交叉耦合控制；多軸運動位置同步的無模型交叉耦合控制；同步控制器
上傳時間： 2016-07-20
上傳用戶：ss183968ss
經典背包問題的交叉熵算法，matlab源碼
上傳時間： 2016-12-01
上傳用戶：18674809540
二維最大熵與交叉熵結合，用來進行函數(shù)的全局最優(yōu)解的尋找
上傳時間： 2016-12-01
上傳用戶：18674809540
國家自然科學基金“十三五”發(fā)展規(guī)劃遴選118個學科優(yōu)先發(fā)展領域和16個綜合交叉領域
上傳時間： 2017-07-13
上傳用戶：tsxlyh
本應用筆記的目的是說明如何配置和使用端口 I/O 交叉開關譯碼器
上傳時間： 2017-11-06
上傳用戶：szcyclone
fastreport-c#入門教程之交叉報表
標簽： fastreport c#
上傳時間： 2022-02-27
上傳用戶：kingwide
永磁同步電機(Permanent Magnet Synchronous Motor)因功率密度大、效率高、過載能力強、控制性能優(yōu)良等優(yōu)點，在中小容量調速系統(tǒng)和高精度調速場合發(fā)展迅速。但由于永磁同步電機的磁場具有獨特的交叉耦合和交叉飽和現(xiàn)象，且其控制系統(tǒng)是一個強非線性、時變和多變量系統(tǒng)，要實現(xiàn)高精度調速就需對其控制策略進行深入研究。 永磁同步電機調速系統(tǒng)中，位置傳感器的存在使得系統(tǒng)成本增加、結構復雜、可靠性降低，所以永磁同步電機的無位置傳感器控制成為一個新的研究熱點。本文擬借助于神經網絡良好的逼近能力，實現(xiàn)永磁同步電機的無位置傳感器控制。 人工神經網絡(Neural Network)可以逼近任意復雜非線性映射，具有很強的自學習自適應能力，十分適合于解決復雜的非線性控制問題。其中，BP神經網絡是目前廣泛應用的神經網絡之一，得到了較為深入的研究，其結構簡單，需要離線確定的參數(shù)少、泛化能力強、逼近精度高、實時性強，采用BP神經網絡實現(xiàn)永磁同步電機的調速控制具有重要意義。 文中提出了基于BP神經網絡的永磁同步電機自適應調速控制策略，建立了一種包含辨識網絡和控制網絡的雙神經網絡結構控制系統(tǒng)。辨識網絡在線動態(tài)辨識系統(tǒng)輸出并對控制網絡參數(shù)進行調整，控制網絡與PI控制方法相結合實現(xiàn)永磁同步電機自適應轉速控制。仿真結果表明，該系統(tǒng)動態(tài)響應快、實時性較強、精度較高。 文中提出了一種基于混合訓練算法的BP神經網絡永磁同步電機無位置傳感器控制方法。采用混沌優(yōu)化和梯度下降法相結合的混合算法對BP神經網絡進行離線訓練后，將其用于永磁同步電機的轉子位置角在線估計。結果表明，該訓練算法可以有效地加快神經網絡收斂速度，且估計的轉子位置角誤差較小、精度較高。 文中建立了以TMS320F2812芯片為核心的永磁同步電機調速控制系統(tǒng)，并進行了相應的軟硬件設計，為實現(xiàn)永磁同步電機的各種控制策略奠定了實驗基礎。DSP控制系統(tǒng)為神經網絡訓練提供樣本，為研究永磁同步電機的自適應調速控制和轉子位置角估計創(chuàng)造了條件。
上傳時間： 2013-07-03
上傳用戶：kakuki123
微機電系統(tǒng)（MEMS）器件的構成涉及微電子、微機械、微動力、微熱力、微流體學、材料、物理、化學、生物等多個領域，形成了多能量域并交叉耦合。為其產品的建模、仿真以及優(yōu)化設計帶來了較大的難度。由于靜電驅動的原理簡單使其成為MEMS器件中機械動作的主要來源。而梳齒結構在MEMS器件中有廣泛的應用：微諧振器、微機械加速度計、微機械陀螺儀、微鏡、微鑷、微泵等。所以做為MEMS的重要驅動方式和結構形式，靜電驅動梳齒結構MEMS器件的耦合場仿真分析以及優(yōu)化設計對MEMS的開發(fā)具有很重要的意義。本課題的研究對靜電驅動梳齒結構MEMS器件的設計具有較大的理論研究意義。 