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.     

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.     

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。     

Cu2ZnSnS4/Zn(O，S)异质结薄膜太阳电池的数值仿真

采用SCAPS软件,对CZTS/Zn(O,S)/Al:ZnO结构的薄膜太阳电池进行数值仿真,主要模拟研究Zn(O,S)的禁带宽度和电子亲和势、缓冲层的厚度及掺杂浓度、环境温度对电池性能的影响.结果表明:当Zn(O,S)的厚度和载流子浓度分别为50 nm和10~(17)cm~(-3)时,电池的转换效率可达14.90%,温度系数为-0.021%K~(-1).仿真结果为Zn(O,S)缓冲层用于CZTS太阳电池提供了一定的指导.     

一种利用多层感知机和I-V特性的光伏组件建模方法

为了提高光伏组件模型的准确度和可靠性,本文提出了一种利用多层感知机和不同工况下实测的I-V特性曲线数据集的建模新方法。首先,使用双线性插值法对实测I-V曲线进行重采样,以提高I-V曲线上数据点分布的均匀性;进而使用基于温度-辐照度的网格采样法对数据集进行下采样,降低数据冗余度。其次,提出一种基于多层感知机神经网络的光伏组件模型,并基于预处理的I-V曲线数据集,使用Adam算法训练该模型。最后,采用美国国家可再生能源实验室提供的实测I-V特性曲线数据集,验证和测试了所提出的建模方法,并与支持向量机、梯度提升决策树等机器学习算法进行对比。实验结果证明,所提出的建模方法具有最高的精度和泛化性能。     

利用2DGRA-BiLSTM模型的日前光伏功率曲线预测方法

为了克服光伏发电固有的间断性和波动性对电网稳定性的负面影响,提出一种二维灰度关联分析-双向长短期记忆神经网络(two-dimensional grey relational analysis and bidirectional long short-term memory network, 2DGRA-BiLSTM)模型,用于实现日前光伏功率曲线预测,以更好指导电网调度.不同于以往的点预测,本研究将日功率曲线作为整体进行预测.首先用2DGRA实现最佳历史相似日数据的获取;其次,根据日功率曲线的波动性将总数据分为3类;最后,根据3种分类,分别训练3种BiLSTM模型对日功率曲线进行预测.所提出的预测模型通过沙漠知识澳大利亚太阳能中心历史气象和功率数据进行训练,并通过数值天气预报和功率数据进行测试.对比其他几种神经网络模型,实验表明所提出模型具有更好的综合预测性能,在晴空、轻度非晴空和重度非晴空条件下,决定系数(R²)分别为0.994、0.940和0.782.     

一种支持向量机和数字图像相结合的能见度检测算法

提出一种数字图像处理和支持向量机相结合的道路能见度检测算法,针对白天和夜晚建立不同能见度检测模型.对于白天的能见度检测,通过暗通道先验原理提取场景的全局透射率,进一步计算韦伯对比度特征值和图像能量梯度值等作为支持向量机的输入,训练得到白天能见度模型;对于夜晚的能见度检测,提取明度与对比度关系值(POLC),图像的功率谱和全局梯度值作为支持向量机的输入,训练夜晚能见度检测模型.检测结果表明,该算法较好地满足了人眼视觉特性,准确度高,可应用于智能交通和辅助驾驶等领域.     

一种光伏阵列实时状态监测与故障定位系统

开发一种光伏阵列状态监测和故障定位系统,该系统将连续采集、 间歇采集、 自动定时采集、 故障检测定位等功能集成到统一的Matlab平台. 提出一种“阈值法－Hampel辨识法”相结合的光伏阵列离群值检测算法,该算法通过比较不同光伏组串瞬时电流进行异常检测实现故障定位. 基于实验室光伏并网发电平台上的故障模拟,重点研究了线线故障和失配故障条件下的故障检测与定位. 实验结果表明：该系统能够自动定时采集光伏电气特性数据并快速、 准确地判断是否发生故障及实现故障组串定位,具有良好的应用前景.     

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%.     

一种基于嵌入式平台的机械臂体感控制系统

针对传统机械臂控制方式复杂且效率低的问题,研制了一套惯性式动作捕捉的体感控制系统.该系统在用户手臂绑定多个节点,每个节点由加速度传感器、陀螺仪和磁通传感器组成.节点采集手臂运动数据发送到嵌入式系统,经过融合计算得到手臂运动状态,并最终得出机械臂舵机转动角度.在保证机械臂控制精度的前提下,针对嵌入式系统硬件条件采用了降低系统延迟的分状态数据融合方案.本系统在嵌入式平台上实现,降低了动作捕捉成本,提高了可移植性.测试结果表明,使用惯性式动作捕捉的机械臂体感控制系统动作响应延迟时间短、机械臂动作较平稳.