基于无差拍预测算法的双向隔离型AC-DC矩阵变换器高动态电流控制策略

针对双向隔离型AC-DC矩阵变换器采用传统双闭环控制策略存在的控制参数多、整定困难等问题,提出了一种基于无差拍预测算法的高动态电流控制策略,通过引入无差拍预测算法对网侧电流进行控制,以减少控制器参数,消除数字控制时延。考虑到算法中电压电流检测量众多,故采用输入电压观测器以降低检测成本,减小采样误差的影响。变换器采用后级单重移相的调制方法来协调配合无差拍预测算法,其中参考输入电流指令与移相角为双射函数关系,简单易实现。仿真和实验结果表明:采用所提控制策略可以实现网侧电流正弦,功率因数接近于1;直流侧电压稳定,电流纹波率小于1%;直流电流在参考值突变时,跟踪快速且无超调、无振荡;同时,在变换器功率正向传输、反向传输以及正反向切换过程中,采用所提控制策略相比于传统的双闭环控制策略,电流动态调节时间分别缩短了69%、85%、67%。由此证明所提控制策略可以保证变换器良好的输入输出性能,并且相比于传统的双闭环控制策略在切换过程中动态性能得到显著提升。

基于逆Radon变换的圆迹SAR三维成像算法

随着合成孔径雷达(synthetic aperture radar,SAR)的应用需求不断提高,出现了圆迹SAR的成像模式,解决传统直线轨迹SAR只能获取二维斜距图像的问题,在地形测绘、建筑物提取、灾害评估等领域具有较高应用潜力。现有的圆迹SAR三维成像算法还存在计算量大、实现复杂等问题,通过对圆迹SAR模型的斜距几何分析,结合回波信号模型设计波数域补偿函数,将距离压缩曲线矫正为基线为零的正弦曲线;结合逆Radon变换,实现对目标的正弦曲线的二维聚焦;通过逐高度平面二维成像结果的堆叠,实现目标的三维成像。通过仿真分析了所提算法的成像质量,验证了所提算法三维成像的有效性。

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。

基于累加式实时串并联变换算法的机械故障声学监测方法

针对基于物联网(IoT)的冲压机床故障监测问题,为了降低冲压机床故障监测的计算复杂度,并提高其低频识别的精度,提出了一种无需机器学习技术的实时性机械故障声学监测方法,即基于累加式实时串并联变换算法的机械故障声学监测方法。首先,研究了物联网场景中冲压机床声学低频分析的必要性,并给出了声学信号的表达式;然后,针对频率轴上多个周期信号重叠导致参数估计较为困难的问题,提出了一种累加式实时串并联变换算法,将输入的采样序列馈入多个具有不同输出端口的串并转换器,从累加的波形中检测出最大绝对值,并进行了比较;最后,通过样本时隙划分,将累加式实时串并联变换算法应用于机械故障监测;通过仿真和冲压机床实机测试,对累加式实时串并联变换算法和实时性机械故障声学监测方法的有效性进行了验证。研究结果表明:在无需大量信号样本的情况下,使用累加式实时串并联变换算法有利于提高低频带的识别精度;在直方图相关性方面,累加式实时串并联变换算法和Morlet小波变换具有相同的性能,且均明显优于短时傅立叶变换;同时,尽管累加式实时串并联变换算法需要的加法总数比Morlet小波变换多2.5倍,但是乘法总数减少了20447%,大幅减少了计算的复杂度。

基于小波变换的有源噪声控制算法研究

在传统的有源噪声控制系统中,原始噪声信号是获得参考噪声信号的必要条件,当原始噪声信号的信息不可获知时,有源噪声控制系统失效。为解决该问题,设计基于小波变换的有源噪声控制系统,利用小波阈值法对含噪语音信号进行处理,得到与原始噪声信号相关的参考噪声信号。在此基础上,对传统的有源噪声控制算法LMS进行改进,提出基于Sigmoid函数的γSLMS算法和C-γSLMS凸组合算法,解决LMS算法无法同时兼顾收敛速度和稳态误差的问题,为解决有源噪声控制问题提供新的解决方案。

基于序列二次规划算法的双有源桥变换器优化控制策略

针对双有源桥变换器在充电领域电路损耗大、传输效率低的问题,提出一种结合序列二次规划算法与双重移相控制实现回流功率优化的控制策略。首先,建立双有源桥变换器在双重移相控制时以回流功率最小值为目标函数的二次规划问题数学模型;然后,提出一种采用序列二次规划算法求解上述多约束、非线性的数学模型,在算法中输入目标、约束函数的雅可比矩阵和变换器的相关参数,通过迭代求解出满足双有源桥电路在双重移相控制下最优工况的目标参数;最后,通过仿真验证所提控制策略的有效性。

