硬件在环 (HIL) 或控制器在环仿真是一种用于开发和测试控制器和保护系统的技术。目标是验证和认证控制器和保护系统软件程序的功能、性能、质量和安全性。为了实现这一点,被测的实际控制和保护设备通过电流和电压接口连接到模拟器,就像在现实生活中一样。模拟器以高精度和高保真度模拟模型系统在正常和故障条件下的稳态和瞬态行为。通过重现现实,控制器被“欺骗”相信它已连接到真实的物理系统。然后就可以获得在任何操作条件下测试控制器和保护设备所需的所有灵活性。电力硬件在环 (PHIL) 是扩展到电力组件的 HIL 概念。在 PHIL 仿真中,I/O 需要高功率流来测试电力转换器、发电机、FACTS 等。成功可靠地实施 PHIL 和 HIL 仿真需要合理的模型、快速的程序执行、反应时间低于几微秒以及快速的 I/O 通信,因此控制器和保护系统在与实际提交的条件相同的条件下进行测试。您还需要一组工具来监控和与模拟器和可视化工具交互以解释结果(范围、图表、数据记录等)。除了可扩展性之外,这些是 OPAL-RT 的 eMEGAsim (tm) 实时数字模拟器的主要功能。
有人提出,机器学习技术可以从符号表示和推理系统中受益。我们描述了一种方法,其中可以通过使用超维向量和超维计算以自然而直接的方式将两者结合起来。通过使用哈希神经网络来生成图像的二进制向量表示,我们展示了如何构建超维向量,以便从其输出中自然产生向量符号推理。我们设计了超维推理层 (HIL) 来促进这一过程,并评估其与基线哈希网络相比的性能。除此之外,我们还表明,单独的网络输出可以直接在 HIL 中的向量符号级别融合,以提高整体模型的性能和稳健性。此外,据我们所知,这是第一次在真实数据上创建有意义的图像超维表示,同时仍保持超维性。
摘要 - 城市化导致道路上越来越多的车辆,导致空气更加污染和拥挤的城市中心。这是由配备电信设备的混合动力汽车减轻这种情况的,这允许实施预测控制策略。这项研究集中在设置创新和通用的仿真环境,以开发和验证由车辆到所有连接所支持的预测控制策略。这有助于测试和验证预测控制策略,授予安全性,可靠性和可重复性。模拟环境由连接的硬件(HIL)系统组成,用于测试将实现预测功能的监督控制器(混合控制单元)。除了常规HIL布局的所有优点外,它还可以从云服务提供商和附近设备上交换真实数据。使用具有专有功能的自定义连接控制单元来处理动力总成控制器,蜂窝网络和智能运输系统(ITS-G5)之间的空中接口。最后,这项工作介绍了对实际控制器之间短期和远程数据交换的端到端通信的测试。
DGA 飞行测试中心拥有欧洲独一无二的极高水平的专业知识和测试资源,负责在所有飞机交付给军队之前对其进行测试和评估。该中心还参与未来军用航空装备的设计,如未来空战系统(SCAF)、轻型联合直升机(HIL)和未来的阵风标准。
这些直升机已经飞行了 1,500 多个小时,并执行了多次救援任务,其初步使用反馈非常积极。这些反馈也有助于该飞机军用版本的研发:H160M“Guépard”,这是 DGA 试行的轻型联合直升机 (HIL) 项目的主题。
这种基于模型的方法允许在产品开发计划的早期阶段进行“前期加载”和更准确、更稳健的目标设定。虚拟环境和车辆可用于遵循基于场景的开发方法,该方法使用基于虚拟的车辆系统、环境和 RDE 场景开发和验证系统硬件在环 (HiL)。
这种基于模型的方法允许在产品开发计划的早期阶段进行“前期加载”和更准确、更稳健的目标设定。虚拟环境和车辆可用于遵循基于场景的开发方法,该方法使用基于虚拟的车辆系统、环境和 RDE 场景开发和验证系统硬件在环 (HiL)。
OPAL-RT 是 PC/FPGA 实时数字模拟器、硬件在环 (HIL) 测试设备和快速控制原型 (RCP) 系统开发领域的全球领导者,用于设计、测试和优化电网、电力电子、电机驱动器、汽车工业、火车、飞机和各个行业以及研发中心和大学中使用的控制和保护系统。opal-rt.com
OPAL-RT 是 PC/FPGA 实时数字模拟器、硬件在环 (HIL) 测试设备和快速控制原型 (RCP) 系统开发领域的全球领导者,用于设计、测试和优化电网、电力电子、电机驱动器、汽车工业、火车、飞机和各个行业以及研发中心和大学中使用的控制和保护系统。opal-rt.com
摘要:假肢手的常规使用显着增强了amputees的日常生活,但它经常引入认知载荷并降低反应速度。为了解决这个问题,我们引入了一个可穿戴的半自治层次控制框架,该框架是为截肢者量身定制的。从人类的视觉处理流中汲取灵感,将完全自主的仿生控制器集成到假肢手部控制系统中,以折断认知负担,并以人类在循环(HIL)控制方法中进行补充。在腹流阶段,控制器整合了用户手眼协调和生物本能中的多模式信息,以分析用户的运动意图并操纵视图域中的原始开关。通过HIL控制策略实现了向背流阶段的过渡,将精确的力控制与假肢的传感器和用户的肌电图(EMG)信号相结合。实验结果证明了所提出的界面的有效性。我们的方法提出了一种更有效的机器人控制系统与人之间相互作用的方法。