基于模型参考自适应的电动车用内置式永磁同步电机电感参数辨识技术研究

内置式永磁同步电机(IPMSM)由于其优良的转矩特性和宽广的调速范围而广泛运用于电动汽车电驱系统。与表贴式永磁同步电机(SMPSM)不同,IPMSM转子具有强烈的凸极效应。因此其控制方式相较表贴式更为复杂,需要更加精确的电机数学模型。但是由于饱和效应和交叉耦合,电感参数会随运行工况变化而发生变化,从而影响系统控制精度,所以能够实时掌握内置式永磁同步电机电感参数是非常重要的。本文采用模型参考自适应算法(MRAS)实现IPMSM电感参数在线辨识,运用Runge Kutta离散化方法建立可调模型,依据Popov超稳定性定理推导出自适应律。仿真结果表明,采用MRAS的在线参数辨识算法可以准确、实时地辨识出IPMSM的交、直轴电感。     

船舶操纵非线性KT方程参数的辨识

利用差分进化法对一阶和二阶非线性船舶操纵KT方程中的参数进行辨识,采用积分的方法处理试验数据以获得辨识所需的样本,将辨识结果与前人的方法进行比较,证明该方法能有效提高辨识精度。另外,辨识过程采用平行处理法代替分步辨识法,解决了辨识中的参数相消现象,同时也简化了辨识流程。     

基于云模型的改进粒子群PMSM参数辨识算法

针对永磁同步电机传统参数辨识方法存在的缺陷,提出了一种基于云模型的改进粒子群参数辨识算法.该算法首先采用高频电压注入法建立高频电压方程,通过滤波处理获取高低频信号构建四阶满秩实时电机辨识模型;将云模型理论与粒子群算法相结合,采用正态云发生器对粒子进化变异操作建模,实现了自适应动态调节粒子的搜索范围,有效克服早熟收敛,保证了辨识参数为全局最优解.实验表明该辨识方法寻优能力强,搜索精度高,稳定性好,具有良好的动态性能.     

基于计算机大数据的船舶视频图像类型辨识分析

传统船舶视频图像类型识别算法在图像类型识别计算过程中,存在视频图像高频尺度空间像素子带系数计算精度较低,导致图像画面差异辨识度降低,无法高精度对比图像特征参量的问题。因此,提出计算机大数据船舶视频图像类型辩识分析。通过神经网络算法,建立视频图像特征的神经网络模型;根据特征模型推导建立辨识模型。在辨识模型的基础上,通过导入大数据高频子带尺度算法,对图像特征尺度空间内的高频子带系数进行优化计算,从而提升视频图像类型的辨识精度。通过实验数据对比表明:提出的视频图像辨识算法,能够有效改善图像类型识别环境,提升图像类型辨识精度,解决了传统辨识算法辨识精度低的问题。     

铁路工程施工危险源辨识的研究

阐述铁路工程施工危险源辨识的必要性,对危险源辨识情况进行统计,对危险源辨识存在问题进行分析,提出实行危险源辨识企业、项目部两级管理,建立全员参与机制,规范施工中各工序危险源辨识方法等对策,以提高铁路工程施工危险源辨识水平。     

基于单参数自调节RM-GO-LSVR的船舶操纵灰箱辨识建模

为实现舵角小、试验数据少条件下船舶操纵辨识建模, 提出了一种船舶操纵运动灰箱模型; 搜集水动力系数已知的船舶运动数学模型作为备选参考模型(RM), 计算被辨识船舶与备选RM的相关系数, 并以此筛选合适的RM; 运用相似准则将观测数据映射到RM的输入值域, 建立被辨识船舶与RM的运动关联, 获得了RM的加速度项, 并使用线性支持向量回归(LSVR)机补偿被辨识船舶和RM加速度项间的误差; 分析了机理模型, 设计了合适的LSVR输入项, 使用全局优化(GO)算法自动调节了LSVR的不敏感边界参数; 基于自航模试验数据训练了灰箱模型, 并与约束模试验(CMT)结果和计算流体力学结果比较, 验证了灰箱模型的泛化能力和预报精度。研究结果表明: 在20°船艏向、20°舵角Z形试验预报中, 灰箱模型所得第一超越角精度至少比CMT、虚拟约束模试验(VCMT)和RM方法所得结果高1°, 灰箱模型所得第二超越角精度至少比CMT和VCMT所得结果高0.4°; 在35°舵角旋回试验预报中, 灰箱模型所得进距精度至少比CMT、VCMT、数值循环水槽试验(NCWCT)和RM方法所得结果高1%, 灰箱模型所得战术直径精度比CMT所得结果低4%, 比NCWCT所得结果高10%;RM方法有助于灰箱辨识建模, GO算法能够优化LSVR的不敏感边界参数, 建立的单参数自调节灰箱辩识建模方法能够实现小舵角、少数试验条件下的船舶操纵辨识建模。      

一种新型船舶智能载重测量仪的研究与应用

针对船舶货物卸载重量计量难的现状,开发了一种新型的船舶智能载重测量仪,并提出一种结构树编码免疫辨识算法实现船舶重量模型的辨识,该测量仪通过检测船体前后左右四个位置的吃水深度,精确计算船舶重量、船体倾斜度等数据,实现船舶卸货计量的智能化与自动化.在散装水泥运输船上的应用实践表明,该测量仪能实现比较理想的测量精度,误差小于0.5%,完全能满足船舶运输中对中低价货物的计量要求.     

轨道交通SIL4级产品危险源辨识方法

为了保证轨道交通系统的安全运营,应当在信号系统投入使用之前,对其安全性进行评估和认证。安全认证首当其冲的就是辨识和分析系统中潜在的事故致因因素,即危险源。危险源是可能导致事故的条件或潜在原因。在北京轨道交通示范工程亦庄线信号系统安全认证过程中,从系统运行的具体场景出发,利用HAZOP(危险与可操作性分析)方法辨识危险源,取得了很好的效果。     

基于神经网络的车用汽油机过渡工况空燃比辨识

以HL495Q电喷汽油机为研究对象,提出了一种基于BP神经网络的空燃比辨识方法,比较了不同拓扑结构的神经网络对空燃比辨识精度的影响,得到了一种最优的空燃比模型。试验结果表明,空燃比模型能高精度地逼近空燃比的实际动态过程,模型的平均相对误差小于2%。     

基于Elman神经网络的车用汽油机过渡工况空燃比辨识

以HL495Q型电喷汽油机为研究对象,分析了汽油机空燃比的数学模型,提出了一种基于Elman神经网络的过渡工况空燃比辨识方法。试验结果表明,Elman神经网络空燃比模型具有简单的网络结构,能高精度地逼近车用汽油机空燃比的实际动态过程,模型的平均相对误差小于1%,优于前馈BP神经网络模型的辨识结果。建立的Elman神经网络空燃比模型能改善过渡工况空燃比控制精度,提高排放性能。