扭矩测量是传动机械中的重要内容之一，高精度、高稳定性的扭矩测量方法是当今各国机械测量研究的热点之一。研制了一种基于机械传动力解耦的扭矩测量传感器，系统介绍了该测量方法的原理与结构，并对新研制的传感器进行了加载试验。该产品的独创性之处在于，其测量方式不采用通过扭转变形测量扭矩的方法，利用力的传递与等效方式，通过特殊结构实现轴向与径向作用力的解耦，再通过载荷传感器测量轴向力，利用该轴向力与扭矩成线性关系的特性，进而标定出轴上的相对扭矩；从试验曲线中得出的拟合方程证实了该测量原理的可行性，设计的扭矩传感器具有较

基于电流解耦的永磁同步电机MATLAB仿真研究.pdf

人工智能-机器学习-热连轧板形板厚智能解耦控制的研究.pdf

本文分析了轻型直流输电VSC-HVDC的工作原理、数学模型和电网电压矢量定向VOC控制策略,推导了电流内环的前馈解耦机理。基于Matlab仿真平台,搭建了2000MVA的VSC-HVDC轻型直流输电仿真模型,实验结果表明通过PQ解耦,实现了潮流控制、无功控制和两不同频率的交流电网互联等。

两电机变频系统神经网络广义逆解耦控制.doc

人工智能-机器学习-焦炉集气管压力智能解耦控制的研究.pdf

这里已知具有耦合的两个相邻子系统的差分方程： y1(k)=a11*y(k-1)+b11*u(k-1)+b12*u(k-2)+r1(k)+y12(k) y2(k)=a21*y(k-1)+b21*u(k-1)+b22*u(k-2)+r2(k)+y21(k) 式子中，ri(k)随机噪声，yij(k)为相邻子系统之间的耦合

为提高多变量、非线性和强耦合系统的动态特性和解耦能力,根据解耦原理和神经网络思想,提出一种两级串联结构的自适应模糊神经网络解耦控制器.前级是基于智能权函数规则的自调整模糊控制器,后级是基于动态耦合特性的自适应神经网络解耦控制器.同时从理论上证明了学习算法的收敛性.仿真实例表明,所提出的解耦控制器具有良好的鲁棒性和自适应解耦能力,是解决多变量、非线性和强耦合问题的一种简便有效的控制算法.

在工业生产过程中，针对纯迟延、时变、强耦合的多输入多输出现象，提出一种基于模糊神经网络解耦和PID控制相结合，对系统进行解耦控制的方法。这种方法不需要建立多变量对象精确的数学模型，通过对大迟延大惯性强耦合的循环流化床锅炉床温-主汽压力对象进行仿真，其结果表明，解耦控制效果很好，具有良好的静态性、动态性及鲁棒性。

大数据-算法-非线性观测条件下的目标跟踪及其解耦技术研究.pdf