基于深度神经网络联合AMSR2和MODIS数据估算全球蒸散发研究

地表蒸散发（ET）是水循环和能量循环的关键组成部分,具有极其重要的应用价值。研究旨在发展一种可靠且高效的深度神经网络（DNN）模型,基于MODIS可见光数据、微波AMSR2亮度温度和数字高程DEM,实现全天候全球高分辨率每日ET的估算。利用FLUXNET和AmeriFlux通量网6种代表性土地覆盖类型的148个站点观测数据来训练和验证DNN模型,结果表明：DNN模型可以有效建立卫星数据（MODIS、AMSR2数据）与ET之间的关系;6种地类的ET估算结果验证的平均绝对误差（MAE）为0.16—0.63 mm/d,均方根误差（RMSE）为0.27—0.89 mm/d,除裸地的决定系数（R²）为0.37以外,其他地类的R²均>0.7。通过对比模型估算的ET与MOD16A2和GLEAM的ET产品,结果表明3种产品的ET空间分布特征相似,ET值非常接近,估算得到的全球2020年日均ET为0—4 mm/d。     

基于SoC FPGA硬件并行化计算的配电网电压控制技术

随着主动配电网以及物联网技术的发展,无功设备的接入呈现复杂化和边缘化的趋势,电压无功控制的计算也向边缘计算发展。然而由于算力受限,边缘节点纯软件式的计算所需时间较长,无法满足控制实时性的要求。针对此问题,本文提出一种基于SoC FPGA硬件并行化计算的配电网电压控制策略。首先设计了基于SoC FPGA的软硬件计算框架,在此基础上对配电网电压无功优化模型与遗传算法求解方法做了适用于FPGA的针对性改进,最后分模块设计了FPGA硬件求解结构。通过两个算例场景验证可知,相比于边缘节点纯软件式的求解方式,本方法的平均求解效率分别提升了2.41倍和2.15倍,可有效提升电压无功控制的实时性。     

一种六足步行机器人的自由步态算法

本文探讨了适用于六足步行机器人的步态类型和机器人腿运动的三个约束条件,提出了一种适用于六足步行机器人在不规则地形上运动的自由步态算法.机器人在大部分的地形状况下以标准模式行走.当标准模式失效时,则采用自适应模式,对机器人状态进行调整,以实现正常的行走运动.在保证运动速度和能量效率的前提下,使机器人具备良好的地形适应能力.最后,文章给出了算法的程序流程图,并在MATLAB下进行了仿真验证.