-
公开(公告)号：CN118763932B
公开(公告)日：2025-03-21
申请号：CN202410506155.6
申请日：2024-04-25
Applicant: 电子科技大学
IPC: H02P21/00 , H02P25/022
Abstract: 本发明公开了一种基于自适应滑模控制器的永磁同步电机控制方法，包括：对永磁同步电机控制系统模型进行建模、设计自适应滑模控制器并进行稳定性证明、设计自适应滑模扰动观测器并进行稳定性证明。首先，在考虑参数摄动、未建模部分及外界扰动的情况下，将其视为集总扰动，建立含有集总扰动的永磁同步电机系统模型；其次，基于所建永磁同步电机系统模型，设计一种自适应滑模控制算法，并进行稳定性证明；最后，针对永磁同步电机模型中的集总扰动，设计一种自适应滑模扰动观测器对其进行预估，并进行稳定性证明。本发明能够有效解决永磁同步电机在参数摄动、未建模部分及外界扰动情况下，实现高精度高性能控制的问题。
-
公开(公告)号：CN108510467B
公开(公告)日：2022-04-08
申请号：CN201810263825.0
申请日：2018-03-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度可变形卷积神经网络的SAR图像目标识别方法，主要解决现有技术目标识别速度慢，准确率低的问题，其步骤为：1)对于SAR图像目标切片数据进行数据扩增，构建目标与场景的合成图像集合，进而得到训练样本集和测试样本集；2)构建基于像素级的峰值特征模块与连通区域标记模块；3)构建深度可变形卷积神经网络并对其进行训练；4)依据得到的峰值图像标记结果，画出目标检测结果图，将目标送入网络，得到输出的分类标签，完成SAR图像目标识别。本发明利用多层网络结构提取输入图像的特征，提高了SAR目标识别中检测速度和识别准确率，可用于遥感目标的目标检测、目标识别和侦查监视。
-
公开(公告)号：CN108492319B
公开(公告)日：2021-09-03
申请号：CN201810193049.1
申请日：2018-03-09
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于深度全卷积神经网络的运动目标检测方法，用于解决现有有监督运动目标检测方法中存在的检测精度低和检测复杂度高的技术问题，实现步骤为：(1)提取视频场景的背景图像；(2)获取多通道视频帧序列；(3)构建训练样本集与测试样本集，并对该两个样本集进行归一化；(4)构建深度全卷积神经网络模型；(5)对深度全卷积神经网络模型进行训练；(6)用训练好的深度全卷积神经网络模型对测试样本集进行预测；(7)获取运动目标检测结果。本发明通过深度全卷积神经网络模型实现运动目标检测，提高了运动目标检测的精度，并降低了检测的复杂度，可用于监控视频的目标识别、目标追踪与动作识别等领域。
-
公开(公告)号：CN108492319A
公开(公告)日：2018-09-04
申请号：CN201810193049.1
申请日：2018-03-09
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于深度全卷积神经网络的运动目标检测方法，用于解决现有有监督运动目标检测方法中存在的检测精度低和检测复杂度高的技术问题，实现步骤为：(1)提取视频场景的背景图像；(2)获取多通道视频帧序列；(3)构建训练样本集与测试样本集，并对该两个样本集进行归一化；(4)构建深度全卷积神经网络模型；(5)对深度全卷积神经网络模型进行训练；(6)用训练好的深度全卷积神经网络模型对测试样本集进行预测；(7)获取运动目标检测结果。本发明通过深度全卷积神经网络模型实现运动目标检测，提高了运动目标检测的精度，并降低了检测的复杂度，可用于监控视频的目标识别、目标追踪与动作识别等领域。
-
公开(公告)号：CN119727481A
公开(公告)日：2025-03-28
申请号：CN202411837093.3
申请日：2024-12-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于预定时间的永磁同步电机滑模控制方法，该方法具体包括：对系统数学模型进行建模，依据无模型理论，建立转速环超局部模型；基于预定时间稳定性理论，设计预定时间滑模控制器，并对其进行稳定性证明；对于模型的未知部分及外部扰动，将其视为集总扰动，并定义一个中间变量，设计扩张状态观测器对其进行估计，并对其稳定性进行证明。本发明基于无模型理论进行建模，并基于所建模型设计预定时间滑模控制器及扩张状态观测器，最终实现了系统在预定时间内收敛稳定，且收敛时间与系统初始状态无关，并能有效抑制传统滑模控制方法的抖振，提高永磁同步电机的控制精度、抗干扰能力及鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN119291583A
