基于模式识别技术的光电探测器故障辨识研究

当前光电探测器故障辨识错误率高,为提升光电探测器故障辨识效果,设计了基于模式识别技术的光电探测器故障辨识方法。首先采集光电探测器状态信号,并从光电探测器状态信号中提取特征,然后利用主成分分析算法对特征进行降维处理,得到最优光电探测器状态辨识特征,最后将光电探测器状态特征作为支持向量机的输入,光电探测器状态作为支持向量机输出,通过支持向量机学习设计光电探测器状态辨识器,实验结果表明,本方法可以有效辨识光电探测器辨识故障,光电探测器故障辨识正确率超过了90%,光电探测器故障辨识时间控制在20 ms以内,为光电探测器状态分析提供了理论依据。

基于定子反电势衰减暂态的感应电机转子时间常数辨识方法

感应电机转子磁链定向控制的动态性能十分依赖转子时间常数的准确性。针对感应电机断电过程中的定子绕组反电势衰减暂态现象,提出一种利用曲线拟合和差分进化算法进行转子时间常数辨识的方法,通过测量定子电压和电流即可完成辨识。在定子反电势衰减过程分析的基础上,推导了不同负载情况、零序分量以及变频供电条件对辨识过程的影响,并对比分析了所提出的两种辨识方法的特点和应用场景。最后以一台22 kW感应电动机为实验对象,开展了定子反电动势波形测量实验,获得了不同工况下的转子时间常数辨识结果。通过与电机参数设计值进行比较验证了定子反电势衰减模型及辨识结果的准确性。研究成果可为感应电机矢量控制中的转子磁链准确定向奠定基础。

一种感应电机转子时间常数MRAS的在线辨识方法

针对转子时间常数变化可能会导致感应电机磁场定向控制发生失调的问题,研究一种基于无功功率的模型参考自适应(MRAS)转子时间常数在线辨识方法。通过Popov超稳定性理论对辨识系统的稳定性进行分析,为了提高模型计算的准确性,采用一种在同步旋转坐标系中检测电流矢量角的死区效应补偿策略,以克服三相逆变器死区效应导致的相电压重构误差以及电流波形畸变的负面影响,并分析所研究的MRAS转子时间常数辨识方法对所涉及电机参数的敏感性。通过11 kW感应电机矢量控制系统进行实验,结果验证了辨识方法的有效性。

基于定子磁链模型的异步电机转子时间常数辨识

针对异步电机在运行过程中,由于温度变化或磁场饱和等原因,造成电机参数发生变化,尤其是转子时间常数变化影响矢量控制系统性能的问题,提出了一种基于定子磁链模型的转子时间常数的在线估计方法。定子磁链的电压-电流模型具有结构简单,对参数依赖性小的优点,依据模型参考自适应(model reference adaptive system,MRAS)原理,将其优化后作为参考模型建立系统,能够在宽调速范围内更加准确的辨识出转子时间常数,并采用Popov稳定性理论,设计出自适应律,保证了系统的稳定性。通过仿真和实验验证了该方法的正确性和可行性。

异步电机无速度传感器控制系统转子时间常数辨识

提出了一种能同时在线辨识转子时间常数和转速的方法。构造了基于无功功率模型辨识转速,转子时间常数辨识采用小信号分析方法,辨识误差由速度估计误差和转矩电流两者的高频分量的乘积得到,实现了电机转子时间常数和转速的同时辨识。仿真试验结果表明,转速和转子时间常数可以准确、快速地跟踪实际值变化。

基于转矩角正切值的车用异步电机转子时间常数辨识

针对异步电机转子时间常数随温度和磁场饱和而变化,从而破坏定子电流励磁分量和转矩分量解耦条件,影响按转子磁链定向间接矢量控制系统动、静态性能的问题,提出了一种通过对比给定转矩角正切值与反馈转矩角正切值,并利用PI控制器来实时辨识异步电机转子时间常数的方法。对转矩角正切值与转子时间常数之间的关系进行了理论分析,推导了异步电机反馈的转矩角正切值计算公式,建立了MATLAB/Simulink环境下异步电机矢量控制系统的数学模型及基于转矩角正切值的转子时间常数辨识模型,并进行了仿真验证。仿真结果表明,这种基于计算转矩角正切值的异步电机转子时间常数辨识方法能够准确辨识出电机的实际转子时间常数,验证了该方法的正确性和可行性。

