MCT1024红外焦平面阵列成像传感器

文章介绍了一种成像传感器,该传感器采用国产1024元线列MCT焦平面列阵,自行研制的三反射透射式光学系统和一维等角度扫描方式,扫描效率超过88%,扫描半周期为5s,每帧像素为1024×1600,该系统在野外获得了较为理想的红外图像.     

蜂群算法在太阳电池组件参数辨识中的应用

针对太阳电池组件参数辨识精确度不高的问题,提出一种采用蜂群算法应用于参数辨识的方法。太阳电池组件模型采用单二极管串并联模型,在确定太阳能组件参数范围后,利用提出的蜂群算法对电池组件参数进行辨识。在蜂群算法中,不同的蜜蜂用不同类型的路径修改自己的位置,从而避免了过早收敛于局部最优解,进行全局搜索最优解。实验结果表明,蜂群优化算法的辨识的均方根差值为0.00241,计算电流(测量的25组电流值)总误差为0.0413,明显优于混沌无性繁殖算法、混沌粒子群算法、模式搜索算法、模拟退化算法,为太阳电池组件的参数辨识提供了一种新的方法。     

变电站实时监控系统中的千兆以太网传输设计

针对变电站实时监控系统需要传输的数据量大和传统的百兆网络已无法满足传输总带宽需求的问题,文中设计了嵌入式千兆以太网视频传输系统。该系统选用Xilinx公司Artix-7系列的FPGA芯片为主控制器,完成数据的采集、处理和传输控制。使用UDP/IP协议帧通过千兆以太网向远程监控系统传输图像数据时,丢包率仅为0.001 25%。在对变电站高压设备进行监控传输测试时,稳定传输视频图像的最高帧频可达150 frame·s-1。     

一种新型的电能质量扰动信号分析的CDMSPSO-MP算法

针对匹配追踪(matching pursuit,MP)算法在检测电能质量扰动信号时存在的计算量大、重构信号质量不佳的问题,利用混沌动态多种群粒子群优化(chaos dynamic multi-swarm particle swarm optimization,CDMSPSO)算法对MP算法进行优化,提出了CDMSPSO-MP算法。首先,CDMSPSO算法使用Logistic映射替代伪随机数更新种群,提高信号重构时搜索时频原子的随机性;然后,将种群划分为多个小规模种群并设置相应的重组期,增加信号重构时频原子的多样性;最后,以扰动信号与原子内积的绝对值作为CDMSPSO算法的适应度函数,替代MP算法的遍历计算,提升信号的重构速度。实验结果表明,CDMSPSO-MP算法有效提高了计算速度,减少了无关时频原子作为扰动信号分量的计算,提高了重构信号的质量。     

一种不平衡数据下的新型轻量级轴承故障诊断模型

在实际工程场景中,轴承故障数据远少于正常数据,不平衡数据下的轴承故障诊断方法存在参数多、模型复杂的问题。因此,提出了一种由带梯度惩罚的辅助分类瓦瑟斯坦生成对抗网络(auxiliary classier Wasserstein generative adversarial network with gradient penalty,ACWGAN-GP)和神经回路策略故障诊断(neural circuit policy-fault diagnosis,NCP-FD)网络组成的不平衡数据NCP-FD(unbalanced data NCP-FD,UDNCP-FD)模型。首先,将轴承故障信号数据转换为二维时频图,利用不平衡的训练集训练ACWGAN-GP生成高质量故障样本,并将其扩充到原始训练集中;然后,将扩充后的训练集输入到NCP-FD网络中进行学习;最后,将训练好的NCP-FD网络应用于测试集进行故障诊断。实验结果表明,所提模型与其他不平衡数据下的轴承故障诊断模型相比,参数更少,存储空间更小,故障诊断准确率更高。     

基于全变差重构算法的数字全息研究

为了消除传统算法对数字全息重构过程中会出现0级像、共轭像干扰的问题,将压缩感知理论与数字全息图再现相结合,提出了基于全变差的两步迭代收缩阈值重构算法（TwIST）,并应用于数字全息图压缩感知全息图重建。 TwIST算法根据重构成分的特点增加正则约束,对相应的形态进行调整,在满足全变差最小的特性的基础上进行重构,提高了重构全息图的质量。结果表明,TwIST算法可以对数字全息图稀疏重建,利用35%的部分全息图数据进行图像重构,重构图像峰值信噪比为36.46dB,且没有0级像和共轭像等干扰。该研究结果对实现计算全息的实时性具有重要的意义。     

MCT1024红外线列扫描成像系统

介绍了一种MCT 10 2 4红外扫描成像系统。该扫描成像系统采用国产 10 2 4元线列MCT(碲镉汞 )焦平面列阵 ,自行研制的三反射透射式光学系统和一维等角度扫描方式 ,扫描效率超过 88% ,扫描半周期为 5s,每帧像素为 10 2 4× 16 0 0 ,该系统在野外获得了较为理想的红外图像     

基于细菌觅食算法的含风电场电网无功优化

针对风电场并网运行后网络损耗大和收敛性差的问题,提出一种细菌觅食优化算法。在建立含风力发电机组的无功优化数学模型基础上,将细菌觅食优化算法应用到含风电场的无功优化问题中。以IEEE-30节点进行测试算例,分别采用传统算法、粒子群算法和细菌觅食算法优化,得到网损下降率为30.29%、28.70%和36.98%。实验及分析表明,该算法效率高、全局搜索能力强、易跳出局部极值,为含风电场的无功优化提供了一种新方法。     

基于差分进化算法的光伏阵列MPPT控制方法

针对遮挡情况下光伏阵列P-V输出特性曲线呈现多个局部功率峰值点,传统最大功率点跟踪算法无法摆脱局部最优值的缺点,提出一种基于差分进化(DE)算法的最大功率点跟踪算法。因局部阴影下各个局部最大功率点所对应的电压值有一定规律可循,算法首先使用DE算法找到全局最大功率点所对应的电压值附近,以保证不会陷入局部最优值;然后重新初始化种群个体在该电压值附近,继续使用DE算法寻找全局最大功率点。仿真结果表明,该算法可以成功摆脱局部最优值的约束,正确地找到全局最大功率点。与基本DE算法进行对比,二者的寻优精度具有同样的优势,而且所提出的算法收敛速度更快,为遮挡情况下光伏阵列最大功率点跟踪提供了一种新的方法。