面向天线跟踪系统的ADRC控制器设计及参数优化

针对传统自抗扰控制器存在参数整定困难及控制器效果有待改善的问题,提出了一种基于改进型Fal函数的永磁同步电机位置自抗扰控制器控制策略,旨在优化伺服系统的控制效果。设计了Le_fal函数以解决Fal函数在定义域区间的不连续性问题和拐点处输出增益的抖动问题,减少了控制器待整定参数。针对自抗扰控制器参数难以整定的问题,采用粒子群算法对控制器参数进行优化。仿真实验结果表明,基于粒子群的改进型自抗扰控制器参数优化算法将超调量从传统自抗扰控制器的3.1016%降低至0.3375%,将调节时间从3.08 s降低到0.47 s,将稳态误差从0.0633降低至0.0162。结果表明,改进后的自抗扰控制器具有更好的快速性和鲁棒性。

基于ARM9芯片S3C2410异常中断程序设计

实时操作系统要求处理器快速响应异常中断。以S3C2410为硬件平台,结合经过实际验证的代码详细分析了基于ARM嵌入式系统的异常处理流程。然后阐明关键字“-irq”的作用,设计出中断处理函数。最后,通过设置中断控制寄存器,设计外部中断EINT3的初始化程序,并给出主程序流程图。实践证明程序运行稳定可靠。

多节点共享保障时隙分配策略

在现代工业无线网络中,IEEE 802.15.4标准以其独特的低功耗、低成本特点被广泛应用。IEEE 802.15.4可以提供最低0.006%的占空比,最大限度降低功耗,同时提供的保障时隙GTS机制为节点提供了实时服务保障。然而,在为大规模节点提供保障时,IEEE 802.15.4提供的GTS机制缺乏灵活性,只能为有限节点提供实时保障服务。本文针对这一问题提出一种多节点共享保障时隙分配策略,允许多个数据流在满足延迟需求前提下,共享同一个GTS减少带宽浪费。分析表明,多节点共享的保障时隙分配策略与普通分配方法相比,可有效提高带宽利用率。

基于CANopen协议的农田小气候采集系统

针对农田小气候采集具有环境特殊和要求灵活多样等特点,采用嵌入式技术设计了一种模块化气象要素采集系统。在分布式CAN总线基础上,应用层采用CANopen协议实现网络管理服务和报文传送协议。试验结果表明,主控制器和分采集器之间的数据通信可靠、准确,可满足气候采集需求。

基于网络演算的LR-WPANs端到端延迟界限

低速率无线个域网LR-WPANs为保证实时和可靠通信,采用了IEEE 802.15.4信标使能的超帧结构,并且扩展了保障时隙GTS机制,解决了移动无线传感器网络中节点连通性较弱的问题,并且对确定性延迟上界的计算具有重要意义。采用仿射函数描述网络节点输入数据流累积函数的到达曲线,提供基于速率-延迟模型的服务保障。应用网路演算理论得到保障时隙的延迟确界,分析了超帧系数对延迟的影响。结果表明,在时间敏感的工业应用领域,超帧系数应该根据突发数据量同步改变。

基于电流分析的四相开关磁阻电机气隙偏心故障综合检测方法

气隙偏心故障是开关磁阻电机常见故障之一,易导致电机产生不平衡磁拉力,使振动及噪声恶化,影响电机输出性能。本文基于开关磁阻电机电路方程,得到气隙长度与非励磁相电流的函数关系式,利用2D-TFEM计算电机处于正常状态及不同偏心等级情况下非励磁相电流,通过对比,得到不同情况的相电流差值,并提出一种以非励磁相电流差值为特征量的气隙偏心故障检测方法。该法能够实现偏心故障发生、故障相定位及偏心类型辨别的综合检测。仿真与实验结果表明,该法与其他检测法相比,无需增加任何外加电路及传感器,节约检测成本,且具有较高准确性、可靠性及鲁棒性。

开关磁阻电机气隙偏心故障综合检测方法

为了研究开关磁阻电机气隙偏心故障的检测方案,首先基于开关磁阻电机电路方程,推导出电机同相两绕组电流差值与气隙长度的函数关系式,再利用2D-TFEM计算电机处于正常状态及不同偏心等级情况下绕组电流差值,并将不同励磁模式下绕组电流差值转化为矩阵表达式。通过分析矩阵表达式各元素的对称性,提出一种以同相两绕组电流差值为特征量的气隙偏心故障检测方法。该法能够实现偏心故障诊断、故障定位、偏心方向判定及偏心类型辨别的综合检测。仿真与实验结果表明,该法与其他检测法相比,具有较高准确性、可靠性及鲁棒性。

