基于MCS-51单片机的直流电机转速测控系统设计

给出了一种基于89C51单片机以及PWM控制思想的高精度、高稳定、多任务直流电机转速测控系统的硬件组成及关键单元设计方法。实验结果表明该系统能实时、有效地对直流电机转速进行监测与控制,而且输出转速精度高、稳定性好。     

联合应用MUSIC与FastICA算法实现多个时空混叠源信号的波形重建

联合应用多信号分类与快速独立分量分析算法,分离多个时空混叠源信号,并重建其波形。利用多信号分类的方法,基于二阶统计量辨识观测信号的噪声子空间,并搜索与噪声子空间和方向矢量同时正交的多源位置参数,实现源信号波达方向的估计。利用基于固定点迭代的快速独立分量分析方法,通过最小化互信息这一高阶统计量测度来估计传感器阵列的增益模式,进而估计未知的源信号混叠矩阵。实现多个时空混叠源信号的分离与波形的重建。试验结果表明,基于多信号分类与快速独立分量分析联合的新方法,能有效辨识复值时空混叠矩阵,正确分离并重建来自不同方向的混叠源信号,从而为后续的进一步应用(如弱信号检测、故障诊断等)奠定基础。     

基于误差动态修正的高精度自动测厚系统

高精度的激光探头价格昂贵，当有多个测点时，采用扫描工作方式是常用的解决方案，对于动态测量，由于工况的复杂性及被测对象的多样性，高精度的激光探头却难以得到高精度的测量结果。给出一种误差动态修正方法，该方法基于对额外设置的基准块的动态测量及计算机对数据的自动修正，在具有光洁表面的板材厚度的在线测量中得到了较好地应用。采用误差动态修正后的厚度控制精度达0．01mm，系统连续运行数月来，提高了板材厚度的合格率和生产效率。     

基于激光-CCD的高精度在线测厚系统研究

通过对各种测厚传感器性能指标的综合评价，以及对多种厚度测量方法的对比研究，提出了一种以激光传感器和CCD扫描技术相结合、以计算机控制技术为核心的厚度测量的新方法。实际测量现场中，步进电机突然制动所引入的外来振动干扰以及因环境温度变化所导致的工作台变形都是导致厚度测量误差的重要因素，联合对振动系统的建模分析与对测点位置实时标定，以在线补偿测量误差，由此共同构建一个复合板厚度在线监测系统。实际应用结果表时，该系统可有效抑制外来诸多干扰因素的影响，从而实现了复合板厚度的在线高精度测量。     

基于小波变换算法的输电线路距离保护

对于输电线路的距离保护,数字滤波器的性能直接影响着保护操作的效果.给出了一个基于小波的滤波算法,它可用于微机继电保护装置中.仿真结果验证了这种新算法对输电线路距离保护的有效性.结果同时显示,该算法精确度高,且收敛速度快.     

扰动观察法在小型风机MPPT中的仿真研究

为了提高风力机发电系统的发电效率,通过调节PWM波占空比来实时改变Boost变换器升压电路的输出电压,采用扰动观察法的MPPT(Maximum Power Point Tracking)控制方法,实现对风力发电系统最大功率点的跟踪。调节永磁同步电机负载,通过改变永磁同步电机电磁转矩来调节风力机的转速,并在PSIM软件中对风力机输出功率进行仿真,得出实时最大功率曲线图。仿真结果表明,该方法较好的保证了风力发电系统能够快速、稳定和精确的跟踪到最大功率点,提高了风力机发电效率。     

基于FFT-MCC分析的ICA(BSS)盲不确定性消除

为了消除ICA（BSS）估计的幅值、相位及排序等盲不确定性，提出一种基于快速傅里叶变换与最大相关准则分析的ICA（BSS）估计源自适应校正方法。借助对原始传感观测及估计源的频谱分析，近似获得各本底源信号在观测信号中所占的比重——初始放大权值；基于最大相关准则优化调整ICA（BSS）估计源的相位，并对初始放大权值进行微调，从而消除ICA（BSS）估计的盲不确定性，实现源波形的恢复及其混合参数的估计。仿真试验结果证明了该方法的有效性，也表明它在复杂系统源识别或重建方面具有较大的应用潜力。     

基于结构相似性的轴类零件加工特征可拓关联方法

在现有轴类零件相似性检索方法的基础上,将轴类零件的信息模型划分为结构特征层和加工工艺层,并利用可拓基元方法进行形式化描述.提出从轴类零件结构和加工工艺两方面进行相似性检索的方法:首先基于结构矩阵表达方法,对轴类零件的结构特征进行相似性检索,从实例库中检索出2~5个相似实例,然后以可拓综合关联函数进行加工特征的相似度匹配,得出与新零件最相似的零件.通过实例验证,该方法具有可行性,并且可在检索过程中动态调整系数水平,具有检索适应性强的优点.     

基于遗传算法的BP神经网络在声音智能监控中应用

针对标准的BP神经网络对于声音信号在线监控模型的预测误差比较大,提出了一种用遗传算法优化BP神经网络的算法,建立了声音监控的预测模型。遗传算法优化BP神经网络主要是用遗传算法来优化BP神经网络的初始权值和阀值,然后通过训练BP神经网络以得到预测模型的最优解,优化后的神经网络具有预测误差比较小、反应速度快等特点。实验结果证明,利用遗传算法优化BP神经网络在声音的智能监控中取得了比较好的效果,达到了系统设计的目的。     

分布式风力发电供能系统的研究进展

分布式风力发电因投资省、发电方式灵活、环境兼容好等特点,日益普遍地与大电网联合运行,给现代电力发电系统运行与控制带来巨大的变化,因此,研究分布式风力发电具有重要的理论意义和重大的应用价值。概述了分布式发电的意义及国内外的发展现状和应用前景,简要介绍了分布式风力发电系统的关键性问题,最后对分布式风力发电的未来研究方向和需要进一步研究的问题作了展望。