一种基于有源滤波与光伏发电的并网逆变器控制方法

文中提出了一种基于有源滤波与光伏发电的并网逆变器的控制方法,在并联型有源电力滤波器的基础上拓展了新能源发电功能,采用电压电流双环对并网逆变直流侧电压和系统电网输出有功电流进行控制。该并网逆变器既可以滤除负载的谐波和补偿负载的无功功率,也可以实现有功功率的有效传输,适于未来微电网中并网逆变器的应用研究。     

基于TI-UKF的短航迹在线空间配准方法

为了提高多传感器系统的综合性能,对时空配准的理论和方法进行探索具有重大的现实意义。近程跟踪定位系统中,由于目标距离近且速度快,导致可用于配准的数据量很小,航迹短,在配准算法尚未收敛时观测数据已结束,从而为多传感器的时空配准带来困难。本文针对近程跟踪定位系统中的这些特征,将航迹迭代的思想结合近程系统航迹较短的特点,提出一种基于航迹迭代的无迹卡尔曼滤波(TI-UKF)的空间配准方法,对以雷达和红外传感器为探测手段获取的目标数据实现空间配准。实验采用曲线运动模型,模拟4条航迹,对雷达和红外传感器的空间配准进行实验,验证本文所提算法的有效性和系统偏差的收敛速度。实验结果表明,所提算法是有效的,且具有较强的应用价值。      

基于增材工艺的柔性带通频率选择表面

本文提出了一种基于增材加工工艺的带通频率选择表面设计.传统频率选择表面(Frequency Selective Surface,FSS)通常由PCB(Printed Circuit Board)工艺加工实现,难以与大面积柔性覆盖等场合兼容.为此,本文提出了基于丝网印刷与电镀的增材加工方法实现对带通频率选择表面的加工,并...     

室内VLC-WiFi异构网络基于动态载波分配的干扰管理策略

为了有效地管理VLC-WiFi异构网络的小区间干扰,该文设计基于用户中心接入的动态载波分配(DCAUCA)方法,该方法依据用户请求速率构建大小不同的multi-AP小区,对各multi-AP小区依据用户请求速率与网络服务速率的差值降序排列,并依次为各multi-AP小区的VLC AP分配载波.同时,提出基于VLC AP发射功率控制的小区残余干扰抑制(RISPC)策略以进一步优化干扰管理效果.仿真结果表明,DCAUCA方法相较于对比方法最高可提升52.15％的系统吞吐量与7.10％的用户满意度,RISPC策略相较于DCAUCA方法最高可提升9.66％的系统吞吐量.     

基于物联网平台的自行车多功能表设计

为实时了解骑行者的骑行状态,便于其调整骑行举动,设计了基于物联网平台的自行车多功能码表.选用AT89C52作为主控芯片,结合传感器技术、WiFi技术、物联网平台实现了包含计算骑行速度、单次里程、总里程、时间、所耗卡路里、检测环境温湿度等功能的自行车码表设计.进一步地,通过在LCD显示屏及物联网平台显示所得数据实时监测骑...     

智能输液监测系统设计

随着物联网技术的不断更新迭代,医用设备的智能化也逐渐走进大众的视野.本文设计的智能输液监控系统,以STM32F103RCT6单片机为核心处理器,对药液流速、温度、以及药液剩余量进行实时监控.当检测到异常情况,设备会进行声光报警,提醒患者或陪护人员,同时系统也会通过ZigBee无线通信模块将监控的数据上传至上位机显示报警信息,通知医护人员及时进行处理.从而达到对输液情况进行实时监控的功能.     

一种具备自动感光和防疲劳驾驶的智能车用遮阳板

交通环境是驾驶安全的重要影响因素.视觉特性中的光感强度对驾驶员的反应和注意力有较大影响.根据这个特点,本文介绍了一种具备自动感光和防疲劳驾驶的智能汽车用遮阳板.通过检测识别车内光线强度,调节遮阳板角度,减少车内光线对驾驶员的影响;利用视觉算法识别驾驶员面部表情或面部动作,判断其是否疲劳驾驶,进而自动调节遮阳板角度,改变车内光线对驾驶员进行提醒.     

线上线下混合计算机控制技术教学改革

本文结合计算机控制技术课程的授课内容和学校的创新应用型人才培养目标,探索了一种线上线下混合式教学模式,将传统的线下课堂知识点传授与现代线上多媒体、多平台的信息共享、在线视频会议等相互融合,实践表明该教学模式有效调动了学生的学习积极性和主动性,获得了良好的授课效果.     

基于"实时数字控制"技术的"电力电子技术"实验教学模式研究

"电力电子技术"实验课程是电气工程及其自动化专业重要的实践环节之一.为推进"新工科"背景下人才培养,本文针对目前"电力电子技术"实验课程存在的问题,提出"新工科"背景下电力电子实验课程教学改革方案,通过搭建基于"实时数字控制"的新型教学实验平台,建立面向"新工科"的实验教学新模式,以期加强学生对电力电子技术的理解与掌握,培养学生的实践动手能力,为学生的创新实践提供平台.     

基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.