基于MAF模型的串扰时延故障的测试矢量生成

随着深亚微米技术,串扰噪声问题越来越严重。利用MAF模型的基本思想,探讨了一种串扰时延最大化算法,并且利用被修改的FAN算法,生成测试矢量。对于一条敏化通路,利用被修改的FAN算法适当地激活相应的攻击线和受害线,使电路在最恶劣情况下引起最大通路时延,从而实现更有效的时延测试。在标准电路ISCAS’85上进行实验验证,结果表明:该算法对于多攻击线的串扰时延故障的测试矢量产生是有效的。

求解MAFS问题的归并算法的性能比研究

对M+1台机器的MAFS排序问题,在该问题的启发式算法的基础上作了进一步的研究。用一实例证明,MAFS排序问题的归并算法的性能比是上界可达的。

基于LMS与MAF的MEMS陀螺降噪算法

为了减小微机电系统(MEMS)陀螺输出信号中的噪声分量,提出一种改进最小均方(LMS)算法结合移动平均滤波(MAF)的降噪方法。首先通过改进LMS算法对陀螺数据进行预处理,然后量化分析MAF不同滑动窗口长度以及滤波器收敛因子对陀螺仪噪声抑制的效果;最后,采用MEMS陀螺仪惯性测量单元搭建测试环境,将所提出算法应用于实际降噪研究中,并分别与小波降噪以及传统LMS进行对比。采用Allan方差(AV)对MEMS陀螺仪随机误差参数进行辨识,结果表明:经过LMS-MAF算法滤波处理后的陀螺各项误差系数明显减小,角随机游走、量化噪声、零偏不稳定性、速度斜坡、速度随机游走均降低90%以上,大大降低了陀螺仪噪声,有效提高了陀螺仪精度。

一种改进的量子神经网络训练算法

针对训练多层激励函数量子神经网络(MAF-QNN)时权值与量子间隔的目标函数存在冲突,导致收敛速度和网络性能下降的问题,该文提出一种改进的量子神经网络的训练算法。通过设计输出均方误差和这一目标函数对权值和量子间隔进行统一训练,同时引入Levenberg-Marquardt(LM)算法降低目标函数陷入局部极小值的概率,实现了对量子神经网络的高效训练。实验结果表明,该文提出的训练算法有效减少了迭代次数,显著提高了网络收敛精度,可应用于数据分类、函数逼近等场合,扩展了多层激励函数量子神经网络的应用领域。

适用于微网并网控制技术的改进型EPLL算法研究

快速准确的锁相环技术是保证并网系统安全、可靠并网的关键。针对传统EPLL的固有缺陷,设计了一种改进型EPLL算法,适用于以分布式电源为主的微网并网控制技术。首先,推导出输出电压频率和输入电压幅值之间的耦合关系,使用数学公式进行近似解耦。其次,搭建误差信号的成本函数,利用梯度下降法设计直流偏移量的估算环路,通过闭环负反馈回路消去输入信号中的直流偏置。然后,在锁相算法的所有估算环路中引入滑动平均值滤波器MAF(moving average filter),以增强控制系统的高频谐波抗干扰能力。最后,在Matlab/Simulink软件中搭建了单相锁相环算法的仿真模型,进行对比分析。仿真结果验证了所提算法的正确性和可行性。

基于三滑动窗口的风电系统储能优化控制策略

储能系统应用在平滑风电功率波动上具有显著效果,为提高平抑效果及保障储能系统在不同波动情况下灵活安全运行,提出基于三滑动窗口的风电系统储能优化控制策略。首先,根据三种波动情况提出三滑动窗口,并得出并网参考功率;然后,将风功率的波动系数作为寻优变量,结合滑动平均滤波算法与麻雀搜索算法建立系统模型,计算最优风功率波动系数,得出最佳并网功率;最后,提出一种基于功率修正系数的SOC维持算法,满足平抑要求的同时减少储能系统的过充过放。为验证所提方法的有效性,在Matlab R2020a中进行了仿真分析。结果表明:所提控制策略能够根据功率波动情况自动切换窗口宽度,显著平滑功率波动,规避储能设备无节制充放电,维持荷电状态为设定值,实现风储互补控制系统稳定安全运行。

计及衰减直流分量的基波幅值相位实时检测

电力系统的瞬时性故障易产生暂态衰减直流分量DDC(decaying DC component)、高次谐波等干扰信号,有效滤除干扰信号以实现电压基波幅值相位的快速、准确检测,对于提升电能质量非常重要。为此,基于三相畸变电压信号的周期性和半波对称性,提出在abc坐标系下对畸变电压分别延迟半周期、全周期采样,实现DDC分量的单位周期检测。其次,针对同时含有DDC与高次谐波的畸变信号,在dq旋转坐标系下将DDC检测算法与滑动平均滤波算法结合,实现单位周期同时滤除DDC与高次谐波分量。最后,将所提检测算法与电压相位开环算法结合,通过搭建RT-LAB半实物实时仿真平台对基波电压幅值相位进行检测验证。实验结果表明:在dq坐标系下同时滤除DDC与高次谐波干扰信号的检测算法响应时间仅为20 ms,验证了所提算法的有效性以及分析结论的正确性。