利用PLL估算器和弱磁技术（FW）实现永磁同步电机（PMSM）的无传感器磁场定向控制
磁场定向控制（Field Oriented Control，FOC）是这样一种方法：将某一磁通量（转子、定子或气隙）作为创建另一磁通量参考坐标系的基准，目的是退去定子电流转矩分量和励磁分量的耦合。去耦可以简化对复杂三相电机的控制，从而能像以单独励磁控制直流电机那样控制三相电机。这意味着电枢电流负责转矩的产生，励磁电流负责磁通的产生。在本应用笔记中，将转子磁通作为定子和气隙磁通的参考坐标系对PMSM进行FOC的特別之处在于:定子的d轴基准根据电机的数学模型进行位置和速度估算。因此,模型电流对应于d轴上的电枢反应磁通)设置为零。越接近真实硬件,佔算器的执行效果就越好。PMSM的转子磁体产生转子磁链Y。这与ACM不同,ACM数学建模取决于其拓扑结杓,主要分为两类:表面贴装需要磁化电流具有恒定的基准电流值,才能产生转圯和内部贴装型永磁休。针对应用的需求,这两个类均子磁链。有其优缺点。围绕表面贴装型永磁同步电札川发了相应气隙磁迸等丁永磁体产生的转」磁链与定子电流产生的的控制方案(图2),与其他类型的PMSM相比,其优电枢反应磁链的和,对于FOC的恒定转矩模式,d轴气点是转矩纹波低、价柊低。表面贴裝型PMSM的气隙磁隙磁通仅与平相等,d轴电枢反应磁通为零通比较平滑,因此定子的电感值非凸极PMSM〕,且反电动势( Back Electromagnetic Force,与此相对,在恒定功率运行时,定子电流的励憾分量BEMF)呈正弦波。用于削弱气隙磁场,从而提高转速。由于此类PMSM的气隙(包含置丁定子齿和转子铁芯在无需位置或速度传感器的无传感器控制中,主要的困难是实现一个稳健的遮度估算器,能够抵御温度、电磁之间的表面贴装磁体)较大,此类PMSM相对于具有同样尺寸和标称功率值的其他类电机,具有更小的感应系噪声等干扰。对于成本非常敏感或不允许有诸如位置传数。电机的这些特性在一定程度上简化了速度和位置估感器等移动部件的应用或者电机在电气条件非常恶劣的算器使用的数学模型,同时使得FOC更有效。环境下运行时,通常需要釆用无传感器控制。然而,不应将对精确控制的要求,特别是低速时的要求,当作就持续保持电杌转子的磁链滞后电枢磁链90度可以获得给定应用选择控制方案的关键因素。每安培的FOC转矩最大(见图3)。图永磁体表面贴装型的横截面电机的横截面1.转子转轴是252.转子铁芯3.电枢(定子4.带电枢线圈的电枢槽5转子永磁体6.气隙C 2010 Microchip Technology IncDS01292ACN第3页图相位矢量图(基本转速警告:在对磁体表面贴装型PMSM进行弱磁q时,稍不注意或未遵照电机制造厂商的规范槳作,就有可能使转」遭受机械损坏,永憾体被退憾。通常使用环氧树脂粘贴或者使用不锈钢或碳素纤维环米固定永磁体。若转速超出制造厂商指定的最大转速,永磁伓就可能脱落或损坏,从而导致转子以及其他附着在电机转轴上的机械部件遭到破坏。若气隙憾通密度超过了磁通密度曲线的拐点,就会屮PW导致退磁,如图5所示图永磁体的迟滞曲线(理论上)在FOC恒定功率模式下,无法有效实现PMSM的弱磁,原因是较大的气隙室间会导致减弱的电枢反应磁通对转子永憾体的磁链产生丨扰。基于这个原因,所能获得的最大转速无法高于待测电机基本转速的两倍。图4给出了恒定功率—弱磁模式下的相位矢量方向。图相位矢量图(高速迟滞由线1.水磁体的固有特性。2.永磁体的一般特性。其中磁场密度=磁场感应永磁体感应磁通值ld矫顽磁性=固有矫顽磁性DS01292ACN第4页c 2010 Microchip Technology Inc类估算器公式本应用笔记屮使用的估算器就是AN1162《交流感应电a cos(p Bsin(p机(ACIM)的无传感器磁场定向控制(FOC)》(见参考文献)中采用的估算器,只是在本文中用于sin(pPMSM电机而已。