一、TWTA性能仿真及其非线性补偿的一种新方法（论文文献综述）
侯波[1]（2021）在《分布式发电系统中变速风电机组及逆变器控制方法研究》文中研究指明作为可再生能源分布式发电（Distribution Generation,DG）系统“风能转换和电能变换”的关键接口,变速风电机组和逆变器是DG系统的两个核心装置。然而,在复杂运行环境下变速风电机组的强非线性和参数不确定性、逆变器滤波参数的不确定性、本地负载的非线性、不平衡性以及本地负载随系统工况的变化而变化等实际工程因素的存在,使得以PI为代表的线性控制方法难以满足现代DG系统对这两个核心装置高性能的控制要求。先进控制方法是解决线性控制方法不足的有效手段。为此,本文以变速风电机组、单相和三相逆变器（并网运行时简称为网侧逆变器,离网运行时简称为负载侧逆变器）为研究对象,依据它们在DG系统应用中的不同控制模式,以滑模控制、预测控制和自适应控制等具有代表性的先进控制理论为基础,进行了相关控制方法的深入研究,主要研究内容如下:（1）针对滑模抖振导致机组控制转矩发生高频振荡的问题,进行了传统等速趋近律的分析,指出了其趋近速度和滑模抖振水平之间的矛盾关系,提出了一种改进等速趋近律,在加快趋近速度的同时降低了滑模抖振水平。给出了基于改进等速趋近律的变速风电机组滑模控制器设计过程。采用Lyapunov稳定性理论设计了气动转矩观测器,实现了气动转矩的软测量。利用气动转矩前馈补偿减小了切换增益的取值范围,滑模抖振得到了进一步抑制。在上述基础上,构建了基于叶尖速比法的变速风电机组最大功率点跟踪（Maximum Power Point Tracking,MPPT）滑模趋近律控制系统,提高了系统控制性能。（2）针对模型预测电流控制对电感参数鲁棒性差的问题,提出了一种网侧逆变器鲁棒定频模型预测电流控制方法。采用最优时间序列的定频模型预测控制为框架,保证了开关频率的固定。从提升电流预测模型鲁棒性角度出发,通过在电流预测模型中增加鲁棒项、预测误差反馈项和电感前馈补偿项的方式得到了鲁棒电流预测模型,在加快预测模型收敛速度的同时实现了对电感参数的强鲁棒性,降低了模型预测电流控制对电感参数的敏感度。基于电感端电压和电流的关系设计了物理意义明确、结构简单且响应速度快的电感估计器。（3）针对电感参数变化对无差拍直接功率控制的稳态、动态性能影响较大的问题,提出了 一种网侧逆变器鲁棒无差拍直接功率控制方法。建立了网侧逆变器简化功率模型,在此模型基础上,采用观测器理论设计了功率扰动观测器,通过功率扰动前馈补偿保证了电感参数变化下的系统稳态性能;基于功率扰动模型设计了电感估计器,实现了电感参数的在线调整,避免了非精确的电感参数对系统瞬态性能的影响。以上方式确保了电感参数变化时有功、无功功率的控制性能最佳。基于简化功率模型设计控制器,通过功率扰动观测器进行功率预测,避免了算法计算量的增加。（4）以单相DG系统中的负载侧逆变器为研究对象,提出了三种输出电压控制方法,以降低本地负载随工况的变化而变化、LC滤波参数不确定性以及非线性负载等实际工程因素对电压波形质量的影响,具体为:（a）针对本地负载随系统工况的变化而变化的问题,进行了基于负载电流滑模观测器的负载侧逆变器输出电压控制方法的研究。基于串级控制理论,设计了电压外环滑模控制器和电流内环比例控制器。基于扩张观测器原理提出了负载电流滑模观测器,将观测的负载电流前馈补偿提升了系统对本地负载的自适应能力,避免了滑模抖振对电压波形质量的影响。所提负载电流滑模观测器具有低通滤波的性质,可直接被应用于工程实际;（b）基于负载电流滑模观测器的负载侧逆变器输出电压控制方法对LC滤波参数不具备良好的鲁棒性,因此针对LC滤波参数不确定性问题,提出了基于反步滑模的负载侧逆变器输出电压控制方法。该方法在传统反步设计的最后一步通过增加滑模鲁棒项提升了逆变系统对LC滤波参数的鲁棒性和对本地负载的抗扰动能力,同时也实现了单闭环电压控制;（c）基于反步滑模的负载侧逆变器输出电压控制方法需要本地负载参数和LC滤波参数的先验知识,因此提出了负载侧逆变器输出电压自适应互补滑模控制方法。该方法首先基于互补滑模控制理论设计了输出电压互补滑模控制器,然后分别设计了LC滤波参数自适律和电感电流估计器,实现了无需本地负载参数和LC滤波参数先验知识的单闭环输出电压自适应控制。（5）针对三相本地负载的不平衡和非线性、LC滤波参数不确定性问题,提出了一种三相DG系统负载侧逆变器输出电压自适应控制方法。在负载侧逆变器dq模型基础上,以输出电压及其导数为系统状态变量,得到了适用于单闭环电压控制的dq模型;将系统扰动分为稳态扰动和动态扰动两部分,分别设计了 PID控制器、稳态扰动自适应律和鲁棒控制项。PID控制器迫使电压跟踪误差趋于零,稳态扰动自适应律对稳态扰动在线补偿,鲁棒控制项对动态扰动进行抑制。所提控制方法无需相序分解,仅通过单闭环电压控制即实现了对任意类型本地负载的高性能输出电压控制和对LC滤波参数的强鲁棒性。
周思彤[2]（2021）在《轨道角动量模式复用光通信系统中干扰抑制方法研究》文中研究指明随着社会的高速发展,对通信系统信道容量的需求逐渐增加,而传统的通信技术可提供的信道容量有限。因此,大容量、高保密性及高速率的通信技术成为了未来通信技术的发展趋势。为了解决信道容量危机,在已有的波分复用、偏振复用等方式之外,轨道角动量（Orbital Angular Momentum,OAM）复用技术作为一种新的复用形式,为增加网络带宽、扩大信道容量提供了一种新的方法,并成为光通信领域的研究热点。然而在实验中,由于存在着一定的干扰因素,OAM模式复用空间光通信系统或OAM模式复用光纤通信系统的传输容量和传输距离受限。因此,OAM模式复用光通信系统中,干扰抑制技术是至关重要的研究方向。本文以OAM模式复用空间光通信系统和光纤通信系统中的干扰抑制技术为研究方向,在研究干扰因素原理的基础上,分别对空间光通信中相位校正技术和光纤通信中器件非线性的判决技术展开研究,主要研究工作和创新点如下:1、OAM空间光通信中基于WF算法的相位校正研究针对OAM模式复用空间光通信系统中大气湍流引起的波前相位畸变的问题,提出了一种基于WirtingerFlow（WF）算法的相位校正方法,实现了校正精度的提高并简化了自适应光学系统中的波前传感的结构。仿真研究了该方法的校正效果和迭代性能,研究结果表明与传统Gerchberg-Saxton（GS）算法相比,系统的均方根误差（Root Mean Square Error,RMSE）、模式纯度、串扰和误码率等性能参数均有明显改善,同时该方法避免了基于传统GS算法的校正方法容易陷入局部最优解的问题。2、OAM光纤通信系统中基于KNN的非线性判决方法针对OAM模式复用光纤通信系统中接收端数字信号处理（Digital Signal Processing,DSP）模块对于降低复杂度的需求,提出了一种基于K最近邻（K NearestNeighbor,KNN）的非线性判决方法,该方法通过统计测试数据与训练数据中最相似的数据个数,对测试数据进行判决。在8-OAM模式复用光纤通信系统中进行实验,实验结果表明与传统Volterra均衡器相比,该方法的复杂度降低至少一个数量级,且误码率性能降低。在此基础上考虑进一步降低系统误码率和训练数据长度,提出一种基于概率KNN的非线性判决方法,该方法根据测试点附近的概率密度和分布,通过启发式学习方法计算出合适的参数,既保留了 KNN的简单性,又优化了性能。实验结果表明,与基于KNN的非线性判决方法相比,该方法误码率性能下降明显,节约了一部分由于选择k值而产生的交叉验证的计算开销,并一定程度上缓解了基于KNN的非线性判决方法对于数据的依赖性,从而降低了训练集的长度,训练数据长度降低了 1/3。3、OAM光纤通信系统中基于朴素贝叶斯的非线性判决方法针对OAM模式复用光纤通信系统中非线性模型的随机特性,提出了一种基于朴素高斯贝叶斯的非线性判决方法,该方法利用信号的统计特性求得信号的后验概率从而对信号进行判决,解决了系统非线性模型呈现随机性的问题。在8-OAM模式复用光纤通信系统中进行实验,研究结果表明,该方法与传统Volterra均衡器相比,误码率和复杂度显着降低。在此基础上进一步考虑降低系统误码率的需求,提出了基于数据自定义朴素贝叶斯（Data-defined Naive Bayes,DNB）算法的非线性判决方法,该方法将基于朴素高斯贝叶斯的非线性判决方法中的高斯模型进行改进,使用训练数据拟合概率分布模型。实验结果表明,该方法的误码率性能相比于传统Volterra均衡器、基于KNN的非线性判决方法、基于概率KNN的非线性判决方法及基于朴素高斯贝叶斯的非线性判决方法相比,误码率大幅降低,在l=-4光信噪比OSNR=23dB时误码率达到软件前向纠错（Forward Error Correction,FEC）极限。