本文的研究工作主要包括以下幾個方面： 1、采用降階宏建模技術快速求解靜電梳齒驅動器靜電－結構耦合問題，降階建模被用于表示微諧振器的靜態(tài)動態(tài)特性。論文采用降階建模方法詳細分析了靜電梳齒驅動器的各參數(shù)對所產生靜電力以及驅動位移的關系；并對靜電梳齒驅動器梳齒電容結構的靜電場進行分析和模擬，深入討論了邊緣效應的影響；還對微諧振器動態(tài)特性的各個模態(tài)進行仿真分析，并計算分析了前六階模態(tài)的頻率和諧振幅值。仿真結果表明降階建模方法能夠快速、準確地實現(xiàn)多耦合域的求解。 2、從系統(tǒng)角度出發(fā)考慮了各個子系統(tǒng)對叉指式微機械陀螺儀特性的影響，系統(tǒng)詳細地分析了與叉指狀微機械陀螺儀性能指標－靈敏度密切相關的結構特性、電子電路、加工工藝和空氣阻尼，并在此分析的基礎上建立了陀螺的統(tǒng)一多學科優(yōu)化模型并對其進行多學科優(yōu)化設計。將遺傳算法和差分進化算法的全局尋優(yōu)與陀螺儀系統(tǒng)級優(yōu)化相結合，證實了遺傳算法和差分進化算法在MEMS系統(tǒng)級優(yōu)化中的可行性，并比較遺傳算法和差分進化算法的優(yōu)化結果，差分進化算法的優(yōu)化結果較大地改善了器件的性能。 3、從系統(tǒng)角度出發(fā)考慮了各個子系統(tǒng)對梳齒式微加速度計特性的影響，在對梳齒式微加速度計各個學科的設計要素進行分析的基礎上，對各個子系統(tǒng)分別建立相對獨立的優(yōu)化模型，采用差分進化算法和多目標遺傳算法對其進行優(yōu)化設計。證實了差分進化算法和多目標遺傳算法對多個子系統(tǒng)耦合的系統(tǒng)級優(yōu)化的可行性，并比較了將多目標轉換為單目標進行優(yōu)化和采用多目標進行優(yōu)化的區(qū)別和結果，優(yōu)化結果使器件的性能得到了改善。
上傳時間： 2013-05-15
上傳用戶：zhangjinzj
電壓空間矢量脈沖寬度調制技術是一種性能優(yōu)越、易于數(shù)字化實現(xiàn)的脈沖寬度調制方案。在常規(guī)SVPWM算法中，判定等效電壓空間矢量所處扇區(qū)位置時需要進行坐標旋轉和反正切三角函數(shù)的運算，計算特定電壓空間矢量作用時間時需要進行正弦、余弦三角函數(shù)的運算以及過飽和情況下的歸一化處理過程，同時，在整個SVPWM算法中還包含了無理數(shù)的運算，這些復雜計算不可避免地會產生大量計算誤差，對高精度實時控制產生不可忽視的影響，而且這些復雜運算的計算量大，對系統(tǒng)的處理速度要求高，程序設計復雜，系統(tǒng)運行時間長，占用系統(tǒng)資源多。因此，從工程實際應用的角度出發(fā)，需要對常規(guī)SVPWM算法進行優(yōu)化設計。 本文提出的優(yōu)化SVPWM算法，只需進行普通的四則運算，計算非常簡單，克服了上述常規(guī)SVPWM算法中的缺點，同時，采用交叉分配零電壓空間矢量，并將零電壓空間矢量的切換點置于各扇區(qū)中點的方法，達到降低三相橋式逆變電路中開關器件開關損耗的目的。SVPWM算法要求高速的數(shù)據(jù)處理能力，傳統(tǒng)的MCU、DSP都難以滿足其要求，而具有高速數(shù)據(jù)處理能力的FPGA/CPLD則可以很好的實現(xiàn)SVPWM的控制功能，在實時性、靈活性等方面有著MCU、DSP無法比擬的優(yōu)越性。本文利用MATLAB/Simulink軟件對優(yōu)化的SVPWM系統(tǒng)原型進行建模和仿真，當仿真效果達到SVPWM系統(tǒng)控制要求后，在XilinxISE環(huán)境下采用硬件描述語言設計輸入方法與原理圖設計輸入方法相結合的混合設計輸入方法進行FPGA/CPLD的電路設計與輸入，建立相同功能的SVPWM系統(tǒng)模型，然后利用ISESimulator（VHDL/Verilog）仿真器進行功能仿真和性能分析，驗證了本文提出的SVPWM優(yōu)化設計方案的可行性和有效性。
