基于SLM-RBF的配电网分布式光伏集群智能划分策略

分布式电源大规模分散接入给配电网的优化调度带来计算上的维数灾难,需要对分布式电源进行集群以降低调控难度,因此合理的集群划分十分重要.同时,配电网实时量测数据不全造成分布式电源进行实时集群划分难度大、时间效率低,因此提出一种智能局部移动(SLM)算法与径向基神经网络相结合的分布式电源集群智能划分策略.首先,选取有功和无功功率调节范围以及有功和无功功率-电压的灵敏度作为集群划分的指标,构造相似度矩阵并基于SLM形成分布式电源的集群划分方案库.然后,离线建立电压拟合模型,拟合可实时观测节点的功率与电压之间的关系;同时,离线建立电压-划分结果模型,在线通过电压得到实时划分结果,创新性地解决了潮流模型缺失时无法进行集群划分的问题,提高了集群划分的实时性.最后,在MATLAB平台通过仿真计算验证了算法的合理性和优越性.

限幅SLM算法降低DD-OFDM系统PAPR的研究

提出了限幅SLM(Selected Mapping)算法降低直接检测光正交频分复用系统(DD-OFDM)的峰均功率比(peak-to-average powerratio,PAPR)。SLM算法降低了PAPR出现的概率,但并不能完全限制高PAPR。限幅SLM算法在传统SLM算法基础上对高PAPR信号进行限幅运算,进而将PAPR控制在所需要的范围内,相对限幅算法又改善了系统误码率性能。该算法可以控制高PAPR,进而降低光信号的功率,其有效性在DD-OFDM系统信道仿真中得到证实。

基于SLM-PTS算法融合的NC-OFDM峰均比优化

基于非连续正交频分复用(non-continuous orthogonal frequency division multiplexing,NC-OFDM)模型,提出和研究了选择映射(selected mapping,SLM)算法和部分传输序列(partial transmit sequence,PTS)算法,及其SLM-PTS融合优化技术,设计了融合模型和改进流程。仿真结果与其他文献方法进行了对比,验证了SLM-PTS的融合具有优秀的峰值平均功率比(peak to average power ratio,PAPR)降低能力,但缺点是算法实现复杂度过高。因此,又进一步提出了互补型映射和限幅的联合算法(SLM-Clipping)融合解决方案,并利用深度学习方法建立PAPRnet模型。仿真结果验证了此算法对NC-OFDM系统具有PAPR良好的抑制效果,而且能够提高仿真运算效率。

降低MC-CDMA峰均功率比的SLM压扩联合算法

针对多载波码分多址(MC-CDMA)系统的高峰均功率比(PAPR)的问题,提出一种将选择性映射(SLM)算法与压扩技术相级联的新算法,该算法首先利用SLM算法对系统PAPR特性优化;然后对幅度大于给定门限的信号进行压缩,实现对系统峰均功率比的进一步有效降低.仿真结果表明,SLM压扩联合算法能够最大限度地利用现有算法的优势,在很好地降低PAPR的同时,又不会引入很大的计算量和压扩噪声.

SLM降低峰均功率比MC-CDMA系统的研究

多载波码分多址(MC-CDMA)被认为是移动通信领域最具前景的应用之一,但MC-CDMA信号的高峰均功率比(PAPR)会引起非线性失真并导致误码率性能恶化。选择性映射(SLM)算法是解决该问题的有效方法,但其计算复杂度较高。针对该问题,将SLM算法转化为全局优化问题,采用模拟退火算法(Simulated Annealing.SA)优良的迭代寻优能力,从而用较小的复杂度获得了具有较低峰均功率比。仿真结果验证其有效性。

降低OFDM系统复杂度的改进SLM算法

为了降低正交频分复用(OFDM)系统中传统选择性映射(SLM)算法的计算复杂度,提高系统的频谱利用效率,提出了基于转换向量(conversion vectors)与随机筛选序列(random selection sequences)相结合的选择性映射(CR-SLM)算法.CR-SLM算法是将原始信号序列等分,然后对于数据序列的前半部分与转换向量相乘进行循环卷积,对于数据序列后半部分进行随机序列筛选,筛选出最优序列.最后将两部分输出序列合并生成候选序列,筛选出最优序列进行传输.仿真结果表明:CR-SLM算法在保持与传统SLM算法PAPR性能相近的情况下,较大幅度降低了计算复杂度.