CANOPEN总线智能多路温度采集从站的研制

为了将温度变送器接入CANOPEN总线,研制了一种用于分布式计算机控制网络的智能多路温度变送器,将CANOPEN通信协议应用于现场温度采集系统设计,实现了温度的远程监控与采集。该模块以ATMEG128L微控制器为核心,可同时实现8路热电阻或热电偶测温功能,并将测量结果发送到CANOPEN主站节点。CANOPEN协议由具有SPI串行接口的MCP2510芯片和软件协议栈完成。结果表明:主从站之间的数据通讯可靠、准确,实时性满足系统要求。

四相开关磁阻电机的容错型功率变换器

在功率管发生开路故障时,为了使开关磁阻电机(switched reluctance motor,SRM)功率变换器的电机可继续保持正常功率,基于Maxwell+Simplorer环境,分析了功率变换器主要故障对电机性能的影响,并以不对称半桥型功率变换器为基础,针对功率开关管开路故障,提出了一种容错型功率变换器,即用不相邻正常相桥臂上的器件代替故障器件,有效地隔离了故障元件.结果表明:该功率变换器具有良好的容错性能,能够使电机在故障后继续正常运行.

基于蜂群的改进混合算法求解旅行商问题

旅行商作为组合优化问题,在求解中存在收敛慢、易于陷入局部最优问题,模拟蜜蜂觅食行为并利用蜂群算法求旅行商问题的最优解,觅食过程中根据收益比因子动态转变角色,加速算法收敛。结合改进2-opt算法,有效改善蜂群算法在全局搜索中局部搜索能力较弱的缺陷,降低问题规模。对不同基准问题的测试结果进行了对比分析,分析结果表明:改进混合算法比标准蜂群算法能在短时间内求得最优解。

基于ARM的矿井安全移动监测系统

针对目前矿井安全监测系统存在监测信息单一、灵活性差、布线繁琐等问题,设计了一种基于ARM的矿井安全移动监测系统。该系统通过环境参数采集模块和USB摄像头采集现场的环境信息和视频信息,利用S3C6410处理器对采集的数据进行打包并通过WiFi将数据包传送至上位机进行显示,以控制监测设备的移动。该系统可对人员不便进入或存在潜在危险的区域进行实时监测。

基于改进的PSO神经网络的手写体汉字识别

为了克服手写体汉字识别中传统神经网络训练算法存在网络易于过早收敛的缺陷,本文提出采用自适应惯性权值的粒子群优化算法训练神经网络,即利用粒子更新迭代训练神经网络最优的权值和阈值,其中对粒子更新的惯性权值进行了自适应性的改进.试验中提取了大量汉字样本的笔画数量信息和分布信息作为特征向量,利用改进的粒子群神经网络对汉字进行分类,并与BP神经网络的识别效果做了比较.结果表明:自适应惯性权值的粒子群优化算法能有效避免网络"早熟",大大提高了网络训练精度,网络对汉字的识别正确率明显提高.

基于纹理的文本依存的离线笔迹鉴别

针对文本依存的离线笔迹鉴别,提出一种基于纹理的算法.该算法采用Gabor变换对纹理进行分析,选取4个频率8个相位,通过变换,选取32维变换系数的方差作为笔迹特征,在分类时使用欧氏距离作为分类器,并且提出一种新的阈值获取方法,针对该算法进行实验得出,正确接受率为89.3%,正确拒绝率为80.0%.

