现有的医学图像配准算法对于灰度均匀、弱边缘以及弱纹理图像易陷入局部最优从而导致配准精度低下、收敛速度缓慢.分数阶主动Demons(Fractional active Demons,FAD)算法是解决该问题的有效方法,并且适用于图像的非刚性配准.但FAD中的最...现有的医学图像配准算法对于灰度均匀、弱边缘以及弱纹理图像易陷入局部最优从而导致配准精度低下、收敛速度缓慢.分数阶主动Demons(Fractional active Demons,FAD)算法是解决该问题的有效方法,并且适用于图像的非刚性配准.但FAD中的最佳分数阶阶次是人工交互选取,并且对整幅图像都是固定不变的.为了解决该问题,提出一种阶次自适应的主动Demons算法并将其应用到医学图像的非刚性配准中.算法首先根据图像的局部特征建立分数阶阶次自适应的数学模型,并逐像素计算最优阶次,基于该阶次构造Riemann-Liouvill(R-L)分数阶微分动态模板;然后将自适应R-L分数阶微分引入到Active Demons算法,在一定程度上缓解了图像配准在弱边缘和弱纹理区域易陷入局部最优问题,从而提高了配准精度.通过在两个医学图像库上进行实验验证,实验结果表明该方法可以处理灰度均匀、弱纹理和弱边缘的医学图像非刚性配准,配准精度得到较大提升.展开更多
设计了一款新型自适应分数阶比例-积分-微分(AdaptiveFractional-Order Proportional-Integral-Derivative,AFOPID)控制,以实现永磁同步发电机(Permanent Magnetic Synchronous Generator,PMSG)的最大功率追踪(Maximum Power Point Trac...设计了一款新型自适应分数阶比例-积分-微分(AdaptiveFractional-Order Proportional-Integral-Derivative,AFOPID)控制,以实现永磁同步发电机(Permanent Magnetic Synchronous Generator,PMSG)的最大功率追踪(Maximum Power Point Tracking, MPPT)。首先,将发电机非线性、参数不确定性、未建模动态以及随机风速聚合成一个扰动,并通过高增益状态-扰动观测器(High-Gain State and Perturbation Observer, HGSPO)对其在线估计。随后,采用分数阶PID(Fractional-Order Proportional-Integral-Derivative, FOPID)控制对该扰动估计进行完全补偿,以实现不同工况下全局一致的鲁棒控制性能。AFOPID控制较传统PID控制而言具有更出色的MPPT性能,且其无需精确的PMSG模型,仅需测量d轴电流和机械转速,易于实现。通过阶跃风速和随机风速两个算例,对AFOPID的控制性能与PID控制、FOPID控制和反馈线性化控制(Feedback Linearization Control, FLC)进行了对比。仿真结果验证了AFOPID控制的有效性和鲁棒性。展开更多
针对脉宽调制电流源型换流器(pulse-width modulated current source converter,PWM-CSC)的超导磁储能(superconducting magnetic energy storage,SMES)系统,设计了一款自适应分数阶滑模控制(adaptive fractional-order sliding-mode co...针对脉宽调制电流源型换流器(pulse-width modulated current source converter,PWM-CSC)的超导磁储能(superconducting magnetic energy storage,SMES)系统,设计了一款自适应分数阶滑模控制(adaptive fractional-order sliding-mode control,AFOSMC)策略。首先,将SMES系统的非线性、参数不确定性、未建模动态、以及外部扰动聚合成一个广义扰动,并利用滑模状态扰动观测器(sliding-mode state and perturbation observer,SMSPO)在线估计该扰动值。随后,通过分数阶滑模控制(fractional-order sliding-mode control,FOSMC)实时地对该扰动进行完全补偿,从而显著提高SMES系统的鲁棒性并获得全局一致的控制性能。同时,AFOSMC仅需测量SMES系统的d-q轴电流,并且采用扰动的实时估计值替代上限值进行补偿,因而其易于实现且具有更为合理的控制成本。该文进行了4种算例研究,即:1)有功功率和无功功率调节;2)电网故障下的系统恢复;3)新能源接入的功率波动平抑;4)参数不确定时的鲁棒性。仿真结果表明,AFOSMC相较于其他算法,具有最强的鲁棒性和最佳的动态响应性能。最后,基于dSpace的硬件在环(hardware-in-loop,HIL)实验验证了其硬件可行性。展开更多
