基于DSP 56F801的正弦波输出DC／AC电源

介绍了一个用于UPS和可再生能源的小功率DC/AC电源的设计。该电源由高频DC/DC环节和SPWM DC/AC环节组成。由UC3846控制的DC/DC环节采用具有变压器的推挽电路.实现低压直流到高压直流的变换并克服变压器的偏磁。基于MOTOROLA的DSP芯片56F801实现DC/AC环节的SPWM信号发生、输出交流电压调节和整个电源的监测和保护。该电源具有体积小,逆变效率高,波形质量好的优点。     

基于RBF辨识的神经元PID直线伺服控制

针对永磁直线同步电动机(PMLSM)直接驱动的伺服系统,提出了一种基于RBF神经网络辨识的单神经元PID模型参考自适应的优化跟踪控制策略,解决了系统快速精确地跟踪与抗扰性能之间的矛盾.利用RBF神经网络作为辨识器,实现对被控对象Jacobian信息精确辨识,以基于二次型性能指标学习算法的单神经元自适应PID作为控制器,从而保证系统具有较强的鲁棒性能.仿真结果表明,该方案在保证伺服系统快速跟踪性能的同时,对系统参数变化和负载扰动具有很强的鲁棒性.     

基于稳定传输零点补偿器的动态输出观测器反馈控制

针对被控系统不满足实现动态输出观测器反馈控制两个充分条件的情况,提出稳定传输零点补偿器的概念.将零点补偿器与被控系统串联,使得整个系统拥有稳定的传输零点.这样就保证可以实现动态输出观测器反馈控制,从而使系统具有很高的鲁棒稳定性.通过实验将基于稳定传输零点补偿器的动态输出观测器反馈控制系统与全维状态观测器反馈控制系统进行...     

基于CAN总线的自动离合器控制器设计

设计了一种基于CAN总线的自动离舍器控制器,采用高性能微处理器XC878完成离合器控制器软硬件开发.设计了离合器执行电机的驱动电路及自动离合器控制程序.针对离合器与发动机协调控制的需要,设计了CAN总线节点接口电路及一套简单、实用、高效的CAN总线通信协议.试验表明,所设计的自动离合器控制器在功能上满足实际应用的需要,CAN通信模块能够准确无误地收发数据,可靠性高.     

基于模糊神经网络势场法的机器人动态路径规划

针对机器人局部路径规划的特点和传统人工势场理论存在不足的问题,采用改进的斥力势场函数,将机器人与目标的相对距离和速度考虑在内以解决局部最小值问题。引入神经网络模糊系统,兼顾了系统的鲁棒性和快速性,并在应用实例中得到了有效的验证。     

一类具有状态反馈犖犆犛的H∞ 优化控制

研究一类网络控制系统（ＮＣＳ）的H∞ 优化控制问题．状态反馈是兼顾系统性能和敏感性的最有效的控制方式,因此,针对一类不确定时延和有限能量干扰输入的状态反馈ＮＣＳ,将其建模为不确定的线性时滞系统,并利用Ｌｙａｐｕｎｏｖ理论和线性矩阵不等式（ＬＭＩ）研究H∞ 优化控制问题．首先给出ＮＣＳ的鲁棒稳定的充分条件;然后给出ＮＣＳ状态反馈次优和最优H∞ 控制律的设计方法．仿真结果表明了该方法的可行性和有效性．     

基于自适应滤波器的时频分析

采用最小方差原则和梯度下降方法, 经过旋转变换, 获得频率参数和带宽参数可调的自适应二维线性正弦跟踪滤波器, 实现信号跟随与幅值估计. 把多个跟踪器并联, 形成带宽可调的多频点梳状滤波器, 得到多维线性常系数微分动力系统. 用不变原理证明梳状滤波器是一致渐近稳定的. 用拉普拉斯变换导出频率特性, 单正弦输入时为向量形式, 针对多正弦分量时为频率特性矩阵. 当输入信号所有正弦分量的频率都等于梳状滤波器频率参数时, 本算法能够同时准确跟随所有分量及其幅值. 分析了算法的频域格栅效应以及带宽参数对稳态精度的影响, 通过仿真说明了算法的有效性.     

基于基波频率估计的多谐波分析

采用自适应陷波滤波器实现基波频率可变的多谐波(包含整数次谐波和非整数次间谐波)分析. 算法包括基波频率估计器和多个二维正弦跟踪器, 形成缓慢自适应积分流形, 用李雅普诺夫定理和平均方法证明积分流形的存在性和稳定性. 若滤波器频率系数和信号的谐波结构相同, 该自适应陷波滤波器是一致渐近稳定的, 可按指数收敛准确跟随基波频率、每个谐波(间谐波)及其幅值. 导出了频率特性表达式和频率特性矩阵, 分析了滤波器参数对稳态频率特性的影响. 通过仿真证实算法的有效性, 并说明减小滤波器带宽参数和自适应增益能够获得更好的噪声特性.     

一种移动机器人对运动目标的检测跟踪方法

从序列图像中有效地自动提取运动目标区域和跟踪运动目标是自主机器人运动控制的研究热点之一.给出了连续图像帧差分和二次帧差分改进的图像HIS差分模型,采用自适应运动目标区域检测、自适应阴影部分分割和噪声消除算法,对无背景图像条件下自动提取运动目标区域.定义了一些运动目标的特征分析和计算,通过特征匹配识别所需跟踪目标的区域.采用Kalman预报器对运动目标状态的一步预测估计和两步增量式跟踪算法,能快速平滑地实现移动机器人对运动目标的跟踪驱动控制.实验结果表明该方法有效.     

基于聚类的迭代双向最近点机器人位姿估计

针对迭代最近点（ICP）算法在存在严重遮挡的情况下容易陷入局部最小值的问题,对最近点规则（CP） 进行了修改,提出双向最近点规则（DCP）．DCP 规则包含两次CP 规则对应,使计算量增加了一倍．为了降低算法 的复杂度,继而提出基于聚类的迭代双向最近点（IDCP BoC）算法．IDCP BoC 对扫描数据进行聚类,在聚类的基础 上进行数据精简．在相邻两次迭代的残差之差小于某个阈值之前,用精简数据进行迭代以提高计算速度,之后再改 用非精简数据以保证精度．实验结果表明,IDCP BoC 算法能够有效避免陷入局部最小值的问题且其实时性也是可 接受的．