估算器来用PLL结构。其工作原理基于反电动势采用固定的定子坐标系,公式4代表定子电路公式。(BEMF)的d分量在稳态运行模式中必须等于零。图6给出了佔算器的框图。公式如图6中的闭环控制回路所示,对转」的估算转速()进行积分,以获取估算角度,如公式1所示C公式阝阝阝在公式4中,包含-β的项通过经 Clarke变换的相将BEMF的q分量除以电压常量Kd得到估算转速系统的对应测量倌得到。以Y型(星犁)连接的定子相如公式2所示:为例,和分别代表每个相的定子电感和电阻。若电机采用△连接,则应计算等效的Y型连接相电阻和电公式并在上述公式中使用佟7表小估算器的参考电路模型。电机的A、B和C端n()·)连接到逆变器的输出端。电压、和代表施加给电机定子绕组的相电压。代表逆变器桥臂间的线电压,相电流为和考虑公式2中给出的最初估算假设(BEMF的d轴值在稳态下为零),根据 BEMF q轴值的符号,使用BEMF d轴值对BEMq轴值让行校正。经过公式3显示的Park变换后,使用一阶滤波器对 BEMF d-q分量值进行滤波。图:估算器的原理框图LPFa BLPFqC 2010 Microchip Technology IncDS01292ACN第5页图估算器的电路模型公式ARsVAB其中=Y犁连接的电机相电感=采样时间等于PWM周期BC为遊变器的直流链路电压BLS为每相的最大峰值电流B2·汇代表其中将控制系统中实现的公式做进一步的演化,估算器公式=Y型连接的电机相电阻4中的电压a和∨B是在FOC的前一训算环节中得到的结果,它们不仅在控制的前一步骤中馈送给空间向量调制( Space Vector Modulation,SVM)电路,而且在公式4的最后一项中,电流对时间的导数会对软件造成当前步骤屮馈送给估算器电路。la和lB是相电流经扰。因此,估算器的每次执行周期中都引入了电流变Clarke变换后得到的,在估算器的每个工作环节中都将化的极值,该值必须小于估算器每次执行周期的最大被读取电流变化值,每当发生PwM屮断都将执行该周期。公式4中定子电感()和电阻()经过了归一化根据公式3,将得到的 BEMF和B值通过Park变以便简化计算并满足软件表小要求,如公式5所小。換转换到转子磁通的旋转参考坐标系,得到和值。在Pak变换中使用的角度p,是估算器前一执行环节中计算得到的。基于等丁零,優用一阶滤波器对BEMF的dq值进行滤波,并将滤波后的值代入估算器的主程序。公式2给出了的计算,即如何得到电气转遼。对电气转达进行积分得到转子磁通与c-B固定定子坐标系之间的角度(p)。在公式2,K表示表1给出的电压常量。公式6给出了电气转速计算中使用的归化公式代表1000其中=极对数,以及前面指出的其他输入DS01292ACN第6页c 2010 Microchip Technology Inc使用与BEMF中所用的相同一阶滤波器对转速反馈进行确定这样的特性参数是个耗时的过稈,和预期一样,这滤波。该滤波器的一般形式见公式7些特性参数的线性度极差。公式:调整和实验结果(()-(-1)当转速低于基本抟速时,进行算法调整非常简单,此时用最大转矩模式。通常,由电机制造厂商测量或给出其中的参数添加到攴持文件中,该=当前滤波器的输出文件随本应用笔记一起提供(见附录:源代码),(-1)=上一次滤波器的输出从而得到归一化的参数供估算器使用。得到的值随后被()=当前滤波器的输入添加到项目文件中,准备运行。=滤波器常量要测量的参数包括转子电阻、转子电感以及电压常量Kd。滤波器输出的直流值应该不含有由ADC采集引起的噪声或软件计算引入的高频变化。滤波器的调整取决于要可在电机的接线端测量定子电阻和电感,然后将测得的滤波的值( beMF d-q分量和电气转速)的变化速度值除以2,得到和值。