针对包含精细结构的电大尺寸目标电磁散射快速计算问题,提出了一种计算包含精细结构的电大尺寸目标电磁散射问题的基于矩阵降维的混合算法。该方法在Rao-Wilton-Glisson基函数矩量法(method of moment,MoM)的基础上,对目标区域进行划分...针对包含精细结构的电大尺寸目标电磁散射快速计算问题,提出了一种计算包含精细结构的电大尺寸目标电磁散射问题的基于矩阵降维的混合算法。该方法在Rao-Wilton-Glisson基函数矩量法(method of moment,MoM)的基础上,对目标区域进行划分,完成阻抗矩阵的分块和未知量的分离,再由矩量区与物理光学(physical optics,PO)区之间的电流相互作用构造耦合转移矩阵和激励转移矩阵,从而建立两个区域未知量之间的线性关系,进而完成对阻抗矩阵的降维,最终从矩阵运算角度构建了一种MoM-PO混合算法。其中,使用等效电偶极子模型简化双重积分计算,进一步减少矩阵元素的计算量;阻抗矩阵的阶数大幅减少,避免了大规模矩阵方程的求解计算。算例结果表明,与传统的低频算法相比,该算法既保证了计算精度,又提高了计算效率。展开更多
利用实际航摄资料评价了WGS 84和国家80坐标系下机载POS(position and orientation system)系统直接对地目标定位的精度,分析了不同大地水准面拟合方法对高程精度的影响,检校了POS系统的视准轴误差,讨论了检校场的检校结果。试验表明,基...利用实际航摄资料评价了WGS 84和国家80坐标系下机载POS(position and orientation system)系统直接对地目标定位的精度,分析了不同大地水准面拟合方法对高程精度的影响,检校了POS系统的视准轴误差,讨论了检校场的检校结果。试验表明,基于POS系统的航空遥感直接对地目标定位至少需要利用带有1个平高地面控制点的检校场对POS系统进行检校才能消除系统误差;在WGS84坐标系中,可以获得较高的定位精度,而转换到国家80坐标系下,必须对高程进行大地水准面拟合改正。展开更多
当前在光伏电站出力短期预测方面较多的采用BP或者优化的BP神经网络算法,存在采用的优化算法单一、缺乏多种优化算法比较选优、预测误差大的问题。基于本地5 k W小型分布式光伏电站,综合考虑影响光伏出力的太阳光辐射强度、环境温度、...当前在光伏电站出力短期预测方面较多的采用BP或者优化的BP神经网络算法,存在采用的优化算法单一、缺乏多种优化算法比较选优、预测误差大的问题。基于本地5 k W小型分布式光伏电站,综合考虑影响光伏出力的太阳光辐射强度、环境温度、风速气象相关因素和光伏电站历史发电数据,分别采用BP以及遗传算法和粒子群算法优化的BP神经网络算法—GA-BP和POS-BP构建了晴天、多云、阴雨三种天气条件下光伏出力短期预测模型。实测结果表明,三种神经网络算法预测模型在三种不同天气条件下均达到了一定的预测精度。其中GA-BP、POS-BP相比传统的BP预测模型降低了预测误差,且POS算法相比GA算法对于BP神经网络预测模型的优化效果更好,进一步降低了预测误差,适用性更强。展开更多
文摘针对包含精细结构的电大尺寸目标电磁散射快速计算问题,提出了一种计算包含精细结构的电大尺寸目标电磁散射问题的基于矩阵降维的混合算法。该方法在Rao-Wilton-Glisson基函数矩量法(method of moment,MoM)的基础上,对目标区域进行划分,完成阻抗矩阵的分块和未知量的分离,再由矩量区与物理光学(physical optics,PO)区之间的电流相互作用构造耦合转移矩阵和激励转移矩阵,从而建立两个区域未知量之间的线性关系,进而完成对阻抗矩阵的降维,最终从矩阵运算角度构建了一种MoM-PO混合算法。其中,使用等效电偶极子模型简化双重积分计算,进一步减少矩阵元素的计算量;阻抗矩阵的阶数大幅减少,避免了大规模矩阵方程的求解计算。算例结果表明,与传统的低频算法相比,该算法既保证了计算精度,又提高了计算效率。
文摘利用实际航摄资料评价了WGS 84和国家80坐标系下机载POS(position and orientation system)系统直接对地目标定位的精度,分析了不同大地水准面拟合方法对高程精度的影响,检校了POS系统的视准轴误差,讨论了检校场的检校结果。试验表明,基于POS系统的航空遥感直接对地目标定位至少需要利用带有1个平高地面控制点的检校场对POS系统进行检校才能消除系统误差;在WGS84坐标系中,可以获得较高的定位精度,而转换到国家80坐标系下,必须对高程进行大地水准面拟合改正。
文摘当前在光伏电站出力短期预测方面较多的采用BP或者优化的BP神经网络算法,存在采用的优化算法单一、缺乏多种优化算法比较选优、预测误差大的问题。基于本地5 k W小型分布式光伏电站,综合考虑影响光伏出力的太阳光辐射强度、环境温度、风速气象相关因素和光伏电站历史发电数据,分别采用BP以及遗传算法和粒子群算法优化的BP神经网络算法—GA-BP和POS-BP构建了晴天、多云、阴雨三种天气条件下光伏出力短期预测模型。实测结果表明,三种神经网络算法预测模型在三种不同天气条件下均达到了一定的预测精度。其中GA-BP、POS-BP相比传统的BP预测模型降低了预测误差,且POS算法相比GA算法对于BP神经网络预测模型的优化效果更好,进一步降低了预测误差,适用性更强。