吴越[3]（2021）在《离散谱调制的NFDM系统接收机的研究》文中进行了进一步梳理近年来为了克服限制光纤通信系统传输能力的克尔非线性的限制,研究人员提出了一种革命性的方案——基于非线性傅里叶变换（Nonlinear Fourier Transform,NFT）的非线性频分复用（Nonlinear Frequency Division Multiplexing,NFDM）系统,该系统将非线性作为系统的固有属性,从理论上避免了非线性效应的影响。尽管科研人员对基于离散谱调制的NFDM系统进行了大量的验证性实验,但其仍面临很多挑战。其中一个挑战是寻找多个特征值调制的NFDM系统的最优接收机。NFDM系统的频谱效率（Spectral Efficiency,SE）随着特征值数量的增加而提升,解调复杂度也随之急剧上升,使得解调的精确度明显降低,这可能会导致接收机的非线性傅立叶变换算法在恢复特征值时,由于搜到假根或特征根个数不足等问题无法实现多个特征值的解调。此外,放大器自发辐射（Amplifier Spontaneous Emission,ASE）噪声、激光器引入的相位噪声（Phase Noise,PN）以及偏分复用（Polarization-division multiplexed,PDM）技术的应用 使解调变得更加 困难。本文提出了一种基于回归神经网络（Neural Network,NN）的接收机,它将接收到的时域波形作为输入,星座图坐标作为输出进行训练,避免了搜索特征值的过程。通过对神经网络内部结构的合理选择和优化,可以实现连续变量的预测,具有较高的抗损伤鲁棒性,更适合于实际的NFDM传输系统。主要研究工作如下:1.通过研究离散谱NFDM系统的基础理论,提出了一种基于回归神经网络模型的NN接收机,用于替代NFT算法实现多个特征值的解调。对系统中不可避免的ASE噪声及相位噪声进行建模,分析了存在损伤效应的情况下NN接收机训练数据的选择、具体结构的设计和超参数的设置。2.对NFDM系统中三种接收机的工作原理和复杂度进行了系统的分析,包括NFT接收机,NN接收机和最小欧氏距离（Minimum Euclidean Distance,MD）接收机,并根据相关理论搭建了离散谱NFDM相干光通信系统的仿真平台对三种接收机的性能进行验证。3.通过仿真验证了 NN接收机具有较强的鲁棒性,对通信系统的损伤具有一定的容忍度,可以实现在2 GBaud 16QAM调制格式、四个特征值调制的单偏振（Single Polarization,SP）NFDM系统中低比特误码率（Bit Error Rate,BER）传输1000公里。比较了三种接收机（NFT、MD和NN）在两个特征值调制的NFDM系统中的性能,NN接收机可实现更低的误码率和误差矢量幅度（Error Vector Amplitude,EVM）,预测速度远远小于其他接收机,综合性能最佳,且更适合于高阶调制格式。
贺悝[4]（2020）在《交直流混合电网中分布式储能协同控制方法研究》文中提出储能产业和储能技术作为新能源发展的核心支撑,覆盖电源侧、电网侧、用户侧、居民侧以及社会化功能性储能设施等多方面需求。分布式储能单元在功能上可实现能量的时空平移,在设备层面具有布局安装灵活的特性,在促进可再生能源生产消费,提升交直流混合电网运行可靠性方面起着至关重要的作用,是未来储能资源在电网中的重要存在形态与发展趋势。然而作为一种新兴的技术与资源,分布式储能的利用仍存在使用效率低下、闲置率高、功能场景单一等问题。交直流混合电网具备交流电网与直流电网的双重优势,满足了分布式能源利用和负荷高效接入两方面需求,将成为未来电网发展的必经形态,然而其存在断面能量协调控制难、电力电子低惯量特性以及可再生能源间歇性出力等亟待解决的问题,给其功率协调控制及系统稳定运行带来困难。本文以交直流电网的柔性稳定运行需求为导向,以储能资源高效利用为研究目标,对分布式储能的协同控制策略展开研究,企望在交直流混合电网面对的问题与储能这一优质解决方案之间搭建桥梁,在满足电网需求的同时挖掘储能资源高效利用的潜力,促进资源合理使用。交直流混合电网功率断面的能量柔性调控、惯量控制以及多母线直流电压稳定是混合电网功率协调运行的基本问题,若加以解决,可对交直流混合电网的稳定可靠运行提供底层保障,是混合电网长时间尺度稳定运行的基础。本文从这三个方面入手,以交直流混合微电网及直流配电网为主要场景,对分布式储能的协同控制方法进行了深入而全面的研究,具体而言,主要包含以下内容:（1）不同于传统的归一化方法,从功率耦合角度研究了交、直流子网间的耦合关系,从而构建了具有实际物理意义的交流频率-直流电压耦合特性方程。该耦合关系揭示了交直流接口在出现功率双向流动时,直流电压与交流频率的存在的内在联系,通过虚拟惯量与虚拟电容参数,可以定量地描述其耦合程度,具有明确的物理意义,从而为建立交、直流电气量之间的联系奠定了理论基础。（2）提出了利用分布式储能的混合微网交直流接口功率柔性控制方法。基于交直流耦合关系推导的新型下垂特性,建立了包含交、直流子网动态运行特性的功率控制策略,使得分布式储能可以同时响应本地与邻网的动态功率需求,且可以具备不同电网的物理特性;IC变流器通过模拟同步电机和电容的响应特性,使得跨区域功率补偿具有更好的动态性能和鲁棒性。该策略使分布式储能不再仅响应本地功率需求,具备了跨交直流断面的功率需求响应能力,且不受拓扑限制,具有推广适应性。（3）定义了统一惯性系数,提出了交直流混合电网的全局惯量评判指标,能更好地对系统交、直流子网的惯量进行定量评估与分析;详细分析了不同分布式电源的运行特性,为DG的惯性响应控制提供基础,并提出了分布式储能-多电源协同惯量控制策略。该策略包含本地惯量支撑和跨区域惯量支撑两个部分,可减小风机参与惯量支撑后停机或造成二次功率冲击的风险;在提供惯量支撑的同时,根据HES内不同储能元件的爬坡率特性进行出力设计,提升了储能的运行效率以及使用寿命。在分布式储能的协助下,所提方法能充分利用DG的惯性响应能力,实现了混合微电网的整体惯量水平及运行稳定性的提升。（4）提出了面向电网需求的分布式储能柔性调压控制策略。详细分析了经典的直流配电网的端口电压控制方式及其DES传统并网运行模式的不足。然后基于配网中存在的交直流接口电压频率耦合关系以及双向直流接口级联下垂特性,设计了不同接口的储能调压控制策略,并详细分析了基本参数的特性并给出了取值方法。基于所提电压控制策略,可有效减小功率变化时直流配网母线电压的波动及其对交流大电网的影响,提升系统鲁棒性与故障穿越能力,在保护储能单元的同时,充分利用其功率调节裕量。该策略为多端多节点直流配网电压控制及电网侧分布式储能单元的系统级管控提供了一种新的方法。（5）针对分布式储能的So C安全运行以及技术经济性优化需求,提出了中压直流配电网双层优化调压控制策略。详细分析了储能单元的运行耗量特性,给出了每次参与调压过程中储能元件的损耗定量计算方法。基于动态等耗量微增率原则,创新性地利用调节外环控制器参考量的方法,在不改变储能下垂响应特性的前提下实现对储能功率的调节。该策略兼顾了直流配网的调压效果与全网层面的储能运行经济性优化,为提升储能利用率与降低储能运行成本之间的矛盾提供了一种平衡的解决方案。论文以交直流混合微电网与直流配电网为背景,对分布式储能在混合电网中的协同控制方法做了深入的探索和研究。研究内容基于电网柔性运行需求展开,拓宽了储能的应用场景、提升了储能的利用效率,对储能资源在电网中的应用提供了有益的参考和借鉴,契合储能产业及能源行业的整体发展趋势,具有重要的现实意义。
付茜雯[5]（2020）在《计算机科技论文摘要的机翻错误类型及译后编辑》文中提出科研论文在知识传播过程中作用重大,推动国际范围内的知识共享。摘要是科研论文中必不可少的一部分,既是对论文的概括性总结,也是读者发现和探寻相关领域知识的快捷途径。然而,目前英文摘要的机器翻译质量在精确性和专业性方面都不尽人意,需要通过后期编辑和人工校对才能产出高质量的中文翻译文本。本文以计算机科学论文摘要为例,对谷歌机器翻译的300篇计算机英文论文摘要的中文版本进行了翻译错误类型分析并归类,并提出相应的译后编辑策略。首先在赖斯文本类型理论翻译策略指导下,对机器翻译系统生成的译文进行译后编辑,再邀请计算机专业以及翻译专业的专业人士进行确认。之后以DQF-MQM错误类型分类框架为依据,对机器翻译系统生成的译文中的错误进行分类。研究发现,机器翻译的计算机英文论文摘要的中文版本中存在七大类翻译错误,其中不符合中文表达习惯的翻译错误占比最大,其次是术语误译、误译、欠译、漏译、过译以及赘译。本论文研究发现,由于源文本的信息型学术文本特征,长难句、被动语态以及术语翻译是造成机器翻译错误的主要原因。针对源文本的逻辑缜密、语步序固定等特征,本研究针对性地对各类错误类型提出了相应译后编辑策略。建议译者在译后编辑中通过将隐性连接转换为显性连接从而保持源文逻辑性,通过增加主语以及调整语序处理被动语态保持源文的学术精准,通过恰当选取词意处理半技术词汇等。本研究采用定性和定量分析方法,系统归类了计算机科技文本摘要中机器翻译出现的错误,并提出相应译后编辑策略,为该领域的译者提供参考建议,从而提高该领域的机器翻译质量。
