一种磁悬浮转子奇次谐波振动力抑制方法

    公开(公告)号:CN115016267A

    公开(公告)日:2022-09-06

    申请号:CN202210602126.0

    申请日:2022-05-30

    IPC分类号: G05B13/04

    摘要: 本发明公开了一种磁悬浮转子奇次谐波振动力抑制方法,步骤:建立包含质量不平衡和传感器谐波的磁悬浮转子动力学模型,基于二阶双模奇次重复控制器对磁悬浮转子奇次谐波振动力进行抑制,最后采用粒子群算法对二阶双模奇次重复控制器的权重因子和控制增益进行参数离线优化。二阶双模奇次重复控制器能实现奇次谐波分量的精确抑制,提高系统在转子转频摄动时的频率波动鲁棒性,同时减少延迟单元数以提高计算效率,加快系统的收敛速度。本发明中的二阶双模奇次重复控制器结构简单,在实际应用中很方便,适用于存在转子质量不平衡和传感器谐波的磁悬浮转子系统奇次谐波振动力的抑制。

    一种基于分数阶重复控制的磁悬浮转子系统振动力抑制方法

    公开(公告)号:CN115016266A

    公开(公告)日:2022-09-06

    申请号:CN202210602120.3

    申请日:2022-05-30

    IPC分类号: G05B13/04

    摘要: 本发明公开一种基于分数阶重复控制的磁悬浮转子系统振动力抑制方法,建立含有转子质量不平衡和传感器谐波的磁悬浮转子系统动力学模型,然后针对由转子质量不平衡和传感器谐波引起的电流刚度力,采用奇次谐波分数阶重复控制算法进行抑制和采用基于PI控制的旋转坐标变换算法对由转子质量不平衡引起的位移刚度力进行补偿,实现磁悬浮转子系统振动力的完全抑制;奇次谐波分数阶重复控制算法对磁悬浮转子系统的奇次主导谐波扰动进行抑制,并分数阶延迟滤波器的设计提高抑制精度,减小计算负担;同时基于PI控制的旋转坐标变换算法无静差跟踪经变换后同频直流分量,使位移刚度力补偿精度提高。本发明实际应用中很方便,实现全工作转速范围内振动力抑制。

    一种磁悬浮转子奇次谐波振动力抑制方法

    公开(公告)号:CN115016267B

    公开(公告)日:2024-04-30

    申请号:CN202210602126.0

    申请日:2022-05-30

    IPC分类号: G05B13/04

    摘要: 本发明公开了一种磁悬浮转子奇次谐波振动力抑制方法,步骤:建立包含质量不平衡和传感器谐波的磁悬浮转子动力学模型,基于二阶双模奇次重复控制器对磁悬浮转子奇次谐波振动力进行抑制,最后采用粒子群算法对二阶双模奇次重复控制器的权重因子和控制增益进行参数离线优化。二阶双模奇次重复控制器能实现奇次谐波分量的精确抑制,提高系统在转子转频摄动时的频率波动鲁棒性,同时减少延迟单元数以提高计算效率,加快系统的收敛速度。本发明中的二阶双模奇次重复控制器结构简单,在实际应用中很方便,适用于存在转子质量不平衡和传感器谐波的磁悬浮转子系统奇次谐波振动力的抑制。

    一种基于分数阶重复控制的磁悬浮转子系统振动力抑制方法

    公开(公告)号:CN115016266B

    公开(公告)日:2024-04-30

    申请号:CN202210602120.3

    申请日:2022-05-30

    IPC分类号: G05B13/04

    摘要: 本发明公开一种基于分数阶重复控制的磁悬浮转子系统振动力抑制方法,建立含有转子质量不平衡和传感器谐波的磁悬浮转子系统动力学模型,然后针对由转子质量不平衡和传感器谐波引起的电流刚度力,采用奇次谐波分数阶重复控制算法进行抑制和采用基于PI控制的旋转坐标变换算法对由转子质量不平衡引起的位移刚度力进行补偿,实现磁悬浮转子系统振动力的完全抑制;奇次谐波分数阶重复控制算法对磁悬浮转子系统的奇次主导谐波扰动进行抑制,并分数阶延迟滤波器的设计提高抑制精度,减小计算负担;同时基于PI控制的旋转坐标变换算法无静差跟踪经变换后同频直流分量,使位移刚度力补偿精度提高。本发明实际应用中很方便,实现全工作转速范围内振动力抑制。

    基于可信平台的嵌入式设备软件远程审计方法及装置

    公开(公告)号:CN114925361B

    公开(公告)日:2023-04-18

    申请号:CN202210487820.2

    申请日:2022-05-06

    IPC分类号: G06F21/56 H04L9/40 H04L67/12

    摘要: 本申请公开了一种基于可信平台的嵌入式设备软件远程审计方法及装置,其中,方法包括:通过向可信平台模块发送嵌入式设备软件的检测请求,获取嵌入式设备软件的检测信息;提取检测信息中嵌入式设备软件的特征,利用预先训练的联邦检测器判断嵌入式设备软件是否为恶意软件;在嵌入式设备软件为恶意软件时,根据嵌入式设备软件的安全类型验证嵌入式设备软件的安全性,从而为嵌入式设备的软件远程审计提供安全保障,防止其遭受伪造、重放攻击、伪装攻击、完整性破坏等攻击。由此,解决了物联网设备计算资源少、抵御恶意软件攻击能力差、检测解决方案部署困难以及嵌入式设备种类众多难以管理等问题。

