基于预估-校正算法的分数阶Boost变换器倍周期分岔研究

基于电感电容本质是分数阶的事实,对分数阶Boost变换器的非线性动力学特性进行了深入研究。采用分数阶微积分的预估-校正算法,建立了Boost变换器的预估-校正模型,在此基础上得到了以参考电流、输入电压以及电容电感阶数为分岔参数的分岔图,研究了变换器的倍周期分岔和混沌行为,同时与整数阶Boost变换器的非线性动力学行为进行了比较。研究结果表明,在一定的工作条件下,随着变换器某些电路参数的变化,分数阶Boost变换器会出现分岔和混沌等非线性现象;在相同电路参数的条件下,整数阶和分数阶变换器的稳定参数域之间存在差异,与整数阶变换器相比,分数阶变换器的参数稳定区域更小,更真实地反映了Boost变换器的非线性动力学特性。

基于AMASPGD算法的FSOC系统波前畸变校正及性能分析

为了抑制相干自由空间光通信系统中大气湍流引起光信号波前失真的不利影响,提出了一种基于聚合动量(AM)和自适应矩边界(AdaMod)优化器的增强型随机并行梯度下降(SPGD)算法。仿真结果表明,该优化算法可以显著提高收敛速度和鲁棒性,并有效降低波前畸变的峰谷值和均方根,从而更有效地抑制大气湍流对相干自由空间光通信(FSOC)系统混频效率和误码率的负面影响。

基于自适应横程走廊的再入滑翔飞行器改进预测校正算法

针对再入滑翔飞行器(reentry gliding vehicle,RGV)预测校正制导算法中规避逻辑和制导逻辑相分离的问题,提出了一种基于自适应横程走廊的融合算法。首先,通过飞行器侧向运动轨迹与禁飞区的相交关系,动态引入规避逻辑;同时,提出禁飞区有效映射横程来量化影响飞行轨迹的禁飞区区域;最后,设计自适应横程走廊,动态调整走廊边界,控制倾侧角的翻转,实现规避逻辑和侧向制导逻辑的融合。仿真结果表明,在本文方法下,飞行器可以针对不同情况的禁飞区实现有效制导,对再入扰动具有一定的鲁棒性,并与制导逻辑和规避逻辑分离设计的算法相比,在保证制导精度的同时,具备更少的倾侧角翻转次数。

电子罗盘测量误差的分步式自主校正算法

针对电子罗盘椭球拟合校正算法的误差残留问题,提出了一种基于遗传算法GA(Genetic Algorithm)的分步式自主校正算法,实现了对电子罗盘剩余误差的校正。从电子罗盘定向原理及误差模型出发,分析了椭球拟合校正算法的原理及局限性,针对剩余误差的非线性引入遗传算法并对剩余误差进行了估计。实验结果表明:分步式自主校正算法能够有效地估计误差模型全部参数,消除椭球拟合校正算法的剩余误差。在俯仰角为30°、滚动角为30°的姿态下,分步式自主校正算法可在椭球拟合算法的基础上将航向角最大误差由1.9°降至0.49°,中误差由±1.19°降至±0.19°。

正弦调频激光干涉仪Lissajous降维迭代校正算法

正弦调频激光干涉仪(SFMI)在基础科学、精密制造等领域应用广泛,但相位调制深度变化等非线性误差限制了其测程及精度的进一步提高。本文提出一种新型正弦调频干涉仪Lissajous校正方法,通过降维迭代算法对测量过程中的干涉正交信号进行椭圆参数提取,实现实时校正,以消除非线性误差,提高测量精度。仿真测试证明,所提方法精度高,带宽利用率高,消耗资源少,对于正弦调频干涉仪测程和精度的提高及其应用的扩展具有重要意义。