卢绍田[6]（2019）在《空间冗余机械臂运动优化与轨迹跟踪控制研究》文中进行了进一步梳理随着航天技术的不断发展和人们应用需求的提高,对空间机械臂提出了更高的要求。相比非冗余机械臂,冗余机械臂有很多优点,比如运动灵活性、避关节位移极限、避奇异等,是目前空间机械臂领域研究的热点和重点。其中,运动学分析、轨迹规划、轨迹跟踪控制是开展机械臂相关研究的基础,对该方向研究具有重要意义。本文以实验室研制的七自由度冗余机械臂为研究对象,在基座受控的条件下研究机械臂的运动学、轨迹优化、轨迹跟踪控制等问题,旨在为冗余机械臂的逆运动学求解、时间-加加速度最优轨迹规划与轨迹跟踪控制提供一套有效的方法。首先建立了七自由度冗余机械臂运动学模型,开展运动学分析,重点研究了七自由度机械臂逆运动学求解问题。文中采用两种方法用于求解机械臂的逆运动学:改进比例因子法和构型控制法。改进比例因子法修改了梯度投影法中的比例因子,与固定比例因子法和均衡比例因子法相比,该方法既可以克服固定比例因子法中的在机械臂末端速度为零时关节速度不为零从而易产生速度冲击的问题,又可以弥补均衡比例因子法中当优化性能指标函数的梯度向量趋近于零时,所导致的关节角速度和角加速度过大的缺陷。另一种是采用构型控制法求解机械臂在一些特定空间工作场景中的逆运动学,利用该方法保证姿态矩阵和臂型角数值在规划点保持不变,只有位置数值改变,用当前规划点的位置、姿态和臂型角数值计算下一个规划点的相应数值,通过迭代计算,可以得到所有规划点的逆运动学解,仿真和实验结果表明所提方法是有效的。其次,针对七自由度冗余机械臂最优轨迹规划问题,本文结合增广拉格朗日乘子法和压缩粒子群算法的优点,提出增广拉格朗日乘子-压缩粒子群算法,对其时间-加加速度最优轨迹规划进行研究。在该算法中,一方面通过将每次搜索过程中得到的最佳粒子保存并传递给下一代,令最优值可以逐代保留;另一方面随机初始化生成新的其他粒子避免落入局部最优。利用该算法对该机械臂执行圆和直线轨迹运动时的时间-加加速度最优轨迹规划进行了仿真和实验验证,与基于序列二次规划算法,内罚点函数法和压缩粒子群算法所得仿真和实验结果对比,验证了所提出的算法的有效性。最后,针对机械臂运动规划任务中最常见圆和直线轨迹,本文提出结合PD和积分滑模控制方法对其进行高精度轨迹跟踪控制研究。根据圆和直线规划轨迹的差异,提出了不同的轨迹跟踪控制方法。在跟踪圆的优化轨迹时,提出变积分滑模PD鲁棒控制算法,该方法根据之前所设定的优化目标函数中加权系数的不同,将所得到的优化轨迹分成低速和高速两类,保持PD控制参数不变然后采用不同的积分滑模控制参数跟踪这两类轨迹,经过实验验证,与单纯应用PD控制方法对规划轨迹进行跟踪控制所得结果相比,所提出的算法能够使轨迹跟踪精度提高10%-69.42%。在跟踪直线优化轨迹时,采用相同的积分滑模PD鲁棒控制参数,经过实验验证,与基于PD控制方法所得结果进行对比分析,所提出的算法能够使控制精度提高13.6%-56.7%。
张广炎[7]（2019）在《基于鲸鱼算法优化极限学习机的热电偶非线性补偿方法》文中研究表明传感器是测控系统中的核心元件,其测量的准确度严重影响着测控系统的整体性能。随着传感技术的发展,市场对传感器提出了越来越高的要求。在实际应用中,各种传感器由于外界干扰因素或本身非线性因素的影响,导致不同程度的测量误差。因此如何对传感器进行有效的补偿具有重要的理论研究与应用价值。随着人工智能技术的发展,基于神经网络的误差补偿方法已广泛应用在现代传感器信号处理中。本文选取热电偶为传感器补偿对象展开研究,考虑环境温度和本身非线性特性对测量精度的影响,利用先进的人工智能技术对传感器进行补偿,主要的研究工作如下:（1）鲸鱼优化算法的改进针对传统鲸鱼优化算法（WOA）存在的收敛速度慢、收敛精度低等缺点,提出一种改进的鲸鱼优化算法（AWOA）。AWOA算法通过精英个体引导机制,利用精英个体的进化信息自适应地引导鲸鱼种群朝正确的方向进行搜索,避免算法陷入局部最优,提高了算法的效率;在算法后期加入混沌动态权重因子加大在最优解附近的搜索力度,提高算法的局部搜索能力,从而加快了算法的收敛速度。通过23个基准测试函数的仿真实验,结果表明,与基本的WOA算法、文献[38]提出的WOAWC算法和基本的粒子群算法相比,本文提出的AWOA算法具有更高的收敛速度、求解精度和稳定性。（2）热电偶非线性误差的补偿为解决热电偶应用中冷端补偿和非线性校正的问题。本文提出了一种AWOA-KELM热电偶非线性处理方法。利用S型热电偶的分度表数据建立输入输出模型,通过本文提出的改进鲸鱼优化算法对模型的参数进行训练与优化,与基本WOA算法优化模型、WOAWC优化模型以及PSO优化模型进行对比,进一步证明AWOA算法的优越性;另外,将AWOA-KELM的训练结果与传统的最小二乘支持向量机和RBF神经网络相比,从仿真结果可以看出,AWOA-KELM模型实现了更高的补偿精度,而且训练速度更快,能更好地满足实时性要求。本文所提方法能有效地消除热电偶冷端温度变化和非线性热电特性的影响,可以作为高精度热电偶传感器的软件补偿,同时,也可以用于同类非线性系统的补偿,具有较高的实用价值。
吴乃龙[8]（2018）在《水下机器人建模与非线性自适应控制研究》文中指出水下机器人是人类探索海洋的一种有效工具,其可被用于水下结构物、设施的监测与作业。这对水下机器人的系统运行提出了更加准确与稳定的要求。无论是从系统机理还是从便于实际操控的角度,认识和操控水下机器人并不容易,尤其是水下机器人系统具有强非线性和静不稳定性。水下机器人模型常被用来解释运动和施加在机器人上的力之间的关系,但是目前还没有一种通用的方法可以自动搜索水下机器人模型的结构和参数。考虑到机器人的驱动布置、形态重量和环境要素的影响,水下机器人系统在水下环境进行运动时,模型呈现时变演化特点。水下机器人所处的环境变化快,载体需可携带传感器设备,驱动器具有非线性。这些意想不到的扰动与障碍都会使得控制系统运行变得不稳定。因此,探索性地研究水下机器人的模型与环境识别问题,设计出能够自主适应航行器的非线性、不确定性的控制器,这对水下机器人的理论和实践非常有必要。本文针对水下机器人的建模与控制问题,采用CFD数值计算与系统辨识两种方法对水下机器人进行建模,并基于建模结果对静不平衡水下机器人的非线性控制技术进行研究,以提高水下机器人对本体与环境带来的耦合扰动的自适应性。通过本文的研究,提出了一些有趣的水下机器人系统模型搜索与系统控制方法,并采用大量的理论仿真与实验进行对比验证,为水下机器人的应用研究提供了理论与技术支持。本文的主要贡献如下:（1）针对水下机器人系统的模型结构与参数确定问题,对数据可得的水下机器人本体模型进行识别,提出了可以有效搜索模型和识别水动力参数的辨识方法。文中给出了运动模型方程的基因树表达方法,并提出将符号回归方法用于模型参数辨识与搜索。从符号回归所采用的模型表达树演化过程发现,人类在研究模型时存在的偏见与领域知识限制得以摒除,蕴含在水下机器人运动数据集中的内在关系也被揭示,让数据本身解释了模型。从模型参数和结构两个角度,使用获取的实验数据,建立了精确的数学方程,发现了新的模型结构,为认识与解决机器人的控制问题提供理论基础。（2）考虑到水流环境的重要性,针对水下机器人不同的水流环境,基于鱼类侧线感知水流的机理,提出了可以有效辨识水流工况的预测方法。通过对载体的水流工况进行流体动力学软件计算,使用线性判别分析方法对获得的数据进行压缩与降维。采用支持向量机分类方法训练并测试水流方向感知分类器,将水流估计与惯导融合,从功能角度验证了水下机器人识别水流的能力,为主动利用海洋环境提供认知基础。（3）针对开发高精度控制参考模型代价高的问题,基于水下机器人的几何模型和非线性系统模型,给出了用于确定控制模型参数的求解方法。忽略鲁棒自适应控制考虑的模型不确定项,分别对非初等几何外形与流线型的水下机器人进行建模。采用计算流体软件分别计算航行器流体动力学模型的关键参数:附加质量项和阻尼矩阵项。在航行器系统具有确定理论公式描述时,为便于自适应控制应用,采用泰勒展开方式对运动方程进行了简化。（4）针对水下机器人的有干扰、静不平衡系统的非线性控制问题,基于鲁棒自适应控制框架解决了一般非线性对水下机器人控制性能的影响问题。考虑到水下机器人系统特性（模型不确定性、非线性、各个自由度的耦合性）、环境（盐度、机械冲击）中出现的干扰,给出了鲁棒自适应控制方法的基本框架与稳定性判据。基于射影算子的模型参考自适应控制（MRAC）方法与L1自适应控制方法分别设计控制器,并对具有静不稳定特点的非线性6自由度水下机器人系统进行俯仰控制。控制实验对比发现,L1自适应控制在响应速度和控制稳定效果上更优秀。（5）针对水下机器人的有干扰、静不平衡系统的非线性控制问题,基于鲁棒自适应控制框架解决了特殊非线性对水下机器人控制性能的影响问题。考虑到水下机器人驱动器的输入阈值、死区以及时变延迟特性,分别分析其对鲁棒自适应控制的性能影响。基于模型参考自适应控制和L1自适应控制,设计可优化控制输出的抗饱和补偿器,并将其用于水下机器人控制。文中实现了对静不稳定、6自由度的自治水下机器人的俯仰、深度自由度的控制,验证了带有抗饱和补偿器的鲁棒自适应控制策略的可行性。考虑多种信号噪声与瞬态干扰因素,并将结果与无饱和补偿控制器对比,验证带有驱动补偿的L1自适应控制方法的稳健而快速的控制性能。本文主要展示了在水下机器人的建模与非线性自适应控制方面的理论研究,可以用于多种航行器系统模型的研究中,也可为人类在海洋活动中研究与应用水下运载器提供一种新的视角。
