独立式风光储系统联合控制策略

针对远离大电网偏远地区采取分布式能源发电的低稳定性和低效率等问题,提出了风光储独立系统的联合控制策略,该策略结合系统功率平衡和蓄电池充放电状态设计工作模式转化控制器进行联合控制。风力和光伏系统的最大功率点跟踪控制(MPPT)采用改进传统变步长扰动观测算法(P&O);负载功率跟踪控制(LPTC)基于功率平衡梯度电压迭代法。最后在MATLAB/Simulink搭建仿真模型,仿真验证该策略能协调风光储三个子系统进行功率转换,使系统稳定运行。

基于改进排序算法的模块化多电平换流器子模块电容电压均衡控制策略研究

传统基于模块化多电平换流器的柔性直流输电系统在运行时,存在子模块电容电压均衡运算量大和子模块开关频率高的问题,据此,文中提出了一种基于快速排序算法和改进插入排序算法相结合的电容均压控制策略,通过逐次降低待排元素的数量减少计算量。在此基础上,提出一种改进保持因子的插入方法,进一步减少计算量与开关频率。在Matlab/simulink搭建31电平MMC模型。仿真结果表明,基于快速排序算法和改进插入排序算法相结合的电容电压均衡策略能够在较好维持电容电压均衡的基础上,有效降低计算量。

基于ARD-PSPNet网络下的水下鱼类图像分割算法研究

水下鱼类图像因受到光线散射和吸收、水体杂质等因素影响,导致水下鱼类图像质量较低,本文通过改进自动彩色均衡(automatic color equalization,ACE)算法进行水下鱼类图像增强,有效改善图像质量,并为后续的水下图像分割打下良好的基础。针对水下鱼类图像分割效果差、实时性低等问题,本文提出ARD-PSPNet网络模型,使用ResNet101网络模型作为特征提取网络,利用分割性能良好的PSPNet(pyramid scene parsing network)网络模型作为基础图像分割模型,通过引入深度可分离卷积来降低计算量,通过R-MCN网络结构,充分利用浅层网络特征层丰富的位置信息和完整性,改进损失函数使得分割位置更加准确,在Fish4knowledge数据集上进行实验,结果表明:新模型与原模型相比,在平均交并比(mean intersection over union,MIOU)上提高了2.8个百分点,在平均像素准确率(mean pixel accuracy,MPA)上提高了约2个百分点。

基于双通道注意力机制的ResNet果实外观品质分类

为了实现对采摘后的果实进行快速、精确的外观品质分类,并配合分拣生产线完成果实大规模集中分拣,该研究提出了一种基于改进ResNet的果实分类方法。首先,将深度残差神经网络(deep residual neural network,ResNet)网络中的残差模块与双通道SE模块(dual channel squeeze-and-excitation block,DC-SE Block)结合,增强有效的通道特征并抑制低效或无效的通道特征,提高特征图的表达能力,从而提升识别精度;其次,在原始ResNet模型中加入Inception模块,将果实不同尺度的特征进行融合,增强对较小缺陷的识别能力;最后,对收集到的4类不同外观品质的果实图像进行数据增强并利用迁移学习的方法对模型进行初始化。以苹果为例进行的试验结果表明:经过数据集训练之后的改进模型,在测试集下的准确率达到99.7%,高于原模型的98.5%;精确率达到99.7%,高于原模型的98.3%;召回率达到99.7%,高于原模型的98.7%;在图形处理器(graphic processing unit,GPU)下的平均检测速度达到32.3帧/s,略低于原模型的35.7帧/s。与GoogleNet、MobileNet等几种目前先进的分类方法进行比较并对不同改进模型进行对比试验的结果表明,该方法具有良好的分类性能,对解决果实外观品质的精准分级问题具有重要参考价值。

基于改进轻量网络的实时室内场景布局估计

为简化布局估计网络结构,提高输出特征利用率,提出一种基于改进轻量网络的实时布局估计方法。利用轻量级的编码解码网络,端对端直接获得室内场景的主要平面分割图,实现实时的布局估计。针对以往联合学习方法特征利用率不高的问题,引入简化的联合学习模块,使用输出分割图的梯度作为输出边缘,将边缘的损失直接整合到整个网络输出损失中,提高特征利用率并精简联合学习网络。针对数据集正负标签不平衡和布局类型分布不平衡问题,使用分割型语义迁移,使用在LSUN数据集上训练得到的语义分割网络参数初始化所提网络参数,提高网络训练的稳定性。在两个基准数据集上对所提方法的性能进行评估。实验结果表明,在LSUN数据集上所提方法的平均像素误差为7.35%,在Hedau上为8.32%。通过消融实验证明了分层监督、简易学习联合和语义迁移机制对提高准确率的有效性。最终实验表明,所提方法能够实时获得准确的室内场景布局估计。