对于Δ型连接的电机,若调整的结果是要保证足够的带宽,降低冇用信号损失的电机制造厂商提供了相电阻和电感,则应将它们除以3得到星型连接的等效相电阻和电感可能性。对于BEMd-q分量,有两种情形:(1)高速,在弱嵫模式中,由于缺乏转矩瞬变或髙加速斜率,变化所有电机的制造厂商均会给出电压常量K其实,您缓慢:(2)低速,速度变化取决于电机的机械常量(以也可以采取非常简单的步骤来测量这个参数,即以恒定及电机转轴上的负载)和基准速度升高或下降的斜的速度旋转转子转轴,同时测量电机线端的输出电(取较快的那个值)压。如果在转速为1000RPM的情况下读数,测得的电瓜为典型的RMS值。将读到的数值乘以2的川平方即可得到以KRPM为单位表示的值。弱磁()对于测试的电机参数,表1中的数据就是米取上述步骤PMSM的弱磁意味着绘旋转坐标系d轴方向的定子电流测得的。施加一个负值,作用是削弱气磁链逆变器的电压输出在定子电阻和感应电阻上产生压降表剩下的电压用于消除BEMF。BEMF与电机的转速和电压常量K成正比。考虑到逆变器的最大输出电压限值电机类型电机单位通过降低与气隙磁链呈正比的电机电压常量Kb即可提高转速。气隙磁链的降低自然会导致转矩降低。连接类犁由丁控制气隙弱磁所涉及的电机特性参数之间的关系错L-L电阻1922综复杂,因此情况有些复杂。LL电感-1kHz2.672H电枢d轴电流对气隙弱磁的影响取决于从电枢齿到转子电压常量Ka7.24铁芯的磁烙的形状和磁性。如前所述,磁体表面贴装的KRPM类型对有效弱磁并无益处,因此设计电机磁路时很可能环温度22.7C仅针对电机以基本转速运行的情况,一旦超过基入转速就会出现饱和现象。饱和效应会导致电气参数发生变化其中之一就是定子的磁链电感,该值会在磁模式下减小。C 2010 Microchip Technology IncDS01292ACN第7页在 dS PICDEM MCLV开发板的两条并联攴路上分别读取要调整的开环参数包括锁定时间、最终加速度以及基准必需的相电流,在ADC采集之后,将读到的值缩放至电流值。锁定时闫代表转子对齐所必需的时间,它取决合适的范围。电流的总缩放因子取决于读取并联支路的于负载初始转矩和转动惯量(这两个值越大,锁定时间差分运放的增益和流经电机的电流的最大值。例如,在就越长)。起动时上升到的最终转速(以RPM表小)并联支路电阻为0.005Ω的情况卜,44A的峰值相电流应没置得足够高,以使估算器计算的BEMF具有足够的和75的增益会导致ADC输入端的电压为33V。对电精度,达到最终转速的时间取决于连接到电机转轴上的流使用缩放因子1,经过例1的转换,得到的电流值将阻性负载:负载越人,达到最终基准转遮所需的时间就为Q15格式,釆用软件实现方案时,必须使用该格式越长。例采用开环控制替代闭环控制起到简化的目的,其中转子磁通和圊定参考坐标系之间的估算角由开环増速控制中使用的强制角替换。强制角不关心转子的位置,而是使抟了位置增加一个角度,从而使转子的位置成为一个不断增加的量。图1给出了控制环的另一种简化形式,即在支持文件屮,电流缩放因子缺少速度控制器,并且q轴的基准电流是硬编码的是通过实验确定的,而并非使用上述步骤,因此消除了q轴基准电流用于提供在转速开环上升阶段流终电机的可能由电气元件公差导致的训算误差。公式8中显小的电流;初始负载越高,所需的电流就越人,负载决定基缩放常量与內部软件变量相乘得到实际电流值。准转短。公式:例2给出了基准电流设置的宏定义,将实际的电流值输入参数归一化至软件要求的范围,其算依赖于电流缩放常量(),最初是通过计算0确定的。作为输入的实际电流值的单位应为安培,并且处于[,]范围内。反之,要获取缩放常量,可以将实际电流值除以软件表示的十进制数。