局部阴影下基于GWO-P&O混合算法的光伏最大功率点跟踪

针对局部遮阴环境下传统灰狼优化(Gray wolf optimization,GWO)算法在跟踪最大功率点时P-U特性曲线出现多峰值、后期收敛速度慢、稳态精度低等问题,结合灰狼优化算法和扰动观察法(Perturbation and observation,P&O)各自的优势,提出了基于GWO-P&O的混合优化最大功率点跟踪(Maximum power point tracking,MPPT)算法。首先,采用灰狼优化算法逐渐向光伏的全局最大功率点靠近。其次,在灰狼优化算法收敛后期引入P&O法,既保持了灰狼优化算法较高的稳态精度,又能以较快速度寻找到局部最大功率点。最后,在不同环境工况下,将所提出的GWO-P&O方法与传统GWO算法进行对比。结果表明,改进的GWO-P&O算法在保证良好稳态性能的同时,一定程度上提高了GWO算法后期跟踪最大功率时的收敛速度。

一种有效的体育视频目标跟踪算法

论文研究了面向体育视频的运动目标跟踪技术,提出了一种最优化的混合跟踪方法。首先,采用粒子滤波算法来预测运动目标的初略位置,通过比较预测位置上的目标同目标模型之间的相似度,当相似度小于一定的阀值时,认为目标运动模型发生了根本变化,需要启用新的运动模型;当相似度大于一定的阀值时则认为目标运动模型没有发生大的变化,不需要启用新的运动模型,通过这种方式找到目标的最优化运动模型。最后将最优化的运动模型用于基于核的均值转移算法中,从而获得运动目标的精确位置。

基于Matlab/Simulink的混合MPPT方法的研究

对光伏发电系统里最大功率点跟踪控制技术进行研究,通过对单一传统算法电导增量法和单一智能算法模糊控制法分别建模进行仿真对比,结合两种算法提出新的混合跟踪算法模型,既能在变化的外界环境里快速、准确地对最大功率点进行跟踪,又有效地减少了在稳定的光伏最大功率点附近的振荡,将新的混合算法通过仿真,与单一算法进行了比对,展现出新算法的优势,在现实生活中也提高了光伏发电的效能。

体育视频中运动目标跟踪技术研究

随着全社会人们健康意识的不断提高,体育科技在全民健身和运动训练中发挥着至关重要的作用。如数字视频技术、运动目标跟踪技术、跟踪算法、计算机处理技术、电子技术等在体育视频中的运用,有效提高了体育训练的效率与科学性。因此,本文对应用在体育视频运动目标跟踪技术中的混合跟踪算法、基于摄像机运动的多目标跟踪算法以及基于视频监控系统的运动目标跟踪技术进行了深入的探究。