导读:本文包含了速度自校正论文开题报告文献综述及选题提纲参考文献，主要关键词:车辆事故自动呼救系统,速度变化量,回归分析,碰撞试验
速度自校正论文文献综述
叶恒毅[1]（2019）在《车辆事故自动呼救系统速度变化量信息自校正方法研究》一文中研究指出车辆事故自动呼救系统(Automatic Crash Notification System,ACNS)属于事故后安全技术之一。当事故发生后,ACNS能够快速识别出碰撞,同时与救援中心取得联系并向其发送事故信息,救援中心可以根据收到的求救信息派遣距离事故地点最近的救援机构对车内乘客进行救援,从而提高救援效率,挽救更多伤者的生命。现有的以加速度信号触发的ACNS是在所采集到的加速度信号大于门槛阈值时,才对加速度信号进行积分从而计算出速度变化量,因此该计算值与实际的速度变化量之间存在着误差,而速度变化量的准确性将会影响到交通事故再现的准确性以及驾驶员的伤情预测。因此,对ACNS速度变化量信息准确性的研究具有重要意义。论述了速度变化量在固定壁障碰撞以及车对车碰撞情况下的作用。同时,根据Logistic回归确定了对驾驶员进行伤情预测时有显着影响的叁个因素:是否系安全带、碰撞过程中的速度变化量、安全气囊是否打开。为了确定速度变化量与伤情预测的具体关系,将速度变化量作为自变量,驾驶员伤情等级作为因变量,建立了驾驶员的伤情预测模型,分析了速度变化量对驾驶员伤情预测的影响。利用台车碰撞试验数据分析了门槛阈值及加速度曲线形状与速度变化量准确性之间的关系。为了确定这叁者之间的关联模型,根据台车碰撞试验搭建LSDYNA台车碰撞仿真模型并验证其准确性,以ACNS速度变化量算法计算得到的速度变化量值与实际的速度变化量值之间的误差作为衡量ACNS对外提供的速度变化量信息的准确性的指标,并将其作为因变量,门槛阈值作为自变量之一。以加速度峰值,8ms窗宽内的速度变化量均值、加速度坡度绝对值均值表征加速度曲线的形状,选取其中最合适的一个因素作为另一个自变量。基于仿真模型产生的加速度数据进行回归分析,通过比较回归结果确定了最终的回归方程。将该回归方程作为关联模型并融入ACNS原始的速度变化量算法以改善其计算结果,并且在此基础上提出了一种具有速度变化量信息自校正功能的ACNS算法。进行了ACNS车载终端的设计,分别阐述了ACNS车载终端的定位模块、GSM模块、CAN通信接口、电源部分的电路设计思路。同时对定位以及GSM模块的软件部分进行了设计并且将具有速度变化量信息自校正功能的ACNS算法融入软件。最后,制造了ACNS样机。利用台车碰撞试验以及实车碰撞试验采集到的加速度数据对所设计的ACNS车载终端以及所提出算法的有效性进行验证。验证结果表明:所设计的车载终端能够准确地识别碰撞并对外发送事故信息,而且速度变化量信息也更准确。(本文来源于《江苏大学》期刊2019-06-01）
丁时云[2]（2015）在《永磁同步电机神经网络自校正速度控制系统》一文中研究指出永磁同步电机由于具有体积小、重量轻、转速平稳、动态响应较快、转矩控制简单以及过载能力强等一些优点而受到广大研究者的青睐并被广泛运用到现代交流调速系统中。然而永磁同步电机本身是一个非线性、多变量、强耦合的控制系统,传统PID速度控制器很容易受到电机的参数变化与负载干扰等一些不确定因素影响。因此在速度控制精度要求较高且负载波动大的情况下,传统PID控制器已经难以达到永磁同步电机系统的高性能控制要求。神经网络具有自学习自适应能力,通常用于解决非线性系统的复杂控制问题。随着神经网络控制理论的日益成熟与发展,神经网络在电机控制领域的应用越来越广泛。BP网络是发展较早的一种神经网络控制方法,但是因其训练速度慢等问题,难以满足系统的实时控制要求,因此其应用受到一定的限制。而RBF神经网络采用合适的训练算法时,能达到学习速度快、泛化能力强、实时性高的要求。基于以上原因,本文重点研究一种基于RBF神经网络自校正PID的永磁同步电机转速控制方法,满足对永磁同步电机系统的高性能控制要求。本文将RAN学习算法与梯度下降学习算法结合训练RBF神经网络,以得到学习速度快,动态性能好的网络结构,然后通过训练好的RBF神经网络的自学习自适应能力来校正PID的叁个参数,实现PMSM的速度高性能跟踪控制。