在稳态工作条件下,使用电流探针和例MPLAB③IDE的数据监视和捕捉接凵( Data monitorand capture Interface,DMc)功能,在示波器上测量峰值电流,并将测得的值除以DMCI给出的对应值即可完成上述操作。欲知有关DMC|用法的细节,请查询MPLAB IDE帮助文件。要使算法在开环系统中工作,从而禁止初始调节时的闭公式4显小在阻抗和感抗电压降计算中包含采集的电环控制环节,则应启用例3中给出的特定宏代码定义。流。由于采集过程中叫能存在噪声,需要对感抗电瓜降计算中包含的导数项进行限制以获得有效值。对于待测例电机来说,最人转速为5500PRM,峰-峰值电流为5A的情况下,最大电流变化为每50us025A就最初校准而言,电机起动时应带有负载,此时需要调整开环斜率参数。这对于在激活闭环控制之前,潜在P控制器的重新校准,甚全是一些初始过渡阶段的校验(比如强制角和估算角之间的角误差以及实验确定电流缩放常量),以及最初开环上升参数的精调非常有用。DS01292ACN第8页c 2010 Microchip Technology Inc对于采用弱磁后电机转速超过标称转速的情祝,由于系把这些考虑个内,并考虑公式6,当BEMF保持恒定时统参数呈现非线性,因而调节将更为复杂转速和1/a之间就呈玩比例关系,如公式9所示。从这点开始调整的目的,是要在无负载的条件下,实现测试电机标称转速的倍增。公式:警告:通常,电机制造厂商指出了不损坏电机时能够达到的最大转速(可能比额定电流时的制动点速度要大);如果未指出,电机的运行速度可能更高,但只能作一小段时间(断断续续地),还要承担前一节中于是对于转速倍增而言,为了弥衤感电压降,考虑每所述的退磁或机械损坏风殓电压常数1/d的上升超过一半(125%)的情沉。在查找衣中给出了1/d随转速的变化关系,查找索引在弱磁模式中,如果转速超过标称值而造成FOC失效,随时可能损坏逆变器。其原取决于转速。在开始韶分,查找表将表示1/φ随因在于,BEMF值将大于标称转速时产生转速ω的线性变化关系,不过稍后根据负载情况可对线性变化进行微调以便获得最佳能效。查找索引的获的BEMF值,从而超出DC母线电压值而这是逆变器的功率半导体和DC链路电容得,是把转了实际转速减去弱磁策略开始旄行之后的转速,再除以一个缩放因子。索引缩放因子给出了查找表不得不予以支持的电压。由于打算进行的调整意味着反复的系数校正,直至达到最的精细稈度度量,所以,对于相同的转速范围,缩放因优运行状况,为了防止在高速时电机停子越人,在查找表中得到的点就越少,而点代表的是加转,应确保使用相应电路对逆变器进行保以老虑的转速域。对于我们考虑的电机,最大转速是27500单位,其中5000单位表示1000RPM。考虑缩放因子为1024,弱磁开始转速是13000单位,结果是对调整原理的解释始于图4中的矢量图。考虑在(逆变(27500-13000)/1024=141。作表中有大致15项就器能够提供的)最大电压时生成每安培最大转矩所需的足以覆盖期望的转速范围。反过来计算,假如查找表中电流,低于标称转速时,它表示的只是q分量,这是转有17项,可能的最大转速将是17·1024+13000=矩生成所必需的。口前,等于;但是,弱磁策略开30408单位,约为6000RPM。由于估算的电流速度总始之后,定子电流将等丁d、q分量的矢量和。假设是存在某种程度的噪声,而且在速度值改变时索引的计定子电流及输入电压(绝对值)不变,定子电阻算可能不稳定,因此在软件屮计算索引时,使用的不是上的电压降也将不变,而感抗电压降将随转速成比例增(估算的)电流速度,而是基准速度。可以考虑基准速加。但是,由于表面贴装PM的感应系数值很小,在与度的变化斜率足够慢,从而估算速度能够很接近它。其他隐含指出的测量值进行比较时,可以忽略感抗的增考虑基准和最人遮度之间的线性变化关系,查找表值将加。