近红外光谱的北方寒地土壤含水率预测模型研究

我国北方寒地温差大,土壤温差对近红外光谱测量土壤墒情有较大影响。针对这一问题,以北方寒地土壤为研究对象,探究大范围温度胁迫下（-20～40 ℃）土壤的近红外光谱与土壤不同含水率之间的关系预测模型方法。选取黑龙江八一农垦大学农学院试验基地中的黑土,经烘干、过筛等操作处理后配置含水率范围在15%～50%内八种不同湿度的土壤样品,建立北方寒地土壤大范围温度胁迫下土壤的近红外光谱信息与含水率之间的定量预测模型。在全波段光谱数据的基础上,结合五种不同光谱信号预处理方法,采用BP神经网络算法、优化支持向量机算法（SVM）、高斯过程算法（GP）三种智能算法建立北方寒地土壤近红外光谱与含水率的预测模型并验证模型的效果。利用69组数据进行训练建模, BP神经网络相关参数设置为学习速率0.05,最大训练次数设置为5 000,隐层单元数确定为20;SVM采用径向基函数,并利用leave-one-out cross validation确定了最佳惩罚参数为0.87,使模型预测的准确性提高;高斯过程算法内部采用马顿核。模型的定量评估采用决定系数(R2)和均方根误差（RMSE）。结果表明,在建立的全部BP神经网络模型中,效果最佳的为S_G-BP神经网络模型,模型的R2为0.960 9,RMSE为2.379 7;在SVM模型中SNV-SVM模型的效果最好,模型的R2为0.991 1,RMSE为1.081 5;在GP模型中S_G-GP模型的效果最好,模型的R2为0.928,RMSE为3.258 1,综上基于SNV预处理的SVM模型训练效果最优。利用剩余的35组光谱数据作为预测集验证模型性能,经模型对比分析发现基于SVM算法的预测模型效果优于其他两种算法,其中基于S_G的SVM模型效果最优,其预测模型的R2和差RMSE分别为0.992 1和0.736 9。综合建模集与预测集的参数最终确定基于S_G的SVM模型为最佳模型。此模型可以作为大范围温度胁迫条件下（寒地）的土壤含水率有效预测方法,为设计优化适宜寒地便携式近红外土壤含水率快速测量仪提供科学依据。     

基于线反电动势的三相PMSM角度传感器零位标校方法

角度传感器零位的精确标校是实现永磁同步电机高精度控制的前提。针对现有零位标校方法复杂及标校精度低的问题，提出一种基于线反电动势观测的三相永磁同步电机角度传感器零位标校方法。根据电磁感应定律，分析外力矩带动电机旋转时相反电动势随机械角变化的规律，并从三相电机结构入手，推导线反电动势和相反电动势之间的相位关系。利用角度传感器过零信号触发捕捉线反电动势波形，并基于线性插值法精确定位线反电动势过零点，再通过移相得到角度传感器零位；借助扰动法分析角度及电压测量误差对角度传感器零位估计精度的影响。理论与测试结果表明，基于线反电动势观测的方法可有效估计角度传感器零位，精度可达0.018°；补偿角度传感器零位后，电机运行效率提升显著。所提方法便捷、经济，对提升永磁同步电机的控制性能具有重要的作用。