LED芯片封装缺陷检测方法研究

引脚式LED芯片封装工艺中封装缺陷不可避免.基于p-n结的光生伏特效应和电子隧穿效应,分析了一种封装缺陷对LED支架回路光电流的影响.利用电磁感应定律对LED支架回路光电流进行非接触检测,得到LED芯片功能状态及芯片电极与引线支架问的电气连接情况,并对检测精度的影响因素进行分析.实验表明,该方法具有高检测信噪比,能够实现对封装过程LED芯片功能状态及封装缺陷的检测.计算结果与实验结果较好吻合.     

对角CARIMA模型多变量自适应约束广义预测控制

为了简化约束存在时多变量广义预测控制算法的设计与实现,依据对角CARIMA模型的结构特点,将多输入多输出对象的参数辨识和模型预报问题转化为一系列多输入单输出子对象的参数辨识和模型预报问题.推导了输入输出的约束形式及优化求解过程.简化了多变量对象的参数辨识、模型预报、目标函数和约束条件系数矩阵的计算.在由DCS控制的非线性液位装置上的对比实验结果表明了该方法的有效性.     

一种改进的区间二型模糊控制器设计

针对二型模糊控制器设计中出现的降型计算方法损失不确定性信息的问题,提出一种改进的区间二型模糊控制器．该控制器在充分利用二型模糊推理结果的前提下,对区间模糊输出进行再次优化,其优化指标可直接与被控系统性能相关,由此可得到更有利于提高系统整体性能的准确输出量．最后,将改进的控制器用于汽车非线性悬架系统的控制,仿真结果验证了所提出方法的有效性．

     

二级倒立摆的Sugeno型模糊神经网络控制

为了提高二级倒立摆系统实时控制的响应速度和稳定性,在设计Mamdani型模糊推理规则控制器控制倒立摆系统稳定的基础上,设计了一种更有效率的基于Sugeno型模糊推理规则的模糊神经网络控制器.该控制器使用BP神经网络和最小二乘法的混合算法进行参数训练.能够准确归纳输入输出量的模糊隶属度函数和模糊逻辑规则.通过与Mamdani型控制器的仿真对比及实际控制实验结果,表明该Sugeno型模糊神经网络控制器时二级倒立摆实验装置的控制具有良好的稳定性、快速性和较高的控制精度.     

基于CPLD的航姿数据采集器设计

提出了一种针对微小型无人直升机航姿测量系统的航姿数据采集方法,设计了以复杂可缟程逻辑器件(CPLD)为核心的航姿数据采集器.该采集器由CPLD和ADC器件组成,通过SPI模块与ADC控制模块来实现对数据的采集,通过数据FIFO和通讯模块完成与航姿计算机的数据交换.     

含电容单元的级联H桥七电平调制策略

针对传统三单元级联H桥直流电源电压利用率较低的问题,采用电容替代其中利用率较低的直流电源,构成含电容单元的级联H桥逆变器。围绕该型逆变器的调制策略及电容选择等问题,在载波层叠式脉宽调制策略的基础上,利用冗余开关状态改进现有调制策略。通过采集电容电压和输出电流,切换调制模式实现电容充放电控制。分析电容电荷量在不同调制度下的变化,得到电容电压稳定到参考值所需要满足的条件。考虑到电容纹波电压不超过参考值10%的要求,并结合最大连续放电区间,计算出最小参考电容,使逆变器达到最优配置。通过仿真和实验证明了新型调制策略可对电容充电并具有良好的稳压效果。     

融入无监督度量学习的稀疏子空间聚类模型

子空间聚类任务中的无标记数据具有维度高、数据分布分散等特点,传统方法对数据预处理未进行详细地针对化设计且大多使用欧氏距离度量数据间的相似性,使聚类性能提升受限.因此,本文提出融入无监督度量学习的稀疏子空间聚类模型,该算法将距离度量与子空间聚类联合到同一框架,设计由两步组成的聚类过程.该方法对原始数据进行度量学习并重构了稀疏子空间聚类模型,使数据预处理不再是一个单独的步骤,最大限度地将输入的无标记数据之间相似度提高,有效提升了子空间聚类性能、加强了模型泛化能力.我们在真实公开数据集上进行实验测试,实验结果表明该方法优于现有的子空间聚类算法,具有良好的聚类性能.     

绳驱柔性机械臂建模与控制方法研究现状

绳驱柔性机械臂具有高形变、质量小、能耗低等优点,伴随机器人应用的发展,针对绳驱软柔性机械臂的精准建模与有效控制成为国内外学者的重点研究方向。本文综述了绳驱柔性机械臂建模与控制方法,从建模方法上分析其运动学、动力学及静力学建模,并分别从基于模型与无模型两方面对控制方法进行归纳总结。其中,基于模型的控制方法分为运动学与动力学建模两类,而无模型控制方法包括模糊控制、神经网络控制、自适应控制与滑模控制等。最后,对绳驱柔性机械臂建模与运动控制未来的研究方向进行展望。     

面向逆变器并联的虚拟振荡器控制技术综述

虚拟振荡器控制作为继下垂控制和虚拟同步机控制之后提出的新型多逆变器无互联线并联技术,因其独特的自同步机制和快速的动态响应性能等特点而成为当前的研究热点。从控制结构、多机同步运行机制和动力学特性方面论述了虚拟振荡器的控制原理;从功率控制策略、小信号稳定性、新型虚拟振荡器方案3个方面对虚拟振荡器控制技术的研究现状进行了全面综述;分析并总结了虚拟振荡器控制与下垂控制、虚拟同步机控制的对比研究。结合目前虚拟振荡器控制面临的若干关键问题,对未来研究方向和可能的相关解决思路进行了探讨。     

融合自动权重学习的深度子空间聚类

子空间聚类算法是一种面向高维数据的聚类方法,具有独特的数据自表示方式和较高的聚类精度。传统子空间聚类算法聚焦于对输入数据构建最优相似图再进行分割,导致聚类效果高度依赖于相似图学习。自适应近邻聚类（CAN）算法改进了相似图学习过程,根据数据间的距离自适应地分配最优邻居以构建相似图和聚类结构。然而,现有CAN算法在进行高维数据非线性聚类时,难以很好地捕获局部数据结构,从而导致聚类准确性及算法泛化能力有限。提出一种融合自动权重学习与结构化信息的深度子空间聚类算法。通过自编码器将数据映射到非线性潜在空间并降维,自适应地赋予潜在特征不同的权重从而处理噪声特征,最小化自编码器的重构误差以保留数据的局部结构信息。通过CAN方法学习相似图,在潜在表示下迭代地增强各特征间的相关性,从而保留数据的全局结构信息。实验结果表明,在ORL、COIL-20、UMIST数据集上该算法的准确率分别达到0.780 1、0.874 3、0.742 1,聚类性能优于LRR、LRSC、SSC、KSSC等算法。