基于FPGA的元胞自动机模型

传统元胞自动机数学模型在计算机软件中的实现,受当前处理器顺序执行指令的特性和元胞自动机特殊的数据结构所限,无法同时实现高速度和高精度,因此将其移植到FPGA上实现.硬件实现的模型具有并行计算的特性,能够显著提高计算速度,芯片规模的快速扩大又为高精度的实现提供了可能.设计元胞自动机硬件模型,将其作为IP核嵌入SOPC系统中,在上位机控制下进行模型演化,并设计了软件模型进行参照.经测试,硬件模型能正确实现元胞机算法,在一个时钟周期内完成一代元胞演化,相比于软件模型显著提高了执行效率.     

一种利用LSTM和稳态时间序列的光伏阵列故障诊断方法

受最大功率点跟踪算法和时变环境条件的影响,光伏阵列的电气工作参数包含了复杂的暂态过程以及工频干扰噪声,严重影响了故障特征质量以及诊断算法性能。针对该问题,本文首先提出了一种基于最大功率点（MPP）的稳态时间序列预处理方法,以自动过滤数据中的暂态过程和干扰噪声,获取连续的稳态时间序列电气特征数据,作为故障诊断模型的输入参数;然后,提出了一种基于长短期记忆网络（LSTM）的深度网络模型,以实现对光伏阵列常见故障的检测及分类;最后,在一个小型光伏并网发电系统及其Simulink仿真模型上,进行故障模拟及仿真以验证所提出的故障诊断方法。实验结果表明所提出的故障诊断方法具有良好的精度和泛化性能,并且优于常规的反向传播神经网络（BPNN）和循环神经网络（RNN）。     

组合式金合金圆平面磁控靶的设计

首先对传统的圆平面磁控靶的形状进行改进,设计一个靶材利用率高的纯金靶．利用金合金的色区图,计算沉积不同Ｋ值和颜色的镀金膜时,组合式Ｋ金靶上金、银、铜的面积比,从而在纯金靶上固定相应面积的扇形银片和铜片,研制出不同Ｋ值和色度的组合式金合金靶．     

FastRanDSac——一种高效的误匹配检测算法

图像之间存在光照变化、旋转、仿射变换,使得局部特征匹配后,误匹配无法避免.在正确匹配过半的前提下,提出一种简化的误匹配去除算法FastRanDSac,用于在极短时间内解决图像匹配对之间误匹配点的问题.初步实验表明,在平移、旋转、尺度缩放、视角以及光照变化的图像中,FastRanDSac能保存近100%的正确匹配对,而运行速度与RANSAC相比有大幅度的提高.     

一种新型的简化群优化粒子滤波算法

针对粒子滤波的粒子退化和贫化问题,将新兴的简化群优化(SSO)算法引入到粒子滤波的重采样阶段.SSO算法结构简单,在保留优良粒子的基础上,增加一项粒子随机运动过程,以提供粒子多样性.实验结果表明,新算法不仅有效提高了对非线性系统状态的估计精度,而且具有更高的运算速度.     

基于PSO-SVM的光伏阵列故障检测与分类

光伏阵列故障的精确检测是提高光伏电站运行可靠性和安全性的重要因素之一。本文提出了粒子群优化支持向量机(Particle Swarm Optimization-Support Vector Machine, PSO-SVM)的光伏阵列故障检测与分类的方法。分析了光伏阵列输出特性和故障类型,选择合适的特征向量及归一化方式。选用径向基核函数优化模型结构,并利用PSO算法对参数进行寻优,提高模型精确度。结合实验平台,获取光伏阵列正常工作和8种故障状态的实测数据,随机划分为训练集和测试集,并建立PSO-SVM故障检测与分类模型。实验表明应用本文模型进行故障检测准确率达99.89%,分类准确率达98.68%,优于BP (Back Propagation)神经网络以及决策树的检测和分类结果。     

一种利用LSTM和稳态时间序列的光伏阵列故障诊断方法

针对光伏阵列电气工作参数包含复杂的暂态过程及工频干扰噪声严重影响故障诊断模型性能的问题,提出一种基于最大功率点的稳态时间序列预处理方法.首先,以自动过滤数据中的暂态过程和干扰噪声,获取连续的稳态时间序列电气特征数据,作为故障诊断模型的输入参数;然后,提出一种基于长短期记忆网络的深度网络模型,以实现对光伏阵列常见故障的检测及分类;最后,在一个小型光伏并网发电系统及其Simulink仿真模型上,进行故障模拟及仿真,以验证所提出的故障诊断方法.实验结果表明,所提出的故障诊断方法具有良好的精度和泛化性能,并且优于常规的反向传播神经网络和循环神经网络.     

改进YOLOv5的光伏组件热斑及遮挡物检测

针对光伏组件热斑若未及时发现处理,会严重影响光伏组件及阵列正常运行的问题,为了有效检测光伏阵列热斑,提出一种基于YOLOv5框架的深度学习热斑检测方法.首先,采用像素加权平均法融合红外和可见光图像作为检测对象,实现同时对光伏组件热斑和遮挡物的检测,并初步分析热斑成因.其次,改进模型框架,在轻量级网络MobileNetV3-large的基础上,融合坐标注意力机制,设计更轻量、更高效的MobileNetCA作为特征提取网络.然后,针对训练中正负样本数量极不平衡的情况,更换损失函数为变焦距损失函数,达到训练中突出正例的效果.同时,改进模型anchor box目标框生成算法,使生成的目标框与实际标注框更一致.实验结果表明,改进后的模型mAP为88.9%,较原YOLOv5s模型提升了3.8%,且模型参数量仅为原模型的48.6%.     

ZnS薄膜的电沉积及表征

利用恒电位电沉积技术实现在ITO导电玻璃上沉积ZnS薄膜,用X射线粉末衍射、扫描电镜、原子力显微镜和X射线光电子能谱对制得的薄膜进行了研究.实验表明,用该方法制得的薄膜样品的主要成分是α-ZnS,薄膜表面均匀、致密和平整,平均粗糙度为3.112 nm,颗粒的粒径大约为50~100 nm.该薄膜中Zn原子和S原子化合价分别为+2价和-2价,原子个数比接近于1∶1,没有探测到单质元素(Zn或S)沉积.     

硫化时间对FeS2薄膜结构和性能的影响

在硫化温度为653 K和硫化时间分别在3、6和12 h的条件下,用硫化铁膜法制备FeS2薄膜.通过对不同条件下制备的薄膜成分、结构和光电性能研究表明:当硫化时间大于6 h时,薄膜的成分接近理想化学配比,直接光学能带间隙大约为1.15~1.17 eV,电阻率约为1.3Ω.cm.