三重化交错并联DC/DC变换器优化控制研究

设计了一种适用于大容量储能系统功率控制的三重化交错并联双向DC/DC变换器。针对具有强非线性、滞后和参数存在漂移的DC/DC变换器,采用平均状态空间法进行了数学建模及分析,提出了基于电流和电压的双闭环PID控制方案,使用了幅相裕度法对PI参数进行整定,最后设计实验验证了所采用的控制策略。实验结果表明,变换器在较宽的工作范围内实现了零电压开关工作,消除了动态电流变化导致的过充和过放,在较大负载变化范围内实现了95%以上的效率。     

基于神经网络的绕组电流闭环控制方法

在解决闭环消磁绕组电流优化计算问题时,会面临将外部磁场推算误差带入电流反演计算或完备的基函数难以确定等问题。为了降低这些因素对舰船最终补偿效果的影响,从智能优化的角度出发,在讨论散布常数对模型预测误差的影响后,确定了适宜的散布常数,建立了内部磁场与补偿电流之间的径向基函数神经网络预报模型。该方法通过样本对网络进行训练,无须推算内外磁场,就能直接得到使绕组磁场与目标磁场拟合误差最小的补偿电流向量。对比其他数值建模方法,其换算精度有所提高,且选择不同的同维向量作为基函数对补偿结果影响较小。船模实验验证了该方法的有效性。     

潜艇闭环消磁中外部空间的磁场推算

利用实时测量的内部磁场值准确推算出外部空间目标磁场值是潜艇实现闭环消磁要解决的关键技术之一。通过虚拟磁源法,得到了表征潜艇内外空间磁场变化量之间关系的表达式。对利用积分方程法模拟得到的潜艇模型内外空间磁场进行了仿真实验,实验结果表明:用内部数据推算得到的外部空间磁场与仿真数据几乎完全吻合。在实验室用潜艇模型进行了验证实验,推算数据与实测数据依然吻合,相对均方根误差最大为6.5%,该方法可用于潜艇闭环消磁中外部空间磁场推算。     

一种高阶累积量的模态参数辨识方法改进及其应用

高阶累积量的模态参数辨识方法能够消除高斯噪声的影响。但基于传统的高阶累积量降阶方法的子空间模态参数辨识方法具有一定的缺陷。为此,提出2种降阶方法用于高阶累积量的子空间模态参数辨识方法,并对这2种方法进行了比较。利用主切片方法对某变截面轴进行了模态参数识别,获得了与有限元法相一致的计算结果,从而证明了该方法的可靠性。该方法的辨识质量较高,能够用于一般结构的模态参数辨识。     

辨识分类中的补充样本容量优化方法

在对系统输出进行辨识分类建模时,当实际试验样本量不足时,工程上通常考虑利用各种信息源合理增加补充试验样本,而合理确定补充样本容量,避免过多的样本"淹没"实际系统信息,是补充样本需要考虑的关键因素之一.为此,从信息相等的角度分析补充试验样本的合理性和有效性,并在此基础上提出了基于后验分布鉴别信息的补充试验样本容量的优化原...     

弹道目标一次性小扰动辨识与轨迹滤波方法

针对弹头末修和释放诱饵带来的小扰动,提出了基于高精度多普勒测速的修正残差扰动检测方法,显著降低了虚警概率和漏检概率.针对扰动特点,提出了采用增加状态变量和衰减记忆滤波的自由段弹道估计改进算法,仿真验证了扰动后轨迹滤波的有效性.     

二维弹道修正弹及其制导控制技术综述

针对二维弹道修正弹这类具有广泛应用前景的智能弹药,综述了二维弹道修正弹的发展、主要修正机构方案及其制导控制技术。对二维弹道修正弹的研制历程进行总结,梳理发展脉络揭示其发展规律,分析二维修正弹的打击任务。对几种主流修正方案进行讨论,分析各机构的作用特点及研究难点。基于二维弹道修正弹打击任务需求,从气动辨识及状态估计算法、修正机构参数优化设计算法和制导律三个方面总结其控制技术的发展现状。着重介绍近年来发展迅猛的智能算法,特别是神经网络理论在二维修正弹控制算法领域的研究应用。进一步指出二维弹道修正弹的控制研究需解决的主要技术难点和未来发展方向,为二维弹道修正的设计提供思路。     

强迫振动法大跨度桥梁节段模型气动导数辨识

研制了桥梁节段模型颤振导数测定的二维强迫振动实验装置,采用变频调速技术实现对振动频率的控制,模型惯性力、气动力的测量采用了特殊设计的测力元件,模型运动用压电式加速度计进行测量。实验时,模型分别作单自由度的竖弯或扭转的简谐运动,通过测量模型所受到的气动力及模型位移,应用谱分析方法和非线性曲线拟合算法实现了对八个颤振气动导数的辨识,并通过平板模型实验数据与Theodorsen理想平板数据及国外文献数据对比对实验装置及辨识算法进行了检验。     

用建模前估计法辨识飞行器的气动参数

给出了一种利用飞行器飞行试验实测数据估算飞行器气动参数的建模前估计算法，完成了某轴对称无控飞行器的非线性气动参数辨识。计算结果表明：该方法计算过程简单、迅速，可以作为快速估算飞行器气动参数的有力手段，尤其适合于辨识大攻角下的气动参数。     

基于神经网络的非线性控制系统自组织辨识

本文首先将自组织神经网络算法向一般化情形引伸，接着把自组织过程应用到一般非线性系统的动态过程分类，使得整个非线性系统能够按照输入输出样本空间的概率密度自组织，成为许多具有不同分类核心和感受野的线性子空间逼近。在此基础上，我们采用通用最小二乘算法，以子空间的非线性问题线性化误差作为依据，并进一步运用自组织神经网络的合作与竞争思想，最终得到一般情形的非线性系统的最小二乘辨识。仿真结果表明了本方法的可行性与优越性。