上傳時間： 2013-06-27
上傳用戶：小儒尼尼奧
心音信號是人體最重要的生理信號之一，包含心臟各個部分如心房、心室、大血管、心血管及各個瓣膜功能狀態(tài)的大量生理病理信息。心音信號分析與識別是了解心臟和血管狀態(tài)的一種不可缺少的手段。本文針對目前該研究領域中存在的分析方法問題和分類識別技術難點展開了深入的研究，內容涉及心音構成的分析、心音信號特征向量的提取、正常心音信號（NM）和房顫（AF）、主動脈回流（AR）、主動脈狹窄（AS）、二尖瓣回流（MR）4種心臟雜音信號的分類識別。本文的工作內容包括以下5個方面： a）心音信號采集與預處理。本文采用自行研制的帶有錄音機功能的聽診器實現(xiàn)對心音信號的采集。通過對心音信號噪聲分析，選用小波降噪作為心音信號的濾波方法。根據(jù)實驗分析，選擇Donoho閾值函數(shù)結合多級閾值的方法作為心音信號預處理方案。 b）心音信號時頻分析方法。文中采用5種時頻分析方法分別對心音信號進行了時頻譜特性分析，結果表明：不同的時頻分析方法與待分析心音信號的特性有密切關系，即需要在小的交叉項干擾與高的時頻分辨率之間作綜合的考慮。鑒于此，本文提出了一種自適應錐形核時頻（ATF）分析方法，通過實驗驗證該分布能較好地反映心音信號的時頻結構，其性能優(yōu)于一般錐形核分布（CKD）以及Choi-Williams分布（CWD）、譜圖（SPEC）等固定核時頻分析方法，從而選擇自應錐形核時頻分析方法進行心音信號分析。 c）心音信號特征向量提取。根據(jù)對3M Littmann（） Stethoscopes[31]數(shù)據(jù)庫中標準心音信號的時頻分析結果，提取8組特征數(shù)據(jù)，通過Fihser降維處理方法提取出了實現(xiàn)分類可視化，且最易于分類的心音信號的2維特征向量，作為心音信號分類的特征向量。 d）心音信號分類方法。根據(jù)心音信號特征向量組成的散點圖，研究了支持向量機核函數(shù)、多分類支持向量機的選取方法，同時，基于分類的目的 性和可信性，本文提出以分類精度最大為判斷準則的核函數(shù)參數(shù)與松弛變量的優(yōu)化方法，建立了心音信號分類的支持向量機模型，選取標準數(shù)據(jù)庫中NM、AF、AR、AS、MR每類心音信號的80組2維特征向量中每類60組數(shù)據(jù)作為支持向量機的學習樣本，對余下的每類20組數(shù)據(jù)進行測試，得到每類的分類精度（Ar）均為100％，同時對臨床上采集的與上述4種同類心臟雜音信號和正常心音信號中每類24個心動周期進行分類實測，分類精度分別為：NM、AF、MR的分類精度均為100％，而AR、AS均為95．83％，驗證了該方法的分類有效性。 e）心音信號分析與識別的軟件系統(tǒng)。本文以MATLAB語言的可視化功能實現(xiàn)了心音信號分析與識別的軟件運行平臺構建，可完成對心音信號的讀取、預處理，繪制時-頻、能量特性的三維圖及兩維等高線圖；同時，利用MATLAB與EXCEL的動態(tài)鏈接，實現(xiàn)對心音信號分析數(shù)據(jù)的存儲以及統(tǒng)計功能；最后，通過對心音信號2維特征向量的分析，實現(xiàn)心音信號的自動識別功能。 本文的研究特色主要體現(xiàn)在心音信號特征向量提取的方法以及多分類支持向量機模型的建立兩方面。 綜上所述，本文從理論與實踐兩方面對心音信號進行了深入的研究，主要是采用自適應錐形核時頻分析方法提取心音信號特征向量，根據(jù)心音信號特征向量組成的散點圖，建立心音信號分類的支持向量機模型，并對正常心音信號和4種心臟雜音信號進行了分類研究，取得了較為滿意的分類結果，但由于用于分類的心臟雜音信號種類及數(shù)據(jù)量尚不足，因此，今后的工作重點是采集更多種類的心臟雜音信號，進一步提高心音信號分類精度，使本文研究成果能最終應用于臨床心臟量化聽診。 關鍵詞：心音信號，小波降噪，非平穩(wěn)信號，心臟雜音，信號處理，時頻分析，自適應，支持向量機
上傳時間： 2013-04-24
上傳用戶：weixiao99
