局部遮挡下光伏阵列的建模与仿真研究

为研究局部遮挡对光伏阵列发电量的影响,本文以光伏电池片为基本单元,以实际光伏组件为研究对象,在MATLAB中建立了仿真模型。所建电池模型能模拟光伏电池的正向和反向工作特性;所建光伏阵列模型能模拟不同遮挡条件、不同阵列配置、不同温度下的阵列输出特性。研究得出受遮挡电池片电流降低是功率曲线出现多峰的根本原因,研究了不同遮挡情况对光伏组串输出特性的影响规律,对比分析了不同阵列配置的输出特性以及采用分布式和集中式MPPT的优劣,通过仿真研究为优化光伏发电阵列配置和MPPT的方式提供了依据。

局部遮挡下光伏电池的数学建模与仿真研究

在局部遮挡条件下,光伏阵列I-V输出特性呈阶梯状,P-V输出特性含多个局部峰值。以光伏电池工程数学模型为基础,对光伏电池的串联、并联以及串并联形成阵列进行了深入的研究,建立了对应的数学模型,并理论上探究了功率最大点出现的位置以及多功率最大点产生机理。通过计算机仿真验证了理论推导的正确性,得出局部遮挡下光伏阵列的输出特性是由光照强度、遮挡模式、阵列格局等共同决定的结论。

局部遮挡下的自适应变步长扰动观察法

在局部遮挡下,光伏阵列输出功率—电压(P-U)曲线呈现多峰值现象,传统最大功率点跟踪方法可能因收敛于局部最大值点而失效。在分析多种局部遮挡情况下P-U曲线模型的基础上,设计了一种自适应变步长扰动观察法,能实现多峰值现象下的最大功率点跟踪。在3 k W光伏并网逆变器的实验平台上进行相关工程实验,理论分析及实验结果证明了控制算法的有效性和快速性。

局部遮挡下的目标识别算法

规格化互相关算法是用得较普遍的目标识别方法,但是当目标区域被局部遮挡时,该方法通常不能正确定位目标。提出了一种新的基于选择互相关系数的目标识别算法用于搜索有局部遮挡的目标区域。算法分两步进行:用增量互相关算法计算出模板图和场景图的增量图像,比较二者增量图像的一致性,计算出选择互相关系数矩阵;结合选择互相关系数矩阵,用规格化互相关算法在场景图中搜索目标区域。当场景图存在较严重的噪声时,可对选择互相关系数矩阵进行修正以克服噪声的影响。实验结果表明,基于选择互相关系数的目标识别算法对局部遮挡和高亮度变化情况有较强的鲁棒性。

局部遮挡下光伏阵列的快速建模及极值点分布特征研究

该文通过引入Lambert W函数,将光伏电池的电压电流非线性超越方程进行解耦,分别推导出单个光伏电池、电池串、光伏组件、光伏组串的电压或电流显式表达式。在此基础上,提出一种基于组串特性曲线线性插值叠加的光伏阵列建模方法,建立考虑局部遮挡下的光伏阵列模型,避免了传统建模方法计算复杂且耗时长的难题。实验结果证明了光伏阵列建模方法的正确性和有效性。该文利用光伏阵列模型,进一步研究了局部遮挡下的光伏组串和光伏阵列的多个极值点分布特征,并推导出直接计算极值点电压、电流和功率的表达式,仿真及实验结果验证了计算公式的正确性。

基于全局扫描的局部遮挡下MPPT算法研究

局部遮挡下,由于光伏阵列输出功率—电压(P-U)曲线具有多峰值,致使MPPT技术因收敛于局部最大值点而无法发挥作用。鉴于此,采用扰动观察法的全局搜索方法克服上述问题,实现在多峰值情形下最大功率点有效跟踪。同时,测试实验表明该方法具有相对较好的快速性与有效性。

局部遮挡下光伏组件MPPT复合算法

当光伏组件受到局部阴影遮挡时,其最大功率点跟踪(maximum power point tracking,MPPT)过程常出现误跟踪、跟踪速度慢、光伏组件输出功率低等问题.为使局部阴影下光伏组件保持快速、稳定、准确地最大功率输出,基于电导增量法(incremental conductance algorithm,INC),结合全局比较算法(global comparison algorithm,GCA),提出一种基于电导增量/全局比较的复合MPPT算法(INC-GCA),并通过搭建Simulink仿真模型和设计光伏试验平台,验证该算法的可行性.结果表明:基于电导增量/全局比较的复合MPPT算法在光伏组件受到局部阴影遮挡时可准确追踪到最大功率,且跟踪速度快、可靠性高,完全避免了误跟踪问题;相较于电导增量法,该算法可有效提高光伏系统的发电效率,提升光伏电站的经济效益.