为了验证该方案的可行性,本文在MATLAB/SIMULINK仿真环境下建立基于RBF神经网络自校正的永磁同步电机矢量控制系统仿真模型,对电机在负载扰动以及转速突变的情况下进行仿真研究,并与传统PID控制方法进行比较。仿真结果证明该控制器受电机参数变化和负载扰动的影响较小,具有较好的抗干扰性和鲁棒性,能对速度进行快速稳定跟踪控制。最后,通过搭建以TMS320F2812高性能DSP芯片为核心的永磁同步电机矢量控制系统实验平台,进行相关实验研究,实验进一步验证了本文提出的基于RBF神经网络自校正PID速度控制的永磁同步电机矢量控制系统的可行性和优越性。(本文来源于《湖南大学》期刊2015-05-04）
龙国浩,赵东标,吉星宇,肖息,雷体高[3]（2015）在《EMA伺服系统速度环自校正控制设计》一文中研究指出针对系统参数变化时伺服性能降低的情况,提出了一种通过辨识系统转动惯量实现速度环自校正控制的方法。根据波波夫超稳定理论设计离散系统模型,参考自适应算法递推得到系统转动惯量。建模分析速度环参数和转动惯量的关系,得到一种简单的控制器自校正规律,实现系统速度环的自校正控制。这种方法根据机械参数的变化校正控制器,提高了系统伺服性能。通过Matlab仿真验证了参数辨识方法和速度环自校正控制的可行性和有效性。(本文来源于《机械与电子》期刊2015年02期）
杨治平,刘晓燕,周彬[4]（2014）在《无传感器感应电机模糊自校正速度控制》一文中研究指出感应电机控制中,采用物理速度传感器来检测电机速度不适合于高危场合和低转速状况下的电机控制.文中给出了一种优化的解决方案.不采用物理传感器来检测电机的输出速度,而是基于Lyapunov稳定性理论和向量分析方法,应用估计算法来计算定子电压和转子磁通,然后在线采样相关数据来计算转子速度.采用模糊控制来解决电机运行的随机扰动和速度变化过程的非线性问题,结合自校正控制来完成对电机给定速度的跟踪.仿真结果表明:实施给出的控制方案,使电机的输出速度具有优异的响应特性.(本文来源于《西南大学学报(自然科学版)》期刊2014年04期）
佟继红,王继忠[5]（2012）在《常化炉辊道速度自校正PID控制系统》一文中研究指出针对中厚板常化炉的计算机控制系统,详细介绍了辊道控制子系统,并提出了一种基于自校正神经网络的PID优化控制算法.采用此算法的常化炉辊道控制系统运行稳定,产品性能指标、生产效率显着提高.(本文来源于《北华大学学报(自然科学版)》期刊2012年01期）
吴国荣,肖曦[6]（2009）在《基于自校正的伺服系统速度控制器》一文中研究指出为了提高永磁同步电机伺服系统的速度控制性能,提出一种基于自校正的永磁同步电机速度环控制器。自校正控制通过采样系统输入输出信息,运用最小二乘法辨识系统参数,然后根据参数辨识的结果自动校正控制器的参数,保证被控系统达到预期的性能指标。实验结果表明:该控制器与传统的固定PID控制相比,转速稳态误差和超调量减小,转速也更为平稳,在伺服系统参数发生变化时仍能保持良好的控制性能。(本文来源于《电气传动》期刊2009年10期）
徐东,王田苗,刘敬猛,魏洪兴[7]（2009）在《基于参数辨识的永磁同步电机自校正速度控制方法》一文中研究指出针对永磁同步电机伺服系统的机械参数经常发生变化的情况,提出了一种通过辨识转动惯量和摩擦系数实现速度控制器系数自校正的方法。辨识转动惯量和摩擦系数采用的是根据波波夫超稳定理论设计的一种转动惯量和摩擦系数的模型参考辨识算法。辨识中引入了负载转矩观测器的观测值,使辨识算法不需要附加条件。参数辨识的结果用于速度控制器的校正。通过实验分析了速度环采用比例积分(PI)控制器时控制器的系数不等于理论计算值的问题,得出了一种简单的控制器系数自校正规律——比例系数和转动惯量成正比,且积分系数和摩擦系数也成正比。这种方法能够根据机械参数的变化校正控制器,提高速度控制的性能。仿真结果证明了参数辨识方法和控制器系数校正规律的有效性。(本文来源于《高技术通讯》期刊2009年02期）
