LLCL滤波并网逆变器的改进型加权平均电流控制策略

加权平均电流(WAC)控制因其对并网逆变器固有的降阶特性而备受关注。然而,数字控制延时引起的系统反向谐振峰易导致传统WAC控制失效,并网逆变器对弱电网下电网阻抗的适应范围减小。鉴于此,本文不从WAC控制的降阶角度出发,而是通过逆变器与电网互联系统等效阻抗模型的网侧电流稳定性角度重新审视,提出一种采用LLCL滤波并网逆变器的前馈复矢量滤波器改进型WAC控制策略,用以提升并网逆变器等效输出阻抗在低频域的相位,可使其在奈奎斯特全频域内的相位均高于-90°,进而增强系统的稳定性。最后,通过仿真分析验证了所提控制策略的有效性。

多智能体时滞网络的加权平均一致性

提出了线性和非线性分布式协调控制器,使多智能体系统取得加权平均一致性.对于线性控制器,考虑网络存在通信时间延迟的情形,给出了能容忍的最大固定时滞的一个紧凑上界.考虑网络结点控制输入的有界约束,给出了一类非线性分布式控制器的收敛性分析.结果说明,网络的连通性是系统取得一致性的关键.最后对时滞网络的情形给出了仿真示例.

多智能体有向网络的加权平均一致性

对多智能体有向网络的一致性问题进行了研究。提出了加权平均一致性的新概念,基于一类分散协调控制器使多智能体网络在固定的网络拓扑取得全局渐近加权平均一致性。从理论上证明了有向网络的强连通性及一类称为平衡图的有向图在解决加权平均一致性问题中扮演着关键角色。最后,给出了一个仿真示例,对理论结果进行了验证。

一个基于相邻像素兼容度的模糊加权平均滤波器

在文献[1]的基础上,提出几个改进的模糊加权平均滤波器。本文的方案不仅同时考虑了相邻像素对中心像素的兼容性以及中心像素对相邻像素的兼容性,而且还考虑到了权系数对局部环境的适应性。实验结果表明,该方法相比文献[1]中的模糊加权平均滤波器以及标准的均值滤波器、中值滤波器在噪声消除与边缘保留方面具有更好的性能。

加权平均预测的一阶多智能体系统一致性的采样控制

研究了具有加权平均预测的一阶多智能体系统一致性的采样控制问题。应用时滞分解技术得到了基于采样数据的离散时间一致性协议,同时,使用代数图论、线性系统的稳定性理论,获得了确保具有加权平均预测的一阶多智能体系统渐近实现平均一致性的充分和必要条件,最后仿真结果表明了理论研究结果的有效性,得到了采样周期的条件,并对满足和不满足条件的2种情况进行了仿真验证,为一阶多智能体系统采样控制的一致性问题提供了一种可行解。

基于数字控制延时的LCL型并网逆变器强鲁棒性加权平均电流控制策略

加权平均电流(WAC)控制因其对LCL型并网逆变器固有的降阶特性而备受关注,通过对逆变器控制系统的环路增益进行零极点对消,达到将三阶系统降为一阶系统的目的。但是,传统WAC控制未充分考虑数字控制延时对系统造成的影响,数字控制延时的存在导致系统无法进行理想降阶,并网逆变器对弱电网的鲁棒性较差。鉴于此,提出了一种基于数字控制延时的LCL型并网逆变器强鲁棒性WAC控制策略,在耦合点电压前馈通道引入一阶高通滤波器,进而对系统反向谐振峰进行完全补偿,以提高并网逆变器对弱电网的适应性。最后,通过仿真分析验证了所提控制策略的有效性。

关于加权算术平均成对比较矩阵一致性的新性质

本文讨论了两种加权算术平均成对比较矩阵,给出了加权算术平均综合成对比较矩阵一致性的一个新性质,文章结论显示最常用的加权算术平均意见集成方法不利于群体达成一致性.

