混沌改进猫群算法及其在光伏MPPT中的应用

针对猫群(cat swarm optimization,CSO)算法具有易陷入局部极值点的"早熟"问题和跟踪精度差的问题,提出一种混沌改进猫群算法,并运用于光伏最大功率点跟踪。该算法利用logistic混沌序列的遍历性、随机性和规律性,解决了猫群算法的"早熟"问题。通过引入惯性权重因子w,同时使不同适应度值的猫对应不同的记忆池(seeking memory pool,SMP),较大适应度的猫将获得较多的变异猫,提高了跟踪精度。仿真和实验验证了所提改进猫群算法的有效性和可行性,该算法能够很好地应用于光伏最大功率点跟踪,不但提高了跟踪精度,而且通过适当减小变异猫的总数,能够花费较少的收敛时间获得较优的最大功率点值,进而提高了光伏发电的效率。     

融合局部熵二维熵的空中目标跟踪算法研究

提出了一种将局部熵算法和二维熵算法结合的空中目标跟踪算法。此算法通过一定的准则合理地融合局部熵和二维熵算法,然后进行目标定位跟踪。既能实现空中小目标的准确跟踪,也能实现空中面目标的准确跟踪;同时针对大小不变的带宽窗口可能导致目标跟踪丢失的问题,采用了自动调节带宽窗口的方法,让跟踪结果稳定可靠。并且算法实现运用了局部熵和二维熵的快速算法,大大减小了系统检测模块所消耗的时间,使跟踪具有实时性和鲁棒性,此外也能将融合算法有效地移植到DSP上,实现工程应用。此算法可以应用于导弹跟踪、空中监控、海空预警等许多领域。     

基于改进TLD的运动目标跟踪算法研究

针对TLD目标跟踪算法在实际跟踪过程中会受到遮挡、旋转、运动模糊等问题的影响，提出了一种改进的TLD算法，在跟踪模块中引入改进FAST角点算法，并在检测模块中建立随机切块的数据增强方法下的正样本库，引入旋转不变LBP算法，设计了一个旋转不变性的分类器。跟踪模块的改进不仅保证了算法的准确度，还提升了算法的实时性。检测模块的改进使得TLD算法即使在运动目标部分被遮挡或发生形态改变的情况下依旧有很好的跟踪效果。对数据集OTB 2013进行实验验证发现，本文算法与其他5种算法相比，不仅跟踪精确度高、运行速度快，还能有效提高运动目标被遮挡时的跟踪效果。     

局部阴影条件下光伏阵列 MPPT算法研究

光伏阵列在局部阴影条件下P-U曲线呈现多峰值现象,传统的MPPT算法将会失效。采用粒子群算法可有效解决多峰值最大功率点跟踪问题,但标准粒子群算法存在容易陷入局部最优、收敛速度较慢和稳定精度较差等问题。针对标准粒子群算法的不足,文章提出一种改进型自适应学习因子粒子群算法。该方法对学习因子C_1和C_2进行自适应调整,平衡粒子向"自身认知"和"社会认知"学习的能力;与此同时,引入惯性权重调节参数,以提高算法的收敛速度和精度。仿真结果表明,该算法在均匀光照强度、动态阴影和静态阴影条件下,均能快速精确实现最大功率点跟踪,有效地提高了光伏阵列输出效率。     

有源滤波器空间矢量脉宽调制电流跟踪算法的优化

为提高有源滤波器的电流跟踪性能,针对传统空间矢量脉宽调制(SVPWM)电流跟踪算法的不足,提出了一种用于并联有源滤波器的SVPWM电流跟踪算法的优化方法。该跟踪算法利用三相相间误差电流的正负来判断空间指令电压矢量所在的区域。与传统SVPWM电流跟踪算法相比,省略了三相电网电压的检测环节,即省略了判断空间指令电压矢量所在区域的复杂运算,从而简化了硬件电路,同时也简化了算法。针对以三相不可控整流阻感负载为谐波源的电路模型,分别采用传统SVPWM电流跟踪算法和所设计的SVPWM电流跟踪算法作为有源滤波器的电流控制方法,进行了滤除谐波电流的实验。     

