-
公开(公告)号：CN114726275B
公开(公告)日：2023-06-02
申请号：CN202210500235.1
申请日：2022-05-09
申请人： 电子科技大学 , 重庆长安工业(集团)有限责任公司
摘要： 本发明涉及含有参数摄动、时变负载、摩擦扰动因素的永磁同步电机随动系统控制。本发明公开了一种应用于含摩擦随动系统的自适应滑模控制方法，提高随动系统的跟踪性能，包括积分滑模面、积分滑模控制算法、自适应非线性趋近律算法、自适应估计、超螺旋滑模观测器、电机随动系统模型和摩擦模块。其具体技术方案如下：首先，将扰动因素视为集中扰动，设计超螺旋滑模观测器估计含摩擦的扰动与自适应估计参数摄动，提高系统的抗干扰能力。其次，设计了基于积分滑模面构造积分滑模控制算法和自适应非线性趋近律算法，提高系统跟踪性能。
-
公开(公告)号：CN115913021A
公开(公告)日：2023-04-04
申请号：CN202210497481.6
申请日：2022-05-09
申请人： 电子科技大学 , 重庆长安工业(集团)有限责任公司
摘要： 本发明公开了一种抑制永磁同步电机伺服系统转矩脉动和测量噪声的双环补偿方法。该方法先通过卡尔曼滤波模块抑制速度编码器中的白噪声干扰，再采用含陷波滤波器和低通滤波器的电流补偿模块来抑制电流环的周期性谐波和干扰，提高稳态时速度的精度。在此基础上，利用速度补偿模块对速度环过大超调量进行抑制，通过卡尔曼观测器和双环补偿器抑制速度传感器白噪声，减小速度环超调量，减小速度稳态抖振。该方法包括如下步骤：1)抑制速度传感器测量噪声；2)抑制电流环周期性谐波；3)抑制电流偏移和增益误差；4)抑制速度环反馈超调。本发明利用含卡尔曼观测器的双环路补偿算法，比传统的永磁同步电机控制方法有更高的准确性和抗噪声的能力。
-
公开(公告)号：CN110118958B
公开(公告)日：2023-03-24
申请号：CN201910421769.3
申请日：2019-05-21
申请人： 西安电子科技大学
IPC分类号： G01S7/41
摘要： 本发明公开了一种基于变分编码‑解码网络的宽带雷达复回波去噪方法，解决了传统去噪耗时长、对噪声先验依赖的问题。实现步骤：分别获取高信噪比和含噪复距离像的复频谱构成训练集以及测试集；构建变分编码‑解码网络；利用训练集训练变分编码‑解码网络，采用随机梯度下降法更新编码部分网络权值，解码网络权值固为傅里叶基；当两次更新目标函数变化小于10e‑4时，训练结束，否者继续迭代更新；测试集输入已训练的网络，其输出为去噪后的复频谱，将去噪后的复频谱做逆快速傅里叶变换得到去噪的复距离像。本发明的变分编码‑解码网络去噪性能较好，去噪时间短，对噪声先验无依赖。用于噪声背景下对飞机、汽车等运动目标的雷达回波噪声抑制。
-
公开(公告)号：CN114726275A
公开(公告)日：2022-07-08
申请号：CN202210500235.1
申请日：2022-05-09
申请人： 电子科技大学 , 重庆长安工业(集团)有限责任公司
摘要： 本发明涉及含有参数摄动、时变负载、摩擦扰动因素的永磁同步电机随动系统控制。本发明公开了一种应用于含摩擦随动系统的自适应滑模控制方法，提高随动系统的跟踪性能，包括积分滑模面、积分滑模控制算法、自适应非线性趋近律算法、自适应估计、超螺旋滑模观测器、电机随动系统模型和摩擦模块。其具体技术方案如下：首先，将扰动因素视为集中扰动，设计超螺旋滑模观测器估计含摩擦的扰动与自适应估计参数摄动，提高系统的抗干扰能力。其次，设计了基于积分滑模面构造积分滑模控制算法和自适应非线性趋近律算法，提高系统跟踪性能。
-
公开(公告)号：CN111680593A
公开(公告)日：2020-09-18
申请号：CN202010472335.9
申请日：2020-05-29
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于自适应一类SVM模型的SAR图像目标鉴别方法，主要解决现有一类SVM模型中高斯核参数难以选择的问题。其方案是：选取训练SAR图像目标样本和测试SAR图像样本；根据训练目标样本的近邻关系，构造边缘样本集合C1和内部样本集合C2；最大化边缘样本集合C1的平均信息熵和内部样本集合C2的平均信息熵的差值，确定高斯核参数；根据高斯核参数，建立自适应一类SVM模型；利用序列最小优化算法，求解自适应一类SVM的模型参数；根据模型参数，对测试样本进行鉴别，得到测试样本的类别标号。本发明能自适应的选择的高斯核参数，缩短了确定核参数的时间，提高鉴别准确率，用于识别接收的雷达图像中的目标和杂波。
-
公开(公告)号：CN110167106B
公开(公告)日：2020-06-26
申请号：CN201910463356.1
申请日：2019-05-30