基于权重因子自校正算法的锅炉排烟温度控制

常规的锅炉排烟温度控制,主要采用工况参数控制温升参数,忽略了外环境温度对温度值的扰动,导致控制结果平均热容流率较高。因此,提出基于权重因子自校正算法的锅炉排烟温度控制方法。根据锅炉烟气的传热系数解析其排烟温度动态特性,基于排烟温度最大值构建权重因子自校正算法,代入导热时差、外环境温度以及热传导阻滞权重因子修正温度扰动值,定义PLC程序逻辑,实现锅炉排烟温度的控制。实验结果表明:所提方法应用后得出的控制结果,表现出的平均热容流率较低,控制的排烟温度稳定性较高,满足了锅炉燃烧排烟性能的控制需求。

基于遗传算法的场堆叠硅基OLED微显示器伽玛校正研究

硅基有机发光二极管(OLED)微显示器的驱动方式主要分为数字驱动和模拟驱动。在数字驱动中,OLED器件的等效电容导致开启过程中产生亮度脉冲,特别是在场堆叠驱动方式中,固定小数子场的开关过程带来的亮度脉冲直接影响显示的亮度,导致灰阶曲线呈现出非线性递增,这为Gamma校正带来了挑战。为改善Gamma校正的过程及其结果,基于场堆叠数字驱动提出了一个新型亮度模型。该模型结合场顺序、场权值、Vcom电压值和Vcom电压配置,组成一个综合的参数空间。基于该模型,运用遗传算法对灰阶曲线进行了优化,并在分辨率为2560×2560×3的全彩硅基OLED微显示器上进行了实验验证。实验结果表明,通过优化参数空间,白色光灰阶曲线的均根方差和无效灰度点数从21.65 cd/m^(2)、15395个降至1.62 cd/m^(2)、2977个,得到显著改善。这一改进不仅使灰阶曲线更加线性和单调,还有效减少了无效灰度点,成功地实现了白色光Gamma 2.2曲线的精确校正。相比于模拟驱动,场堆叠数字驱动在低灰阶显示上展现出更佳的区分度,更符合人眼对显示效果的感知。

基于暗通道引导滤波和光照校正的煤矿井下图像去雾算法

现有煤矿井下图像去雾方法在处理煤矿井下图像时未能在提取图像深层次特征信息的同时进行光照校正,处理后的图像存在细节信息丢失或图像偏暗的问题。提出一种基于暗通道引导滤波和光照校正的煤矿井下图像去雾算法。首先,井下原始图像通过图像分化模块(IDM)进行双边滤波、光照估计和暗原色处理后得到光照图、暗原色图和光照反射图。然后,对暗原色图进行预处理,作为权重引导参数对光照反射图进行引导滤波,以恢复图像细节特征信息。最后,将光照图作为权重参数对图像进行光照校正和特征提取,通过多次光照校正解决颜色失真问题,同时增加网络深度,进而去除黑暗区域的退化,实现图像细节的重构,从而得到清晰图像。主观评价结果表明:基于暗通道引导滤波和光照校正的煤矿井下图像去雾算法在去除雾气的同时,保留了更多的结构纹理及背景细节,使整个图像更加接近于对应的清晰图像。客观评价结果表明:与次优算法PMS-Net相比,在训练集和测试集上信息熵分别提高0.32和0.11,标准差分别提高3.58和1.89,平均梯度分别提高0.008和0.004,说明所提算法可有效降低煤矿井下图像的雾气。消融实验结果表明,所提算法在测试数据集上的信息熵、标准差、平均梯度均高于其他网络组成模型,说明所提算法去雾效果最好,且能有效保留图像细节和边缘信息。