局部遮挡下基于目标匹配的舰面目标轮廓关键点定位方法

提出一种舰面目标相互遮挡或自我遮挡情况下的轮廓关键点定位方法。在目标检测上,利用Soft-NMS方法对YOLOv3目标检测算法的抑制能力进行改进,增强对被遮挡目标的检测能力;根据目标检测结果,采用自顶向下的关键点检测算法对匹配的目标进行关键点检测,建立了像素坐标与真实环境坐标的转换模型;提出基于目标几何结构的坐标解算算法,实现对低置信度点与异常点进行筛查、补偿以及对遮挡点进行精确定位。通过实验室环境下等比例模型开展试验,结果表明,在加入干扰的情况下,坐标点横、纵坐标的平均误差控制在1.5%和1.7%,满足实际需求。

基于改进SRC的局部遮挡人脸识别方法

针对现实场景中人脸存在较为随机的局部遮挡的情形,创建了多种遮挡类型并存的过完备字典,并提出改进的稀疏表示分类方法。此算法在稀疏表示分类(Sparse Representation Based Classification,SRC)的基础上引入噪声补偿,通过对测试图像与去噪图像间噪声差的调节来控制重构图像的生成,进而实现对重构图像与测试图像间残差的控制,以达到准确分类识别的效果。实验结果表明,改进后的算法稳定性好、识别率高,对于局部遮挡图像的识别有较好的鲁棒性。

基于加权多头并行注意力的局部遮挡面部表情识别

面部表情识别在诸多领域具有广泛的应用价值,但在识别过程中局部遮挡会导致面部难以提取有效的表情识别特征,而局部遮挡的面部表情识别可能需要多个区域的表情特征,单一的注意力机制无法同时关注面部多个区域特征.针对这一问题,本文提出了一种基于加权多头并行注意力的局部遮挡面部表情识别模型,该模型通过并行多个通道-空间注意力提取局部未被遮挡的多个面部区域表情特征,有效缓解了遮挡对表情识别的干扰,大量的实验结果表明,本文的方法相比于很多先进的方法取得了最优的性能,在RAF-DB和FERPlus上的准确率分别为89.54%、89.13%,在真实遮挡的数据集Occlusion-RAF-DB和Occlusion-FERPlus的准确率分别为87.47%、86.28%.因此,本文的方法具有很强的鲁棒性.

局部遮挡的人脸表情识别研究进展

随着机器视觉和人工智能的发展,人脸表情识别的研究开始从实验室场景转变到自然场景。局部遮挡的人脸表情作为自然场景的重要研究方向,受到国内外研究人员的广泛关注。针对目前缺乏局部遮挡人脸表情数据样本、局部遮挡人脸表情数据样本有效特征提取不足的问题,对局部遮挡面部表情的识别算法进行综述探讨。首先,对局部遮挡的人脸表情的研究背景进行介绍;然后,对现有的常用数据集以及遮挡数据样本的处理方式进行介绍;接着,将局部遮挡的人脸表情识别算法分为传统方法、深度学习方法以及传统和深度学习相结合的方法,并对算法主要的技术手段进行综述;最后,对该领域未来的研究方向和挑战进行总结和展望。

基于深度学习的局部遮挡人脸图像识别方法研究

在控制科学与工程领域,局部遮挡人脸图像识别因其在复杂场景中的应用需求而备受关注。本文提出一种基于深度学习的识别方法,详细设计VGG算法与ResNet算法结合的RepVGG混合算法后,阐述了RepVGG的通道注意力机制和SoftPool池化改进的具体过程,实现了对局部遮挡人脸图像的高效识别。此外,通过本文研究方法与传统方法对比的仿真实验,验证了本文方法的优越性和鲁棒性。

局部遮挡目标的识别

提出一种局部遮挡目标的识别方法。该方法利用多边形近似方法将目标轮廓分段，抽取目标轮廓每一小段的不变矩作特征，利用动态规划技术在段间距离表中寻找最佳路径，确定所有的匹配对，这些匹配对序列构成了目标与模型的局部匹配，可从局部匹配中计算匹配可信度。该方法简单、有效、抗噪声能力较强，是一种较好的局部目标识别方法。

一种改进的特征点匹配局部遮挡目标识别算法

图像的目标识别是图像处理与模式识别领域一个重要的研究方向,它在安全监控、医疗诊断等领域得到了越来越广泛的应用.传统算法能够准确地识别背景简单、无遮挡的目标,然而对于存在局部遮挡的目标常常会出现虚警或漏报.针对这一问题,本文提出了一种改进的基于特征点匹配的目标识别算法.该算法利用harris角点检测对特征点进行初步提取,通过对已得特征点的概率密度的有效性估计来对其进行精准提取,进而实现对局部遮挡的目标的有效识别.实验表明:本文算法实时性较好,能很好的解决局部遮挡的目标识别问题.