时间序列辨识的动态自反馈神经网络

本文提出用Σ－π自反馈神经网络辨识时间序列。每个神经元的输出取决于现时的输人及前面的输出和过去的输人。使网络呈现动态系统特性。用它能逼近一个复杂的函数。本文加一个函数链于输人层以产生高阶项。最后，这种反馈网络的逼近特性可用来辩识线性非线性及时变序列．用普通网络比较，本文提出的网络结构有较好的逼近能力．

照度与视觉敏感度对驾驶辨识行为的影响研究

为分析环境照度对驾驶人辨识目标物的影响,以视觉对比敏感度和机动车行车制动过程为理论基础,通过设计照度和目标物色彩变化实验,获取驾驶人在静态环境下辨识目标物时间相关数据,对颜色、照度和辨识时间数据进行拟合与分析,得出了照度变化下驾驶人辨识不同组合色彩目标物的时间差异性规律,并构建了跟车安全距离模型,在模型中引入上述辨识时间参数,建立了驾驶人辨识时间模型,综合考虑各照度条件下的视力水平变化和辨识时间长短,提出了基于交通安全最优的交通标志最佳配色方法。

基于预测模型决策树的时间序列模型选择方法研究

文中提出了一种新的时间序列辨识的智能方法 ,采用预测模型决策树 (FMDT)确定 ARMA模型的阶数。文中给出了 FMDT的结构及 FMDT的每一个非叶结点的决策函数的基于遗传算法求解方法。该方法降低了时间序列辨识的复杂性 ,并经实例证明对时间序列辨识具有很高的辨识率。

基于转子参数辨识的感应电机矢量控制模糊系统

针对基于转子磁链观测的感应电机无速度传感器矢量控制(VC)中转子参数变化对系统性能影响较大的问题,分析了磁链观测器对转子时间常数的敏感性,提出了一种基于转子时间常数辨识和无速度传感器的感应电机矢量控制模糊系统。其中转子时间常数和电机转速采用基于定子电流模型的模型参考模糊自适应系统(MRFAS)方法进行辨识。此策略在感应电机模型参考自适应系统的基础上,用模糊控制器代替矢量控制系统中的PI型转速自适应律,结合在线辨识转子时间常数,以提高转速和磁链的观测精度,减小参数摄动影响。仿真结果表明该系统在全速范围内各种工况下都能够稳定运行,提高了系统的鲁棒性和自适应性,改善了系统的动、静态品质。

延迟时间未知的时延系统Fuzzy-Gray预测控制

提出了一种带智能积分的参数自调整Fuzzy -Gray预测控制算法。该算法综合Fuzzy控制、Gray预测的长处 ,同时利用神经网络辨识延迟系统的延迟时间来在线调整灰色预测控制器的参数。仿真结果表明这种控制策略具有很好的控制效果 ,它是大延迟控制中克服延迟时间变化的很有希望的方法 ,并能较好地兼顾系统的动、静态特性 ,超调小、响应快 。

基于模型预测的神经网络非线性时滞系统的辨识和控制(英文)

大纯时延、媒种多变、蒸汽负荷频繁变化是链条炉难以进行良好燃烧控制的原因。本文提出了非线性延迟系统的延迟时间参数的神经网络辨识方法,即改变神经网络输入样本区间,利用网络输出期望值与输出实际值之间的误差平方和产生的突变,可以辨识出非线性对象的延迟时间。将神经网络大延迟系统的辨识与基于模型预测的神经网络控制策略相结合,可以用于对具有变化参数或不确定性延迟时间的非线性大延迟系统的控制。仿真结果表明这种神经网络模型对非线性大纯时延系统的控制具有控制速度快,鲁棒性能好等优点。