基于位置预测的无线传感器网络目标跟踪算法

针对现有的基于位置预测的目标跟踪算法还不完善问题,提出了一种新的基于目标位置预测的分布式无线传感器网络目标跟踪算法(location-based prediction,LBP)。LBP算法包括3部分,即基于自相似技术的目标位置预测算法(prediction based self-si m-lar,PBSS)、基于动态唤醒簇(dynamic wakeup cluster,DWC)的目标跟踪和三级目标恢复机制。实验结果表明:LBP算法的目标预测精度高、跟踪过程中的节点能量消耗小、目标跟踪误差小,并且目标丢失率低;其三级目标跟踪恢复机制,通过逐步扩大激活节点的范围来寻找目标。由此可见采用这种方法,无线传感器网络跟踪目标能量消耗更小,目标丢失率更低。

加强《程控交换原理》课程教学改革促进专业建设

通信工程专业是我校新开专业,几年来,根据专业建设的需要,我们对其专业基础课“程控交换原理”从教学内容、教学方法和实践教学等多个方面进行了改革与实践,取得了较为显著的成效,并对今后课程的发展提出了建设性的意见和设想。

基于模糊PI的PMSM交流步进控制下电流的控制

阶梯型离散电流在某一阶段要保持恒定值,而在电机步进时刻又要发生跳变,呈现严重的非线性,通常的电流控制方法很难在高压下得到理想的阶梯型离散电流。增量型PI控制方法是一种适合步进控制的方法,而模糊算法对非线性有很强的处理能力,结合这两种控制方法的优点和梯形电流的特性提出了梯形电流的模糊增量型PI控制方法。实验结果表明该控制方法对永磁同步电机(PMSM)步进控制下的梯形离散电流具有良好的控制效果。

基于长短期记忆神经网络模型的共享单车短时需求量预测

共享单车具有很强的流动性和高随机性,为了更加准确地预测某区域内每小时的单车使用数量,通过爬取纽约市Citi Bike共享单车的天气特征数据信息,并分析时间因子、气象因子等对单车需求量的影响;采用长短期记忆(long short-term memory,LSTM)神经网络模型预测共享单车的短期需求量,并与传统的循环神经网络(recurrent neural network,RNN)和BP(back-propagation)神经网络模型预测结果进行比较。实验结果表明:影响单车需求量的主要因素包括温度、节假日、季节以及早晚高峰时间段等因素;与传统BP神经网络算法和循环神经网络RNN算法相比,LSTM鲁棒性高,泛化能力强,且预测结果曲线与真实结果曲线相吻合;预测精度高(精确度为0.860)均方根误差最小(为0.090),误差小。可见LSTM模型可以用来对共享单车的短时需求量进行预测。

基于非均匀分簇和信息熵的无线传感网络路由算法

针对无线传感网络分簇算法中能量分布不均衡导致的"热区"问题,提出一种基于非均匀分簇和信息熵的路由算法。在簇头选举和竞争半径计算过程中综合考虑节点能量、节点密度和节点距基站距离,均衡簇头能耗以延长生存时间。采用簇间单跳多跳混合通信的路由规则,减少簇间通信能耗。对节点信息熵进行数据融合,引入融合权重系数减小数据融合的不确定性,提高数据融合效率。仿真结果表明,与LEACH、EEUC和EBUCA相比,该算法能够有效均衡网络能耗,延长网络生命周期。

共享单车短时需求量预测的机器学习方法比较

由于共享单车的流动性强,随机性很高,因此快速精确地预测出城市共享单车的短时需求量具有十分重要的意义。采用随机森林、极端随机树、支持向量机、人工神经网络、XGBoost这5种机器学习方法,基于美国华盛顿共享单车项目数据,分析时间因子、气象因子等对单车需求量的影响,实现对共享单车短时需求量的预测。仿真结果表明,影响单车需求量的主要因素包括温度、节假日、季节以及早晚高峰时间段等因素;极端随机树的预测效果最优,MAE和RMSE最小,为22.93和36.84,训练集得分和验证集得分最高,为1.0和0.941,与随机森林和其它算法相比,鲁棒性高,泛化能力强,且预测结果曲线与真实结果曲线相吻合,预测精度高,可为实际的车辆预测和调度提供参考依据。

一种时分簇调度算法的实现

无线传感器网络是一种典型的资源受限系统,研究信道和时隙在内的资源分配方法,对提高网络性能保障服务质量具有重要意义。为解决智慧医疗系统中传感网络结构不固定,服务质量无法保障问题,构建了一种非平衡的簇树结构,采用可避免碰撞、保证传输时延的时分簇调度算法进行传输任务的分配,将资源分配结果在Tiny OS系统中进行实现,并采用CC2530平台进行验证。为便于修改数据流参数,使调度的结果更加直观,设计了图形用户界面。结果表明这种时分簇调度算法可以保证非平衡结构无线传感网络通信质量,为大规模簇树网络提供有效的服务保障。