基于智能自学习控制的船舶微电网预同步控制策略

针对船舶靠港期间微电网并网预同步控制过程的频率偏移越限问题,提出一种基于智能自学习控制的船舶微电网预同步控制策略。首先,通过利用已知虚拟同步发电机输出相角计算船舶微电网与船舶主电网之间的相位差。然后,基于改进的动态线性化方法将离散后相位差非线性系统转化为紧格式局部线性化数据模型。之后,根据数据模型设计智能自学习虚拟同步发电机预同步控制算法。最后,通过船舶虚拟同步发电机预同步过程中功频下垂系数的自适应调整避免船舶微电网输出频率的偏移越限。通过对比仿真实验,所提控制策略可实现快速平滑的并网预同步控制并有效规避了频率越限,实现了船舶本地异步电机负载的正常稳定工作,验证了该控制策略应用于靠港船舶微电网的优越性和精确性。

基于改进YOLOv5和DeepSort的交通流参数检测方法

为缓解基于视频的交通流参数检测效果差的问题,提出了基于改进YOLOv5s和DeepSort的实时交通流参数检测方法。首先,在YOLOv5s中引入MobilenetV3和SIoU Loss来轻量化检测模型,提高检测速度。其次,重构Deep⁃Sort外观特征提取网络,并基于车辆重识别数据集重训练,提高跟踪准确率。最后,基于虚拟检测线圈的方式检测双向交通流量和车速。实验结果表明:方法整体运行速度可达59帧/s,在平峰、高峰时段的检测准确率均在92%以上,在实际交通流参数检测任务中具有较强的鲁棒性。