公开(公告)日：2025-01-10
申请号：CN202411428359.9
申请日：2024-10-14
Applicant: 杭州电子科技大学 , 西南应用磁学研究所(中国电子科技集团公司第九研究所)
IPC: G01R33/12
Abstract: 本发明属于磁芯损耗测量领域，具体涉及一种薄膜磁芯高频损耗测量方法。本技术方案先利用振动样品磁强计(VSM)测得初始磁化曲线以及在不同外加磁场强度下的磁滞回环，再搭建两绕组法测量平台并利用空气芯变压器校准高频相位偏差；在计算得到叠层薄膜磁芯的损耗曲线后，建立包含薄膜磁芯的有限元模型并予以校正；最后确定叠层薄膜磁芯的复磁导率，将复磁导率代入有限元模型中，剔除空气芯耦合主磁通对薄膜磁芯中磁感应强度测量值的影响，并对损耗曲线进行迭代更新，将最后一次迭代更新得到的损耗曲线作为输出。基于本技术方案可精确测量在高频下适用于磁集成的薄膜磁芯损耗。
-
公开(公告)号：CN118763932A
公开(公告)日：2024-10-11
申请号：CN202410506155.6
申请日：2024-04-25
Applicant: 电子科技大学
IPC: H02P21/00 , H02P25/022
Abstract: 本发明公开了一种基于自适应滑模控制器的永磁同步电机控制方法，包括：对永磁同步电机控制系统模型进行建模、设计自适应滑模控制器并进行稳定性证明、设计自适应滑模扰动观测器并进行稳定性证明。首先，在考虑参数摄动、未建模部分及外界扰动的情况下，将其视为集总扰动，建立含有集总扰动的永磁同步电机系统模型；其次，基于所建永磁同步电机系统模型，设计一种自适应滑模控制算法，并进行稳定性证明；最后，针对永磁同步电机模型中的集总扰动，设计一种自适应滑模扰动观测器对其进行预估，并进行稳定性证明。本发明能够有效解决永磁同步电机在参数摄动、未建模部分及外界扰动情况下，实现高精度高性能控制的问题。
-
公开(公告)号：CN118244643A
公开(公告)日：2024-06-25
申请号：CN202410506163.0
申请日：2024-04-25
Applicant: 电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种伺服位置跟踪系统的无模型自适应滑模控制方法，该方法包括具有参数摄动、未建模部分及外部扰动永磁同步电机伺服位置系统模型的建模，无模型自适应滑模控制器的设计及稳定性证明，无模型滑模扰动观测器的设计及稳定性证明。本发明通过引入无模型理论，并与自适应滑模控制器及滑模扰动观测器相结合，可极大克服电机系统参数摄动、未建模部分及外部扰动等各种不确定性因素，大大提高伺服位置跟踪系统的鲁棒性和动静态性能，从而实现对伺服位置的高精度跟踪控制。本发明能够有效解决伺服位置跟踪系统在具有参数摄动、未建模部分及外部扰动条件下的高精度稳定跟踪控制问题。
-
公开(公告)号：CN108447057A
公开(公告)日：2018-08-24
申请号：CN201810281824.9
申请日：2018-04-02
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于显著性和深度卷积网络的SAR图像变化检测方法，主要解决现有技术检测精度低及抗干扰能力弱的问题。其实现方案为：对同一区域不同时刻的两幅SAR图像预处理后，进行对数比值操作并归一化，得到归一化的对数比值差异图；对该差异图进行显著性特征提取，得到显著图；对显著图进行阈值化，并将差异图与阈值化的结果进行点乘，得到显著特征图；对差异图聚类得到预分类结果；从预分类结果中挑选出训练样例；构造深度卷积网络，用训练样例对网络进行训练；用训练好的网络对SAR图像做变化检测。本发明能有效地抑制背景区域信息的干扰，提高了变化检测的精确度，可用于自然灾害评估、环境资源检测和城市建模规划。
-
公开(公告)号：CN120016887A
公开(公告)日：2025-05-16
申请号：CN202411837294.3
申请日：2024-12-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种永磁同步电机的无模型预定时间滑模控制方法，具体包括：针对永磁同步电机系统特性，结合无模型理论，建立转速环超局部模型；设计无模型预定时间滑模扰动观测器对集总扰动进行预估，包括观测器滑模面函数的设计、集总扰动预估值变化律的设计，并进行稳定性分析；设计无模型预定时间滑模控制器，包括控制器滑模面函数的设计、滑模趋近律的设计，并进行稳定性分析。本发明将无模型理论、预定时间稳定性理论与滑模控制器及滑模扰动观测器相结合，降低了系统模型的复杂性和对电机参数的敏感性，最终系统可在预定时间内稳定，并能有效削弱传统滑模控制方法抖振。本发明能够有效解决永磁同步电机在集总扰动下的稳定跟踪控制问题。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.024 seconds)
