A diagnostic tool for online sensor health monitoring in air-conditioning systems

Healthy sensors are essential for the reliable monitoring and control of building automation systems (BAS). This paper presents a diagnostic tool to be used to assist building automation systems for online sensor heath monitoring and fault diagnosis of air-handling units. The tool employs a robust sensor fault detection and diagnosis (FDD) strategy based on the Principal Component Analysis (PCA) method. Two PCA models are built corresponding to the heat balance and pressure-flow balance of an air-handling process. Sensor faults are detected using the Q-statistic and diagnosed using an isolation-enhanced PCA method that combines the Q-contribution plot and knowledge-based analysis. The PCA models are updated using a condition-based adaptive scheme to follow the normal shifts in the process due to changing operating conditions. The sensor FDD strategy, the implementation of the diagnostic tool and experimental results in an existing building are presented in this paper.     

Mixed H∞ and passive filtering for switched Takagi-Sugeno fuzzy systems with average dwell time

This paper investigates the mixed H_∞ and passive filtering problem for switched Takagi-Sugeno (T-S) fuzzy systems with average dwell time (ADT) in both continuous-time and discrete-time contexts. To deal with this problem, a new performance index is proposed for switched systems. This new performance index can be viewed as the mixed weighted H_∞ and passivity performance index. Based on this new performance index, the weighted H_∞ filtering problem and the passive filtering problem for switched T-S fuzzy systems can be solved in a unified framework. Combining the multiple Lyapunov functions approach with a matrix decoupling technique, new sufficient conditions for the existence of mixed weighted H_∞ and passive filters are obtained for switched T-S fuzzy systems. All these conditions are expressed in terms of linear matrix inequalities (LMIs). The desired filters can be constructed by solving these LMIs. Finally, numerical examples and practical examples are provided.     

自适应上下文特征的多尺度目标检测算法

识别多尺度目标是检测任务中的一项挑战,针对检测中的多尺度问题,提出自适应上下文特征的多尺度目标检测算法。针对不同尺度的目标需要不同大小感受野特征进行识别的问题,构建了一种多感受野特征提取网络,通过多分支并行空洞卷积,从高层语义特征中挖掘标签中的上下文信息;针对不同尺度目标的语义特征出现在不同分辨率特征图中的问题,基于改进的通道注意力机制,提出自适应的特征融合网络,通过学习不同分辨率特征图之间的相关性,在全局语义特征中融合局部位置特征;利用不同尺度的特征图识别不同尺度的物体。在PASCAL VOC数据集上对本文算法进行验证,本文方法的检测精度达到了85.74%,相较于Faster R-CNN检测精度提升约8.7%,相较于基线检测算法YOLOv3+提升约2.06%。     

基于直线近似和扰动观察的MPPT算法研究

针对光伏电池的最大功率点跟踪(MPPT)问题,基于光伏电池的等效电路,分别建立最大功率点电压与光伏电池温度和日照强度之间的近似直线模型,提出一种直线近似法和扰动观察法相结合的新型MPPT算法。该算法通过采集的光伏电池温度和日照强度确定近似直线模型的最大功率点电压,进而使光伏电池调整到最大功率点附近,再通过小步长的扰动观察法精确跟踪到光伏电池的最大功率点。仿真测试结果验证了该算法能准确估算最大功率点电压,并能快速、高效地跟踪到光伏电池最大功率点。     

分布式电源并网后的自适应负载反孤岛方法

大量分布式光伏电源并网后,孤岛问题愈加突出。先分析了现有的一些反孤岛方案,并分析了其优缺点。随后,提出了采用自适应负载反孤岛的方案,即利用负载的自动投切,改变整体负载的特性,使得被动式反孤岛无死区。并采用PSCAD对该方案进行了仿真,验证了该方案的实用性。为尽量减少分布式光伏电源并网的投资,该方案依托于新一代的分布式光伏并网接口及反孤岛装置实现。随后介绍了反孤岛系统的整体构架及功能配置。该系统能解决大量分布式光伏电源发生孤岛运行后的快速离网问题,为分布式光伏电源的大面积并网打下坚实基础。     