文摘现有的医学图像配准算法对于灰度均匀、弱边缘以及弱纹理图像易陷入局部最优从而导致配准精度低下、收敛速度缓慢.分数阶主动Demons(Fractional active Demons,FAD)算法是解决该问题的有效方法,并且适用于图像的非刚性配准.但FAD中的最佳分数阶阶次是人工交互选取,并且对整幅图像都是固定不变的.为了解决该问题,提出一种阶次自适应的主动Demons算法并将其应用到医学图像的非刚性配准中.算法首先根据图像的局部特征建立分数阶阶次自适应的数学模型,并逐像素计算最优阶次,基于该阶次构造Riemann-Liouvill(R-L)分数阶微分动态模板;然后将自适应R-L分数阶微分引入到Active Demons算法,在一定程度上缓解了图像配准在弱边缘和弱纹理区域易陷入局部最优问题,从而提高了配准精度.通过在两个医学图像库上进行实验验证,实验结果表明该方法可以处理灰度均匀、弱纹理和弱边缘的医学图像非刚性配准,配准精度得到较大提升.
文摘设计了一款新型自适应分数阶比例-积分-微分(AdaptiveFractional-Order Proportional-Integral-Derivative,AFOPID)控制,以实现永磁同步发电机(Permanent Magnetic Synchronous Generator,PMSG)的最大功率追踪(Maximum Power Point Tracking, MPPT)。首先,将发电机非线性、参数不确定性、未建模动态以及随机风速聚合成一个扰动,并通过高增益状态-扰动观测器(High-Gain State and Perturbation Observer, HGSPO)对其在线估计。随后,采用分数阶PID(Fractional-Order Proportional-Integral-Derivative, FOPID)控制对该扰动估计进行完全补偿,以实现不同工况下全局一致的鲁棒控制性能。AFOPID控制较传统PID控制而言具有更出色的MPPT性能,且其无需精确的PMSG模型,仅需测量d轴电流和机械转速,易于实现。通过阶跃风速和随机风速两个算例,对AFOPID的控制性能与PID控制、FOPID控制和反馈线性化控制(Feedback Linearization Control, FLC)进行了对比。仿真结果验证了AFOPID控制的有效性和鲁棒性。
文摘针对脉宽调制电流源型换流器(pulse-width modulated current source converter,PWM-CSC)的超导磁储能(superconducting magnetic energy storage,SMES)系统,设计了一款自适应分数阶滑模控制(adaptive fractional-order sliding-mode control,AFOSMC)策略。首先,将SMES系统的非线性、参数不确定性、未建模动态、以及外部扰动聚合成一个广义扰动,并利用滑模状态扰动观测器(sliding-mode state and perturbation observer,SMSPO)在线估计该扰动值。随后,通过分数阶滑模控制(fractional-order sliding-mode control,FOSMC)实时地对该扰动进行完全补偿,从而显著提高SMES系统的鲁棒性并获得全局一致的控制性能。同时,AFOSMC仅需测量SMES系统的d-q轴电流,并且采用扰动的实时估计值替代上限值进行补偿,因而其易于实现且具有更为合理的控制成本。该文进行了4种算例研究,即:1)有功功率和无功功率调节;2)电网故障下的系统恢复;3)新能源接入的功率波动平抑;4)参数不确定时的鲁棒性。仿真结果表明,AFOSMC相较于其他算法,具有最强的鲁棒性和最佳的动态响应性能。最后,基于dSpace的硬件在环(hardware-in-loop,HIL)实验验证了其硬件可行性。