基于模型参考的锅炉燃烧系统神经网络控制和辨识

大纯时延、煤种多变和蒸汽负荷频繁变化是链条炉难以进行良好燃烧控制的原因。对非线性延迟系统延迟时间的神经网络辨识方法进行了研究,即改变神经网络输入样本区间,利用网络输出期望值与输出实际值之间的误差平方和产生的突变,可以辨识出非线性对象的延迟时间。将神经网络大延迟系统的辨识与基于神经网络动态补偿的模型参考自适应控制策略相结合,可用于对具有变化参数或不确定性延迟时间的非线性大延迟系统的控制。仿真结果表明:这种神经网络模型对非线性大纯时延系统的控制具有控制速度快、鲁棒性能好等优点。

基于开环电压扫频的永磁同步电机电流环参数自校准方案

永磁同步电机的阻感模型参数及控制器时滞在电流环控制器参数整定过程中发挥了重要作用。为此,本文提出了一种基于开环电压扫频的电流环参数校准方案。通过在旋转坐标系下进行扫频信号注入,根据扫频对象的伯德图信息确定电机阻感参数的失配程度并确定电流环总延时。同时考虑到逆变器非线性及采样误差对计算的影响,将逆变器等效模型及最小二乘法应用于所提阻感参数校准及延时辨识中。开环电压扫频不仅避免了参数辨识中电流环控制器的初值选择问题,同时可通过扫频伯德图呈现实测的电流环传递函数模型,直观获得理想被控对象与实际模型的差别,为后续控制器设计提供基础。在一台750 W永磁同步电机上进行了相关实验,实验结果充分证明了所提方法的有效性。

目标速度预测在光电跟踪控制系统中的应用

在光电跟踪设备的电视或红外自动跟踪系统中,引入目标的速度信息是提高跟踪精度的一种有效方法。为了得到目标的速度信息,设计了电视或红外脱靶量滞后时间的辨识方法以及目标速度预测的卡尔曼滤波方法,通过对电视或红外脱靶量信息同辨识出的脱靶量滞后时刻的仪器位置信息进行拟合,预测出被跟踪目标的速度信息,从而构成复合控制。仿真和实验结果表明,通过上述方法能够得出较为准确的目标速度信息,所构成的复合控制系统有效地提高了系统的跟踪精度。

基于参考模型神经网络的锅炉燃烧系统控制(英文)

大纯时延、煤种多变、蒸汽负荷频繁变化是链条炉难以进行良好燃烧控制的原因。本文作者提出了改变神经网络输入样本区间,利用网络输出期望值与输出实际值之间的误差平方和产生的突变,辨识出非线性对象的延迟时间的方法,将神经网络大延迟系统的辨识与基于模型预测的神经网络控制策略相结合,可用于对具有变化参数或不确定性延迟时间的非线性大延迟系统的控制,同时,以10t/h链条炉作为研究对象进行仿真,仿真结果表明这种神经网络模型对非线性大纯时延系统的控制具有控制速度快,鲁棒性能好等优点。

主动降低光照强度对暗适应及交通安全的影响

为探索减轻驾驶员暗适应水平的方法,以不同速率主动降低光照强度,并测试光照强度突变为零后驾驶员辨识前方物体时间。建立室内实验环境;测量以不同速率提前降低光照强度的情况下,外界光照强度突变为零后驾驶员辨识前方物体的时间。根据数理统计原理,解析辨识时间与光照强度变化率之间的关系,分析提前改变光照强度对辨识时间的影响,寻找最短辨识时间及其相应的光照强度变化率。实验数据显示,提前降低光照强度7.0s以上与不降低相比,对驾驶员暗适应的作用显著且趋于稳定,驾驶员辨识前方物体时间最多可以减少61.91%。实验结果表明,提前改变光照强度对于短时间内缓解驾驶员暗适应现象有所帮助。