范琳琳[9]（2015）在《OFDM系统中IQ不平衡和功放非线性校正方法研究》文中研究指明直接变频结构也称为零中频结构,与超外差结构相比具有结构简单、体积小、功耗低、可实现多频段收发等优点,已成为目前无线收发系统设计的主流方向。但是直接变频结构存在的IQ不平衡问题比传统的超外差式变频结构更为严重,IQ不平衡产生镜像干扰,降低系统性能。功率放大器是无线发射机中的关键部件,实际中通常使其工作在非线性区,甚至是接近饱和点的区域,以达到提高功率效率的目的,但是这就意味着此时放大器会带来非线性失真,导致系统同时出现带内失真和带外失真,前者使系统的误码率上升,后者对相邻信道产生干扰,使系统的频带利用率下降。作为无线通信系统的关键技术,正交频分复用（OFDM）具有抗多径衰落能力强、频谱利用率高等特点。但是OFDM系统对IQ不平衡十分敏感,IQ不平衡引入的镜像干扰会破坏OFDM系统子载波之间的正交性,造成系统性能的下降。并且OFDM信号的PAPR比较大,容易受到非线性失真的影响,使系统对功率放大器线性度的要求更高。从这两个方面可以看出,在OFDM系统中对IQ不平衡和功率放大器非线性进行校正是非常有必要的。本文分两个部分对IQ不平衡和功率放大器非线性进行了研究,首先研究了只考虑IQ不平衡的DFDM系统的校正算法,然后研究了当IQ不平衡和功率放大器非线性同时存在于发送端时系统的校正算法。针对OFDM系统中发送端和接收端产生的IQ不平衡问题,提出了IQ不平衡与信道的估计与校正算法。当同时考虑由发送端和接收端产生的与频率无关的IQ不平衡和与频率相关的IQ不平衡时,已有的研究都是将信道、发送端IQ不平衡和接收端IQ不平衡这三者合并到一起考虑,本文中,根据分析得到的IQ不平衡时域及频域模型,提出了一种新的用于参数估计的OFDM导频结构。基于信道的变化快于IQ不平衡参数的变化这一条件,根据所提的导频结构,提出了一种新的参数估计方法,能够同时并且分别估计出信道、发送端IQ不平衡和接收端IQ不平衡这三种参数,并利用迭代的方法提高估计性能。最后,给出了两种不同的IQ不平衡校正方法。由于能够将三种参数分离开来,因此可以在发送端和接收端分别对其对应的IQ不平衡进行校正,在接收端可以通过简单的符号检测方法得到接收符号。同时,分别得到三种参数后,也能够更容易地得到系统的联合影响。针对OFDM系统中发送端同时存在的IQ不平衡和功放非线性问题,提出了两种联合校正算法。假设在接收端通过滤波操作来消除接收端IQ不平衡带来的镜像干扰,或者采用不存在IQ不平衡问题的数字下变频操作,本文中认为接收端的IQ不平衡可以忽略,只考虑发送端存在的IQ不平衡和功放非线性问题。我们将发送端看作一个整体,只需处理基带上的输入和输出信号,不需要获得发送端的射频信号,这使得系统更利于高度集成。所提出的两种联合算法中,两步式联合校正算法利用两个预失真模块分别对功放非线性和IQ不平衡进行校正,预失真参数利用一个相同的训练模块得到；而单步式联合校正算法中,首先提出一个模型来联合地表示IQ不平衡和功放非线性失真,并同时考虑了与频率无关的和与频率相关的IQ不平衡,根据所提模型,利用一个预失真模块来联合校正这两种失真。同时,我们也说明了可以通过适当地减少共轭支路参数的数目达到在不明显损失算法性能的前提下降低其计算复杂度的目的。
杨柳[10]（2010）在《深空通信中的信道编译码及Turbo均衡技术研究》文中指出深空通信近年来越来越成为人类研究的重大课题之一,但如此远距离的传输必定要求高性能的缓解技术。本文详细描述了由AR4JA编码,16QAM调制并经过非线性卫星信道的信号,分析了由此非线性信道引起的失真。文中全面分析了传输端的失真情况以及接收端为克服卫星信道影响的Turbo均衡技术。RA（Repeat Accumulate）码是继Turbo和LDPC码之后出现的一种接近香农限的好码。RA码属于LDPC码,同时也是一种类Turbo码。本文首先介绍了RA码的编码结构,在此基础上引出AR4JA（Accumulate Repeat 4 Jagged Accumulate）码的编码结构并给出其原模图和奇偶校验矩阵的结构。为推出AR4JA码的译码算法,首先给出了BP算法流程。通过分析比较AR4JA码与其它LDPC码及RA码可知,AR4JA码在性能上优于其它码。本文用传输滤波,瞬时非线性和接收滤波来产生非线性信道。用直接分析的方法来描述这种信道的均衡时比较有难度的。这里通过分别考虑信道的每一种重要的影响,即星座扭曲,非线性ISI和频谱扩散,对它们做定量分析,然后逐个给出缓解技术的方法来对抗非线性信道的影响。文中给出一个包含非线性信道每一种影响的模型并给出仿真结果以证明这种模型的正确性。这种模型深入分析了非线性信道并论述缓解技术的两个重要方面,首先此模型示出了在理想的缓解技术下可以得到的性能增益,其次给出了根据这些技术可以得到的性能限。由于16QAM有较大的格及信道的记忆性使得MAP均衡算法不适合用于非线性信道,这里给出一种具有低复杂度的新的均衡算法,基于迭代的ISI消除技术。这种均衡器利用由译码器反馈回的后验LLR,不仅用到硬判决还用到反馈的软信息。
二、TWTA性能仿真及其非线性补偿的一种新方法（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、TWTA性能仿真及其非线性补偿的一种新方法（论文提纲范文）
（1）分布式发电系统中变速风电机组及逆变器控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景与意义 |
| 1.1.1 可再生能源分布式发电 |
| 1.1.2 变速风电机组和逆变器的运行方式 |
| 1.1.3 变速风电机组和逆变器在分布式发电应用中的技术标准与要求 |
| 1.2 国内外研究现状 |
| 1.2.1 变速风电机组MPPT控制方法研究现状 |
| 1.2.2 网侧和负载侧逆变器控制方法研究现状 |
| 1.3 本文主要研究内容和章节安排 |
| 2 变速风电机组MPPT滑模趋近律控制方法研究 |
| 2.1 变速风电机组建模 |
| 2.1.1 风力机空气动力学模型 |
| 2.1.2 机械传动轴系数学模型 |
| 2.1.3 控制目标及变速风电机组状态空间模型 |
| 2.2 基于改进等速趋近律的变速风电机组滑模控制 |
| 2.2.1 传统滑模趋近律 |
| 2.2.2 等速趋近律的趋近时间与抖振分析 |
| 2.2.3 改进等速趋近律 |
| 2.2.4 改进等速趋近律的抖振分析 |
| 2.2.5 改进等速趋近律的稳定性分析 |
| 2.2.6 基于改进等速趋近律的变速风电机组滑模控制器设计 |
| 2.3 气动转矩观测器 |
| 2.4 仿真与实验 |
| 2.4.1 实验平台简介 |
| 2.4.2 仿真和实验 |
| 2.5 本章小结 |
| 3 网侧逆变器鲁棒定频模型预测电流控制方法研究 |
| 3.1 模型预测控制概述 |
| 3.2 网侧逆变器数学模型 |
| 3.3 传统定频模型预测电流控制 |
| 3.3.1 传统定频模型预测电流控制原理 |
| 3.3.2 滤波电感对传统定频模型预测电流控制的影响 |
| 3.4 网侧逆变器鲁棒定频模型预测电流控制 |
| 3.4.1 鲁棒电流预测模型 |
| 3.4.2 电感估计器 |
| 3.5 仿真与实验 |
| 3.6 本章小结 |
| 4 网侧逆变器鲁棒无差拍直接功率控制方法研究 |
| 4.1 网侧逆变器离散功率模型 |