把这一前提考虑在内,在对电机进行加速时,可以看上去类似于例4,且将使用实验获得的结果更新查找认为弱磁时BEMF是忸定的,由于感抗电压降的增加,BEMF的稍许下降是可以接受的。表值。表中的第一个值表示电机基时的1/d值,如同使用支持文件()所计算的那样。C 2010 Microchip Technology IncDS01292ACN第9页例:电压常数倒数初始化查找表电流的负d分量作用是减小电压常数Φ,在理想情况下是成比例的,如前所述,这为提升转速留下更人空另一方面是弱磁模式屮定子磁链电感的变化,它也是非线性的。为了消除它的影响,意味着要使用另一个査找表,其査找索引如前所述相同。表中的项表示的是转速①时的电感变化率(o),具体值是其索引除以基速时的两倍。表中第一项始终应该是,因为是基速电感除以两倍白身。此时,表中其余各项填充的值都好像其电慼是基速时的一半(例6)。例:电感变化初始化查找表使用标称电流运行电机,将不会导致磁铁的永久消磁。所以,强制d分量(亡负责气弥净磁通密度下降)为标称电流将不会有破坏性影响。在稳态时,由于缓慢的加速斜率以及没有阻抗转矩(除了轴承摩擦和风扇之外),无负载工作吋所需的q分量将非常小。实践中,d轴电流分量的设定通过查找表来进行,其索引与用来查找电压常数耷找表的索引相同。最初,表中填充的值将是电流与转速Q呈线性关系的值(表中的第一项表小的基速值,最后一项表小标称的电流值),如例5所示。例:轴基准电流初始化查找表出于测试目的,在软件中使用缓慢的斜率作为基准速度,使用如下的定义进行激活,如例7所示。例DS01292ACN第10页c 2010 Microchip Technology Inc
- 2020-12-12下载
- 积分：1
动态贝叶斯网络
动态贝叶斯网络（Dynamic Bayesian Network, DBN），是一个随着毗邻时间步骤把不同变量联系起来的贝叶斯网络。这通常被叫做“两个时间片”的贝叶斯网络，因为DBN在任意时间点T，变量的值可以从内在的回归量和直接先验值（time T-1）计算。DBN是BN（Baysian Network）的扩展，BN也称作概率网络（Probabilistic Network）或信念网络（Belief Network）。前言不确定性理论在人工智能机器学习、自动控制领域已经得到越来越广泛的应用。本书以当前国际上不确定性研究领域的核心工具—动态贝叶斯网络为线索,进行了动态网络推理算法、平稳系统动态贝叶斯网络结构学习模型设计、非平稳系统动态网络变结构学习模型设计、基于概率模型进化算法的动态贝叶斯网络结构寻优算法的研究。推理算法以隐变量作为划分依据,讨论了离散、连续、混合模型的推理算法,并进行了算法复杂度及应用领域的讨论;结构学习研究首先从度量体制人手,讨论了动态网络度量体制的可分解性,提出了平稳及非平稳系统网络结构学习模型,以及基于贪婪算法思想的遗传算法寻优思想;最终将推理及结构学习理论用于无人机路径规划、战场态势感知、动态数据挖掘、自主控制领域,并通过大量仿真检验。本书的研究工作得到了西安工业大学专着甚金及国家自然科学基金重大研究计划(90205019)的资助。本书全面系统地介绍了动态贝叶斯网络的相关理论,重点介绍了动态网络的经典应用和国内外的新发展。全书共分9章。第1章概述了动态贝叶斯网络的产生与发展、基本操作及表达。第2章和第3章为本书的理论基础部分,首先从静态网络已经取得的理论成果及研究内容人手,由浅入深引出动态贝叶斯网络的基本概念及研究方向,确定本书将要解决的主要问题:DBN推理问题和连续变量的DBN结构学习问题。第4章在第3章基础上,详细讨论了三类动态贝叶斯网络的推理即隐变量离散、隐变量连续、隐变量混合DBN推理;隐马尔科夫模型是所有离散动态网络的基础,故首先介绍其表达及推理,由此派生出其他离散动态网络,并讨论了奶何将复杂离散网络转化为简单HMM的方法,通过算法复杂度实验分析,明确了离散动态网络的相应属性,得出了相应结论,为合理选择DBN推理算法提供依据;在推理中,若系统参数未知或为时变系统,必然涉及参数学习,故在讨论三类网络的推理中亦涉及参数学习问题。