基于自由活塞斯特林发电系统的位置检测方法

自由活塞式斯特林直线电机发电系统因具有高效、长时间在轨、应用能源广泛等性能而得到广泛关注。位置检测方式在自由活塞式斯特林直线电机发电系统中占有重要的地位,可以从中分析发动机设计的合理性与系统工作的稳定性。为了获得自由活塞式斯特林直线电机发电系统由自启动的电动状态到发电状态的动态过程,并为了减小系统的体积、提高系统的密封性,设计了一种基于无位置检测的压力波测试方法。该方法采用一种新型的压力波传感器,配合适当的供电、调理、采集电路,可以实时检测到发动机动子的位置,进而实现发电系统的控制。

基于SSI接口的线位移传感器高速并行数据采集设计

基于SSI接口的线位移传感器具有精度高、传输速度快、接线简单、抗干扰性强等优点,但目前市场上没有应用于工控机系统的基于SSI接口的数据采集板卡,从而影响了SSI接口传感器在工控机领域的应用。给出了一种高性价比的采用25位SSI接口转并行数据采集的设计方法,从而实现了SSI接口的线位移传感器到高速并行数据接口的数据转换,该方法可广泛应用于工控机控制系统并可推广到其他控制系统中。

低压大电流DCDC电源模块的设计与实现

本设计采用单管正激式拓扑,通过以UC2843为控制核心的控制电路,将输入24V工业直流电源斩波,并采取电流互感器采样,光耦隔离反馈等控制方式,在50mm*40mm*10mm的体积内实现了5.00V/4.00A的功率输出,全负载范围内输出电压精度达到±0.05V。在入壳灌胶后,可长期应用于工业现场等较恶劣的场合,能很好地满足工业控制系统弱电场合的应用需求。

面向旋转机械迁移诊断的分层并行网络模型自动创建方法

针对当前基于深度学习的旋转机械故障诊断方法存在的依赖人工建模经验、需手动调参、试错迭代、面对不同诊断任务需重新创建诊断模型、异构迁移性差等问题,文中提出一种面向旋转机械迁移诊断的分层并行网络模型自动创建方法,可根据不同诊断任务快速自动地搜索出具有异构迁移性能的高精度诊断模型。基于神经结构搜索(Neural architecture search, NAS)与模块化设计的思想,设计了两类包含多层网络并行结构的基础块,区别于逐网络层搜索的模式,以基础块为单位进行搜索提高效率,控制器输出决策序列确定基础块的内部结构,并将其堆叠形成分层并行结构的子模型,根据子模型在诊断任务上的验证结果利用策略梯度算法优化控制器,循环迭代上述过程不断提高子模型的诊断精度。子模型的分层并行结构支撑了其良好的异构迁移性能,此外为解决NAS搜索耗时的瓶颈问题,在子模型训练过程中设置了权值共享机制以提高自动建模效率。所提方法面向四个不同旋转机械故障数据集进行自动建模和异构迁移诊断试验,结果表明针对四个不同诊断任务,所提方法均能高效创建出100%精度的诊断模型,消耗时间313 s到1 601 s不等,并且所创建的子模型在仅用10%目标域数据耗费100 s时间进行微调的条件下,即可面对目标诊断任务达到95%以上的迁移诊断精度。