基于Sigma点卡尔曼滤波器的电力频率跟踪新算法

通过变换,首先将三相电压信号转换成一复电压信号,再利用一种复数型Sigma点卡尔曼滤波(CSPKF)算法以改进对发生谐波畸变和随机噪声干扰的电力系统电压信号的频率进行动态估计和跟踪的过程。理论证明,CSPKF算法与现有的复数型扩展卡尔曼滤波(ECKF)算法相比具有更佳的跟踪精度和稳定性。此外,CSPKF算法还成功解决了所有卡尔曼滤波算法都必须面对的当算法收敛后,系统参数发生突变的情况下需要重置误差协方差矩阵来重新跟踪这些变化的问题,进一步提高了其跟踪速度。对几种暂态电力信号模型的算法仿真表明,CSPKF算法具有优异的动态跟踪性能,迅速跟踪频率和幅值变化的同时又保持了较低的跟踪误差。     

戴维南等值参数时域仿真跟踪算法分析与改进

从物理意义和数学假设两方面对现有的2种基于时域仿真的戴维南等值参数跟踪算法进行了详细的分析,揭示了两者共同的本质和算法实现上的差异。针对系统中所有负荷节点的处理方式,对现有2种算法进行了修正,使两者在物理本质、数学前提和计算结果三方面实现了统一。在统一现有算法的基础上,为了尽量减小"两状态法"可能带来的误差,以原算法的前提假设为出发点,对不同类型的发电机节点和负荷节点分别按照不同的方式进行处理,提出了改进的戴维南等值参数时域仿真跟踪算法。以等阻抗模判据为依据,通过稳态和暂态实例验证了改进算法能够更加准确地判断电力系统的电压稳定性。     

基于信息融合的运动目标跟踪算法

针对复杂背景下目标遮挡后跟踪不稳定的问题,提出了一种在粒子滤波框架下融合异类信息进行目标跟踪的算法.该方法建立了声源特征模型和颜色特征模型,在此基础上将声音信息和图像的颜色信息融合到粒子滤波跟踪算法中,通过粒子更新策略实现跟踪.实验结果表明与基于单一特征的跟踪算法相比均方误差降低了18.3%.在低信噪比情况下,该算法更...     

基于信号子空间跟踪算法的非整数次谐波检测方法

运用压缩映射技术将一种基于新的信息准则的信号子空间跟踪算法,推广为可以直接跟踪信号子空间特征成分的新算法.该算法与AIC准则或MDL准则相融合,可以同时跟踪信号子空间及其秩.对所提算法进行了仿真实验研究,并将其与PASTd算法进行了比较.仿真结果表明,所提算法具有更好的跟踪性能,非常适合于电力系统间、次谐波的实时检测.     

基于目标跟踪的交互多模型kalman滤波算法研究

针对运动目标跟踪的过程中,运动轨迹发生改变或运动过程出现目标遮挡时,传统的跟踪算法容易出现跟踪丢失或跟踪效果较差等情况,文章提出了一种基于交互多模型Kalman滤波算法和Meanshift滤波算法的融合方法,对运动目标进行位置预测估计,解决目标遮挡问题,提高目标跟踪精度。实验结果证明,该改进算法能够有效地进行目标定位跟踪,并且具有快速性。     

基于信号子空间跟踪算法的非整数次谐波检测方法

运用压缩映射技术将一种基于新的信息准则的信号子空间跟踪算法,推广为可以直接跟踪信号子空间特征成分的新算法。该算法与AIC准则或MDL准则相融合,可以同时跟踪信号子空间及其秩。对所提算法进行了仿真实验研究,并将其与PASTd算法进行了比较。仿真结果表明,所提算法具有更好的跟踪性能,非常适合于电力系统间、次谐波的实时检测。     

一种交叉多目标跟踪算法

为了解决多目标跟踪过程中由目标轨迹交叉引起的跟踪算法复杂度增加以及跟踪精度降低的问题,提出了一种改进的基于随机有限集的交叉多目标跟踪算法。该算法以高斯混合参数代替概率密度假设来降低算法复杂度和减小跟踪误差。最后在线性高斯条件下进行了MATLAB仿真实验,模拟多目标的运动过程,应用本文提出的改进算法和传统的基于数据关联的算法对多目标进行跟踪,对比试验结果表明所提出的改进算法对交叉多目标具有更加良好的跟踪性能。     

一种基于算法融合的运动目标跟踪算法

视频目标跟踪的重点和难点在于如何快速、准确的匹配目标.针对复杂背景下,单一模式的跟踪算法不能准确跟踪目标的问题,提出了一种基于算法融合的运动目标跟踪方法.该算法综合运用去均值相关跟踪算法（normalized cross correlation,NCC）和均值漂移算法（MeanShift）2种基本模式对输入输入视频进行处理,结果送入Kalman滤波器进行滤波与预测,最后根据最小总均方误差准则进行自适应融合.试验证明,该算法能够较好地实现复杂场景条件下的目标跟踪,提高了跟踪的鲁棒性.     

