导引头变跟踪点红外图像仿真建模研究

本文以第四代红外成像空空导弹制导半实物仿真过程中导引头对变跟踪点红外图像仿真的需求为研究目的,在分析变跟踪点红外图像仿真需求与传统的采用固定跟踪点红外仿真图像差异的基础上,采用了全新的基于导引头光轴指向的变跟踪点红外图像仿真建模方法。该建模方法利用导引头伺服跟踪平台的实时跟踪参数和仿真战情参数建立了完整的变跟踪点红外图像仿真模型,解决了以往采用固定跟踪点红外图像仿真方法所导致的弹道末端红外图像仿真的原理误差,可满足第四代红外成像空空导弹导引头半实物仿真中红外目标和红外干扰弹图像变跟踪点的仿真需求。

基于纹理特征的激光拼焊等厚拼缝跟踪点识别方法

针对激光拼焊等厚拼缝间隙窄、仅基于结构光条纹检测时特征点不明显的问题,提出一种基于纹理特征的激光焊接等厚拼缝跟踪点识别方法,首先采用Laws纹理能量滤波方法对原始拼缝图像进行纹理滤波处理,然后采用Canny边缘算子提取板材边缘,再次采用阈值分割方法提取出结构光条纹,最后融合纹理特征和结构光条纹信息识别焊缝跟踪点.实验结果表明,所提出的方法能够实现不同速度下等厚拼缝跟踪点的自动识别,识别精度高且可避免图像灰度值变化带来的识别误差.

光伏发电最大跟踪点的激光定位测试

光伏发电效率较低,电池组的输出特性受气候、天气变化的影响大,为了更为有效地利用太阳能进行光伏发电,提出一种基于激光定位技术的光伏发电最大跟踪点定位测试方法研究。利用光强传感器和激光方位传感器对太阳的移动轨迹进行光电跟踪;引入基于灰度重心和边缘拟合的激光定位算法,确定光斑的精确位置;最后基于最优梯度法,选定光伏系统目标函数正确的梯度方向,并进行每一步迭代寻优,实现光伏发电最大功率点的精确跟踪和定位。结果表明,提出的激光定位测试方法具有更高系统稳定性和定位精度,同时光伏阵列也能够获得更高的输出功率。

基于变跟踪点的红外场景仿真原理及关键技术研究

由于基于固定跟踪点的红外场景仿真技术不能真实考核导引头对目标要害部位的识别及跟踪性能,这无法满足第四代红外成像制导空空导弹的新要求。本文针对基于固定跟踪点红外场景仿真存在的问题进行了分析,提出了基于变跟踪点的红外场景仿真原理,并对影响变跟踪点红外场景仿真工程应用的关键误差因素进行建模及定量仿真分析,指出了变跟踪点红外场景仿真误差的敏感因素,可为变跟踪点红外场景仿真的工程化应用提供技术参考。

变跟踪点红外场景仿真建模时间误差分析

随着第四代红外成像空空导弹的发展,在制导半实物仿真过程中导引头对红外图像仿真的需求逐步提高,本文在已有基于导引头光轴指向的变跟踪点红外场景仿真建模技术研究的基础上,对变中心点红外场景仿真建模在分布式制导半实物仿真系统中引入的时间误差进行分析。在充分考虑可能引入时间误差的各参数的可能取值及噪声情况后,给出了定量的时间延迟结果,分析了各参数对时间延迟的贡献,为变跟踪点红外场景仿真技术的工程应用提供数据与理论依据。

导引头跟踪点跳变对制导精度影响分析

针对导弹正常制导过程中导引头跟踪点突变的情况,理论分析了导引头跟踪点突变对导弹过载指令的影响;对于不同的弹体动力学模型,仿真分析了跟踪点突变对制导系统精度的影响,并分析影响制导系统精度的主要相关因素;最后,探讨了跟踪点突变影响抑制方法。仿真分析表明,文中所述的方法能够有效抑制导引头跟踪点突变对制导精度的影响。

连续波雷达跟踪点不一致的精确修正

本文利用弹道参数与测量元素之间的精确关系 ,对两种连续波雷达推导了一种跟踪点不一致的精确修正方法 ,并且对照传统的近似修正方法做了比较分析 .精确修正方法没有截断误差 ,精度较高 ,不受跟踪点与目标点距离的影响 ,也不受目标与测站距离的影响 。

基于三维激光点云的序列运动图像点目标快速跟踪方法

由于现有方法未充分考虑小目标和遮挡目标检测的问题,导致目标跟踪效果不佳,由此针对点目标跟踪较为困难的问题,提出基于三维激光点云的序列运动图像点目标快速跟踪方法。首先下采样序列运动图像三维激光点云并去除其中的地面数据,通过动态阈值改进欧式聚类方法,分割图像为目标和背景,然后改进SECOND算法,在目标检测阶段融入自适应空间特征融合模块和二维卷积神经网络,同时采用3D DIoU替代Smooth L1作为损失函数,提升SECOND算法的目标检测性能,最后在激光雷达坐标系中构建各点目标的三维中心,利用3D卡尔曼滤波器连续跟踪目标,以交并比和欧式距离为度量标准,通过贪婪算法匹配最近邻目标,实现序列运动图像点目标快速跟踪。实验结果表明,所提方法IoU值更高,可达到0.971,且对目标的跟踪更理想。