| 4.2 传统网侧逆变器无差拍直接功率控制 |
| 4.3 网侧逆变器鲁棒无差拍直接功率控制 |
| 4.3.1 功率扰动观测器 |
| 4.3.2 基于功率扰动观测器的电感估计器 |
| 4.3.3 网侧逆变器鲁棒无差拍直接功率控制器设计 |
| 4.4 仿真与实验 |
| 4.5 本章小结 |
| 5 单相DG系统负载侧逆变器输出电压鲁棒和自适应控制方法研究 |
| 5.1 基于负载电流滑模观测器的负载侧逆变器输出电压控制方法 |
| 5.1.1 单相DG系统负载侧逆变器数学模型 |
| 5.1.2 负载电流滑模观测器 |
| 5.1.3 输出电压控制器设计 |
| 5.1.4 仿真与实验 |
| 5.2 基于反步滑模的负载侧逆变器输出电压控制方法 |
| 5.2.1 反步法概述 |
| 5.2.2 负载侧逆变器严参数反馈数学模型 |
| 5.2.3 基于反步滑模的输出电压控制器设计 |
| 5.2.4 仿真与实验 |
| 5.3 负载侧逆变器输出电压自适应互补滑模控制方法 |
| 5.3.1 互补滑模控制理论概述 |
| 5.3.2 负载侧逆变器输出电压滑模控制 |
| 5.3.3 负载侧逆变器输出电压互补滑模控制 |
| 5.3.4 负载侧逆变器输出电压自适应互补滑模控制 |
| 5.3.5 电感电流估计器 |
| 5.3.6 仿真与实验 |
| 5.4 本章小结 |
| 6 三相DG系统负载侧逆变器输出电压自适应控制方法研究 |
| 6.1 三相DG系统负载侧逆变器数学模型 |
| 6.2 传统PI控制方法 |
| 6.3 三相DG系统负载侧逆变器输出电压自适应控制方法 |
| 6.3.1 三相DG系统负载侧逆变器输出电压自适应控制器设计 |
| 6.3.2 稳定性证明与分析 |
| 6.4 仿真与实验 |
| 6.5 本章小节 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 主要创新点 |
| 7.3 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间参加的科研项目和成果 |
（2）轨道角动量模式复用光通信系统中干扰抑制方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略语 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 OAM的发展 |
| 1.2.2 OAM在通信领域的应用 |
| 1.2.3 OAM光通信系统中关键技术 |
| 1.3 本文主要研究内容和创新点 |
| 1.4 论文组织结构 |
| 参考文献 |
| 第二章 OAM模式复用光通信系统关键技术 |
| 2.1 引言 |
| 2.2 OAM模式复用空间光通信系统关键技术 |
| 2.2.1 大气湍流建模 |
| 2.2.2 大气湍流对涡旋光束的影响 |
| 2.2.3 GS算法 |
| 2.3 OAM模式复用光纤通信系统关键技术 |
| 2.3.1 OAM模式复用光纤通信系统搭建 |
| 2.3.2 非线性的产生及特性 |
| 2.3.3 传统器件非线性均衡方法 |
| 2.4 本章小结 |
| 参考文献 |
| 第三章 OAM-FSO系统中基于WF的相位校正方法研究 |
| 3.1 引言 |
| 3.2 基于OAM的AO-FSO通信链路模型 |
| 3.3 基于WF算法的相位校正方法 |
| 3.4 仿真结果和性能分析 |
| 3.5 本章小结 |
| 参考文献 |
| 第四章 OAM光纤通信系统中基于KNN的非线性判决方法研究 |
| 4.1 引言 |
| 4.2 基于KNN的判决方法 |
| 4.2.1 原理及方案 |
| 4.2.2 实验结果和性能分析 |
| 4.3 基于概率KNN的非线性判决方法 |
| 4.3.1 原理及方案 |
| 4.3.2 实验结果和性能分析 |
| 4.4 本章小结 |
| 参考文献 |
| 第五章 OAM光纤通信系统中基于朴素贝叶斯的非线性判决方法研究 |
| 5.1 引言 |
| 5.2 基于朴素贝叶斯的非线性判决方法 |
| 5.2.1 原理及方案 |
| 5.2.2 实验结果和性能分析 |
| 5.3 基于DNB的非线性判决方法 |
| 5.3.1 原理及方案 |
| 5.3.2 实验结果和性能分析 |
| 5.4 本章小结 |
| 参考文献 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 未来研究展望 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（3）离散谱调制的NFDM系统接收机的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 NFDM系统的研究背景和研究意义 |
| 1.2 NFDM系统的研究现状和发展趋势 |
| 1.3 机器学习应用于NFDM光纤通信系统中的研究现状 |
| 1.4 论文研究内容及结构安排 |
| 第二章 离散谱调制的NFDM相干光通信系统 |
| 2.1 相干光通信基础 |
| 2.1.1 光发射机 |
| 2.1.2 光纤信道 |
| 2.1.3 数字相干光接收机 |
| 2.2 NFDM传输系统的基本理论 |
| 2.2.1 非线性傅里叶变换的基本理论 |
| 2.2.2 离散谱NFDM系统的基本理论 |
| 2.3 非线性傅里叶正反变换算法研究 |
| 2.3.1 非线性傅里叶正变换 |
| 2.3.2 非线性傅里叶反变换 |
| 2.4 离散谱的估计 |
| 2.4.1 离散谱的搜索方法 |
| 2.4.2 离散谱作为矩阵特征值问题 |
| 2.5 离散谱其他调制方案的研究 |
| 2.5.1 a-调制 |
| 2.5.2 b-调制 |
| 2.6 NFDM系统中损伤建模及其对系统的影响 |
| 2.6.1 ASE噪声建模及其对系统的影响 |
| 2.6.2 相位噪声的建模及其对系统的影响 |
| 2.7 接收端DSP处理 |
| 2.8 本章小结 |
| 第三章 NFDM系统中机器学习接收机的方案设计 |
| 3.1 神经网络的基础理论 |
| 3.1.1 神经元模型 |
| 3.1.2 神经网络的分类 |
| 3.2 神经网络的工作原理 |
| 3.2.1 神经网络的训练过程 |
| 3.2.2 神经网络的预测过程 |
| 3.3 机器学习接收机的工作原理 |
| 3.3.1 神经网络接收机的结构设计 |
| 3.3.2 神经网络接收机的超参数设置 |
| 3.3.3 MD接收机的工作原理 |
| 3.4 NFT、NN和MD三种接收机的探测方案 |
| 3.4.1 三种接收机在NFDM系统中的应用 |
| 3.4.2 神经网络接收机的复杂度分析 |
| 3.5 本章小结 |
| 第四章 基于机器学习接收机的离散谱NFDM系统 |
| 4.1 仿真系统结构 |
| 4.2 NFDM系统中的NN接收机仿真性能分析 |
| 4.2.1 不同特征值个数下NN接收机的仿真分析 |
| 4.2.2 不同特征值数值下NN接收机的仿真分析 |
| 4.2.3 不同隐藏层结构下NN接收机的仿真分析 |
| 4.2.4 不同训练数据集下NN接收机的仿真分析 |
| 4.3 NFDM系统中的三种接收机的BER仿真性能对比 |
| 4.3.1 SP- NFDM系统的仿真性能对比 |
| 4.3.2 DP- NFDM系统的仿真性能对比 |
| 4.4 NFDM系统中NN和NFT接收机的EVM仿真性能 |
| 4.4.1 16QAM调制的NFDM系统的仿真性能对比 |
| 4.4.2 64QAM调制的NFDM系统的仿真性能对比 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 未来研究展望 |
| 参考文献 |
| 缩略词对照表 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（4）交直流混合电网中分布式储能协同控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 交直流混合电网的发展概况 |
| 1.1.1 交直流混合微电网 |
| 1.1.2 交直流混合配电网 |
| 1.1.3 含直流输电系统的交直流混联电网 |
| 1.2 分布式储能在交直流混合电网中的运行控制现状 |
| 1.2.1 分布式储能及其基本控制方法 |
| 1.2.2 储能在电源侧的运行控制及应用 |
| 1.2.3 储能在电网侧的运行控制及应用 |
| 1.2.4 储能在用户侧的运行控制及应用 |
