”成形实验研究

多点“三明治”成形是一种针对小批量多曲率板材工件制造而提出的新成形方法。用该方法成形时,上模采用聚氨酯模具,下模为型面可调节的多点模具。为了使多点模具型面连续化和消除工件表面的压痕,在成形过程中使用了金属护板和弹性垫板。由于工件板材两侧都和聚氨酯相接触,因此成形后工件的表面质量好。为了研究采用多点“三明治”成形复杂三维曲面工件的成形过程以及成形可能会出现的表面缺陷,文章选用马鞍面作为目标形面进行了实验研究,提出了用于提高工件的贴模程度,通过改变上模形状的分步成形方法,并得到了Q235B板材厚度和可成形马鞍形工件深度之间的关系曲线。     

永磁同步电机多步模型预测电流控制球形编码研究

传统多步模型预测电流控制遍历所有开关序列, 并寻求成本函数最小, 使得运算量较大. 球形编码算法将成本函数转换为开关序列对应的矩阵二范数平方, 并采用事件触发机制动态精简计算量. 仿真结果表明: 基于球形编码的多步模型预测电流控制性能良好, 与传统方法完全等价, 控制效果相当. 基于STM32H743单片机平台, 球形编码和传统方法单控制周期执行时间实验结果表明: 对于多步预测, 球形编码算法可减少单控制周期执行时间, 2步预测减小至96.78%, 3步预测减小至87.99%, 4步预测减小至73.41%, 5步预测减少至63.63%, 在控制性能与传统方法相当的条件下, 提高系统实时性能     

基于时空耦合特性的充电站运行状态预测

提出一种基于时空耦合特性和深度学习模型的充电站运行状态预测方法。首先,基于充电站历史运行数据和所在区域的交通通行速度数据集,利用k-means聚类方法将充电站划分为不同类型,分析充电站运行状态在时间上的特性;建立单个充电站的"偏移量-交通-时间"三维矩阵模型,深度挖掘充电站运行状态与周边交通状况在时间和空间上的耦合相关性。其次,将充电站状态与交通状况的时间滞后相关特性进行空间重构,利用卷积神经网络进行特征提取,通过长短期记忆网络进行时间序列预测,构建基于Keras深度学习框架的充电站运行状态多步预测模型。最后,以20个充电站的真实运行数据进行验证,并与多种预测算法进行对比,结果表明,所提方法具有较高的预测精度。     

短期风速多步预测的研究

为了提高风电场短期风速预测的精确度以及预测尺度,提出了一种将小波分解法、经验模式分解法及最小二乘支持向量机相结合对风速时间序列进行短期多步预测建模的方法。该方法采用小波分解法对风速信号进行分解,使之分解成不同频带的高频和低频分量;再利用最小二乘支持向量机对各分量建立预测模型,将各预测模型的预测值叠加可得到模型的预测结果。该模型称为预测模型Ⅰ。其次,将预测模型I的预测结果设为训练样本,采用经验模式分解法把训练样本集分解成若干本征模式分量和趋势项;再利用最小二乘支持向量机对各本征模式分量和趋势项建立预测模型,同时扩大模型的预测尺度;将各预测模型的预测值叠加可得该模型的预测结果。该模型称为预测模型Ⅱ。最后,将预测模型Ⅱ、Ⅰ的预测值叠加得到最终预测结果。实验结果表明,采用该方法预测的风电场短期风速的RMSE值为0.153,验证了该方法的有效性。     

基于网络时滞补偿的模型预测控制

为了解决网络控制系统中不确定时滞、尤其是随机的长时延对控制性能造成的影响,提出了基于模型匹配和多步预测输出补偿的预测控制思想来改善控制性能。该算法通过采集到的传感器端至控制器端的时滞来估算控制器端至执行器端的时滞,并给出了传感器端和执行器端数据处理的算法,建立起与实际网络结构匹配的预测控制模型,采用多步预测输出来补偿控制量的传输滞后。该模型不依赖于网络参数和时滞分布特性,可根据不同对象选取合适的预测控制算法,适用于实时系统。通过基于倒立摆对象的仿真和控制实例验证了该算法能有效地改善控制性能。     

基于多步控制集的鲁棒预测控制器设计

针对有约束多胞不确定系统, 本文提出多步控制集的概念, 并将其作为终端集进而设计鲁棒预测控制器. 由于设计了一系列可变的反馈律, 鲁棒预测控制器可以得到更好的控制性能和更大的初始可行域. 另外, 利用多步控制集的特性, 本文提出了一种将预测控制器的在线计算量转移到离线完成的算法. 通过该算法, 可以有效地平衡鲁棒预测控制器的控制性能、在线计算量和初始可行域. 仿真算例验证了这些算法的有效性.