基于最大熵谱估计的舰船静电场实时检测方法

舰船静电场是海水中舰船产生的物理场之一,是很难被隐身的目标特征信号.以往对静电场的检测方法都是基于信号的时域特征,低信噪比情况下,检测效果差.通过对舰船静电场的频域特征分析发现,其能量主要集中在低频段,利用这个特点,提出了一种基于最大熵谱估计(MESE)的舰船静电场实时检测的方法.首先对舰船静电场信号进行最大熵谱估计,然后提取低频段功率谱值作为特征量,通过设定的浮动阈值进行分段功率谱滑动检测,用实船数据对该方法进行了验证,取得了较好的效果.     

引入迭代阈值判决导引判决反馈盲均衡算法

基于判决圆的常数模算法(CMA)和判决导引算法(DD)相结合的判决反馈盲均衡算法(CMA+DD),在均衡的起始阶段,由于眼图未睁开,DD算法无法收敛,导致收敛速度慢.为了加快收敛速度,在迭代过程中引入迭代阈值limit,以修改CMA+DD算法的判决条件,从而得到改进的CMA+DD算法(MCMA+DD).该算法在均衡的起始阶段先采用CMA迭代limit次,然后再根据判决圆进行切换.水声信道仿真结果表明,MCMA+DD算法收敛速度快;迭代阈值不同,影响收敛速度;仍具有冷启动和重新启动能力.     

基于DSP的舰载天线稳定平台伺服系统的设计与实现

为了实现舰载轻型天线稳定平台的高精度控制,设计了相应的位置伺服系统.针对舰载轻型天线稳定平台处于强振动、大冲击和强电磁干扰等恶劣环境,根据其承载的天线具有倒单摆式和大惯量负载等特点,采用经典控制理论中带微分反馈速度环进行速度控制;引入了陀螺环前馈控制补偿载体扰动,结合TMS320LF2407 DSP芯片的高速处理能力,采用模糊与单神经元自适应智能双模控制策略进行位置控制.结果表明,该系统具有较高的响应速度、较高的稳定精度和较强的抗负载扰动能力,具有很强的鲁棒性和自适应能力.     

船摇前馈控制补偿效果及优化方法研究

雷达隔离船摇的主要手段之一.针对船摇前馈在实际工程应用中补偿效果不理想的问题,通过对前馈复合控制原理、船摇前馈实现方法和效果影响因素的研究,提出了工程实现的优化方法.采用时间序列分析方法进行船摇数据预报可以提高近一个数量级的预报精度,从而直接提高船摇前馈补偿量的计算精度和补偿效果.通过在前馈补偿环节中加入自适应设计以实现船摇前馈信息有效平稳地加入控制环路.此外,选择适宜的时机加入船摇前馈也是工程应用的一个重要因素.     

基于参数自适应方法的同步发电机双模糊逻辑励磁控制

为了克服常规PI和PI+PSS控制器在时变系统中的缺点,设计了一种新型的同步发电机参数自适应的双模糊逻辑励磁控制器,即基于同步发电机每个瞬间的速度偏差及加速度偏差,电压偏差及电压偏差的微分,按照相平面上的标准模糊隶属度函数构建双模糊逻辑控制器.运用Simulink分别对基于参数自适应的双模糊逻辑控制器和常规PI、PI+PSS控制器在同步发电机励磁系统中进行仿真,结果表明,基于参数自适应方法的双模糊逻辑控制策略在励磁系统中具有较好的控制性能.     

基于自适应阈值DBSCAN的路侧点云分割算法

针对路侧采集的激光雷达点云数据随距离增大而密度下降导致同一目标的点云被分割成多个目标的问题,提出了一种基于自适应阈值DBSCAN的路侧点云分割算法。首先,使用改进GPF和直通滤波对采集的路侧点云进行过滤,提取出道路区域上的非地面点云;然后,基于有效距离和sigmoid函数构建自适应系数函数,对DBSCAN聚类算法集群生长中近邻点搜索时半径阈值的选取规则进行优化;最后,利用自适应阈值DBSCAN聚类算法对非地面点进行聚类,得到隶属于单个目标的点云。采集了1 055帧真实场景的连续数据进行测试,结果显示：C-H系数平均约增加3倍、D-B系数平均减少4.52%、轮廓系数平均增加77.78%,这表明基于自适应阈值DBSCAN的分割算法能提高点云簇的类内一致性和类间差异性,有效减少路侧激光雷达点云的过分割现象,具有较高的工程应用价值。     

动力定位船舶全速度路径跟踪CB导引自适应闭环控制

针对仅使用槽道推进器提供横向推力的动力定位船舶路径跟踪控制问题,建立慢变环境干扰影响下的非线性船舶数学模型,设计带有自适应干扰补偿的反步控制算法来消除环境干扰的影响。引入平行目标接近(CB)导引算法为跟踪控制生成期望速度矢量信号,通过与所提出的自适应反步控制算法相结合,得到不受船舶驱动特性限制的全速度范围动力定位船舶导引跟踪控制算法,应用李雅普诺夫稳定性理论证明系统跟踪误差渐进收敛到零。仿真结果表明通过调整导引算法参数可以调节船舶跟踪过程表现,并可以得到较好的控制精度。     

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。     

稀疏表示和判别性字典学习的舰船图像自动分割算法

现有舰船图像自动分割算法存在着分割准确率低的问题,故提出稀疏表示和判别性字典学习的舰船图像自动分割算法研究。为了降低图像分割计算难度,通过图像插值、坐标转换、互信息计算配准获取的舰船图像,以此为基础,提取配准图像的灰度与梯度特征,并转换为列向量构成训练样本集,构建判别性字典学习模型,通过模型求解获取舰船图像稀疏表示,判断像素点所在区域,实现了舰船图像的自动分割。仿真实验结果显示:在自变量图像数量与图像块尺度背景下,与现有算法相比较,提出算法舰船图像分割准确率较高,充分表明提出算法图像分割效果更好。     

基于Q学习的参数自适应S面控制方法

复杂的动力学特性及多变的海洋环境对无人水下航行器（UUV）控制器的设计提出了巨大挑战,在实际应用中,控制器的参数经人工调试后便固化,在控制过程中无法适应环境的变化。针对上述难题,该文借鉴自适应控制思想,提出一种基于强化学习的参数自适应S面控制方法,采用自适应控制方式实现不同环境下控制器参数的优化和自动整定。该方法采用Q学习算法进行训练,通过Q学习的自学习机制寻找输入状态和输出动作间的最优映射。仿真试验表明,所提方法能对控制器的参数进行实时在线调整,具备良好的控制效果和环境自适应能力。