XiaoMi-AI文件搜索系统
World File Search System参考速度
单个 SoC FPGA 上的双轴电机控制
SmartFusion2 电机控制 GUI 允许动态调整参数，例如参考速度、PI 控制器的 Kp/Ki 增益，以及查看内部信号以进行调试。该套件还支持各种通信接口，包括以太网、CAN、USB 等。SmartFusion2 SoC FPGA 的设计安全性比其他 FPGA 更强，并且包括使用 Cryptography Research Incorporated (CRI) 许可技术的差分功率分析 (DPA) 防篡改措施。安全架构的设计考虑了分层方法，建立在安全硬件的基础之上。
低压IE5同步电动机
许多过程需要准确的速度控制。顾名思义，Synrm是同步电动机，在没有编码器的情况下总是以参考速度运行，几乎没有错误。即使是感应电动机逆变器中最佳的滑动综合系统也永远无法匹配synrm的精度。有时您的应用程序可能需要您以慢速运行电动机，例如以少于40 rpm的速度运行。如果您使用的是Synrm，并且您的驱动器无法提供必要的扭矩，则可能会绊倒。这意味着您可能会在问题调试时停机。ABB驱动器即使没有速度传感器，也可以完全控制速度至零速度。
自动移动机器人的稳定跟踪控制方法
本文提出了针对非BOLONOMIC车辆的稳定跟踪控制规则。通过使用Liapunov函数来证明该规则的稳定性。对车辆的输入是参考姿势（x，y ,, 8）'和参考速度（v，ar）'。本文的主要目的是提出一个控制规则，以找到合理的目标线性和旋转速度（v，a）'。线性化系统的微分方程对于确定对小干扰的关键倾倒参数很有用。为了避免任何滑倒，引入了速度/加速度限制方案。有或没有速度/加速度限制器的几个合理结果。本文提出的控制规则和限制方法是与机器人无关的，因此可以应用于具有死亡算力能力的各种移动机器人。此方法是在自动移动机器人Yamabico-11上实现的。获得的实验结果接近速度/加速度限制器的结果。
流速传感器校准过程中标准与测量仪器之间的相互作用
摘要：复杂通风系统的开发过程与建模、设计、执行和测试阶段相关。每个步骤都需要使用能够确定流动基本参数的测量设备。在校准用于测量流速的仪器的过程中，限制之一是位于风洞测试段的校准设备的尺寸。这与校准风速计附近的流动条件变化有关，这是由阻塞效应引起的。与风洞测试段的横截面积相比，尺寸较大的仪器可能会对标准指示的参考速度产生影响。在这种情况下，校准结果可能会受到额外系统误差的影响。本文使用校准实验室的真实案例和常用传感器对这种影响进行了研究。还研究了不同类型的空气速度传感器对测量标准区域速度曲线的影响。此外，还描述了阻塞效应的区域。所得结果表明，由于流动阻塞效应的最小化，可以正确放置测量标准。
安全调查最终报告 - SKYbrary
ATM – 假定温度法 CRM - 机组资源管理 CCD - 光标控制装置 CCS - 光标控制选择器 CVR - 驾驶舱语音记录器 CDU - 控制显示单元 CG - 重心 CG MAC% - 以 % 表示的 CG 平均气动弦 EAFR - 增强型机载飞行记录器 EICAS - 发动机指示和机组警报系统 EFB - 电子飞行包 FMC - 飞行管理计算机 固定降低率 – TO/TO1/TO2 FLAR - 飞行日志和飞机释放 HUD - 平视显示器 MFD - 多功能显示器 MFK - 多功能键盘 MCP - 模式控制面板 MAC - 平均气动线 OPT - 机载性能工具 OMA - 操作手册 PF - 飞行飞行员 PM - 飞行员监控 PIC- 机长 QRH - 快速参考手册 TPR - 涡扇功率比 TOW - 起飞重量 V1 - 起飞决策速度 Vr - 旋转速度 V2 - 起飞安全速度 Vref - 参考速度 Vmu -最小脱杆速度 Vzf - 零襟翼机动速度 ZFW - 零燃油重量
基于 非参数 感应 电机 转子 磁链 估计 器 的 研究 .
基于电流模型和电压模型的传统感应电机转子磁通观测器对参数不确定性很敏感。本文提出了一种基于前馈神经网络的非参数感应电机转子磁通估计器。该估计器无需电机参数即可运行，因此不受参数不确定性的影响。该模型采用 Levenberg-Marquardt 算法离线训练。所有数据收集、训练和测试过程均在 MATLAB/Simulink 环境中完成。训练过程中强制迭代 1,000 个时期。此建模过程总共使用了 603,968 个数据集。该四输入两输出神经网络模型能够为磁场定向控制系统提供转子磁通估计，其误差为 3.41e-9 mse，训练时间为 28 分 49 秒。该模型在参考速度阶跃响应和参数不确定性下进行了测试。结果表明，所提出的估计器改进了电压模型和电流模型转子磁通观测器的参数不确定性。
基于非参数感应电机转子磁链估计器...
