基于LabVIEW RT的自动测试系统的研究与实现

为了解决接收机自动测试系统中由于系统时延与数据缓冲给测试过程中的时间同步与数据对齐带来的一系列难题,提高测试系统的精度,本文对传统的自动测试系统进行了优化。以LabVIEW为平台开发了独立于主工控机的数据采集系统,并对数据缓冲问题提出了解决方案。试验结果表明,该系统较好地解决了时延与数据对齐问题,达到了预期目标。     

基于粗大误差检测和补偿的改进型EKF动态目标跟踪算法

卡尔曼滤波作为当前动态目标跟踪中的常用滤波算法,研究其动态跟踪的准确性对于军事制导,交通导航等领域具有重大意义。针对动态系统目标跟踪观测过程中存在的坏值、静差和漂移三种粗大误差,基于传统扩展卡尔曼滤波（Extended Kalman Filter,EKF）算法框架,引入了一种粗大误差检测和补偿方法,实现了对动态系统观测值中粗大误差的准确辨识和优化补偿,使得扩展卡尔曼滤波能够结合粗大误差检测和补偿方法有效地排除观测值中的粗大误差,滤波后的状态估计值更加准确地逼近真实值。经过仿真实验和对比,提出的改进型EKF算法能有效地排除粗大误差观测值对状态预测过程的影响,并且实现了对动态系统目标的准确跟踪,这大大提高了动态目标跟踪的精确度。     

HEV驱动电机检测系统的设计

为了对HEV驱动电机的性能进行研究,开发了基于虚拟仪器的HEV驱动电机的检测与分析系统。该系统以DSPTMS320F2812为控制核心,以LabVIEW为检测系统的开发平台,以CAN通信为系统通信模块,实现了对HEV驱动电机的检测及控制,并提供了数据分析、数据存储、故障保护等功能。试验结果表明该系统具有较高的控制精度及测试效率。     

基于两灭点法的摄像机标定方法研究

在计算机视觉当中,要对物体进行三维重建,需要实现对相机进行标定,即获得相机的的焦距(内参数)、旋转矩阵以及偏移向量(外参数)。为提高场景摄像机的标定精度和标定效率,研究了一种基于2个灭点的快速摄像机标定方法。该方法利用灭点理论,只要求被标定相机拍摄的图像中有2组相互正交的平行线,且这2组平行线与成像平面不平行,由此可以获得2个灭点;为计算平移向量,图像中某个平行线方向上的一段直线的实际长度需已知。根据灭点的几何投影特性计算相机内外参数。利用监控摄像机进行试验验证,验证结果表明,该方法相对于传统的标定方法操作简单并且精度较高,具有一定的理论意义和实用价值。     

基于拉依达准则与线性拟合的改进型无迹卡尔曼滤波粗大误差补偿算法

无迹卡尔曼滤波是卡尔曼滤波技术的重要组成部分,它有效地克服了扩展卡尔曼滤波的估计精度低、稳定性差等缺陷。然而无迹卡尔曼滤波未考虑粗大误差(如离群值、静差和漂移)的影响。目标跟踪经常受到不同种类粗大误差的影响,研究无迹卡尔曼滤波器对粗大误差的检测和补偿,对目标跟踪准确性的提高有重大意义。本文针对观测值中各种粗大误差影响目标跟踪精度的问题,采用拉依达准则对观测值进行检测。为了对误差进行补偿,本文提出了一种观测数据残差线性拟合的方法,使用拟合产生的预测残差补偿粗大误差,使补偿后的目标运动轨迹能够减小粗大误差的干扰。经过目标跟踪仿真实验和对比,本文提出的改进型无迹卡尔曼滤波算法能有效地减小粗大误差观测值对状态预测过程的影响,能实现对目标的准确跟踪,提高了滤波的稳定性和准确性。     

基于遗传算法和非线性规划求解信息交互的光伏阵列模型鲁棒参数辨识方法

对光伏阵列进行建模不仅可以研究温度、光照等因素对V-I特性曲线的影响,还可以用模型代替实际光伏阵列进行各种光伏实验,降低实验成本,节省实验时间;参数辨识可以使光伏阵列模型的参数值设置更精确,使其与实际值相一致;针对基于非线性规划的光伏阵列模型鲁棒参数辨识方法容易陷入局部搜索的问题,提出了遗传算法与非线性规划求解信息交互的鲁棒参数辨识方法;将遗传算法与非线性规划求解信息交互,既可以进行全局搜索,又可以进行局部搜索,以得到问题的全局最优解;通过仿真测试,使用该方法得到的结果均方误差降低了8倍,均方误差量级达到了1.0E-3,表明了该方法在光伏阵列模型参数辨识方面具有较高的精确度。     

基于模型辨识的BP神经网络在光伏系统MPPT中的应用

光伏电池作为光伏发电系统的重要组成部分,研究其模型的准确性并对其最大功率点进行预测与跟踪,对于光伏发电效率的提高具有重大意义;首先根据光伏电池的内部结构和伏安特性建立其数学模型,并对所建立的模型进行参数辨识,进而得到模型输出与测量信息偏差最小的参数值,验证模型的准确和有效性;根据模型所反映的规律,将温度和光照强度作为输入变量,最大功率点对应的电压作为输出变量,构建了用于MPPT的神经网络模型;神经网络经训练后对最大功率点电压进行预测与跟踪,结果表明构建的神经网络具有良好的适应性。