基于非线性建模与拟合的永磁同步电机转子初始位置精确估计方法

针对永磁同步电机转子初始位置估计的精度与收敛速度受限问题,提出一种基于高频信号注入的非线性建模与拟合实现的初始位置估计方法。首先,建立初始位置与高频信号响应的关联模型,表明高频响应可用于直接计算初始位置,但直接计算结果在大部分转子位置易受测量噪声的影响。为此,提出基于多项式模型建立位置估计非线性模型,选取合适的模型参数,利用少量测试点拟合该模型,即可实现初始位置的快速精确估计,有效提高了估计精度与系统抗干扰能力。实验与仿真结果表明,相比现有方法,提出的方法易于实现,无需复杂滤波器与观测器设计,仅需要选取少量测试点即可快速估计精确转子初始位置,在保证估计精度的同时改进了传统估计方法收敛速度慢问题。     

基于盲源分离的弱信号检测方法研究

本文对基于盲源分离技术的弱信号检测方法进行了研究,构造了弱信号检测模型.采用基于高阶累积量的独立分量分析算法来对弱信号进行检测.为了证明模型和算法的有效性,对弱语音信号进行实验仿真检测.实验表明,盲源分离技术应用在弱信号检测中是可行的,算法能够有效地提高输出信噪比.随着输入信噪比的降低,输出信噪比的改善效果越明显.当输入信噪比不低于-82dB时,该算法能有效地检测到弱信号源.     

基于滑动FrFT瞬时频率估计的VCO非线性度检测方法

为提高现有方法在精度、抗噪性和实时性方面的性能,提出一种基于滑动分数阶傅里叶变换(Fractional Fourier Transform,Fr FT)瞬时频率估计的压控振荡器(Voltage Controlled Oscillator,VCO)非线性度检测方法。首先通过滑动重叠分段VCO的输出信号减少频谱泄漏,提高抗噪性;然后利用滑动Fr FT在分析非平稳信号尤其是线性调频信号时的独特优势,检测出分段信号中间时刻点的频率,重点阐述了通过黄金分割和混沌优化相结合的方法快速搜索滑动Fr FT的最佳分数阶比,确保算法实时性能的过程;最后,通过中间时刻点频率的三次样条插值以提高精度。仿真结果表明,与现有方法相比,文中方法在信噪比为-5d B~5d B的实验环境下具有更好的性能,且计算量适中。     

基于最小凸包的直齿圆柱齿轮检测方法研究

提出了基于齿轮外轮廓最小凸包及凸包缺陷的直齿圆柱齿轮齿数及缺齿识别算法,采用二值图像连通域跟踪提取齿轮外轮廓,然后进行外轮廓最小凸包及凸包缺陷检测,去除伪凸包缺陷后进行齿数检测及缺齿部位识别。根据直齿圆柱齿轮外形特征,提出了基于齿轮外轮廓凸包顶点的齿顶圆检测方法,以及基于齿轮外轮廓凸包缺陷最深点的齿根圆拟合方法,实现了直齿圆柱齿轮的特征圆参数快速测量。实验结果表明,齿数及缺齿识别算法正确率高达98.48%;与现有两种典型方法对比,齿轮特征圆拟合算法可以实现各种情况下齿顶圆和齿根圆的高速高精度定位。     

基于状态估计残差比较的配电网故障区段定位方法

针对单端量测的阻抗法在多分支辐射状网络中会出现伪故障点的问题,利用网络中分布的智能量测设备提供的监测信息,提出了基于状态估计残差比较的配电网故障区段定位方法.该方法首先遍历所有节点通过添加故障支路建立不同节点故障网络下的状态方程;其次通过求解状态估计方程获得含网络所有节点的总残差检测值序列;然后搜寻最大残差检测值所在节...     

基于分布估计算法和遗传算法融合的神经网络故障诊断模型研究

本文构造了基于分布估计算法(Estimation of Distribution Algorithm,EDA)和遗传算法(GeneticAlgorithm,GA)融合的神经网络(Neural Network,NN)故障诊断模型。传统的GA看作是对生物进化"微观"层面上的模拟,则EDA是对生物进化"宏观"层面上的建模,是一种全新的进化模式。EDA与GA融合的实质是在解空间"宏观"和"微观"两个层面进行寻优,可克服NN陷入局部最小,提高NN的泛化能力,使故障诊断的容错性能得到有效改善。将该模型用于高压输电线系统的故障诊断,并作容错性能的评估。由仿真测试表明,研究模型的容错性能要优于传统的BP-NN模型和单纯GA优化NN模型。因此,新诊断模型是有一定的理论和实用价值的。