基于SIFT特征视觉词汇算法的局部遮挡目标识别

针对被局部遮挡目标的识别困难的问题,将目标图像的SIFT(Scale Invariant Feature Transform)特征矢量作为视觉单词,应用视觉词汇算法,提出了基于SIFT特征视觉词汇算法的目标识别算法。结合在无遮挡与被局部遮挡的交通工具全方位姿态模型库上进行的目标识别试验,得出结果:算法对无遮挡目标的平均识别率能到达83%以上,具有良好的识别性能;对被局部遮挡目标的平均识别率也能保持在80%左右,只有很小的降低。实验结果显示算法具有优良的识别被局部遮挡目标的性能。

快速局部遮挡人脸检测算法研究

针对Adaboost人脸检测算法在分类器训练过程中耗时较多的问题,对Adaboost算法进行了详细分析,提出了加快寻找每一轮最佳弱分类器的四点均值法。该方法对每个特征,计算所有训练样本对应的特征值,并将其从小到大排序,求相邻的4个特征值的平均值,该平均值作为阈值,计算错误率,找出最佳弱分类器。减少特征量,修改弱分类器权重,加快收敛速度,使用不同遮挡部位的人脸样本训练分类器,实现了局部遮挡人脸的检测。实验结果表明,该方法明显提高了训练速度,缩短训练时间,并能较准确地检测局部遮挡人脸。

基于图像奇异值分解的局部遮挡光伏阵列输出特性建模研究

为精确评估复杂局部遮挡状态下光伏阵列的发电性能,提出一种基于图像奇异值分解的光伏阵列输出特性建模方法。通过鲸鱼优化-随机奇异值分解准确提取遮挡类型、轮廓特征,精确定位遮挡至电池片,提取遮挡在每个电池片中占比以构建遮挡状态矩阵;基于单二极管模型,根据遮挡状态矩阵建立光伏阵列局部遮挡模型,实现光伏阵列输出电流-电压特性的快速、准确计算,可为利用光伏电站现场监控照片或视频评估光伏电站发电性能提供应用基础。

局部遮挡条件下的光伏阵列最大功率点跟踪

针对局部遮挡条件下光伏阵列存在多个局部峰值的问题,以准确跟踪到光伏阵列的全局最大功率点为目标,提出一种新型的局部遮挡条件下光伏阵列最大功率点跟踪方法。首先深入分析了局部遮挡条件下的光伏阵列输出特性,并构建了相应的数学模型,然后采用改进扰动观察法搜索到全局最优的光伏阵列最大功率点,防止陷入局部最优点难题,最后采用Matlab 2014仿真软件对其性能进行分析。结果表明,本文方法可以快速、准确找到光伏阵列最大功率点,提高了光伏阵列的输出效率。

基于机器视觉的局部遮挡人脸图像识别仿真

与无遮挡条件下的人脸识别不同,在局部遮挡下目标识别中需要考虑有效部位与遮挡部位的区别,准确提取目标区域,为此提出基于机器视觉的局部遮挡人脸图像识别方法。通过成对约束的半监督降维算法对人脸图像降维处理,获取图像中的显著特征,减少图像中的噪声。经过降维处理后,通过机器视觉技术提取局部遮挡下人脸图像的目标区域,确定目标区域的坐标位置。采用Criminisi修复算法获取未修复的人脸图像块数量,搜索最佳匹配块,同时对目标区域填充处理,完成人脸图像修复即可获取完整的人脸图像,最终实现人脸识别。实验结果表明,所提方法可以准确识别不同遮挡率下的人脸,同时可以减少识别时间,降低了遮挡问题对人脸识别效果的影响。

基于ARG模型识别局部被遮挡物体

在计算机视觉中 ,局部被遮挡物体的识别有着重要的意义。本文提出了一种基于ARG(关系属性图 )模型识别局部被遮挡物体的新算法。由于关系属性图对图像遮挡、噪音或者二维几何引起的变形都是稳定的 ,所以用ARG模型能够识别那些由于局部被遮挡或其它原因引起的丢失特征的物体。该算法如下 :首先 ,根据模型和图像特征之间的局部和整体的对应性约束 ,在图像中选出有限数量的候选子图。其次 ,基于在关系向量空间中的误差分析 ,使用投票方案对丢失的特征进行迭代检测 ,丢失的特征全部被检测出后即可进行匹配。最后用实例进行了验证 。