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。

基于指数分布优化器的混合光伏-温差系统最大功率点跟踪

为解决混合光伏-温差(photovoltaic thermoelectric generator,PV-TEG)系统的最大功率点跟踪(maximum power point tracking,MPPT)问题以提高能源转换效率和利用率,提出了一种基于指数分布优化器(exponential distribution optimizer,EDO)的混合PV-TEG系统MPPT技术。EDO通过模拟指数分布的随机变化来搜索潜在的解空间,由于随机性,算法可有效避免在局部遮蔽条件(partial shading condition,PSC)下陷入局部最优,并在搜索空间中广泛探索以找到最优解。算例研究包括启动测试、太阳辐照度阶跃变化、随机变化、香港地区四季实际算例4个部分,并与其他5种算法进行对比分析,以较为全面地验证所提EDO技术在混合系统MPPT应用中的可行性和有效性。仿真结果表明,采用EDO的混合PV-TEG系统在不同运行条件下均能稳定、高效地实现最优越的MPPT性能,尤其是在春季低辐照度的条件下,EDO产生的能量分别超过蜻蜓算法(dragonfly algorithm,DA)、增量电导法(incremental conductance method,INC)、扰动观测法(perturbation observation method,P&O)能量输出的68.85%、66.13%和59.69%。

基于改进布谷鸟搜索算法的光伏最大功率点跟踪策略

实际工程中,光伏阵列在随机变化的环境中会出现局部遮光的情况,从而导致光伏阵列的功率-电压特性曲线会呈现多峰值状态,传统的最大功率点跟踪(maximum power point tracking, MPPT)算法易陷入局部最优解,追踪速度和精准度无法得到满足。针对这一问题,提出一种基于布谷鸟搜索算法(cuckoo search algorithm, CS)和电导增量法(conductivity increment method, CI)结合的光伏MPPT算法,在算法前期利用布谷鸟搜索算法将大步长和小步长交替使用使得全局搜索能力增强,找到全局最大功率点所处区域附近;在后期,采用步长小、控制精度高的CI进行局部寻优,快速准确地锁定到最大功率点。在MATLAB/Simulink中搭建仿真模型,并与原始布谷鸟搜索算法和粒子群优化(particle swam optimization, PSO)算法进行比较。仿真结果表明,将CS与CI结合的算法使得收敛速度更快,精度更高,稳定状态时功率曲线的波动更小。

基于长短期记忆网络-模糊控制的光伏最大功率点跟踪算法

光伏阵列具有非线性特点且其最大功率点会随环境变化而产生偏移现象。尽管最大功率点跟踪算法被广泛地应用于跟踪和预测光伏系统的最大功率点,但仍然面临着模糊控制的动态品质低、控制精度不佳等挑战。为解决前述问题,提出了一种集成长短期记忆网络与模糊控制的光伏最大功率点跟踪算法。首先,采用长短期记忆网络以时间序列法预测最大功率点电压。其次,将该预测电压与光伏阵列电压间偏差及其导数作为模糊控制的输入,然后直接调节Boost变换器的占空比。再者,为防止开关管常通,预先设置了变换器的最大、最小占空比。最后,在四种可变大气条件下,利用MATLAB/Simulink对所提算法进行仿真验证。实验结果表明:与长短期记忆网络、电导增量法和遗传算法相比,所提出的算法具有良好的跟踪性能、稳定精度及效率,并且具有波形更平滑、振幅较小的优点。

基于定位收缩法的局部阴影条件下光伏最大功率点跟踪

光伏最大功率点跟踪是提高光伏发电效率的重要手段。在局部阴影条件下,光伏阵列的特性曲线呈现多峰形状,常规的传统算法容易陷入局部最优。如何在局部阴影条件下找到全局最大功率点(global maximum power point,GMPP)至关重要。提出了一种定位收缩法(locate and shrink algorithm,LSA),采用收缩边界的思想使得边界逐渐收缩到GMPP。LSA第一阶段提出了一种峰的定位方法,通过自适应采样结合I-V特性曲线能够定位主要峰的占空比范围。定位法能够与其他单峰算法结合,具有较强的扩展性。第二阶段提出了一种基于三点准则的收缩法,能够在单峰范围内通过收缩边界快速找到峰值点,并且具有很强的环境适应性。将LSA与多个算法进行仿真和硬件实验对比,结果表明LSA在跟踪速度、跟踪精度和稳态振荡方面有着明显优势。