基于自适应GDSA-BPNN的选区激光熔化质量预测

针对增材制造选区激光熔化(selective laser melting,SLM)零件的质量缺陷问题,提出一种基于自适应策略的多输入多输出反向传播神经网络(back propagation neural network,BPNN)模型预测SLM产品质量,解决传统方法不能自适应地调整超参数来适应不同搜索阶段的问题。首先确定SLM成型的重要工艺参数和质量指标,选择Huber函数作为BP模型的损失函数,构建含有结构风险最小化策略目标函数的BP模型;其次,建立基于自适应梯度下降搜索算法(gradient descent search algorithm,GDSA)与BPNN相结合的预测模型(GDSA-BPNN),选择3种不同学习率的策略放入自适应策略库,采用一种自适应机制优化BP模型的超参数;最后,将文章所提出的GDSA-BPNN模型与其他4种模型的预测结果进行对比,结果表明基于GDSA-BPNN模型的SLM零件质量预测方法具有良好的预测效果和较高的预测精度。

基于混沌序列降低FBMC系统峰均比方法的研究

5G多载波调制技术滤波器组多载波FBMC(Filter-Bank Based Multi-Carrier)技术具有较高的峰值平均功率比PAPR(Peak Average Power Ratio),严重影响了系统传输效率。选择性映射SLM(Selected Mapping)虽能有效降低PAPR,但复杂度较高边带信息较多。对传统SLM算法进行改进,提出一种用混沌伪随机序列替代随机相位矢量序列的改进方案。仿真结果表明,改进的SLM算法不仅降低了PAPR,而且减少了边带信息的传输,降低了系统计算复杂度。该方案在5G多载波调制技术中具有广阔的应用前景。

光寻址液晶空间光调制器用于激光光束整形的可控系统和设计算法

提出了一种利用光寻址液晶空间光调制器(LC-SLM)来实现实时可控的激光光束整形的系统和算法。用几何变换法和盖师贝格-撒克斯通(G-S)算法对有振幅调制和位相畸变光束进行均匀分布的平顶光束整形及数值模拟,用几何变换法可以得到非常好的小尺度的均匀性输出光束,而G-S算法能够有效地改善入射光束的大尺度不均匀性。为了减少输出光束的均方根误差和顶部不均匀度,提出结合几何变换方法和G-S算法,由几何变换方法得到的相位分布为G-S算法的初始相位分布。计算机设计的仿真结果表明:利用这种算法可以有效减少大尺度的不均匀度值,并得到合适的输出光束。

飞秒激光全息并行加工中的多焦点均一性

为了提高飞秒激光加工的效率和灵活性,设计了一套飞秒激光全息并行加工系统,并对该系统中加载计算全息图(CGH)生成的多焦点均一性和空间位置分布的关系进行了研究。首先,将空间光调制器(SLM)引入飞秒激光加工光路;然后,采用GS(Gerchberg-Saxton)算法设计了直线型和三角型分布的三焦点阵列。最后,通过数值仿真和实验研究比较了用两种不同空间分布的焦点列阵设计的全息图对均一性的影响。结果表明,在焦点阵列间距较小的情况下,直线型分布设计的焦点阵列不易获得好的均一性,三焦点U仅有79%;而用三角型分布焦点阵列设计时,可以获得很好的均一性,三焦点U约等于100%。实验数据表明,三角形分布的三焦点可以实现高质量的并行加工,加工的半球状微结构阵列具有微透镜阵列的功能。

SLM显微立体视觉中的双重折射校正算法

为解决微流控芯片检测中由于盖片的双重折射效应导致的聚焦误差、色差和视场误差等问题,从折射基本定理出发,结合光学体视显微镜(SLM)的双光路结构,建立了SLM显微立体视觉双重折射变折射率校正算法,实现了对透明封闭容腔的非接触无损三维精确测量.在微沟道测量实验中,深度方向的测量误差由7.1μm减小到1.5μm,相对误差由18.68%减小到3.95%.SLM显微立体视觉三维测量系统与表面轮廓仪、激光共焦扫描显微镜的横向对比测量实验,证明了SLM显微立体视觉双重折射变折射率校正的必要性和有效性.