第5章从静态网络结构度量机制入手,讨论并推导出动态贝叶斯网络结构用于网络结构度量的BIC及BD度量机制;通过描述基于概率模型进化算法的构图基础,引出动态贝叶斯网络结构学习机制,即基于贝叶斯优化(BOA)的动态网络结构寻优算法,BOA算法的关键是根据优良解集学习得到动态贝叶斯网络,以及根据动态贝叶斯网络推理生成新个体,前者更为重要,按照本书提出的基于贪婪箅法思想的遗传算法解决动态网络学习,然后应用动态贝叶斯网络前向模拟完成后一步。第6章在此基础上,刻画了基于BD度量体制的平稳动态系统DBN结构学习模型设计,并通过仿真验证了其有效性针对非平稳随机系统DBN的结构学习模型,提出了一种自适应窗口法用于在线自适应学习变结构DBN结构,仿真结果可行。第7章在第4章DBN推理理论的基础上,从以往UCAⅴ路径规划中使用的方法以及涉及的定义、术语等出发,讨论了静态路径规划、动态路进规划及空间路径规划三方面的基本问题,通过对原始 Voronoi图的改进,提出了平面改进型Voronoi图、空间改进型 Voronoi图的概念,以及平面及空间动态路径重规划区域原则等,为动态路径规划提供有力的整体构型支撑,进而应用前几章理论基础,建立基于DBN的战场环境感知模型,仿真结果均表明了构图及动态决策模型的正确性。第8章在DBN推理及结构学习的理论基础上,将其用于自主优化及动态数据挖掘。将BOA及基于概率模型的遗传算法的静态图形的优化机制进行推广,提出了一种动态优化的新方法,利用DBN作为t到t+1代转移网络,适时改变优化的基本条件,实时确立新的种群及优化的方向,使得自主智能体在无人干预下顺利完成一系列复杂任务成为可能,将变结构DBN结构学习模型设计用于动态数据挖掘,实时确定个因素之间的关系。第9章通过两个典型的应Ⅳ用实例,将DN推理学习理论进行融合,并用于实际模型。附录给出了与DN结构度量相关定理、性质的证明,为读者进一步研究和学习动态贝叶斯网络提供参考。本书是作者近年来潜心学习和研究国内外不确定性算法理论、方法和应用成果的一个总结。在本书的编写过程中,得到了西安电子科技大学焦李成教授和清华大学戴琼海教授及英国BankUniversity陈大庆教授的热心指导和鼓励,新加坡南洋理工大学的王海芸博土后审阅了书稿,并提出了许多宝贵意见,特向他们表示衷心的感谢。由于涉及内容广泛及限于作者的学识水平,书中疏漏和不当之处在所难免,希望读者不吝赐教指正。作者目录第1章图模型与贝叶斯网络1.1图模型简介1.2动态贝叶斯网络鲁+垂香曲1.3动态贝叶斯网络应用研究1.3.1动态时序数据分析与挖掘曾··會世57781.3.2无人机的态势感知与路径规划1.3.3.进化算法与动态贝叶斯网络混合优化…10第2章静态贝叶斯网络…112.1静态贝叶斯置信网络2.2贝叶斯网络的特点与应用范围……………152.3贝叶斯网络的研究内容162.3.1计算复杂性162.3.2网络结构的确定问题2.3.3已知结构的参数确定问题…………182.3.4在给定结构上的概率计算…4福通而看高自曲着看西画192.3.5贝叶斯网络推理算法…………………19第3章动态贝叶斯网络基础283.1从静态网到动态网283.1.1概述283.1.2推导…………………………293.1.3动态贝叶斯网络表达要鲁垂鲁鲁中t曲·曹市壘曾曹吾普·量313.2动态贝叶斯网络的研究内容…………353.2.1动态贝叶斯网络推理……………………363.2.2动态贝叶斯网络学习…………………………39第4章动态贝叶斯网络推理464.1隐变量离散动态网络推理464.1.1模型数学描述…………………464.1.2马尔