| 1.2.5 分布式储能协同控制的必要性与可行性分析 |
| 1.3 本文研究的目的与意义 |
| 1.4 本文的主要研究内容 |
| 第2章 交直流接口功率特性分析及基于储能的柔性控制方法 |
| 2.1 混合微电网拓扑结构及其运行模式分析 |
| 2.1.1 混合微电网的拓扑结构 |
| 2.1.2 直流子网基本运行模式 |
| 2.1.3 交流子网基本运行模式 |
| 2.1.4 IC基本运行模式分析 |
| 2.2 交直流接口功率耦合特性分析 |
| 2.2.1 基于电网物理特性的IC功率耦合特性 |
| 2.2.2 交直流接口电压-频率线性耦合关系 |
| 2.3 基于分布式储能的IC变流器功率鲁棒控制 |
| 2.3.1 直流侧DES的功率柔性控制 |
| 2.3.2 交流侧DES的功率柔性控制 |
| 2.3.3 IC跨子网功率补偿策略 |
| 2.3.4 整体控制回路设计 |
| 2.3.5 稳定性分析 |
| 2.4 仿真分析及效果验证 |
| 2.4.1 场景1:交流侧功率阶跃变化 |
| 2.4.2 场景2:直流侧功率阶跃变化 |
| 2.4.3 场景3:交、直流侧连续功率变化 |
| 2.5 本章小结 |
| 第3章 交直流混合微电网分布式储能-多电源协同惯量控制策略 |
| 3.1 交、直流电网惯量特性 |
| 3.1.1 交流电网惯量分析 |
| 3.1.2 直流电网惯量分析 |
| 3.1.3 混合微网统一惯量定义与特性分析 |
| 3.2 协同惯量控制的基本原则 |
| 3.2.1 分布式电源的有功功率控制方法 |
| 3.2.2 协同惯量总体控制原则与框图 |
| 3.3 协同惯量控制策略的设计 |
| 3.3.1 光伏与MTG的控制 |
| 3.3.2 风储惯性响应控制 |
| 3.3.3 混合储能单元本地惯量支撑 |
| 3.3.4 跨区域惯量支撑 |
| 3.4 仿真分析及效果验证 |
| 3.4.1 场景1:交流子网功率扰动 |
| 3.4.2 场景2:直流子网功率扰动 |
| 3.4.3 场景3:混合微网连续功率扰动 |
| 3.5 本章小结 |
| 第4章 面向电网需求的中压直流配电网分布式储能高效运行策略 |
| 4.1 直流配电网拓扑及传统电压控制方法 |
| 4.1.1 典型双端直流配电网拓扑结构 |
| 4.1.2 传统直流电压控制方法 |
| 4.1.3 直流配网中DES传统运行模式分析 |
| 4.2 含DESs参与的柔性电压控制 |
| 4.2.1 节点运行特征分析与电压控制目标 |
| 4.2.2 AC/DC接口直流母线电压控制 |
| 4.2.3 交流微网DES调压出力特性分析 |
| 4.2.4 配网端口AC/DC接口母线电压控制 |
| 4.2.5 双向直流接口母线电压控制 |
| 4.2.6 直流微网DES调压出力特性分析 |
| 4.3 仿真分析及效果验证 |
| 4.3.1 场景1:配电网内正常功率波动 |
| 4.3.2 场景2:端口节点运行模式切换及故障运行 |
| 4.4 本章小结 |
| 第5章 考虑运行经济性的MVDC配电网分布式储能双层优化控制 |
| 5.1 双层优化调压控制的基本设计思路 |
| 5.1.1 双层控制结构设计 |
| 5.1.2 经济性运行优化的实现方式 |
| 5.2 基于SoC与 EIC的储能双层优化控制设计 |
| 5.2.1 考虑SoC维持需求的功率限制因子特性分析 |
| 5.2.2 下垂系数自适应调整的SoC的一次调压控制 |
| 5.2.3 DES运行成本及损耗特性分析 |
| 5.2.4 平衡经济性与调压效果的二次调压控制 |
| 5.3 仿真分析及效果验证 |
| 5.3.1 场景1:不同节点阶跃功率扰动响应 |
| 5.3.2 场景2:不同类型负荷动态功率扰动响应 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录 A 攻读学位期间的主要成果 |
| 附录 B 攻读学位期间所参加的科研工作 |
（5）计算机科技论文摘要的机翻错误类型及译后编辑（论文提纲范文）
| 摘要 |
| Abstract |
| CHAPTER1 INTRODUCTION |
| 1.1 Research Background and Significance |
| 1.2 Aims of the Study |
| 1.3 Organization of the Thesis |
| CHAPTER2 LITERATURE REVIEW AND FRAMEWORK |
| 2.1 Overview on Machine Translation and Post-editing |
| 2.2 Previous Studies on MT Error Types and Post-Editing Strategies |
| 2.3 DQF-MQM Error Classification Framework |
| 2.4 Previous Studies on MT Error Types of Paper Abstracts |
| 2.5 Text Typology Theory |
| 2.5.1 Text Typology Theory of Reiss |
| 2.5.2 Previous Studies on Informative Texts and Translation Principles |
| CHAPTER3 METHODOLOGY |
| 3.1 Source Text and Text Analysis |
| 3.1.1 Source Text |
| 3.1.2 Text Analysis |
| 3.2 Research Method |
| 3.3 Translation Process |
| 3.3.1 Translating300 computer science abstracts with MT system |
| 3.3.2 Post-editing the MT-generated translation based on Text Typology Theory |
| 3.3.3 Conducting a semi-structured interview for ensuring post-editing quality |
| 3.3.4 Analyzing and summarizing the errors in300 abstracts |
| 3.3.5 Preliminary error classifications based on DQF-MQM Framework |
| 3.3.6 Conducting the2nd semi-structured interview to confirm error classifications |
| 3.3.7 Quantitative analysis of all MT errors in the300 abstracts |
| CHAPTER4 RESULTS AND DISCUSSION |
| 4.1 Error Types of Machine Translated English Abstracts |
| 4.1.1 Unidiomatic Translation Errors in MT output |
| 4.1.2 Terminology Mistranslation Errors in MT Output |
| 4.1.3 Mistranslation Errors in MT Output |
| 4.1.4 Under-translation Errors in MT Output |
| 4.1.5 Omission Translation Errors in MT Output |
| 4.1.6 Over-translation Errors in MT Output |
| 4.1.7 Errors of Addition in MT Output |
| 4.2 Post-editing Strategies for Machine Translated Abstracts |
| 4.2.1 Post-editing Strategies for Long and Complex Sentences |
| 4.2.2 Post-editing Strategies for Passive Voice Sentences |
| 4.2.3 Post-editing Strategies for Technical Terms |
| CHAPTER5 CONCLUSION |