基于改进Canny算法和Hough变换的脉冲氩弧焊坡口边缘提取研究

针对脉冲氩弧焊中被动光传感采集的图像存在光亮变换快,目标像素少,难以提取出坡口的问题,提出一种基于改进阈值选择和双阈值检测的Canny算法。通过中值滤波和双边滤波代替传统Canny算法中的高斯滤波对图像进行滤波,引入背景像素与前景像素的数量比改进Otsu算法的最大方差,计算得到了靠近坡口的梯度值的阈值,依据改进后的双阈值检测获得完整的坡口边缘信息,对边缘信息进行Hough变换提取出清晰的坡口边缘。实验结果表明,和传统Canny算法相比,改进后的Canny算法提取坡口成功率提高,获得的坡口边缘信息也更加完整。

融合优化可调Q因子小波变换的改进密度峰值聚类算法

为提升时间序列的聚类精度,提出一种融合优化可调Q因子小波变换的改进密度峰值聚类(improved density peaks clustering based on optimal tunable Q-factor wavelet transform,OTQWT-IDPC)算法,该算法利用可调Q因子小波变换的能量优化选择策略及改进粒子群优化算法确定的最佳Q因子分解时序信号,通过最优特征子带的能量、均值、标准差和模糊熵构建特征子空间,并采用主成分分析降低特征维度,以减少特征冗余。同时,考虑到距离较远而周围密集程度较大的K近邻样本对局部密度的贡献率,引入权重系数及K近邻重新定义DPC的局部密度,并利用共享最近邻描述样本间的相似性。在BONN癫痫脑电信号和CWRU滚动轴承数据集上进行对比实验,结果表明,该算法的聚类精度分别为95%、94%,且Jacarrd、FMI和F_(1)值指标均优于其他对比算法,证明了OTQWT-IDPC算法的有效性。

基于混合策略麻雀搜索算法优化的DC-DC变换器自抗扰稳压策略

为抑制城轨列车频繁启停引起的牵引网电压剧烈波动,在车载储能DC-DC变换器中设计一种基于改进麻雀搜索算法的自抗扰控制器。首先,建立DC-DC变换器的一阶自抗扰控制器进行稳压控制;然后,为提高系统快速性和抗扰性,引入麻雀搜索算法进行控制器参数寻优;之后针对麻雀搜索算法易陷入局部最优的缺点,引入Tent混沌序列和多样化变异处理,并提出基于樽海鞘算法的新型改进算子对麻雀搜索算法进行改进;最后,根据列车的速度曲线进行仿真验证。通过实验对比,自抗扰控制器在启动加速阶段的电压调节时间相较于PI控制、传统自抗扰和麻雀搜索自抗扰分别减小0.012、0.006、0.003 s,在制动减速阶段分别减小0.0054、0.0025、0.0015 s,结果表明所设计的控制器的可行性和有效性。

基于小波变换算法的普朗铜矿爆破振动信号能量分布研究

小波变换算法能够对爆破振动信号的频率、能量分布特征进行研究,按照不同的主振频带对爆破振动信号进行分解及重构,已被广泛应用于爆破振动稳定性分析以及矿山安全生产管理。针对在矿山复杂条件下爆破振动信号易受干扰等问题,以普朗铜矿南部拉底爆破振动数据为研究对象,采用小波变换算法分析振动信号0~125 Hz各个频率段能量分布情况,通过HHT算法、STFT算法分别对爆区近区、爆区远区开展能量分布及其衰减规律的研究。研究结果表明:在0~125 Hz频率段范围内,爆区近区和爆区远区能量衰减速度和分布不同,爆区近区能量主振频率分布在15.62~<31.20 Hz频率段,爆区远区能量主振频率分布在46.87~<93.75 Hz频率段。在15.62~<31.20 Hz频率段,爆区近区比爆区远区能量占比平均多出14.1%;在46.87~<93.75 Hz频率段,爆区远区比爆区近区能量占比平均多出18.65%。基于本次爆破施工所监测到的普朗铜矿南部巷道区域爆破振动数据得出,在0~125 Hz频率段范围内,爆区近区能量衰减速度较快且能量分布不集中,爆区远区能量衰减速度较为缓慢且能量分布密集;爆破振动能量随着传播距离增加,能量虽有所衰减,但能量分布更为集中。分析结果表明,小波变换算法可以真实反映振动信号的能量分布情况,为研究爆破振动效应下的井下构筑物的结构安全提供有效的分析手段。