一种基于双滑动平均滤波器的单相软件锁相环

为了提高基于同步参考坐标系的单相软件锁相环在电网谐波畸变情况下的性能,提出了一种基于双滑动平均滤波器的单相软件锁相环。该锁相环采用双滑动平均滤波器来滤去同步坐标系中dq轴上由单相电压奇次谐波转化而来的4k+4(k=0,1,2,…)次谐波,以得到用来锁相的基波相位。考虑到单相电压频率变化会造成锁相环的锁相误差,先采用角频率重构模块得到变化后的频率,再利用加权平均值法来减小频率变化对所述锁相环滤波部分的误差。实验结果表明,该锁相环可以在单相电压含有谐波和频率变化的情况下准确得到基波的幅值和相位,并具有良好的动态响应特性。

基于加权运动平均的多视角点云鲁棒配准方法

本文提出一种基于加权运动平均的多视角点云配准方法,有效提高了多视角点云配准的效率和精度.首先,通过双视角点云配准算法得到点集的相对运动集;提出一种分层渐进式点云配准初值确定方法,该方法计算运动关系图中三视匹配元一致性度量,逐步挑选最为可靠的匹配元进行顶点初值化与顶点扩展,有效避免了因所选初值与真值偏差较大导致加权运动平均效果不佳的问题;依据上述方法确定配准初值,并根据该初值判断双视角匹配结果的可靠性,以剔除相对运动集内包含的外点,最后将剔除外点后的原始相对运动集的内点子集作为加权运动平均算法输入的相对运动集.以斯坦福公开数据集为对象开展了对比实验,基于双视角配准算法分别获得了4个测试点集在30%、25%和20%双视角点云重叠率阈值下的双视角配准结果,共形成12组相对运动集.其中,相对运动集误差随重叠率阈值的下降逐渐增加.所提方法在12组运动集上均获得了最佳的配准结果,证明了本文所提出方法在提高加权运动平均方法计算精度与效率方面的有效性.此外,当运动集包含大量外点时,采用本文所提方法仍能获得较为准确的配准结果,证明了本文所提方法的强鲁棒性.

具有时变时滞的多智能体系统的加权平均一致性

针对有向时变时滞的多智能体网络,研究了具有固定和切换拓扑结构的加权平均一致性问题。首先,基于加权平均一致性问题,提出了一种新的控制协议。其次,运用正交变换把原始的系统转化为降维的等价系统,通过构造Lyapunov-Krasovskii泛函对系统进行稳定性分析,并利用线性矩阵不等式(LMI)给出系统取得加权平均一致性的充分条件。最后,例子和仿真验证了理论结果的有效性。

采用有限时间平均一致性协议的电力系统分布式状态估计

随着基于相量量测单元的广域量测系统在技术上的成熟与推广应用,利用WAMS量测可实现电力系统线性状态估计.本文基于广域量测系统提出一种全分布式状态估计算法.首先根据拉格朗日乘子法推导了多区域约束加权最小二乘估计模型,然后引入有限时间平均一致性协议,得到系统量测正常情况下的分布式状态估计算法.考虑了系统量测存在异常数据情况,根据最小二乘估计的几何意义扩展推导出修正算法,使其在各区域剔除异常量测后,无需改变信息矩阵,只需执行若干次有限时间平均一致性协议能收敛至信息矩阵修正后的集中式估计值.最后,理论分析和实验结果证明了算法的有效性.

数字滤波的算术平均法和加权平均法

介绍单片机系统中的两种数字滤波算法及适用条件。

具有反馈控制的多自主体系统迭代学习输出一致性

为改进多自主体系统的学习过程并提高系统对外部干扰的鲁棒性,提出一种具有反馈控制的迭代学习一致性控制算法。首先,自主体之间通过共享控制输入信息以改进其学习过程,并且当系统外部存在非迭代重复干扰时,通过设计反馈控制器以提高系统的鲁棒性;然后,使用压缩映射的方法对系统一致性进行分析,并严格推导出算法的收敛条件;最后,通过仿真实验验证了算法的正确性和有效性,改进后的算法与P型算法相比有更高的收敛速度,且在存在外部干扰时有更平滑的收敛曲线。

基于广义高斯混合模型的图像加权平均滤波去噪方法

基于直方图的模糊滤波方法对图像的拖尾噪声去噪会导致图像模糊、残留的噪声较多等问题,本文提出一种新的基于广义高斯混合模型的图像去噪方法.首先,建立图像的广义高斯分布及其有限混合模型;其次,通过像素周围点特征值的变化范围确定噪声数据;最后,利用广义高斯函数构建一个加权平均滤波器进行图像去噪.对基于直方图的滤波方法、经典的偏微分方程和本文方法进行比较实验,结果表明本文方法具有更好的去噪效果.