一种最大功率点跟踪算法与实现

为了实现基于固定电压法自适应电导增量法的最大功率点跟踪算法,设计了一种基于DSP和CPLD的太阳能控制器,并通过与其他最大功率点跟踪算法比较,验证算法的优越性。实验证明,算法在最大功率点的跟踪速度和跟踪精度上具有一定优势。     

基于模型跟踪变结构算法的电子节气门控制

针对电子节气门控制中使用最多的PID算法在参数发生漂变、存在扰动时会导致控制精度下降甚至不稳定的情况,提出了模型跟踪变结构算法,并说明了模型参考自适应算法与模型跟踪变结构算法的区别.对能够适应参数漂变的基于Lyapunov模型参考自适应控制算法进行仿真,指出了算法具有迟滞性的缺点.对模型跟踪变结构算法进行仿真,与模型参考自适应算法的仿真结果进行对比,得出了模型跟踪变结构算法跟踪迟滞小以及在系统建模不准确、参数存在漂变、存在有界扰动时依然可精确控制电子节气门的结论.     

GSO的局部阴影光伏阵列MPPT控制的研究

在若干个串联太阳电池两端并联旁路二极管消除光伏阵列处于局部阴影时形成的"热斑效应"的同时,P-U特性输出曲线会呈现出多个峰值。因此,传统最大功率跟踪方法可能会失效。针对多峰值问题,在建立和分析特性输出曲线的基础上,将改进的萤火虫群算法应用到局部阴影下光伏阵列最大功率点跟踪中。仿真表明,此方法能够快速准确的跟踪到全局最大功率点,保证了功率的高效利用。并与粒子群算法进行对比,验证了此方法的优越性。     

基于特征点的运动汽车跟踪算法研究

设计了一种基于特征点的运动汽车实时跟踪算法.结合自适应卡尔曼滤波(Adaptive Kalman Filter,AKF)算法,提出了一种简单实用的特征点匹配跟踪算法,实验表明该算法既能准确的描述目标,又减少了匹配计算量,从而实现了快速准确地跟踪运动汽车的目的.     

基于变步长扰动观察法结合改进天牛群优化算法的三步复合光伏最大功率跟踪算法

局部遮阴情况下,光伏系统的功率-电压曲线呈多峰特性,传统算法跟踪最大功率点时易陷入局部最优,智能优化算法跟踪耗时较长。对此,设计了一种变步长扰动观察法（IP&O）结合改进天牛群优化（IBSO）算法的三步复合最大功率点跟踪（MPPT）算法。该算法首先采用IP&O快速跟踪到极大功率点,并利用此点功率值调整电压搜索范围;然后使用IBSO算法在电压搜索范围内进行全局寻优,以保证搜索精度;最终在IBSO算法跟踪到最大功率点附近后,再次切换为IP&O,以加快跟踪速度、减小功率振荡。将所提出算法与IP&O、天牛群优化（BSO）、布谷鸟算法结合变步长扰动观察法（CSA-IP&O）3种算法进行仿真对比,仿真结果表明：所提出算法不易陷入局部最优,能准确快速地跟踪到最大功率点,且跟踪过程中功率振荡更小。     

光伏发电系统建模与最大功率跟踪

针对光伏发电系统最大功率点跟踪时存在跟踪速度慢和电压振荡的问题,提出一种最大功率点跟踪的改进算法。该算法获取光伏电池输出的电流和电压,进行滤波和最大功率跟踪。最大功率算法采用扰动观察和电导增量混合算法,在外界环境缓慢变化时采用扰动观察算法,突变时采用电导增量算法。实验结果表明,该改进算法能够避免跟踪方向误判,减少系统持续振荡引起功率损耗,实现最大功率快速跟踪。     

微电网中扰动观测最大功率点跟踪算法研究

在微电网光伏发电系统中,为解决传统的最大功率点跟踪算法存在跟踪误差较大或跟踪时间过长的问题,研究在基于传统的最大功率点跟踪算法基础上,给出了一种改进算法,即在基于扰动观测算法的基础上,提出了一种变步长扰动观测算法。通过调节系数和功率与电压(P-U)的曲线斜率来确定步长变化大小,有效地抑制了定步长扰动算法中由于步长大小引起的误差问题,实现了对其最大功率点的有效跟踪。通过在Matlab/Simulink环境下对光伏发电最大功率点跟踪系统进行建模与仿真分析,验证了改进算法的有效性和正确性,提高了系统性能。