峰值电流控制Buck变换器高频建模及结合遗传算法的控制器优化设计

峰值电流控制Buck变换器广泛应用于电源管理芯片。小信号建模是设计其控制器的关键。现有模型忽略电压外环引入的稳态控制信号纹波与小信号扰动延拓频谱对系统的影响,在高控制带宽场景下失效,从而无法指导控制器的设计。该文首先指出控制器设计决定了控制信号纹波类型,进而研究了可导型纹波对系统建模的影响;然后综合考虑电压、电流环导致的频谱耦合,得到精确的高频模型;最后基于高频模型,提出一种结合遗传算法的高带宽控制器优化设计方法。仿真与实验证明了该模型的精确性与设计方法的优越性。

多极小波包变换与改进浣熊算法优化的混合核极限学习机径流预测

为提高日径流多步预测精度,减少模型计算规模,同时提升浣熊优化(COA)算法和混合核极限学习机(HKELM)性能,提出多极小波包变换(MWPT)-改进COA算法(ICOA)-HKELM日径流时间序列预测模型。首先,利用MWPT将日径流时序数据分解为1个低频分量和2个高频分量,并构建局部高斯径向基核函数和全局多项式核函数相混合的HKELM;其次,简要介绍COA算法原理,基于Circle映射等策略对COA进行改进,提出ICOA算法,通过8个典型函数对ICOA算法进行仿真验证,并与基本COA算法、鲸鱼优化算法(WOA)、灰狼优化算法(GWO)作对比,旨在验证ICOA算法的优化性能;最后,利用ICOA优化HKELM超参数(正则化参数、核参数、权重系数),建立MWPT-ICOA-HKELM模型,并构建MWPT-COA-HKELM、MWPT-WOA-HKELM、MWPT-GWO-HKELM、小波包变换(WPT)-ICOA-HKELM、小波变换(WT)-ICOA-HKELM、MWPT-ICOA-BP模型作对比分析,通过云南省景东、把边水文站2016-2020年日径流时间序列多步预测实例对各模型进行验证。结果表明:(1)ICOA具有较好的改进效果,仿真精度优于COA、WOA、GWO算法。(2)MWPT-ICOA-HKELM模型预测效果优于其他对比模型,其对实例单步预测效果“最好”,超前3步和超前5步“较好”,超前7步“较差”,预测精度随预测步长的增加而降低。(3)利用ICOA优化HKELM超参数,可显著提高HKELM预测性能,超参数优化效果优于COA、WOA、GWO算法。

求旅行商问题的幂律变换优化蚁群算法

为解决旅行商问题,依据蚁群系统在蚁群算法中的优化,提出一种基于幂律变换的优化蚁群算法。首先,利用幂律变换优化蚁群算法以改善信息素局部更新公式;然后,在状态转移中使用幂律变换种群走过每条路径的次数,并通过归一化处理来分析信息素局部更新所造成的影响,以加快模型收敛速度;最后,随机加入莱维飞行对全局信息素进行扰乱,防止模型过早陷入局部最优。经过TSPLAB数据库提供的大量实例验证,幂律变换优化蚁群算法在保持较快收敛速度的基础上,能有效避免模型过早陷入局部最优。

平面近场测量中一种极化探头补偿算法研究

为研究天线特性,该研究采用近场测量技术计算天线的远场方向图,该技术具有成本低、速度快的优势。考虑到平面近场测量中探头参数对远场方向图的影响,该研究基于平面近远场变换算法,引入探头补偿技术和极化补偿技术。利用HFSS仿真得到待测天线远场仿真方向图,通过计算机算法构建,将近远场变换算法所得方向图与实际测得的远场方向图进行比较,验证算法的准确性。进一步结合极化补偿算法与探头补偿算法,与未修正的结果及远场方向图进行对比。结果显示,极化探头补偿算法能有效修正探头对远场方向图的影响,其不确定度超过近远场变换算法1.4295 dB,超过极化补偿算法0.9062 dB,确保了研究的客观性和独立性。

