基于改进风力驱动优化算法的最大功率点跟踪控制研究

针对传统最大功率点跟踪方法存在无法兼顾跟踪速度和跟踪精度的问题,提出一种改进的自适应风力驱动优化算法,其中重力和科里奥利力在寻优初期可以提高多样性,而自适应性使其可以在寻优后期对最大功率点进行精确定位。使用MATLAB/Simulink对外界环境突变工况进行仿真验证。结果表明,所提的改进方法对比初始方法和传统方法,不仅跟踪速度快、跟踪精度高,还减小了稳态振荡。     

基于数据预处理和长短期记忆神经网络的锂离子电池寿命预测

锂离子电池剩余使用寿命（RUL）可以评估电池的可靠性,是电池健康管理的重要参数。准确地预测电池的RUL可以有效提高设备的安全性并降低工作风险。该文提出一种自适应数据预处理结合长短期记忆神经网络（LSTM）的RUL预测框架。选取容量作为健康因子,数据预处理阶段,首先使用自适应双指数模型平滑方法减少容量回升现象产生的负面影响,然后通过自适应白噪声完整集成经验模态分解（CEEMDAN）对数据进行降噪;模型构建阶段,利用预处理后的数据训练得到用于RUL预测的LSTM模型。以NASA和CALCE公开数据集为研究对象进行算法性能测试,实验结果表明,所提方法鲁棒性好,能够提供精确的RUL预测结果。     

基于多重谐振控制器的参考值前馈自适应控制

针对三相逆变器控制,该文提出一种基于多重谐振控制器的参考值前馈自适应控制。首先,基于复变量建立状态空间模型,并设计状态反馈控制,作为功率控制输入,用以改善系统动态响应。同时,设计参考值动态前馈控制,定义动态前馈增益为信号控制输入,创新性地利用积分谐振控制器,自适应调节动态前馈增益,即信号控制输入,从而达到无静差控制。基于根轨迹方法分析整定多重谐振控制参数。该文提出的控制方法是一种新型的多重谐振控制结构,给出一种新的自适应控制思路,且所提控制方法具有良好的电压调节能力,如快速暂态响应、稳态误差小及总谐波畸变率低等。最后,通过实验验证了所提多谐振自适应控制的有效性。     

基于改进范数约束LMS算法的数字预失真技术

数字预失真(Digital Pre-Distortion,DPD)能够提高功率放大器的线性度,并减少非线性失真对信号传输的影响。针对大容量数据高带宽和低信噪比的环境,在系统呈现一定稀疏性时,传统最小均方(Least Mean Square,LMS)无法快速收敛识别功放逆模型。因此,提出一种改进的二范数约束的最小均方(Two Norm Constraint Least Mean Square,2-LMS)算法,通过改变代价函数表达式和步长表达函数来提高算法收敛速度,并减少收敛过程中的稳态误差。此外,引入相邻时刻误差的自相关矩阵,提高了预失真系统的抗噪能力。仿真实验结果表明,基于2-LMS算法的预失真系统在抗噪性能、收敛速度及带外抑制等方面明显优于传统自适应算法,且预失真的邻信道功率比(Adjacent Channel Power Ratio,ACPR)比原基于LMS算法预失真系统优化了-10.3 dB,矢量误差幅度(Error Vector Magnitude,EVM)指标优化了7.5%。     

基于Massive MIMO系统的自适应抗干扰算法研究及实现

基于天线阵列的Massive MIMO系统是5G移动通信中的关键技术之一。针对随着用户增加带来的干扰问题,提出先使用空间谱估计算法精准测定信号方位,再使用自适应波束形成算法对干扰信号进行抑制并使目标信号无失真接收,设计了一套自适应抗干扰系统,并通过Xilinx公司的FPGA开发工具进行了工程仿真与验证。结果表明,该方案具有较强的实用性和可靠性。     

基于“当前”统计模型的变结构交互多模型算法

"当前"统计(Current Statistical,CS)模型与交互多模型(Interacting Multiple Model,IMM)算法相结合,解决了机动目标跟踪问题中目标机动性难以匹配的问题。但是,IMM算法中模型集合的选取以及CS模型中最大加速度参数的设置会影响跟踪性能。针对这一问题,在变结构交互多模型(Variable Structure IMM,VSIMM)算法框架上,提出了一种根据加速度的预测值进行自适应调整最大加速度参数的CS模型。仿真结果表明,新算法可以有效提高对目标的跟踪精度。     

基于自适应遗传算法的WSNs分簇路由方法

在设计和部署无线传感网络的过程中,由于部署环境多变,节点能量有限,各节点传输数据时负载不均衡.因此,如何充分利用有限的能量来延长网络寿命,提高数据传输效率和算法的实时性成为了亟需解决的问题.本文针对上述问题提出了一种基于改进型自适应遗传算法的无线传感网络分簇路由协议IAGA-C(Improved Adaptive Genetic Algorithm-Clustering).该方法在分簇过程中,综合考虑了各节点与簇头节点间、簇头节点与基站间的距离以及各节点剩余能量三方面因素来进行簇头的选择.此外,为了提高分簇算法的实时性,本文改进了经典遗传算法的交叉和变异机制,在保证算法有效性的同时缩短了分簇过程所消耗的时间和能量.仿真结果表明,相比于其他协议,该方法在网络寿命、数据传输效率以及实时性等方面有较好的表现.     

基于多机制混合象群算法的混沌系统参数估计

针对混沌系统模型未知参数进行估计,提出了一种多机制混合的象群算法.对于象群算法收敛慢,精度低,难以跳出局部最优的缺陷,采用混沌初始化能够增加群体的多样性,避免陷入局部极值;Z型变化的尺度因子和全局最优解来增强其搜索能力,并采用自适应反向学习增加算法进化群体的多样性,提高局部搜索能力,以更高的精度逼近全局最优个体.通过测试函数求解表明改进的算法在寻优精度和稳定性要优于象群算法、正余弦算法、鲸鱼算法、多向宇宙优化算法.最后对两个混沌系统进行参数估计,验证了改进算法有较强的寻优精度,速度和稳定性.     

基于自适应调光的恒照度LED照明系统设计

本文设计了一个基于自适应调光的恒照度LED照明系统,本照明系统将光照强度的感应,信息的传输,驱动信号的占空比的决策,以及LED的亮度调节等集成于一个系统中,实现了LED照明系统的自适应调光。实验结果表明本照明系统可以根据外界环境光照的强弱自适应调节LED照明系统的光输出强度,保证环境光与照明系统的光的总和是一个不变的量,从而实现整个光照环境的恒照度照明。本文的研究成果在节约照明能源,提高人们的照明体验等方面具有重要的实用意义。