科夫的研究内容…4.1.3隐马尔科夫推理学习仿真…534.1.4隐马尔科夫其他拓扑形式…………564.1.5一般离散动态网络和隐马尔科夫关系584.2动态贝叶斯网络推理算法性能分析604.2.1动态网络转化隐马尔科夫仿真…614.2.2离散动态网络推理算法比较仿真……634.2.3连续动态网络推理比较仿真………724.3模糊推理与隐马尔科夫结合炮火校射……………754.3.1概述…音曲曹香音音音吾晋自粤吾·自·754.3.2模糊动态网络环境感知框架754.4隐变量连续动态网络推理4.4.1模型数学描述…794.4.2卡尔曼滤波图模型推理·日·曹曹曾鲁····804.5混合隐状态动态贝叶斯网络834.5.1模型数学描述……b音量章申曾要中命要即命·甲看834.5.2混合动态贝叶斯网络推理864.5.3混合动态贝叶斯网络学习89第5章动态贝叶斯网络结构学习算法……915.1动态贝叶斯网络结构度量体制…………915.1.1概述…………915.1.2动态网络的贝叶斯信息度量935.1.3动态贝叶斯网络BD度量965.2动态贝叶斯网络度量分解性能分析省着带鲁曹曹曹鲁鲁鲁虚鲁鲁中·985.3构建动态网络结构寻优算法…1145.3.1基于概率模型的进化算法…1155.3.2基于贝叶斯优化构造动态网络结构算法…1165.3.3学习动态贝叶斯网络……………1185.3.4动态夏叶斯网络推理1275.4基于贝叶斯优化构建动态网络结构算法仿真…128第6章动态贝叶斯网络结构学习模型1346.1平稳系统动态网络结构学习模型设计1346.1.1模型设计1356.1.2仿真试验1386.2变结构动态网络自适应结构学习模型设计…………1446,2,1模糊自适应双尺度1446.2.2动态系统非平稳程度和平稳性的测量1516.3非平稳系统网络结构学习仿真试验153第7章基于动态贝叶斯网络的路径规划1657.1无人机平面静态路径规划…1657.1.1基本概念……………1657.1.2基于相同威胁体的路径规划…1667.1.3不同威胁体下平面路径规划1717.1.4路径细化暨要命要曹吾帝吾辛事壶要面要吾吾曹中垂要晋吾曹事1767.2无人机动态路径规划1787,2.1概述1797.2.2平面动态环境下局部路径构图原则1797.2.3威胁变化下无人机平面路径规划………1827.2.4突发威胁体下无人机平面路径重规划研究1867.3无人机空间路径规划研究………………………1907.3.1空间改进型 Voronoi图………1907.3.2威胁变化下局部路径构图区域原则1957.3.3局部路径选择原则及战场感知模型…197第8章基于动态贝叶斯网络的自主控制…1998.1概述…1998.2快速构建决策网络结构方法…2008.2.1链形决策网络模型的建立………2018.2.2决策网络树形模型结构学习算法…2048.2.3一般决策网络结构学习算法2058.3进化算法与动态网络混合优化……2068.3.1算法基本思想2068.3.2转移网络作用中鲁鲁··章鲁···自··………2108.3.3混合优化自主控制算法描述…2108.3.4混合优化自主控制算法软件实现………211第9章无人机自主控制应用研究2249.1基于混合优化的无人机路径重规划.2249.1.1自主控制过程描述2249.1.2混合优化无人机路径规划仿真…2259.2无人机攻击多目标路径规划………………2379.2.1自主控制过程描述……………2389.2.2初始动态网络图构型2399.2.3无人机自主攻击多随机运动目标仿真240附录贝叶斯网络局部结构度量数学基础250A.1链形模型局部结构度量250A.2树形模型局部结构度量253A.3局部贝叶斯网络度量………………………………257参考文献…………………………………262
- 2021-05-06下载
- 积分：1