局部遮荫下基于改进金枪鱼算法的光伏最大功率点跟踪控制

光伏阵列在局部遮荫环境下的P-U特性曲线呈现多峰特性,导致传统最大功率点跟踪(MPPT)算法在跟踪最大功率时失效。为此,提出一种基于改进金枪鱼算法的光伏MPPT双层控制模型,在上层中将莱维飞行(Levy)策略和多项式变异策略嵌入金枪鱼算法中,构建莱维-多项式变异金枪鱼算法(LPTSO)来搜索全局功率最大点;在下层中采用扰动观察法对全局最大功率点进行局部跟踪,以降低局部遮荫环境下的功率振荡。将该双层控制模型应用于光伏MPPT仿真系统中,仿真实验结果表明,针对多峰MPPT控制,所提模型在收敛速度、跟踪效率、功率振荡等方面都有较大提升,该光伏MPPT双层控制模型能够有效解决局部遮荫环境下最大功率跟踪失效的问题。

改进差分进化的光伏最大功率点跟踪

针对现有差分进化算法在局部遮阴情况下跟踪速度慢的问题,提出一种新的改进差分进化算法的光伏发电系统最大功率点跟踪控制策略。首先,引入三角突变策略,并将其嵌入传统差分进化算法的交叉公式当中,避免因迭代前后输出相同的占空比造成重复采样功率的情况。其次,引入自适应比例因子策略,以加强个体的收敛性。最后,通过奖励惩罚机制平衡所提算法的全局开发和局部探索能力。仿真结果表明,与对比文献的差分进化算法相比,改进算法在跟踪速度、稳定性方面具有显著的优势。

光伏发电系统最大功率点跟踪功率预测改进策略研究

针对功率预测算法下光伏最大功率点跟踪(maximum power point tracking,MPPT)系统中存在误判情况的问题,提出一种基于拉格朗日插值法改进功率预测的光伏变步长扰动观察法。首先,通过拉格朗日插值法建立插值模型,以减少预测功率值与实际功率值的偏差;其次,通过对反正切函数归一化的变步长追踪方法改善算法在辐照强度变化及追踪过程中变步长方法引起较大振荡的问题;最后,基于MATLAB/Simulink开展与传统扰动观察法及功率预测算法对比的试验。结果表明:改进功率预测变步长扰动观察法改善误判和失效问题的效果更好。

光伏发电系统最大功率点跟踪设计研究

文章结合光伏电池的发电原理及电路结构,进行了光伏发电系统最大功率点跟踪模糊PID控制器的设计,并对设计的模型进行了仿真分析。研究表明,相比传统的PID(比例、积分和微分)控制,模糊PID控制拥有的动态性能和稳定性更好,具有明显优势。

基于直接转速控制的风电机组最大功率点跟踪策略研究

通过分析各风速下风轮气动转矩特性及发电机在各最大功率跟踪点转矩-转速运行轨迹,依据风电机组在最大功率点上风轮气动转矩与发电机转矩平衡的原理,提出基于发电机电磁转矩的动态最优转速的计算方法,然后以该最优转速为控制目标,设计基于转速偏差的反馈控制器,并做恒转速区与变转速区的控制效果分析。仿真与现场测试表明,该直接转速控制策略可实现最大功率点跟踪,在恒转速区与变转速区具有统一的控制方式,控制逻辑简单实用,有望在风电行业推广,有较好的应用前景。

基于MPC的直接电流控制光伏最大功率点跟踪

传统光伏电池最大功率点追踪技术(MPPT)能追踪光伏系统的最大功率点(MPP)并使系统运行在MPP点。但是,在追踪过程中由于追踪速度和追踪精度的矛盾,使得系统在MPP点附近发生振荡。提出一种模型预测直接电流控制(MPC-DCC)和改进了的电导增量最大功率点追踪技术。系统采用Boost升压型电路进行DC-DC控制,先由改进了的电导增量法得到参考电流,再由MPC环节进行直接电流控制。对所研究的系统进行了Simulink仿真和硬件在环实验验证,结果表明该方法能够使用改进电导增量法快速准确找到MPPT最大功率点,并发挥MPC-DCC的控制器带宽及控制精度高的双重优点。

基于跃变探索式电导增量法的光伏阵列全局最大功率点跟踪控制研究

实现光伏阵列最大功率点跟踪(Maximum power point tracking, MPPT)的传统算法已经较为成熟,但是在局部阴影出现后会发生寻优失效,难以实现全局最大功率跟踪(Global maximum power tracking, GMPPT)。为解决该问题,研究人员提出将粒子群(Particle swarm optimization, PSO)等群搜索算法应用在MPPT控制过程中,虽然能够控制工作点稳定在全局最大功率点处,但由于该算法收敛能力依赖于核心参数,在应用过程中有一定概率会导致系统振荡。针对以上问题,在电导增量法(Incremental conductance, INC)的基础上提出跃变探索式电导增量法(Jump explore incremental conductance, JEINC),相较于传统电导增量法而言,具有较强的探索能力,能够在局部阴影下实现全局最大功率点跟踪控制,同时所提算法具有较好的收敛能力,在工作点位于最大功率点附近能够快速稳定。在三种光照环境下进行Matlab仿真,从稳定时间、暂态过程能量损耗率和振荡幅值三个方面验证了所提算法相较于电导增量法和粒子群算法的优越性。