利用PDM技术实现DWDM-CO-OFDM超高速传输的研究

基于偏振模复用(PDM,polarization division multiplexing)技术,提出一种密集波分复用(DWDM)相干光正交频分复用(CO-OFDM)系统。系统中,PDM在提高系统容量的同时不会降低系统性能,DWDM可以成倍的提高单个光纤的传输容量,进而使CO-OFDM信号在单个光纤中超高速传输成为可能。同时,采用限幅选择映射(SLM,selected mapping)算法以降低OOFDM系统峰均功率比(PAPR)。利用Optisystem光学仿真软件仿真表明,在发射端满足光信噪比(OS-NR)不小于18.9dB情况下,原始100Gb/s的CO-OFDM信号能够在单模光纤(SMF)中传输1 000km,且整个系统的误码率(BER)不大于10-3。采用限幅SLM算法后,单通道PAPR值降低了4.39dB,但达到10-3BER付出了0.6dB的OSNR代价。

基于实时图像反馈的能量高均匀性多光束加工技术研究

针对传统GS算法在计算阵列多光束全息图时,光束均匀性往往只能达到70%左右,达不到激光并行微加工领域需求的问题,提出并实现了基于实时图像反馈的GS改进算法。本文分析了计算傅里叶全息图原理并介绍了GS反馈算法,将该算法产生的阵列光束图样的相位全息图加载到纯相位液晶空间光调制器上,在远场成功地再现了期望图样,且光束均匀性均在91%以上,证明了算法的有效性。该算法实现了任意尤其是阵列位置多光束的高均匀性,在并行微加工领域有重要意义。

改进NLPM-ANN模型在径流预报中的应用

基于人工神经网络的非线性扰动模型(NLPM-ANN)充分利用了LPM的季节信息处理方法和ANN强大的非线性模拟性能.然而该模型没有考虑流域的前期土壤湿度状态,影响了模型的模拟预报精度.为了将流域的前期土湿加入模型,同时能更加充分利用降水信息,采取一种将LPM与ANN结合起来的联合预报模式.选用8个流域的降雨径流资料,对改进的NLPM-ANN模型与SLM-ANN和NLPM-ANN模型进行比较研究.计算结果表明,改进的NLPM-ANN模型优于SLM-ANN模型和NLPM-ANN,在率定期和检验期的模型效率相对增值指数较NLPM-ANN提高10%左右.

基于空间光调制器的多强度测量相位恢复方法

提出了一种基于相位型空间光调制器(SLM)的相位恢复方法。利用相位型SLM快速准确的相位调制特性,对待测物体的物光波前进行相位调制。每次相位调制后,在物光波的频谱面记录下强度分布。运用G-S迭代算法,通过频谱面光强信息反演出相位信息,并且提出了内-外层迭代的思想,进一步提高了相位恢复精度。对一维相位光栅进行了相位恢复试验,实验证实了本方法的正确性。

基于全息成像技术构建任意的二维光晶格阵列

利用Gerchberg-Saxton算法生成任意的二维光晶格阵列的全息图,并且将全息图加载到液晶型空间光调制器上,然后将850 nm的激光照射到空间光调制器的液晶屏上,利用透镜的傅里叶变换特性,成功地显示或构建任意形状的二维光晶格阵列。将该系统应用到87Rb的冷原子实验中,成功俘获冷原子,这为接下来的单原子多量子位的量子模拟实验奠定了基础。