| 5.1 Major Findings |
| 5.2 Limitations and Suggestions |
| References |
| Appendix Source Texts and Target Texts of300 Abstracts |
| 1-20 Abstracts |
| 21-40 Abstracts |
| 41-60 Abstracts |
| 61-80 Abstracts |
| 81-100 Abstracts |
| 101-120 Abstracts |
| 121-140 Abstracts |
| 141-160 Abstracts |
| 161-180 Abstracts |
| 181-200 Abstracts |
| 201-220 Abstracts |
| 221-240 Abstracts |
| 241-260 Abstracts |
| 261-280 Abstracts |
| 281-300 Abstracts |
| ACKNOWLEDGEMENTS |
（6）空间冗余机械臂运动优化与轨迹跟踪控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 空间典型冗余机械臂综述 |
| 1.2.1 国外空间冗余机械臂 |
| 1.2.2 国内空间冗余机械臂 |
| 1.3 冗余机械臂逆运动学求解综述 |
| 1.3.1 基于速度的冗余机械臂逆运动学求解 |
| 1.3.2 基于位置的冗余机械臂逆运动学求解 |
| 1.3.3 其他用于求解冗余机械臂逆运动学的方法 |
| 1.3.4 冗余机械臂逆运动学求解分析 |
| 1.4 机械臂轨迹优化综述 |
| 1.4.1 时间最优轨迹规划研究 |
| 1.4.2 加加速度最优轨迹规划研究 |
| 1.4.3 时间-加加速度最优轨迹规划研究 |
| 1.4.4 轨迹优化研究分析 |
| 1.5 机械臂轨迹跟踪控制综述 |
| 1.6 本文主要研究内容 |
| 第2章 冗余机械臂逆运动学研究 |
| 2.1 引言 |
| 2.2 冗余机械臂逆运动学离线求解 |
| 2.2.1 七自由度冗余机械臂 |
| 2.2.2 七自由度机械臂的正运动学计算 |
| 2.2.3 基于梯度投影法求解其逆运动学解 |
| 2.3 冗余机械臂逆运动学在线求解 |
| 2.3.1 构型控制方法简介 |
| 2.3.2 计算臂型角 |
| 2.3.3 当姿态矩阵和臂型角数值在规划点不变时求解其逆运动学 |
| 2.3.4 采用构型控制方法求解逆运动学实例验证 |
| 2.4 本章小结 |
| 第3章 机械臂轨迹优化研究 |
| 3.1 引言 |
| 3.2 时间-加加速度最优轨迹规划问题描述 |
| 3.3 三次样条插值方法 |
| 3.4 约束条件 |
| 3.5 求解非线性最优问题 |
| 3.5.1 粒子群优化算法原理 |
| 3.5.2 压缩粒子群算法 |
| 3.5.3 增广乘子法 |
| 3.5.4 增广拉格朗日压缩粒子群优化算法 |
| 3.6 对ALCPSO算法进行仿真验证 |
| 3.6.1 应用ALCPSO算法对平面上圆的轨迹进行优化仿真 |
| 3.6.2 应用ALCPSO算法对空间圆的轨迹进行优化仿真 |
| 3.6.3 对ALCPSO算法进行仿真验证结果分析 |
| 3.7 用于实验验证的圆的轨迹优化仿真研究 |
| 3.7.1 对未优化的圆的轨迹进行仿真 |
| 3.7.2 对基于ALCPSO算法优化的圆的轨迹进行仿真 |
| 3.7.3 对基于SQP算法优化的圆的轨迹进行仿真 |
| 3.7.4 对基于CPSO和内罚点函数算法优化的圆的轨迹进行仿真 |
| 3.7.5 对圆的轨迹进行仿真优化结果分析 |
| 3.8 用于实验验证的直线轨迹优化仿真研究 |
| 3.8.1 对未优化的直线轨迹进行仿真 |
| 3.8.2 对基于ALCPSO算法优化的直线轨迹进行仿真 |
| 3.8.3 对基于SQP算法优化的直线轨迹进行仿真 |
| 3.8.4 对基于CPSO和内罚点函数算法优化的直线轨迹进行仿真 |
| 3.8.5 对直线的轨迹进行仿真优化结果分析 |
| 3.9 本章小结 |
| 第4章 机械臂轨迹跟踪控制研究 |
| 4.1 引言 |
| 4.2 积分滑模PD鲁棒控制方法介绍 |
| 4.2.1 PD控制方法 |
| 4.2.2 积分滑模控制方法 |
| 4.2.3 积分滑模PD鲁棒方法 |
| 4.3 基于积分滑模PD鲁棒控制算法跟踪圆的轨迹仿真研究 |
| 4.3.1 对圆的轨迹进行跟踪控制仿真 |
| 4.3.2 对圆的轨迹进行跟踪控制仿真结果分析 |
| 4.4 基于积分滑模PD鲁棒控制算法跟踪直线的轨迹仿真研究 |
| 4.4.1 对直线轨迹进行跟踪控制仿真 |
| 4.4.2 对直线轨迹进行跟踪控制仿真结果分析 |
| 4.5 本章小结 |
| 第5章 机械臂轨迹优化与轨迹跟踪控制实验研究 |
| 5.1 引言 |
| 5.2 轨迹优化与轨迹跟踪控制实验平台 |
| 5.3 轨迹优化实验研究 |
| 5.3.1 圆的轨迹优化实验 |
| 5.3.2 直线轨迹优化实验 |
| 5.4 轨迹跟踪控制实验研究 |
| 5.4.1 圆的轨迹跟踪控制实验 |
| 5.4.2 直线的轨迹跟踪控制实验 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（7）基于鲸鱼算法优化极限学习机的热电偶非线性补偿方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 选题背景 |
| 1.1.2 课题研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 传感器非线性校正研究现状 |
| 1.2.2 智能优化算法研究现状 |
| 1.2.3 人工神经网络研究现状 |
| 1.3 论文主要研究内容及结构安排 |
| 第二章 极限学习机基础 |
| 2.1 单隐含层前馈神经网络 |
| 2.2 极限学习机 |
| 2.3 核极限学习 |
| 2.3.1 核极限学习机原理 |
| 2.3.2 核函数选择 |
| 2.3.3 参数的选择 |
| 2.4 本章小结 |
| 第三章 鲸鱼优化算法及其改进 |
| 3.1 鲸鱼捕食行为描述 |
| 3.2 鲸鱼优化算法基础 |
| 3.2.1 探索阶段 |
| 3.2.2 开发阶段 |
| 3.2.3 鲸鱼算法伪代码 |
| 3.3 鲸鱼优化算法改进 |
| 3.3.1 精英个体引导机制 |
| 3.3.2 混沌动态权重因子 |
| 3.3.3 AWOA算法流程图与实现步骤 |
| 3.4 仿真实验与结果分析 |
| 3.4.1 基准测试函数 |
| 3.4.2 参数设置 |
| 3.4.3 实验结果分析 |
| 3.5 本章小结 |
| 第四章 基于核极限学习机的热电偶非线性补偿方法 |
| 4.1 传感器非线性误差补偿方法 |
| 4.1.1 逆系统方法 |
| 4.1.2 传感器逆模型误差补偿 |
| 4.2 基于WOA-KELM的热电偶误差补偿 |
| 4.2.1 热电偶误差补偿原理 |
| 4.2.2 AWOA算法优化KELM原理 |
| 4.2.3 热电偶误差补偿模型构建 |
| 4.3 热电偶非线性误差处理实验 |
| 4.3.1 样本数据的选取 |
| 4.3.2 仿真对比与分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文工作总结 |
| 5.2 后续研究工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的论文及参与的课题 |
（8）水下机器人建模与非线性自适应控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 水下机器人系统建模研究现状 |
| 1.2.1 水下机器人的动力学运动学建模 |
| 1.2.2 数据驱动的系统建模 |
| 1.3 非线性自适应控制现状与水下机器人控制特性 |
| 1.3.1 鲁棒自适应控制的研究进展 |
| 1.3.2 驱动器饱和补偿问题的研究进展 |
| 1.4 本文主要研究内容与拟解决的关键问题 |
| 1.4.1 本文的主要研究内容 |
| 1.4.2 拟解决的关键性问题 |
| 1.4.3 本文的研究路线图 |
| 1.5 本章小结 |
| 第二章 水下机器人系统模型 |
| 2.1 引言 |
| 2.2 运动系统数学描述 |
| 2.2.1 水下机器人的运动学 |