佟继红,王继忠,彭开香[8]（2006）在《淬火机辊道速度自校正PID控制系统》一文中研究指出对中厚板无约束淬火机的计算机过程控制系统中的辊道控制的构成及实施方法进行了介绍,通过自校正神经网络算法对PID参数进行优化,并对系统的性能进行了分析,淬火机辊道控制系统经过实际运行,不但提高了产品的性能指标,而且由于使用了智能化控制手段,增加稳定性,使生产效率大大提高,减轻了工人的劳动强度。(本文来源于《微计算机信息》期刊2006年28期）
程昱,钟宜生,徐文立[9]（2002）在《采用自校正模糊PI控制的超声波电机速度控制》一文中研究指出针对超声波电机构成的速度伺服系统采用了一种新的控制方案———自校正模糊PI控制。该控制器由模糊控制环节、PI控制器、自校正环节构成。PI控制器的比例增益KP 和积分增益KI 由模糊控制规则确定 ,并且通过修正因子在线自校正来优化模糊控制规则。实验结果表明该控制方案效果好 ,简单易行 ,通用性强(本文来源于《微特电机》期刊2002年04期）
速度自校正论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
永磁同步电机由于具有体积小、重量轻、转速平稳、动态响应较快、转矩控制简单以及过载能力强等一些优点而受到广大研究者的青睐并被广泛运用到现代交流调速系统中。然而永磁同步电机本身是一个非线性、多变量、强耦合的控制系统,传统PID速度控制器很容易受到电机的参数变化与负载干扰等一些不确定因素影响。因此在速度控制精度要求较高且负载波动大的情况下,传统PID控制器已经难以达到永磁同步电机系统的高性能控制要求。神经网络具有自学习自适应能力,通常用于解决非线性系统的复杂控制问题。随着神经网络控制理论的日益成熟与发展,神经网络在电机控制领域的应用越来越广泛。BP网络是发展较早的一种神经网络控制方法,但是因其训练速度慢等问题,难以满足系统的实时控制要求,因此其应用受到一定的限制。而RBF神经网络采用合适的训练算法时,能达到学习速度快、泛化能力强、实时性高的要求。基于以上原因,本文重点研究一种基于RBF神经网络自校正PID的永磁同步电机转速控制方法,满足对永磁同步电机系统的高性能控制要求。本文将RAN学习算法与梯度下降学习算法结合训练RBF神经网络,以得到学习速度快,动态性能好的网络结构,然后通过训练好的RBF神经网络的自学习自适应能力来校正PID的叁个参数,实现PMSM的速度高性能跟踪控制。为了验证该方案的可行性,本文在MATLAB/SIMULINK仿真环境下建立基于RBF神经网络自校正的永磁同步电机矢量控制系统仿真模型,对电机在负载扰动以及转速突变的情况下进行仿真研究,并与传统PID控制方法进行比较。仿真结果证明该控制器受电机参数变化和负载扰动的影响较小,具有较好的抗干扰性和鲁棒性,能对速度进行快速稳定跟踪控制。最后,通过搭建以TMS320F2812高性能DSP芯片为核心的永磁同步电机矢量控制系统实验平台,进行相关实验研究,实验进一步验证了本文提出的基于RBF神经网络自校正PID速度控制的永磁同步电机矢量控制系统的可行性和优越性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
速度自校正论文参考文献
[1].叶恒毅.车辆事故自动呼救系统速度变化量信息自校正方法研究[D].江苏大学.2019
[2].丁时云.永磁同步电机神经网络自校正速度控制系统[D].湖南大学.2015
[3].龙国浩,赵东标,吉星宇,肖息,雷体高.EMA伺服系统速度环自校正控制设计[J].机械与电子.2015
[4].杨治平,刘晓燕,周彬.无传感器感应电机模糊自校正速度控制[J].西南大学学报(自然科学版).2014
[5].佟继红,王继忠.常化炉辊道速度自校正PID控制系统[J].北华大学学报(自然科学版).2012
[6].吴国荣,肖曦.基于自校正的伺服系统速度控制器[J].电气传动.2009
[7].徐东,王田苗,刘敬猛,魏洪兴.基于参数辨识的永磁同步电机自校正速度控制方法[J].高技术通讯.2009
[8].佟继红,王继忠,彭开香.淬火机辊道速度自校正PID控制系统[J].微计算机信息.2006
[9].程昱,钟宜生,徐文立.采用自校正模糊PI控制的超声波电机速度控制[J].微特电机.2002
标签：车辆事故自动呼救系统; 速度变化量; 回归分析; 碰撞试验;