Gabor滤波器在指纹图像分割中的应用

为了有效地进行指纹图像的分割。在分析了 Gabor滤波器虚部特征的基础上 ,在指纹图像的分割中引入了 Gabor滤波器虚部的滤波结果作为新的指纹图像特征 ,并通过加权平均的分割策略 ,获得了较好的实验结果。同时 ,为了提高分割速度 ,还改进了特定条件下的 Gabor滤波算法 ,从而有效地降低了算法的时间复杂度。

两种修正判断矩阵一致性方法的比较分析

对层次分析法中判断矩阵一致性的修正方法进行了研究 ,证明了修正判断矩阵一致性的加权算术平均法的收敛性 ,并同加权几何平均法进行了详细的比较 .理论分析表明 :虽然这 2种方法都具有收敛性 ,且均可对一致性较差的判断矩阵进行修正 ,但加权几何平均法比加权算术平均法简洁 ,且前者无需通过转换 ,直接保持了修正后的判断矩阵的互反性 .数值结果也显示

云理论和多传感器加权平均的性能指标描述

性能指标分析是对以往系统安全状态判断的良好补充,对它的研究具有现实意义。利用多传感器加权平均和云理论的方法对性能指标状态进行了定性描述。用分布图法对正常状态下由多个传感器得到的一组数据进行一致性检验,采用多传感器加权平均的方法融合出正常状态下均方误差最小的数据融合值,然后将任意时刻的性能指标数据与之相比较得出偏差值,基于云理论构造出5个评语的评语集并结合偏差的大小对当前的性能指标进行定性描述。实验结果表明了该方法的有效性。

基于加权平均电流控制的三相并网逆变器

针对LCL滤波器谐振产生的零阻抗问题,采用基于加权平均电流的控制策略,但其在同步旋转坐标系下仍有强烈的耦合关系,不便于对系统控制,因此电流环将采用前馈解耦控制的策略,实现对d轴和q轴的独立控制,系统具有较高的功率因数,最后通过仿真验证了该方案的有效性。

保持图像细节的局部自适应去噪滤波器新方法

去噪算法在现代图像处理应用中占有极其重要的地位。然而图像去噪的过程总是伴随着图像的模糊。本文提出了一种对彩色图像细节保持较好的局部自适应的去噪算法--基于个数判断噪声的前提下结合线性插值、非线性插值(这里主要指中值滤波)滤波对噪声图像进行处理,得到较理想的效果。和领域平均法、倒数梯度加权法、纯线性插值法、纯中值滤波法等相比较,其效果改善明显。

2D经验模态分解与非下采样方向滤波器组的红外与可见光图像融合算法

针对当前红外(IR)与可见光(VI)图像融合中细节保留能力不足及目标配准精度不高的问题,设计了一种多尺度2D经验模态分解耦合非下采样方向滤波器组(NSDFB)的红外与可见光图像融合算法。分别计算红外与可见光图像的熵值,并比较二者阈值的大小,计算阈值较大图像的残差。通过2D经验模态分解(2D-EMD)和NSDFB机制,构建了多尺度方向分解模型,将熵值较大图像的残差和熵值较小的图像变换为高频方向系数与低频系数,以获得源图像的细节和特征信息。对于低频系数,引入加权平均作为低频系数的融合准则;根据区域能量对比度与清晰度来定义融合规则,完成高频系数的融合。利用2D-EMD多尺度分解逆变换将获取的低频与高频系数生成新图像。实验表明:与当前常用红外与可见光图像融合对比,所提算法具有更高的融合质量,所输出的图像具有更好的对比度与丰富的细节信息。