基于广义预测的矩阵变换器电流环闭环控制

针对矩阵变换器(MC)输出侧电流易受负载扰动影响,提出一种基于广义预测的MC电流环控制方案。将MC虚拟等效成输入侧为整流器和输出侧为逆变器相连,推导了输出侧电压、电流方程,建立MC的受控自回归积分滑动平均模型,通过Park变换,将输出电流分解成dq坐标下的直流分量。基于广义预测控制策略,设计输出侧电流闭环控制器,跟踪期望电流d、q轴分量,维持输出电流的空间矢量恒定,以消除内、外扰动和不平衡的影响。仿真结果表明:和传统开环控制方案相比,基于广义预测的闭环控制方案减小了MC的输出电流谐波分量,改善了输出电流波形,使MC获得良好的动态特性,对输出扰动抑制效果显著。     

电力系统电压稳定性及其无功功率控制策略研究

阐述了电压稳定性的定义、本质、研究方向和相关理论,以及无功功率控制策略在电压稳定性方面的研究现状;介绍了近年来国内外电压稳定性机理、研究方法及无功功率控制策略方面的成果;分析在各种不正常运行状态中影响电压稳定性的因素,包括电压稳定负荷裕度、电力系统中可能引发电压失稳的薄弱节点或薄弱区域,研究用于防止系统电压失稳的控制策略及电力系统优化理论。     

基于精英蚁群Q算法的中压配电网双Q规划模型

为了有效应用数字化技术提供的精细化地理与负荷信息,根据中压配电网的基本特点,将配电网中的元件抽象为图论中的节点和支路,以经济性和可靠性为目标,建立一种新型的大规模中压配电网双Q规划模型;将0-1变量编码方式转化为序列整数编码方式,降低模型求解的复杂度;提出精英蚁群Q算法,并利用该算法求解辐射状网架,根据最短路法和联络优先原则设置联络线,经过反复迭代得到闭环最优网架。广州某新建园区的算例结果验证了所提模型与算法的有效性。     

电解质对卵磷脂双分子层电化学行为的影响

实验利用自组装技术在铂电极上制备支撑的卵磷脂双层膜（s-BLM）作为生物膜的模型,利用循环伏安法（cV）和电化学阻抗谱（EIS）对由电解质KCI引起的s-BLM通透性的变化进行了研究。结果表明,KCI可与s-BLM发生较强的相互作用,导致s—BLM表面磷脂分子的有序排列受到影响,产生一些离子通道,增加了对探针分子电流响应,同时降低了s—BLM的电阻。     

基于事件触发的离散 MIMO 系统自适应评判容错控制

本文针对具有执行器故障的一类离散非线性多输入多输出(Multi-input multi-output, MIMO)系统, 提出了一种基于事件触发的自适应评判容错控制方案. 该控制方案包括评价和执行网络. 在评价网络里, 为了缓解现有的非光滑二值效用函数可能引起的执行网络跳变问题, 利用高斯函数构建了一个光滑的效用函数, 并采用评价网络近似最优性能指标函数. 在执行网络里, 通过变量替换将系统状态的将来信息转化成关于系统当前状态的函数, 并结合事件触发机制设计了最优跟踪控制器. 该控制器引入了动态补偿项, 不仅能够抑制执行器故障对系统性能的影响, 而且能够改善系统的控制性能. 稳定性分析表明所有信号最终一致有界且跟踪误差收敛于原点的有界小邻域内. 数值系统和实际系统的仿真结果验证了该方案的有效性.     

视频压缩感知多假设局部增强重构算法

在基于多假设预测的视频压缩感知重构中, 不同图像块对应的假设集匹配程度差异较大, 因此重构难度差异明显. 本文提出多假设局部增强重构算法(Local enhancement reconstruction algorithm based on multi-hypothesis prediction, MH-LE), 利用帧间相关性对图像块进行分类后针对运动图像块提出像素域双路匹配策略, 通过强化图像块基本特征来提高相似块匹配效果, 获取更高质量的假设集; 同时将结构相似度评价标准引入假设块权值分配过程, 提高预测精度. 仿真结果表明, 所提算法的重构质量明显优于其他多假设预测重构算法. 和基于组稀疏的重构算法相比, 所提算法具有更快的重构速度, 在大部分的采样率条件下具有更高的重构质量.     

4 Gbps低功耗并串转换CMOS集成电路

为满足传输数据的高速低功耗的要求,文章设计了一种半速率时钟驱动的二级多路选择开关式的10：1并串转换器。第一级为两个5：1的并行串化器,共用一个多相发生器。多相发生器由五个动态D触发器构成。第二级为一个2：1的并行串化器。采用半速率时钟、多路选择开关结构降低了大部分电路的工作频率,降低了工艺要求,也降低了功耗。通过调整时钟与数据间的相位关系,提高相位裕度,降低了数据抖动。采用1．8V 0．18μm CMOS工艺进行设计。用Hspice仿真器在各种PVT情况下做了仿真,结果表明该转换器在输出4Gbps数据时平均功耗为395μW,抖动18s^-1．     

脑-机接口中基于ERS/ERD的自适应空间滤波算法

在与运动相关的脑-机接口(Brain-Computer Interface,BCI)研究中,如果样本规模小,共同空间模式(Common Spatial Patterns,CSP)滤波算法对离群点(可能为噪声)敏感,鲁棒性不好.为此该文提出自适应空间滤波(Adaptive Spatial Filter,ASF)算法,抽取滤波后脑电信号的方差作为特征,并寻找最优滤波器使两类特征中心的比值最大.与CSP不同,ASF是迭代算法,具有软判决机制,能够依据历代更新后的滤波器,自适应地降低离群点对各类特征中心计算带来的影响.采用BCI competition 2003和2005中两套数据集进行实验,结果表明:尤其是在训练样本少的情况下,相对于CSP,ASF所提取的特征分类效果更好.