蜻蜓算法优选小麦粉蛋白质近红外建模校正集

为优选小麦粉蛋白质近红外建模校正集,在传统K/S(Kennard/Stone)方法划分的初始校正集基础上采用二进制蜻蜓算法(binary dragonfly algorithm,BDA)挑选代表性样品,建立小麦粉蛋白质含量偏最小二乘回归(partial least square regression,PLSR)模型,并用预测集检验评估模型的稳定性及预测性能。结果表明:BDA挑选出的最佳校正集样品数量为30个,所建模型的预测决定系数(R_(p)^(2))为0.9564,预测标准偏差(root mean square errors of prediction,RMSEP)为0.2781,与传统K/S划分的100个初始校正集的建模效果(R_(p)^(2):0.9388,RMSEP:0.3294)相比,R_(p)^(2)提高了1.87%,RMSEP降低了15.57%。10次BDA实验优选出校正集的平均数量为30.2个,且所建10个模型蛋白质含量预测效果均优于初始校正集建模。综上,BDA算法可以优选出数量少、具有代表性的校正集样品,建立的小麦粉蛋白质PLSR模型稳定性好、预测精度高,可为小麦粉品质近红外检测分析提供一种高效的校正集优选方法。

海洋4A散射计幅相校正算法FPGA优化实现

海洋4A散射计将是世界上首个采用相控阵数字波束合成体制的星载微波散射计。其中,相控阵散射计高精度测量的实现依赖于散射计系统中各通道的一致性,因此需要实时对各通道的幅度和相位进行校正,以确保阵列能够正确地合成所需的波束。针对此问题,提出了一种相控阵散射计通道幅相实时校正算法,所提算法采用现场可编程门阵列(field-programmable gate array,FPGA)实现,利用FPGA的并行处理能力和高速性能,对接收到的信号进行实时处理,实现了通道的幅度和相位校准。仿真、FPGA硬件调试以及实测数据分析表明,所提算法能够有效地对通道进行幅相校正,其校正的幅度和相位平均误差小于1%;所提算法提高了数字波束合成的性能,为相控阵散射计的高精度测量提供了可行性。

基于混合灰狼算法的阵元失效校正方法

针对经典灰狼算法在处理复杂非线性优化问题时存在搜索不均衡、易陷入局部最优而出现早熟、寻优精度低等缺点,提出一种基于非线性双收敛因子策略与局部跳出机制相结合的混合灰狼算法,用于解决阵元失效校正问题。首先,依据平均适应度值将种群分为侦察狼和捕猎狼,两类狼依据不同的非线性递减收敛因子寻优来平衡算法的全局勘探和局部挖掘能力;其次,引入一种基于Sine混沌函数的跳出机制,提高了头狼个体的局部抗停滞能力,提升了算法的种群多样性。算法在目标函数中设计增加公共激励约束条件来降低天线系统的维护成本、提高系统的稳定性。对比现有基于群智能算法的校正技术,在更为苛刻的约束条件下,算法综合所得公共激励占比由0分别上升至10.7%,且校正前后方向图的辐射特性有一定提升,证明了所述算法的有效性。

基于随机森林算法的电力系统小干扰稳定评估校正

区域电网的互联互通使电网结构日趋复杂,弱阻尼模式引发的低频振荡会影响系统安全稳定运行,对电力系统小干扰稳定带来了严峻挑战。针对常规小干扰稳定评估方法计算复杂度高、不能满足实时分析需求的问题,提出基于随机森林算法的小干扰稳定评估校正方法。首先,利用随机森林算法建立发电机有功、无功出力,负荷的有功、无功功率和支路功率等数据与最小阻尼比之间的映射模型,得到基于随机森林算法的小干扰稳定评估模型;然后,对发电机参数进行微小摄动,放入随机森林模型中算出最小阻尼比的变化,用数值分析法得到发电机阻尼比灵敏度;接着,建立系统弱阻尼状态下发电机阻尼比的优化模型,优化调整发电机有功出力;最后,在IEEE-9节点系统和某区域615节点系统中进行仿真验证。仿真结果表明,所提模型能够准确估算出系统运行的最小阻尼比和近似阻尼比灵敏度,将系统的最小阻尼比校正到0.03以上,消除弱阻尼状态,使系统恢复稳定运行。