    一种加壳感知的二进制恶意程序静态检测系统

    公开(公告)号:CN114969735A

    公开(公告)日:2022-08-30

    申请号:CN202210560459.1

    申请日:2022-05-23

    摘要: 本发明通过人工智能领域的方法,实现了一种加壳感知的二进制恶意程序静态检测系统。系统结构包括对外部程序进行输入,并转换为可以识别的二进制代码的输入单元,之后,通过并行的加壳程序识别模块、基于API调用序列的恶意程序检测模块、基于二进制字节流的恶意程序检测模块,对所述二进制代码并行处理,最后经过检测结果融合模块,输出该程序为恶意程序或是良性程序的检测结果。本发明的系统解决了现有的二进制恶意程序静态检测技术在面对程序加壳技术时检测可能失效,进而结果不符合预期的问题。

    一种基于双通道陷波器的磁悬浮转子同频振动力矩抑制方法

    公开(公告)号:CN113485472B

    公开(公告)日:2022-02-11

    申请号:CN202110890520.4

    申请日:2021-08-04

    IPC分类号: G05D17/02

    摘要: 本发明公开了一种基于双通道陷波器的磁悬浮转子同频振动力矩抑制方法,该方法包括如下步骤:首先建立考虑转子动不平衡的磁悬浮转子动力学模型,然后采用基于双通道陷波器的磁悬浮转子同频振动力矩抑制方法。其中,双通道陷波器能精确抑制同频振动力矩,使用一个控制器同时抑制X和Y方向的振动,较小硬件计算资源。同时,引入相位补偿角可以保证系统在更大频率范围的绝对稳定性。本发明中的双通道陷波器控制器结构简单,在实际应用中很方便,适用于存在转子动不平衡的磁悬浮控制力矩陀螺同频振动力矩的抑制。

    深度变推力发动机推力调控方法、装置及电子设备

    公开(公告)号:CN113157010A

    公开(公告)日:2021-07-23

    申请号:CN202110451087.4

    申请日:2021-04-25

    IPC分类号: G05D16/20

    摘要: 本发明提供了一种深度变推力发动机推力调控方法、装置及电子设备。首先,可以获取推进剂系统及发送机的控制参数的目标值和测量值,以及发动机的目标推力及当前推力;然后,针对于固定推力阶段,基于控制参数的目标值和测量值进行调控,使当前状态与目标状态不断趋近,直至满足限定条件;针对于推力调节阶段,通过预设的变推力过程分级参数将其分为多个子阶段,并根据子阶段的参数调控过程中的喷注压降比及氧燃比,调整上述分级参数,进而调整子阶段数量,最终完成推力调整过程。本发明通过对推进剂系统及发动机的控制参数的目标值及测量值,以及分级参数的协调,提高了变推力发动机在固定推力阶段的推力准确度和推力调节阶段的发动机工作稳定性。

    一种软件程序的智能解析方法

    公开(公告)号:CN109101235B

    公开(公告)日:2021-03-19

    申请号:CN201810568286.1

    申请日:2018-06-05

    IPC分类号: G06F8/41

    摘要: 本发明提出一种软件程序的智能解析方法,所述智能解析方法为基于AST的序列化神经网络,所述基于AST的序列化神经网络是一种层次化的向量表示方法,其实现步骤为,步骤1‑1:在最底层,将原始程序转化成AST之后进一步分割得到对应的代码块序列,所述代码块之间是有次序之分的,且与原始的语句顺序相吻合;步骤1‑2:每个代码块由一种递归式的编码器来将这种子树编码成向量e1,e2,...,et;步骤1‑3:将得到的向量序列经过双向循环层以提取代码块之间的依赖特征;步骤1‑4:所有的时间步的多维特征经过池化层采样得到最终的单个向量表示形式。

    一种众包软件开发者推荐方法

    公开(公告)号:CN107767058B

    公开(公告)日:2021-03-19

    申请号:CN201711013436.4

    申请日:2017-10-26

    IPC分类号: G06Q10/06 G06K9/62

    摘要: 本发明的一种众包软件开发者推荐方法。首先,该算法对数据集进行预处理,选取信息较为完善的任务,并进一步提取选取的任务特征信息(如任务开发时间、报酬、需求描述、所需技能、发布时间、发布平台等)构造任务的特征向量;然后对任务进行聚类,将相似的任务聚集一起;然后,对于新的众包任务同样提取任务的特征,并得出与之相似的聚类任务,进一步在相似的任务间通过机器学习分类算法将获胜率高的开发者作为初步推荐的开发者候选集;最后,在开发者候选集中计算开发者的可靠性,并剔除部分可靠性低的开发者,根据开发者参与历史任务情况分析开发者之间的关联关系,建立开发者竞争网络。