基于正反馈主动移频式孤岛检测算法的模糊优化

孤岛检测是并网光伏发电系统必备的功能,基于正反馈的主动频率偏移法是目前应用最为广泛的一种孤岛检测算法.针对该算法在反馈参数选择时孤岛检测盲区和输出电能质量难以兼顾的问题,分析了算法参数与孤岛检测盲区和输出电能质量的关系,给出了算法参数的选取范围,采用模糊控制,根据电网断开后公共点电压频率的变化情况对反馈参数进行了自适应在线调整,建立了基于Simulink/SimPowerSystems的孤岛检测仿真模型.仿真结果表明,该方法不仅能够实现并网光伏发电系统的无盲区检测,而且其输出电流畸变率比常规算法降低了1.49％.     

基于DDR2存储器的FIFO设计

针对许多应用系统对FIFO深度不断增长的需求与SRAM技术较低的存储密度之间的矛盾,提出了设计一套使用DDR2存储器,且在FPGA上实现FIFO访问控制的解决方案.设计了一个具有较低访问延迟的DDR2控制器自行实现DDR2存储器所需的自刷新、访存调度、地址译码等操作,通过并发访问和时钟同步,提供了与典型同步FIFO存储...     

单相光伏逆变器电压穿越控制策略

提出一种适用于单相光伏并网逆变器的在电网电压故障时刻有功和无功功率实时调整的控制策略,实现逆变器的高电压及低电压穿越。为了快速准确地检测跟踪电网电压,消除A/D采样和输出滤波网络延迟的影响,提出一种瞬时值预测算法,实现对电网电压的快速跟踪。实验验证了该策略的可行性和有效性。     

面向分布式光伏超短期功率预测的云团特征建模

将晴空中的云团作为研究对象,重点建立并分析目标云团质心、位置、形状和云团质量等特征的模型,采用开运算、质心角函数、二次多项式拟合法、聚类分析和灰度分割法分析并预测云团特征演变。Matlab仿真结果表明,提出的算法能表征目标云团位置、形状和云团质量等特征,并实现2 s后的特征演变预测。所建云团的关键特征模型可为后续建立超短期功率预测模型提供参数支持。     

基于模糊推理L-系统的植物生长模拟研究

L-系统应用于模拟植物生长时,难以从植物学知识归纳、抽象出有关植物生长的语言式描述鲻规则,提出了基于语言描述的模糊推理方法来建立产生式规则的构造方法.介绍了从对植物生长的语言描述出发构造相应的模糊集合,进行模糊推理构造出L-系统产生式的方法.给出了主要的产生式规则和编程实现的模拟结果,仿真结果符合现实植物营养生长的“慢-快-慢”的基本生长规律,表明基于模糊推理的L-系统方法模拟植物的生长过程是可行的,避免复杂的植物生长机理建模.     

基于改进GMRES算法的水冷壁运动机器人路径跟踪模型预测控制

针对水冷壁爬壁机器人(WWCB)路径跟踪问题,提出一种快速非线性模型预测控制(NMPC)算法。定义WWCB与虚拟目标的跟踪误差,将跟踪问题转化为Bolza形式的NMPC最优控制问题。通过引入半平滑函数,对不等式进行优化处理,构建最优化必要条件。基于庞特里亚金极小值原理建立广义哈密顿函数,采用连续/广义极小残量算法(C/GMRES)计算求解,并引入多重打靶法提高运算精度。同时对GMRES算法残量求取方式进行了优化以提高运行效率。对伯努利双纽线和圆形路径进行了跟踪仿真,验证了本文的跟踪控制快速算法的有效性。     

基于ARM体系的PC/104总线设计

在分析了ARM处理器系统在指令系统、存储器模型、中断系统、总线时序等方面的特点,研究了IBM PC/AT和PC/104总线规范的基础上,提出了一种在ARM系统中高兼容性地实现PC/104总线的硬件电路方案,以及与之相应的在Linux操作系统中的驱动设计,并讨论了影响该兼容系统性能的相关因素.解决了在ARM系统中无法使用标准PC/104模板的难题.采用该方案,有利于在嵌入式系统的设计中兼顾ARM处理器和PC/AT体系的优势.     

非完整移动机器人路径跟踪的快速非线性模型预测控制方法

本文用快速非线性模型预测控制方法进行了非完整移动机器人路径跟踪问题的研究.采用虚拟目标跟踪法建立非完整移动机器人路径跟踪问题的非线性系统,转化为以Bolza形式的最优控制问题模型.通过一种障碍函数法处理不等式约束将其整合至性能指标函数中,基于拉格朗日乘数法建立最优化必要条件的线性方程组,以连续/广义极小残余算法(C/G...     

基于广义刚度的多指手抓持稳定性分析

近年来,仿人灵巧手成为热门的研究方向,大量学者对灵巧手抓持稳定性进行了研究.刚度是影响灵巧手抓持稳定的一个重要因素,本文基于旋量理论综合研究了灵巧手关节刚度和接触刚度与扰动力作用下的被抓持物体位姿变化的关系,在旋量空间中得出了广义刚度.并针对扰动力造成的软指与物体间的滚动情况,提出了一种等效接触切向刚度的方法.在广义刚...     

基于参数优化的机器人花键装配偏角感知识别方法

针对花键装配过程中存在轴孔偏角引起的卡阻导致装配成功率低的问题,提出基于参数优化的机器人花键装配偏角感知识别方法. 根据花键装配的特点,利用力传感器采集花键装配过程中的力/力矩信号,基于混合鲸鱼优化算法(HWOA)的极限学习机(ELM)识别偏角的力信号并构建偏角经验库. 结合支持向量数据描述(SVDD)算法,实现了未定义偏角的感知和偏角经验库的自我更新,以及用偏角的感知识别指导机器人完成花键装配任务. 实验结果表明,所提方法对未定义偏角感知成功率和对已知偏角的识别精度分别为98.8%、98.12%,能有效指导机器人进行花键装配.