基于DE算法和NURBS曲线的ICP-AES光谱基线校正方法研究

电感耦合等离子体原子发射光谱(ICP-AES)分析法是一种常用的溶液元素浓度分析方法,但在ICP-AES测量过程中,由于温度漂移、杂散光和仪器暗电流等原因,光谱往往会存在一定程度的基线漂移,导致元素光谱强度值的测量结果存在误差,进而影响元素浓度的定量分析结果,因此基线校正是ICP-AES分析法中的必要环节之一。对传统光谱基线校正方法进行简要分析,在此基础上设计了一种基于非均匀B样条曲线和差分进化算法的ICP-AES光谱基线漂移校正方法;首先验证了光谱信号中噪声的概率密度分布服从高斯分布,然后对原始光谱进行预处理,通过高斯滤波对光谱信号去噪;然后以光谱基线校正过程中极小值序列的标准偏差作为评价指标,以非均匀B样条曲线作为基线模型,以曲线的控制点序列C和内接点序列T作为评价函数特征参数,建立ICP-AES光谱基线校正评价函数,将光谱基线校正问题转换为求解评价函数特征参数全局最优解的问题;最后简要介绍了差分进化算法的流程,通过差分进化算法求解使得评价函数取得最小值时的特征参数的全局最优解,即非均匀B样条曲线的控制点序列C与内接点序列T的取值,并以此拟合相应的非均匀B样条曲线作为光谱基线,实现对ICP-AES光谱的基线校正。利用一组实测的ICP-AES光谱数据对本文提出的基线漂移校正方法进行验证,实验结果表明,提出的基于差分进化算法和非均匀B样条曲线的ICP-AES光谱基线校正方法能够准确地计算出非均匀B样条曲线的控制点序列C与内接点序列T,并拟合出理想的光谱基线,从而实现ICP-AES光谱的基线校正,该方法能够克服非均匀B样条曲线在光谱基线校正领域应用的局限性,为后续的元素含量定量分析提供了技术基础。

基于分布式参考校正的多机器人编队控制

针对避障、外部干扰和迟滞等实际的多机器人编队控制问题,提出了一种基于分布式参考校正的控制方法。通过采用人工势场法和干扰观测器,解决了非匹配不确定性的避障问题。定义不可达参考场景描述了多机器人在试图避开障碍物时的被动修正行为,并为每个机器人设计了分布式参考校正算法,减弱被动校正行为带来的不利影响,保证每个机器人位置跟踪误差的有界性。考虑已知的执行器迟滞效应,在电流控制律中添加了Bouc-Wen迟滞补偿器。利用Lyapunov稳定性理论验证了避障的有效性。最后,在MATLAB环境下基于多机器人系统进行了数值仿真和比较,以证明所提出的算法和控制器的有效性,实验结果表明该方法可以在具有外部干扰和迟滞等实际问题下形成稳定的多机器人编队控制,对路径上的障碍物进行无碰撞避障,提出的分布式参考校正算法减弱了被动校正行为,提高了系统的稳定性。

离子阱质谱仪质量分段校正算法研究

针对质谱仪质量校正过程中分段校正模式下手动分段效率低的问题,本研究设计了一种自动分段校正算法,以提高校正精度,方便快速操作。利用逐点拟合来判断分段区间是否符合要求并确定各分段区间,使质量范围自动分段以减小各检查点的质量偏差。实验结果表明,该算法可将质量范围合理分段,并建立新的线性关系,使各检查点偏差控制在较低的预设范围(0.1 u)内,有效地提高了仪器校正效率及测量精度。