融合子空间共享特征的多尺度跨模态行人重识别方法

跨模态行人重识别(Re-ID)是智能监控系统所面临的一项具有很大挑战的问题,现有的跨模态研究方法中主要基于全局或局部学习表示有区别的模态共享特征。然而,很少有研究尝试融合全局与局部的特征表示。该文提出一种新的多粒度共享特征融合(MSFF)网络,该网络结合了全局和局部特征来学习两种模态的不同粒度表示,从骨干网络中提取多尺度、多层次的特征,全局特征表示的粗粒度信息与局部特征表示的细粒度信息相互协同,形成更具有区别度的特征描述符。此外,为使网络能够提取更有效的共享特征,该文还针对网络中的两种模态的嵌入模式提出了子空间共享特征模块的改进方法,改变传统模态特征权重的特征嵌入方式。将该模块提前放入骨干网络中,使两种模态的各自特征映射到同一子空间中,经过骨干网络产生更丰富的共享权值。在两个公共数据集实验结果证明了所提方法的有效性,SYSU-MM01数据集最困难全搜索单镜头模式下平均精度mAP达到了60.62%。     

模块化电源的数字化均流法研究

在电流电压均流三环控制基础上提出了一种数字化平均电流均流法,并以M＋N冗余模式设计了大功率并联电源系统．以2个电源模块并联为例,采用PID控制方式,应用Matlab对该模型进行了仿真,结果表明均流效果较好,从而验证了设计的正确性．     

基于微功耗同步DC／DC转换器的WSN节点电源模块设计

介绍了一种无线传感器网络节点的电源管理模块．该模块可以针对锂电池的宽电压输入进行DC／DC转换,采用同步降压一升压转换结构,实现额定电压输出．分析节点不同模块的工作特性,采用不同的微功耗同步降压-升压DC／DC转换器进行设计,并给出了具体的元器件选型方案．经实验测试和实际应用,该模块的转换效率可达85％以上,有效地提高电池的使用效率和节点能量利用率．特别是该模块符合便携式设备的需要,利于该模块与其他产品的结合,具有良好的通用性和扩展性．     

事件驱动Markov型网络系统的输出反馈H∞控制

针对事件驱动马尔可夫型网络系统的输出反馈[H∞]控制问题,通过构造包含事件驱动和量化输出信息的李雅普诺夫函数,采用Wirtinger’s不等式估计李雅普诺夫函数的弱无穷小算子的上界,从而获得事情驱动马尔可夫型网络闭环系统稳定性判据,并给出满足[H∞]扰动抑制水平的输出反馈控制器设计方法,有效地克服了扰动给系统带来的影响。数值例子验证所提出的方法的有效性。     

联合特征细化和耐噪声对比学习的无监督行人重识别

针对无监督行人重识别(person re-identification, ReID)中行人特征表达不充分以及聚类过程产生噪声标签的问题,提出一种联合特征细化和耐噪声对比学习的无监督ReID方法。首先,为丰富无标记的行人表征,设计了非局部通道细化模块(non-local channel refinement module, NCRM)对关键特征信息进行加权强化,其融合了非局部通道的重要特征来捕获无标记数据的类间区别表征,形成更具有鉴别度的特征描述符。其次,考虑到特征的充分表达,采用广义均值(generalized mean, GEM)池化自适应调整参数来增强不同细粒度区域信息的提取能力。再次,为了减轻噪声标签对网络的负面影响,设计了耐噪声的动态对比均衡(dynamic contrastive equilibrium, DCE)损失函数进行无监督联合学习。最终,在两个公共数据集上的实验结果验证了所提方法的有效性和先进性,mAP分别达到了83.1%和71.9%,优于其他先进方法。