LED路灯光照强度自适应控制方法

根据黄昏时分自然光照缓慢变弱的特征,提出了一种基于神经网络的LED路灯光照强度自适应控制方法,实现了LED路灯光照强度随自然光照强度变化自动调节。该方法以LED路灯光照测量输出电压与光照强度之间函数关系的单调递增性(即导数大于0)为先验知识,构造神经网络模型训练的约束条件,并利用Lagrange乘子法构建增广拉格朗日函数作为训练目标函数,给出了详细的训练算法,完成神经网络优化设计,提高了LED路灯光照强度自适应控制模型的泛化能力。仿真实验表明,这种基于约束条件的神经网络方法(CCNN),比传统的数据驱动训练方法(DINN,即仅利用数据样本训练神经网络)具有更好的泛化能力,模型误差更小;现场测试表明,黄昏时分采用这种CCNN方法的LED路灯节能最大超过20%。     

太阳能光伏并网系统的控制与仿真

介绍光伏阵列的等效电路、数学模型,以及光伏电池的电气特性,在Matlab/Simulink下建立光伏发电系统的动态仿真模型,用Boost电路实现最大功率点跟踪,采用电导增量法实现对占空比的控制。分析单相和三相光伏发电系统中各模块的作用,观察不同环境温度和光照强度下输出波形变化,验证了系统的有效性和正确性。     

基于图像、气味识别相融合的扫地机器人控制策略

在养宠物的家庭，经常会遇到宠物在家里的地板上排放粪便而扫地机器人清理不理想的情况，因此根据扫地机器人所处工作环境的不同，将环境分为强光线环境和弱光线环境，在强光线环境下采用图像和气味结合的识别方法，在弱光线环境下，因图像信息趋同，所以仅采用气味识别方法；同时，考虑了风向对相关气体含量的影响，调整扫地机器人的位置，从不同方位进行气体检测；另外，加入了临时禁区设置，对无法确认是否为宠物粪便的区域划定为临时禁区，结合手机APP指令进行下一步操作，以防扫地机器人错误判断导致粪便涂满地。经过上述控制策略，宠物粪便的识别准确率可大幅度提高。