| 2.2.2 水下机器人的动力学模型 |
| 2.2.3 不同类型的水下机器人模型 |
| 2.3 推进器布置与推力控制向量 |
| 2.3.1 推进器布置 |
| 2.3.2 推力控制向量 |
| 2.4 本章小结 |
| 第三章 数据驱动的水下机器人本体与环境模型辨识 |
| 3.1 引言 |
| 3.2 水下机器人模型搜索与参数辨识 |
| 3.2.1 系统模型的结构、参数与系统建模 |
| 3.2.2 基于Levenberg-Marquardt方法的参数辨识 |
| 3.2.3 基于遗传算法的参数辨识 |
| 3.2.4 基于符号回归技术的水下机器人模型搜索 |
| 3.2.5 结果与分析 |
| 3.3 水流环境识别 |
| 3.3.1 基于支持向量机的水下机器人水流环境辨识 |
| 3.3.2 结果与分析 |
| 3.4 本章小结 |
| 第四章 控制导向的水下机器人模型建立 |
| 4.1 引言 |
| 4.2 基于几何模型的水下机器人模型建立 |
| 4.2.1 经验计算法 |
| 4.2.2 基于CFD的数值计算法 |
| 4.2.3 结果与分析 |
| 4.3 基于泰勒公式简化的水下机器人模型建立 |
| 4.4 本章小结 |
| 第五章 水下机器人的鲁棒自适应控制 |
| 5.1 引言 |
| 5.2 水下机器人的系统控制特性 |
| 5.2.1 水下机器人的系统非线性 |
| 5.2.2 水下机器人模型不确定性 |
| 5.3 鲁棒自适应控制框架 |
| 5.3.1 Lyapunov稳定性 |
| 5.3.2 状态模型参考自适应控制 |
| 5.3.3 自适应控制的不稳定问题 |
| 5.4 鲁棒模型参考自适应控制 |
| 5.4.1 基于射影理论的模型参考自适应控制 |
| 5.4.2 L1自适应控制 |
| 5.4.3 水下机器人控制结果与分析 |
| 5.5 本章小结 |
| 第六章 水下机器人的驱动补偿控制 |
| 6.1 引言 |
| 6.2 水下机器人的驱动器非线性 |
| 6.2.1 输入阈值 |
| 6.2.2 死区 |
| 6.2.3 时间延迟 |
| 6.3 现代补偿器 |
| 6.3.1 基于Riccati方程的抗饱和补偿器 |
| 6.4 带有驱动补偿的鲁棒自适应控制 |
| 6.4.1 带有补偿器的模型参考自适应控制 |
| 6.4.2 带有补偿器的L1自适应控制 |
| 6.4.3 水下机器人控制结果与分析 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 论文创新点 |
| 7.3 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（9）OFDM系统中IQ不平衡和功放非线性校正方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 缩略语及专用术语 |
| 目录 |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 OFDM技术 |
| 1.3 IQ不平衡概述及其研究现状 |
| 1.4 功放非线性概述及其研究现状 |
| 1.5 IQ不平衡和功放非线性联合校正技术 |
| 1.6 本文主要工作 |
| 2 OFDM系统概述 |
| 2.1 OFDM基本原理 |
| 2.2 OFDM的保护间隔和循环前缀 |
| 2.3 OFDM系统模型 |
| 2.4 本章小结 |
| 3 IQ不平衡分析与校正算法 |
| 3.1 IQ不平衡系统模型 |
| 3.1.1 时域IQ不平衡模型 |
| 3.1.2 频域IQ不平衡模型 |
| 3.2 OFDM系统中信道及IQ不平衡的估计与校正算法 |
| 3.2.1 信道及IQ不平衡估计算法 |
| 3.2.2 信道及IQ不平衡校正算法 |
| 3.3 算法复杂度分析 |
| 3.4 仿真结果与分析 |
| 3.5 本章小结 |
| 4 功率放大器非线性特性分析及校正算法概述 |
| 4.1 功率放大器非线性特性 |
| 4.1.1 谐波失真 |
| 4.1.2 互调失真 |
| 4.1.3 交调失真 |
| 4.1.4 幅度AM/AM和相位AM/PM失真 |
| 4.2 功率放大器记忆效应 |
| 4.3 功率放大器行为模型 |
| 4.3.1 无记忆功率放大器行为模型 |
| 4.3.2 有记忆功率放大器行为模型 |
| 4.4 功率放大器预失真技术 |
| 4.5 本章小结 |
| 5 发送端IQ不平衡和PA非线性联合校正算法 |
| 5.1 联合校正算法系统模型 |
| 5.2 两步式联合校正算法 |
| 5.2.1 IQ不平衡预失真器参数训练 |
| 5.2.2 功放非线性预失真器参数训练 |
| 5.3 单步式联合校正算法 |
| 5.4 算法复杂度分析 |
| 5.5 仿真结果与分析 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 参考文献 |
| 作者简历及在学期间的主要科研成果 |
（10）深空通信中的信道编译码及Turbo均衡技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 深空通信中编码方法的发展 |
| 1.2 RA 码的发展及应用 |
| 1.3 本文的研究问题和贡献 |
| 1.4 论文结构及内容安排 |
| 第二章 AR4JA 码的编译码原理及算法 |
| 2.1 引言 |
| 2.2 AR4JA 码的编码原理 |
| 2.2.1 RA 码 |
| 2.2.2 AR4JA 码 |
| 2.3 AR4JA 码的译码原理及算法 |
| 2.3.1 BP 译码算法的基本原理 |
| 2.3.2 AR4JA 码的译码算法 |
| 2.4 仿真结果及分析 |
| 2.5 本章小结 |
| 第三章 非线性信道的描述及分析 |
| 3.1 引言 |
| 3.2 非线性信道描述 |
| 3.2.1 非线性放大器 |
| 3.2.2 放大器定义 |
| 3.3 传输模式 |
| 3.4 16QAM 映射 |
| 3.5 非线性信道的影响 |
| 3.5.1 星座扭曲 |
| 3.5.2 非线性ISI |
| 3.5.3 频谱扩散 |
| 3.6 仿真信道模型 |
| 3.6.1 非线性信道的功能模型 |
| 3.6.2 信号噪声比 |
| 3.7 非线性信道的特性 |
| 3.8 参数设置 |
| 3.9 信道的性能比较 |
| 3.10 总结 |
| 第四章 非线性信道下的 Turbo 均衡技术 |
| 4.1 引言 |
| 4.2 非线性信道的非迭代均衡 |
| 4.2.1 Volterra 均衡 |
| 4.2.2 判决反馈均衡器 |
| 4.2.3 神经网络均衡 |
| 4.3 非线性信道的 Turbo 均衡 |
| 4.3.1 线性信道的迭代均衡 |
| 4.3.2 非线性信道的迭代均衡 |
| 4.3.3 均衡器反馈选择 |
| 4.4 仿真结果及分析 |
| 4.4.1 不加编码情况下的性能分析 |
| 4.4.2 AR4JA 编码情况下的性能分析 |
| 4.5 小结 |
| 第五章 全文总结 |
| 5.1 本文贡献 |
| 5.2 对下一步工作的建议和未来研究方向 |
| 致谢 |
| 参考文献 |
| 个人简历 |
| 攻读硕士学位期间的研究成果 |
四、TWTA性能仿真及其非线性补偿的一种新方法（论文参考文献）
- [1]分布式发电系统中变速风电机组及逆变器控制方法研究[D]. 侯波. 西安理工大学, 2021(01)
- [2]轨道角动量模式复用光通信系统中干扰抑制方法研究[D]. 周思彤. 北京邮电大学, 2021(01)
- [3]离散谱调制的NFDM系统接收机的研究[D]. 吴越. 北京邮电大学, 2021(01)
- [4]交直流混合电网中分布式储能协同控制方法研究[D]. 贺悝. 湖南大学, 2020
- [5]计算机科技论文摘要的机翻错误类型及译后编辑[D]. 付茜雯. 大连理工大学, 2020(06)
- [6]空间冗余机械臂运动优化与轨迹跟踪控制研究[D]. 卢绍田. 哈尔滨工业大学, 2019(01)
- [7]基于鲸鱼算法优化极限学习机的热电偶非线性补偿方法[D]. 张广炎. 湘潭大学, 2019(02)
- [8]水下机器人建模与非线性自适应控制研究[D]. 吴乃龙. 上海交通大学, 2018(01)
- [9]OFDM系统中IQ不平衡和功放非线性校正方法研究[D]. 范琳琳. 浙江大学, 2015(05)
- [10]深空通信中的信道编译码及Turbo均衡技术研究[D]. 杨柳. 电子科技大学, 2010(04)