基于DYOLO神经网络的超声图像肾脏检测

为便于慢性肾脏疾病的计算机辅助诊断,提出一种基于DYOLO神经网络学习模型的自动超声图像肾脏检测方法。将YOLOv3和可变形卷积网络集成在一个端到端学习框架中,使得DYOLO可根据肾脏的大小和形状自适应调节接收域,以适应肾脏的各种纹理特征形变,实现临床超声图像中肾脏的自动检测。在自制KidneyDetec超声图像肾脏检测数据集上的实验结果表明,该方法在DYOLO网络模型的图像输入尺寸为416像素×416像素和608像素×608像素的情况下分别取得了89.6%和90.5%的平均精度均值,相比基于深度学习的目标检测方法具有更高的检测速度和检测精度,适用于慢性肾脏疾病的早期诊断。     

基于数字前置滤波器优化的ZPETC在伺服跟踪控制中的应用

在高精度伺服跟踪控制系统中,为使输出响应能完整地跟踪输入指令,不仅要求输出与输入之间的相位差为零,而且要求幅值一致,通常采用零相位误差跟踪控制器(ZPETC)作为前馈控制器,补偿相位误差,但同时也产生一定的增益误差.为改善ZPETC的跟踪性能,提出一种基于L2-范数优化的前馈控制器设计方案,通过选取适当的目标函数,设计出最优的数字前置滤波器(DPF),将此滤波器与ZPETC串联构造成新的前馈控制器.仿真结果表明,采用本文提出的优化设计方案,既补偿了相位误差,又改善了系统的增益性能,从而提高了系统的跟踪精度.     

基于输入解耦的6DOF磁悬浮平台悬浮高度的H∞控制

介绍一种应用于半导体光刻、微型装配、纳米技术等领域的新型磁悬浮平台--六自由度(6DOF)磁悬浮平台.针对该平台的悬浮部分是一个具有参数摄动、输入耦合的复杂系统,提出一种先在输入解耦基础上,再对系统参数扰动采取H∞鲁棒控制方法,最后实现对位置、摆角的闭环控制,该方法易于工程实现和构成闭环系统.仿真结果表明此控制方案有较好的动态、静态特性及鲁棒性.     

变速恒频双馈风力发电机的最优功率控制

本文针对风力发电机组的不确定性及多干扰的问题,以追踪最大风能作为有功功率控制目标。提出了采用模糊逻辑推理控制的方法得到低风速时发电机的参考转速,利用自适应最优模糊控制与直接转矩控制相结合的方法来控制发电机的电磁转矩的方案,并且使用Matlab软件对该方案应用于1.5MW双馈型风电机组系统进行仿真研究。仿真结果表明了在风速变化时,发电机实际转速可以很快跟踪最佳理论值,转矩平衡,变速恒频风电机组功率输出具有较好的跟踪效果,系统性能稳定,达到了最优功率的目标。     

数控机床多轴联动伺服电机的零相位自适应鲁棒交叉耦合控制

针对驱动多轴联动数控机床的高精度永磁同步电动机交流伺服系统,在分析系统轮廓误差的基础上,提出了将零相位误差跟踪控制器(zero phase error tracking controller,ZPETC)、自适应鲁棒控制器(adaptive robust controller,ARC)和交叉耦合控制器(cross coupling controller,CCC)相结合的控制策略。ZPETC提高了系统动态响应的快速性,消除系统的滞后现象,实现准确跟踪;ARC克服系统参数变化、负载扰动等不确定性因素的影响,增强系统的品质鲁棒性和稳定性;CCC用以消除各轴之间的增益参数和动态参数不匹配的影响。仿真分析表明所提出的控制方案有效,可提高零件的轮廓加工精度。     

基于滑模自抗扰的PMLSM电流偏差解耦控制

针对永磁直线同步电动机(PMLSM)存在电流耦合以及在运行过程中易受参数变化的影响使系统鲁棒性降低,本文设计了一种基于滑模自抗扰的电流偏差解耦控制(SADRC-CDDC)方法.从参考电流与实际电流作差处引入两轴交叉耦合支路,建立含耦合项的电流控制方程,计算出耦合量并对系统进行补偿,设计电流偏差解耦控制器(CDDC),用...     

交流伺服控制系统的发展现状及其研究热点

本文简要介绍了伺服控制系统的发展历程,重点强调发展稀土永磁交流伺服电动机驱动系统的必要性,并结合相关作者的综述介绍,进一步阐述当前的交流伺服控制系统发展现状与趋势。最后对本领域当前急需解决的热点问题提出一些看法,为今后的研究提供参考意见。     

基于动态轮廓误差估计的双轴直驱平台 精密轮廓控制

为使双轴直驱平台在加工高进给率或存在尖角的轮廓时能实现高精度轮廓控制,提出一种动态轮廓误差估计(CEE)和互补滑模控制器(CSMC)相结合的精密轮廓控制方案。首先,建立含有参数变化、摩擦力等不确定性因素的双直线伺服系统动态方程。接着,采用牛顿极值搜索算法进行动态CEE并在每个采样点对轮廓误差参数的梯度向量和Hessian矩阵进行更新,具有较快的收敛速度和良好的瞬态性能;构建由位置误差和轮廓误差估计量形成的修正误差,作为CSMC的输入,利用CSMC抑制系统不确定性因素的影响,提高系统的鲁棒性。实验结果表明,该控制方法能够明显地提高系统的控制性能,减小系统的轮廓误差,进而改善双轴直驱平台的伺服系统轮廓加工精度。     

最优ZPETC在数控机床伺服跟踪控制中的应用研究

在高精度数控机床伺服跟踪控制系统中,为使输出响应能完整地跟踪输入指令,不仅要求输出与输入之间的相位差为零,而且要求幅值一致,通常采用零相位误差跟踪控制器(ZPETC)作为前馈控制器,补偿相位误差,但同时也产生一定的增益误差.为改善ZPETC的跟踪性能,提出一种基于L2-范数优化的前馈控制器设计方案,通过选取适当的目标函数,设计出最优的数字前置滤波器.该方案在保持系统零相位误差的同时,改善了系统增益性能,从而提高跟踪精度,这一点已得到仿真结果的证明.     

基于双边界层滑模观测器的双轴直驱平台迭代学习轮廓控制

双轴直驱平台在加工高进给率或存在尖角的轮廓时,由于轨迹的复杂性和系统非线性不确定性的存在导致轮廓误差较大.因此,本文提出一种自适应迭代学习控制器(AILC)和双边界层滑模观测器(SMO)相结合的鲁棒迭代学习轮廓控制方案.首先,建立含有参数变化、摩擦力等不确定性因素的双直线伺服系统动态方程,并在任务坐标系下建立轮廓误差模型,将跟踪误差的法向分量近似为轮廓误差.采用AILC对轮廓误差进行控制,以实时提高系统的轮廓跟踪性能;使用双边界层SMO对系统扰动进行补偿,通过改变双边界层厚度削弱抖振,并且提高观测器的鲁棒性.最后,系统实验结果表明,该方法能够明显地提高系统的控制性能,减小系统的轮廓误差,进而改进双轴直驱平台伺服系统的高精度轮廓加工性能.