- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
GWDWT-FCM:基于自适应离散小波变换与模糊C均值聚类的SAR图像变化检测
摘要: 遥感影像变化检测在过去数年中发挥着重要作用。合成孔径雷达(SAR)影像变化检测因受斑点噪声影响而存在特定复杂性。为此,本文旨在开发改进的SAR影像变化检测模型。该模型以不同时相的两幅SAR影像作为变化检测输入,首先采用离散小波变换(DWT)进行影像融合,通过改进的灰狼优化算法(自适应GWO,AGWO)优化融合系数;随后对逆变换后的融合影像采用模糊C均值(FCM)聚类技术进行分割,并计算分割影像与真实地物影像的相似度。综合这些技术构建的模型称为基于自适应灰狼优化的DWT-FCM(AGWDWT-FCM)。通过相似度度量分析准确率、特异度和F1分数等性能指标,并与传统模型对比验证了AGWDWT-FCM在变化检测中的性能提升。
关键词: 滤波系数、自适应离散小波变换、灰狼优化算法、合成孔径雷达、模糊C均值聚类
更新于2025-09-23 15:21:21
-
通过抗反射涂层工程与衍射光栅相结合提升非晶硅/晶体硅薄异质结太阳能电池的效率
摘要: 本文对光捕获和多层减反射涂层(ARC)对具有本征薄层(SHJ)的n(a-Si:H)/i(a-Si:H)/p(c-Si)/p+(C-Si)异质结太阳能电池电学特性的影响进行了分析研究。所建立的分析模型考虑了电池顶表面的三角形纹理形貌和双层ARC结构,并将该模型作为适应度函数,采用灰狼优化算法(GWO)针对界面陷阱优化器件可靠性。优化后的太阳能电池展现出高达47.9mA的短路电流ISC、0.56V的开路电压VOC、74.72%的填充因子FF,其转换效率较传统平面太阳能电池提升约30%。该优化SHJ太阳能电池不仅在品质因数方面表现更优,而且在非晶/晶态界面处展现出更出色的界面陷阱可靠性——这种可靠性提升源于GWO方法提供的更优表面纹理控制和本征薄膜层调谐。
关键词: 转换效率、表面纹理、灰狼优化算法、界面缺陷、减反射涂层
更新于2025-09-22 16:52:57
-
太阳能发电系统高效最大功率追踪控制器控制的智能气球水闸电动流体动力学设计
摘要: 智能气球水闸(IBWG)发明是一种由增强塑料制成的水力闸门模型,用于控制拦河坝下游或上游的水位(WL)。该IBWG通过压缩空气自动充气和放气,分别实现水道的关闭与开启。整个设计包含气球、水道、传感器、空气压缩机、控制面板、电路系统以及光伏发电(PVG)系统。研究以伊拉克泰斯拦河坝为案例,该坝原由混凝土建造并配备四个滑动钢制水闸,现采用IBWG进行改造。本研究的创新点在于将IBWG机制与高效最大功率点(MPP)追踪控制器相结合——后者针对光伏发电系统(全球最具前景的可再生能源之一)。据我们所知,该领域尚未有对此场景的详细讨论。通过上下水位传感器控制IBWG:当下游水位达到最大值时,上部传感器向控制面板发送信号,开启进气阀并关闭出气阀,在122 psi压力下为14个容积3.5 m3的IBWG充气以关闭水道;当水位低于最低值时,下部传感器启动反向流程??掌顾趸远⑵扪沽Τ渲?81 psi,供电来自24 VDC AGM可充电电池(容量40-60 Ah),该电池由四块并联太阳能板充电(日均日照8.8小时)。所提出的MPP追踪控制器采用反步法设计结合灰狼机制实现,在外部光照变化下能以最小振荡追踪最大功率点。系统在夜间或清晨无日照时仍可验证运行,必要时可通过辅助储气罐储存压缩空气以应对局部遮阴等紧急情况。
关键词: PVG系统、反步技术、李雅普诺夫稳定性、灰狼优化算法、电流变橡胶水闸
更新于2025-09-16 10:30:52
-
一种用于太阳能光伏发电预测的混合智能方法:气溶胶数据的影响
摘要: 太阳能光伏发电在分布式发电系统中的渗透率正快速增长。光伏渗透率的提升引发了电网稳定性、可靠发电及电能质量等多方面问题,因此利用气象参数预测光伏发电量变得至关重要。本研究基于气象数据作为输入参数构建预测模型,并分析了这些参数对光伏功率预测的影响。重点探究了不同气溶胶颗粒及其他气象参数条件下,基于优化算法的光伏功率预测模型性能表现。采用基于灰狼优化算法(GWO)与多层感知机(MLP)的新型智能方法进行光伏功率预测,通过归一化平均偏差误差(NMBE)、归一化平均绝对误差(NMAE)、归一化均方根误差(NRMSE)及训练误差等统计指标评估GWO-MLP模型性能。该模型预测结果的NMBE、NMAE和NRMSE值分别为2.267%、4.681%和6.67%。为验证效果,研究对比了粒子群优化、Levenberg-Marquardt算法和自适应神经模糊推理等方法,证实本模型性能优于其他智能技术。所得结果可用于智能电网环境下的需求响应应用。
关键词: 太阳能发电预测,人工神经网络,分布式发电,灰狼优化算法,光伏发电
更新于2025-09-16 10:30:52