修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

5 条数据
?? 中文（中国） ▾

  • [2019年IEEE国际智能控制、优化与信号处理技术会议(INCOS) - 印度泰米尔纳德邦(2019.4.11-2019.4.13)] 2019年IEEE国际智能控制、优化与信号处理技术会议(INCOS) - 采用能量提取电路实现粒子群优化算法以获取光伏系统最大功率吸收

    摘要： 本文重点研究了通用规则的改进如何推动非传统能源领域的更广泛应用。为最大限度获取太阳能光伏（PV）面板的输出功率，本文提出基于粒子群优化（PSO）的最大功率点跟踪（MPPT）控制算法。在特定工作点上，光伏面板能获取称为最大功率点（MPP）的峰值功率，此时光伏面板必须运行在该MPP以实现最高效率。本文通过MATLAB/SIMULINK建模分析了在光照强度剧烈变化条件下，光伏面板采用PSO算法追踪MPP的能力。

    关键词： 光伏（PV）面板，粒子群优化（PSO），最大功率点跟踪（MPPT）

    更新于2025-09-16 10:30:52

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于后向投影与粒子群优化的任意轨迹目标高质量ISAR成像

    摘要： 当目标尺寸较大或运动不规则时，传统逆合成孔径雷达（ISAR）成像方法会因回波包络的空间变化和迁移而导致图像质量下降。本文提出一种基于反投影（BP）与粒子群优化（PSO）的新方法，可在非规则运动、大目标及低信噪比（SNR）条件下获得高质量图像。首先将目标运动建模为转台运动，再将平移运动和旋转运动分别建模为两个多项式?；贐P算法选取部分成像场景像素的相干叠加值熵作为评估函数，通过PSO等优化算法估计多项式系数。一旦多项式系数确定，即可通过BP算法获取全场景的高质量图像。仿真结果验证了该方法的有效性。

    关键词： 反投影（BP）、粒子群优化（PSO）、逆合成孔径雷达（ISAR）

    更新于2025-09-10 09:29:36

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于粒子群优化的运动目标Isar运动补偿仿真

    摘要： 在逆合成孔径雷达（ISAR）成像中，意外目标运动会影响成像结果，导致图像模糊难辨。运动参数估计是一种补偿方法，用于提升ISAR图像的重新聚焦质量和图像质量。本研究通过ISAR运动目标的线性几何系统模拟回波散射信号。采用ISAR图像熵作为评价图像质量的准则，该熵值还可作为粒子群优化（PSO）方法的代价函数，通过PSO最小化熵值来改进ISAR图像质量。实验结果表明，我们提出的基于熵值最小化的PSO运动估计算法不仅能有效提高运动参数的估计能力，还能显著提升ISAR图像的重新聚焦性能。

    关键词： 运动补偿、熵最小化、粒子群优化（PSO）、逆合成孔径雷达

    更新于2025-09-10 09:29:36

  • [IEEE 2018年通信与计算技术进展国际会议(ICACCT) - 印度桑格纳尔(2018.2.8-2018.2.9)] 2018年通信与计算技术进展国际会议(ICACCT) - 独立光伏系统中电池-超级电容器混合储能设备的优化配置

    摘要： 在独立可再生能源系统中，部署储能设备以补偿间歇性和随机性发电输出至关重要。近年来，由两种或多种储能技术组成的混合储能装置（HESDs）正被应用于此类电力系统。本文以配备电池-超级电容器混合储能装置的独立光伏系统为案例研究对象，建立了包含必要目标函数与约束条件的系统优化模型，采用改进型粒子群优化算法（PSO）这一热门元启发式技术变体求解该优化问题，并展示了仿真结果及算法收敛特性。研究表明，所提技术能产生具有可比性的优化效果。

    关键词： 电池、独立光伏系统、超级电容器、混合储能、粒子群优化（PSO）

    更新于2025-09-09 09:28:46

  • 基于光纤布拉格光栅环向应变测量、粒子群优化与支持向量机的管道泄漏识别与定位

    摘要： 管道的安全使用至关重要。在我们之前的工作中，开发了一种光纤布拉格光栅环向应变传感器，用于测量加压管道中的环向应变变化。本文采用支持向量机（SVM）学习方法，从不同的环向应变信号中识别管道泄漏事故，并进一步定位沿管道的泄漏点。对于泄漏识别，提取时域特征和小波包向量作为SVM模型的输入特征。对于泄漏定位，提取一系列终端环向应变变化作为支持向量回归（SVR）分析的输入变量，以定位泄漏点。通过粒子群优化（PSO）算法优化SVM/SVR核函数的参数，以获得最高的识别和定位精度。结果表明，当应用经过优化的C和γ值的RBF核时，泄漏识别的分类准确率达到97.5%（117/120）。在没有噪声的情况下，选择适当的参数组合时，泄漏定位的均方误差值可以低至0.002。通过叠加不同水平的高斯白噪声，评估了优化SVR模型对泄漏定位的抗噪声能力。仿真研究表明，在5%噪声下，平均定位误差仍然可以接受（≈500米）。结果表明，PSO-SVM方法在管道泄漏识别和定位方面具有可行性和鲁棒性。

    关键词： 管道泄漏定位、特征线法（MOC）、光纤光栅环向应变传感器、支持向量回归（SVR）、粒子群优化（PSO）算法、支持向量机（SVM）

    更新于2025-09-04 15:30:14