基于电流模型和电压模型的传统感应电机转子磁通观测器对参数不确定性很敏感。本文提出了一种基于前馈神经网络的非参数感应电机转子磁通估计器。该估计器无需电机参数即可运行，因此不受参数不确定性的影响。该模型采用 Levenberg-Marquardt 算法离线训练。所有数据收集、训练和测试过程均在 MATLAB/Simulink 环境中完成。训练过程中强制迭代 1,000 个时期。此建模过程总共使用了 603,968 个数据集。该四输入两输出神经网络模型能够为磁场定向控制系统提供转子磁通估计，其误差为 3.41e-9 mse，训练时间为 28 分 49 秒。该模型在参考速度阶跃响应和参数不确定性下进行了测试。结果表明，所提出的估计器改进了电压模型和电流模型转子磁通观测器的参数不确定性。
机器人技术-Iris
摘要：这项工作介绍了康复 - exos的设计，这是一种新颖的上肢外骨骼，用于康复目的。它配备了高还原比率执行器和紧凑的弹性接头，以获得基于应变测量值的扭矩传感器。在这项研究中，我们解决了扭矩传感器的性能以及可能导致不必要的非轴向矩负载串扰的设计方面。此外，通过对多DOF，非线性系统动力学进行建模并为非线性效应（例如摩擦和重力）提供补偿，设计了新的全州反馈扭矩控制器。通过控制系统的表现和机械结构验证评估所提出的上肢外骨骼，将全州反馈控制器与两个透明度测试中的其他两个基准状态反馈控制器进行了比较 - TEN受试者，两个参考速度，以及一个happeric的渲染评估。两个实验都代表了设备的预期目的，即与受到有限运动技能影响的患者的身体互动。在所有实验条件下，我们提议的关节扭矩控制器都达到了更高的性能，为关节提供了透明度，并主张外骨骼对辅助应用的可行性。
速度控制的车辆纵向动力学的建模
纵向动态控制是自动驾驶汽车的重要任务之一，它处理速度调节以确保平稳和安全的操作。要设计一个良好的控制器，需要一个简单而可靠的数学模型，以便它可以用作植物并调整控制器。尽管文献中有许多类型的数学模型，但找到适合控制应用程序的数学模型至关重要。该模型不能太复杂，并且可能太简单了。因此，这项工作的主要目的是得出一个简单而可靠的车辆纵向模型，以便可以将其用作MATLAB Simulink中的仿真植物，以测试或调整各种类型的控制算法的性能。该模型由三个主要部分组成，即车身动态，简化动力列车动态和制动动态。为了验证模型的可靠性，标准的城市驱动周期将用作参考速度，并使用具有反植物模型的分层PID控制结构来控制踏板输入，以替代模拟环境中的驾驶员。结果表明，控制器设法通过可接受的踏板压力响应跟踪驱动周期，该响应在40％的油门压力之间，并在20％的制动下按下，这与车辆的正常操作一致。尽管仅显示仿真结果，但该模型可以用作进一步开发和测试不同类型的控制算法的良好起点。
空速校准测试的标准规范
风速校准是一种测试过程，其中风速测量仪器或风速计的输出与参考风速相关。在某些情况下，例如部署风传感器来测量大气风，则需要从校准表生成传递函数，并在测试报告中提供该传递函数。目前，有三个已发布的标准介绍了旋转风速计的测试协议：ASTM D 5096-02、ISO 17713- 1 和 IEC 61400-12-1。对于声波风速计，参考了两个已发布的标准：ASTM D 6011-96 和 ISO 16622。旋转和声波风速计通常用于天气测量。对于较小的风速仪器，如皮托管系统和热线风速计，ASTM D 3796-09 中提供了一种标准校准方法。所有这些标准的一个共同要求是，风速计校准必须在均匀流动、低湍流的风洞中进行，其中稳定状态的风条件会将风传感器的性能与某些因素（例如振动和偏角风）隔离开来。IEC 61400-12-1 和 ASTM D 3796-09 中的程序还规定，风洞参考速度应使用皮托管系统测量。另一方面，ASTM D 5096-02、ISO 17713-1、ASTM D 6011-96 和 ISO 16622 没有规定参考风速的特定测量系统，因此可以结合其他类型的风测量系统。在 NIST 空气速度校准