基于麻雀搜索算法优化Elman残差自校正地面沉降预测模型

地面沉降是一种常见的地质灾害,严重阻碍当地居民的生产生活,如何对地面沉降进行准确预测已经成为相关专家学者讨论的热点话题,但常规数学模型难以对地面沉降量做出准确预测。提出了麻雀搜索算法(sparrow search algorithm,SSA)优化Elman的地面沉降量预测方法,同时根据组合模型原理提出了SSA-Elman残差自校正(SSA-Elman residual self-correction,SSA-Elman-RSC)模型的策略,通过残差校正的方式降低神经网络预测误差,成功地将地面沉降量预测模型应用于山西省大同市潇河产业园,将预测结果与未进行残差修正的模型预测结果进行比较分析。结果表明,对于均方根误差(root mean squared error,RMSE)、平均绝对误差(mean absolute error,MAE)、均方误差(mean square error,MSE)3个指标,SSA-Elman-RSC拥有更高的精度。该模型的提出为山西地区地面沉降量预测提供了一种新方法,并且组合模型的建立提供了一种新思路。

基于K-means算法的动画单帧图像颜色PS校正方法

针对动画单帧图像颜色偏差影响整个动画序列质量的问题,提出一种基于K-means算法的动画单帧图像颜色PS校正方法.对动画单帧图像颜色PS校正做出分析描述后,在K-means算法的基础上,将图像划分为不同的区域,分析每个区域内的亮度直方图,实现对图像色彩亮度的补偿;根据色彩RGB位数拓展图像,并比较拓展前后两幅图像的色彩,以此得到校准算子;根据校准算子,完成对动画单帧图像的颜色校正.实验结果表明,所提方法可在保证校正效率的同时,取得最低的校准色差和亮度偏差.

基于GS算法的多贝塞尔高斯光束畸变波前校正方法

针对大气湍流干扰下的多贝塞尔高斯光束畸变波前矫正研究场景单一的问题,提出了基于盖师贝格-塞克斯顿(GS)算法的多贝塞尔高斯光束畸变波前校正方法,采用功率谱反演法得到各向异性大气湍流相位屏,并仿真分析了异号拓扑、同号拓扑2种多贝塞尔高斯光束在3种不同大气湍流折射率结构常数影响下的畸变波前校正情况。仿真结果表明:该方法对2种多贝塞尔高斯光束在校正后的目标轨道角动量(OAM)模式纯度均能提高12%以上,OAM谱的弥散也能得到有效抑制。

基于卷积神经网络的胸环靶面畸变校正算法

实弹射击是部队的基础军事训练项目。现有报靶系统中基于计算机视觉的弹孔识别定位系统由于具有快速、精确、安全、人员成本低等优点而被广泛应用到该项目中。然而,计算机视觉系统处理的图像通常受镜头加工工艺以及相机轴向与被测对象所在平面不垂直的影响,导致被测对象的图像产生畸变,最终会给弹孔坐标位置的精准定位带来误差。为了提高基于计算机视觉的自动报靶系统的报靶精度,提出一种基于卷积神经网络的畸变校正算法,只需一张胸环靶面的模板图像即可模拟出大量训练数据集。训练完成后,输入一张畸变图片就可以得到该图片的畸变参数,并利用该参数完成对图像的畸变校正。与传统校正算法的对比结果表明,该算法校正效果较好,有利于提升基于计算机视觉的自动报靶系统的报靶精度。

基于差分信息的加速度快速校正算法

在利用惯性传感器求解姿态时,常通过陀螺仪融合加速度计以卡尔曼滤波体系计算姿态,此方法依赖历史状态,尤其在加速度存在干扰的情况下会产生误差积累,导致融合算法在长时间的误差积累下很难获取准确的姿态信息。此外,在资源受限的空间环境中,对于加速度的校正成本与速度也有较高的要求。针对以上问题,提出一种无误差积累的加速度快速校正算法。利用融合角速度可以得到较准确的加速度差分信息的特点,使用传感器的少量测量数据列出加速度与其差分关系的方程组,并在重力方程的约束下解算方程组,进而解算加速度。实验表明算法能获得较准确的加速度,且解算速度较卡尔曼滤波体系提高10倍。