申请人： 电子科技大学
摘要： 本发明公开了一种雾架构下基于基站选择的多用户资源分配方法，包括以下步骤：S1、计算能量接收机总的收割能量；S2、构建优化目标，以最大化能量接收机总的收割能量，同时保证每个信息接收机服务质量和最小吞吐量要求为目标，建立目标函数；S3、通过半正定松弛方法对目标函数进行松弛；S4、采用启发式优化算法对目标函数进行求解。本发明以最大化能量接收机的收割能量，同时满足信息接收机的吞吐量为要求建立优化问题，将系统中的RRH分为能量RRH和信息RRH，能量接收机不仅可以从信息信号中获取能量，还可以从专门的能量信号中获取能量，从而提高系统的能量效率，能够缓解前传链路容量负载，减少传输时延，增大网络收能增益。
-
公开(公告)号：CN110167106A
公开(公告)日：2019-08-23
申请号：CN201910463356.1
申请日：2019-05-30
申请人： 电子科技大学
摘要： 本发明公开了一种雾架构下基于基站选择的多用户资源分配方法，包括以下步骤：S1、计算能量接收机总的收割能量；S2、构建优化目标，以最大化能量接收机总的收割能量，同时保证每个信息接收机服务质量和最小吞吐量要求为目标，建立目标函数；S3、通过半正定松弛方法对目标函数进行松弛；S4、采用启发式优化算法对目标函数进行求解。本发明以最大化能量接收机的收割能量，同时满足信息接收机的吞吐量为要求建立优化问题，将系统中的RRH分为能量RRH和信息RRH，能量接收机不仅可以从信息信号中获取能量，还可以从专门的能量信号中获取能量，从而提高系统的能量效率，能够缓解前传链路容量负载，减少传输时延，增大网络收能增益。
-
公开(公告)号：CN104680183A
公开(公告)日：2015-06-03
申请号：CN201510112513.6
申请日：2015-03-14
申请人： 西安电子科技大学
IPC分类号： G06K9/62
摘要： 本发明公开了基于散射点和K中心一类分类器的SAR目标鉴别方法，主要解决了现有技术未从雷达成像的本质揭示目标和杂波虚警的区别，鉴别总正确率低的缺点。其技术方案是：1)对SAR图像进行恒虚警检测，提取切片；2)从提取的切片中选取包含真实目标的切片构成训练样本；3)依散射点模型从训练样本中提取散射点矩阵，并进行幅度2-范数归一；4)对训练样本散射点矩阵进行K中心聚类，得到簇中心；5)计算K中心一类分类器的鉴别门限Thr；6)计算测试样本和簇中心的最小双向Hausdorff距离；7)根据该距离判断测试样本是否为目标。本发明降低了杂波虚警的虚警率，有效提高了鉴别总正确率，适用于SAR图像中车辆等具有显著强散射点分布特征的人造目标的鉴别。
-
公开(公告)号：CN111680593B
公开(公告)日：2023-03-24
申请号：CN202010472335.9
申请日：2020-05-29
申请人： 西安电子科技大学
IPC分类号： G06V20/10 , G06V10/26 , G06V10/762 , G06V10/764
摘要： 本发明公开了一种基于自适应一类SVM模型的SAR图像目标鉴别方法，主要解决现有一类SVM模型中高斯核参数难以选择的问题。其方案是：选取训练SAR图像目标样本和测试SAR图像样本；根据训练目标样本的近邻关系，构造边缘样本集合C1和内部样本集合C2；最大化边缘样本集合C1的平均信息熵和内部样本集合C2的平均信息熵的差值，确定高斯核参数；根据高斯核参数，建立自适应一类SVM模型；利用序列最小优化算法，求解自适应一类SVM的模型参数；根据模型参数，对测试样本进行鉴别，得到测试样本的类别标号。本发明能自适应的选择的高斯核参数，缩短了确定核参数的时间，提高鉴别准确率，用于识别接收的雷达图像中的目标和杂波。
-
公开(公告)号：CN111598881A
公开(公告)日：2020-08-28
申请号：CN202010423773.6
申请日：2020-05-19
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于变分自编码器的图像异常检测方法，具体是融合变分自编码器和支持向量数据描述的异常检测方法，解决了现有技术中异常检测与特征提取两个阶段分离，异常检测性能受限以及传统异常检测无法应对高维、大规模异常检测任务的问题。实现步骤包括：图像数据采集；数据集划分与数据预处理；构造以变分自编码器为基础的异常检测模型；训练异常检测模型；根据训练好的模型计算区分正常与异常图像数据的阈值；使用训练好的模型判断待测图像是否为异常图像。本发明采用支持向量数据描述对变分自编码器提取到的特征做距离上的约束，提取的特征更适合做异常检测，内存复杂性低，可应用于高维、大规模异常检测任务。
-
-
-
-
-
-
-
-
-
搜索结果
23 条记录 (耗时 0.037 秒)