基于图变换神经网络的电网用户侧节点碳排放因子预测算法

目前,基于碳排放流理论的节点碳排放因子计算方法能有效实现电力的精细化碳计量。然而,现有方法主要基于计量数据或潮流结果进行后评估计算,无法精准给出电网不同负荷节点在未来时段的电力碳排放因子,难以为用户侧实施低碳调控提供直接的引导信号。针对该现状,该文提出了一种基于图变换神经网络的电网用户侧节点碳排放因子预测方法。考虑到电网不同节点之间的能量流与碳排流耦合关系,基于电网拓扑结构,提出了考虑剔除无源无荷节点的图变换神经网络邻接矩阵等效变换方法,并构建了面向用户侧碳排放因子预测的图变换神经网络的输入-输出特征。基于训练好的模型,仅需利用源荷预测数据即可快速且精准预测用户侧碳排放因子,无需精确的网架参数、潮流计算和碳排放流计算求解,有效降低了计算成本,同时提高了应用灵活性。最后,在IEEE39、IEEE118标准测试系统和南方电网公司某城市区域电网中验证了所提算法的有效性,其平均节点碳排放因子预测误差率分别为1.76%、2.21%和1.49%。

二阶Radon-Fourier变换与遗传算法结合的快速相参积累算法

针对匀加速运动的高速目标,可以用二阶Radon-Fourier变换(Second-order Radon-Fourier Transform,SRFT)完成对回波信号的相参积累。SRFT算法的原理是通过“速度-加速度”联合搜索来实现目标的运动参数估计,其计算量较大,不满足实时检测的需求。针对这个问题,提出一种基于遗传算法(Genetic Algorithm,GA)的快速实现方法。首先对运动参数集进行编码,设置初始群体;然后通过遗传算法对群体更新迭代,使其能够自发快速地逼近全局最优解,减少不必要的搜索路径;最终快速实现待检测目标的相参积累。仿真结果表明,在保证检测性能的前提下,算法计算量得到有效改善,运算次数减少大约一个量级。

基于改进遗传算法的双向DC-DC变换器控制策略研究

选取双向DC-DC变换器为研究对象,根据混合储能系统中储能元件和耗能元件的连接拓扑结构确定在不同能量流动方向上的功率需求指标,确定变换器主要元件的参数和合适的电路元件。搭建降压/升压(buck/boost)电路模型,并设计自适应快速终端滑模控制策略,提出改进遗传算法对控制器的参数进行优化。由于不同控制参数的控制效果不同,为了获得更好的电压输出特性,对自适应快速终端滑模控制策略进行参数优化,并通过仿真验证了该方法具有良好的控制性能。

基于分数阶傅里叶变换和图像加权熵的chirp scaling算法

针对传统的基于傅里叶变换和匹配滤波实现的chirp scaling(CS)成像算法中多普勒参数随斜距变化以及成像分辨率低的问题,提出利用分数阶傅里叶变换(FRFT)对CS成像算法进行优化。首先建立斜视合成孔径雷达(SAR)回波信号模型,理论推导利用FRFT代替匹配滤波进行信号压缩。针对方位向最优旋转角的搜索问题,对得到的图像基于加权最小熵建立代价函数,利用动量法的梯度下降优化算法进行迭代计算,最终得到分辨率更高的SAR图像。为验证算法的有效性,分别在点目标仿真数据和实测SAR数据集上进行实验。结果表明,与传统CS成像算法相比,该算法的成像结果成像主瓣宽度更窄、旁瓣更低、成像更加清晰。

基于改进小波变换的多层量子图像加密算法研究

提出一种基于改进小波变换的多层量子图像加密算法。应用混沌序列和改进生成对抗网络,建立密钥池,对多层量子的明文图像进行置乱处理,通过重复两次FFT,得到最终的密文图像。为确保加密过程可逆性,改进小波变换重建多层量子图像。实验结果表明:研究方法对图像具有理想的加密效果,且解密后图像仍然可保持较高分辨率。

DQ变换和MUSIC算法在ITER磁体电源信号间谐波检测中的应用

随着国际热核聚变实验堆(International Thermonuclear Experimental Reactor,ITER)计划的逐步开展,保证ITER磁体电源系统的稳定运行显得尤为重要。文章采用将DQ变换和多信号分类(multiple signal classification,MUSIC)算法相结合的方法进行间谐波频率检测,信号的幅度和相位由最小二乘法来估计。DQ变换可以消除大幅度ITER基波分量,MUSIC算法可以通过矩阵特征分解检测出短数据条件下的谐波和间谐波,适用短时平稳的间谐波检测,两者相结合可以有效检测出大幅度基波附近存在小幅度间谐波。仿真实验表明,计算经DQ变换后检测出的ITER信号谐波频率时,取中间信号计算真实频谱较为正确,两侧信号则有较大的误差。