基于CAN总线的某型数字化战车自动测试系统设计

针对现代数字化战车电气与电子系统技术复杂、各分系统关联程度高、维修保障困难等问题,设计了一种基于CAN总线的数字化战车自动测试系统;整体设计基于模块化思想,充分利用车载备用总线,综合运用了DSP+FPGA控制处理技术、AFPN智能故障诊断技术,能够对车载电气与电子系统进行分系统独立测试和全系统联合检测,具有快速故障定位能力和拓扑适应能力;采用适配器与上位机测试软件的分体式设计,实现了平台物理资源复用。应用表明,该系统能够较好的适用于现代数字化战车的维修保障,使用方便,故障诊断快速有效。     

基于改进极根学习机的回转窑煅烧带温度预测方法

针对传统算法预测回转窑煅烧带温度存在精度低、速度慢的问题,提出了基于改进极限学习机(ELM)的回转窑煅烧带温度预测方法。对ELM输入权值矩阵定义了变换系数,采用黄金分割法在给定区间内搜寻变换系数的最佳值,改进了ELM网络参数的确定方式,弥补了随机确定输入权值并且不作调整的缺陷,在保证ELM训练速度的前提下提高预测精度、减小模型随机性。实验结果表明,改进的ELM预测精度高、训练速度快、模型性能优,可满足工况恶劣的回转窑的生产需要。     

虚拟MODBUS协议在电气试验车中的应用

针对当前电气试验车集控系统中电力检测设备通信协议不统一的现状,在电气试验车研发中采用了全新的虚拟现场总线Modbus协议技术,将软件组态和硬件组态理念紧密结合,克服了不同厂家不同类型设备与试验车监控主机之间的通讯协议匹配问题。通过虚拟Modbus协议服务器软件提供标准化访问接口,使电气试验车测控软件可以用统一的方式控制各个检测设备,提高了电气试验车的系统集成度和设备兼容性。该方法的成功运用,也为高压电气试验设备通讯功能的标准化起到一定推动作用。     

基于CPCI总线的雷达数据采集与控制系统显控软件设计

CPCI总线作为PCI总线的加固版本,目前已成为计算机上流行的高速外设接口总线。在工业自动化领域,进行数据采集和控制基本上也都是通过这一成熟技术来实现的。本文简要介绍该测量雷达和数据采集与控制系统的基本结构,以及CPCI总线标准,重点分析显控软件的功能需求,采用自顶向下的设计,并在VC环境下基于MFC架构利用多线程和双缓存技术以及多种ActiveX控件进行显控软件设计。实现了对测量雷达的控制以及对雷达回波的原始数据的实时存取和绘制。     

基于NI-DAQ的高采样实时数据绘制方法与实现

飞行试验实时监控中,对高采样数据通常采用曲线绘制进行分析与故障判断,这对数据绘制的实时性、精确性以及曲线长度等都提出了较高的要求。本文对基于NI-DAQ的曲线绘制方法进行了研究和软件设计,实现了客户端的高采样数据实时绘制与打印输出。结果证明,采用该方法绘制的参数曲线可以满足实时监控要求。     

基于LVDS的固态存储器与地面综合测试台通信系统设计

针对遥测系统远程数据传输过程中出现的由于干扰引起的误操作以及数据紊乱问题,提出了一种基于LVDS的具有高可靠性的通信系统解决方案。系统以FPGA为控制核心,采用LVDS高速数据传输技术,实现飞行器遥测数据存储系统与地面设备的通信。为保证数据链路与命令控制链路的准确性和可靠性,设计了一套完整的通信协议。经大量试验表明,本通信系统系性能稳定、数据及命令传输可靠,现已应用于某航天遥测数据通信系统。     

防空导弹自动驾驶仪测试性建模研究与应用

为了得到防空导弹自动驾驶仪的故障检测与诊断策略,减少自动驾驶仪的测试费用,建立了自动驾驶仪的测试性模型并进行分析,解决了建模的难点。通过多层抽象混合推理故障建模方法推导了自动驾驶仪结构与测试点之间的关系,根据测试点的特征和自动驾驶仪工作原理建立信息流模型,在此基础上,利用故障与测试间的相关性矩阵来描述测试性模型。基于此模型设计了诊断策略构建方法。实际应用表明,建立测试性模型的方法完全正确,通过模型能够构建有效的检测与诊断策略,缩短测试时间。     

基于多功能数据采集卡和变速PID的转台控制系统设计

为了提高采用转台对惯导系统和惯性仪表进行误差模型标定时的可靠性和精度,对角位置转台的控制系统进行了研究。首先借助NI公司PXI-8101控制器和功能强大的数据采集卡PXIe-6363对转台控制系统进行了硬件设计。随后在对转台常规PID控制方法研究的基础上提出了一种能随系统调节偏差自动改变积分项累加速度的变速PID控制方法。接着又对基于软件实现的双通道旋转变压器轴角解调算法进行了研究并提出了一种粗精组合角纠错方法。最后对本文设计的转台控制系统进行了测试实验,结果表明提出的轴角解调算法具有较好的解码速度和精度,并且变速PID控制方法大大提高了转台控制系统的自学习能力和鲁棒性,显著地改善了转台控制过程的稳定性。     

纯电动汽车磷酸铁锂电池组的建模及优化

鉴于传统神经网络和支持向量机机理复杂、计算量大的缺陷,很难实时跟踪磷酸铁锂电池组复杂快速的内部反应,影响电池荷电状态的估算精度,提出应用一种简单、有效的极限学习机对一额定容量为100Ah、额定电压为72V的纯电动汽车磷酸铁锂电池组建模,并分别与BP神经网络、RBF神经网络、支持向量机进行对比。随后,以学习时间和泛化性能为优化目标,应用粒子群方法寻找最佳隐层节点个数。结果表明,基于极限学习机的磷酸铁锂电池组模型的学习时间、泛化性能优于BP神经网络、RBF神经网络、支持向量机;隐层节点优化后,模型的学习时间和泛化性能达到最优。     

基于多模差分融合的高速车辆定位算法

针对车辆高速运动下定位延时大、精度低、稳定性差的问题,发挥GPS、RSSI和INS三种定位模式的各自优势,将GPS差分校准算法与RSSI测距相结合求解横坐标,将RSSI测距与INS惯导迭代算法相结合求解纵坐标,提出了一种适合高速运动车辆的多模差分融合精确定位算法。以四车道的高速路为场景进行了仿真实验,当车速为70km/h时,跟踪误差<1m,定位延时<0.2s。实验结果表明,该算法可实现车身级和车道级定位,在精确交通诱导、车辆防撞等智能交通领域具有应用前景和推广价值。