为减小光伏电池因环境变化造成的功率损失,提高系统的光电转换效率及跟踪响应速度,在传统电导增量法的基础上结合自适应变步长最小均方差LMS(least mean squre)算法,提出了一种自适应变步长最大功率跟踪算法,并在Matlab环境下利用SimPow...为减小光伏电池因环境变化造成的功率损失,提高系统的光电转换效率及跟踪响应速度,在传统电导增量法的基础上结合自适应变步长最小均方差LMS(least mean squre)算法,提出了一种自适应变步长最大功率跟踪算法,并在Matlab环境下利用SimPowerSystem功能模块建立了光伏电池的数学模型及自适应变步长算法的控制器模型。仿真结果表明,该算法在光照、温度等系统参数扰动的情况下都能快速找到新的工作点,表现出良好的动态及稳态特性,证实了算法的正确性和有效性。展开更多
针对原始加入动量项最小均方MLMS(momentum least mean square)算法在低信噪比情况下,容易产生稳态失调,提出一种引入动态因子的改进MLMS算法。该算法采用动态因子来控制步长对瞬时误差信号的敏感性,并且采用当前误差信号e(n)和上一次...针对原始加入动量项最小均方MLMS(momentum least mean square)算法在低信噪比情况下,容易产生稳态失调,提出一种引入动态因子的改进MLMS算法。该算法采用动态因子来控制步长对瞬时误差信号的敏感性,并且采用当前误差信号e(n)和上一次误差信号e(n-1)的自相关估计来调整步长迭代,增强了算法对噪声的抗干扰性,提高了谐波检测的精度。该算法在稳态精度上优于原始算法,MATLAB仿真结果验证了该算法的有效性和可行性。展开更多
针对人工势场(Artificial Potential Field,APF)法对机械手进行路径规划时存在的问题,提出了关节空间APF自适应变步长和目标偏置的快速扩展随机树(Rapidly-exploring Random Tree,RRT)相结合的方法。在关节空间中进行APF法路径规划,减...针对人工势场(Artificial Potential Field,APF)法对机械手进行路径规划时存在的问题,提出了关节空间APF自适应变步长和目标偏置的快速扩展随机树(Rapidly-exploring Random Tree,RRT)相结合的方法。在关节空间中进行APF法路径规划,减少逆向运动学次数和关节角突变;通过改进斥力和引力势场函数,解决APF法中碰撞和目标不可达问题;采用柯西概率分布,根据末端点与障碍物的距离来改变关节角步长;通过调节RRT算法的目标偏置值,产生合适临时目标点,从而解决APF法局部极小值问题。在APF法存在局部极小值情况下进行机械臂避障仿真,结果表明,自适应变步长路径规划能够生成平滑轨迹并能提高搜索效率,目标偏置RRT选取临时目标点后整体路径长度变短。捡拾机械手在该改进算法下能够有效实现避障拾取任务需求。展开更多
为保证光伏系统在光照剧烈变化条件下仍可输出最大功率,提出一种自适应变步长电阻增量算法.该算法可根据外界环境的变化,通过步长转换函数自动将光伏系统工作区域划分为定步长区域和变步长区域:在定步长区域,基于短路电流和最大功率点...为保证光伏系统在光照剧烈变化条件下仍可输出最大功率,提出一种自适应变步长电阻增量算法.该算法可根据外界环境的变化,通过步长转换函数自动将光伏系统工作区域划分为定步长区域和变步长区域:在定步长区域,基于短路电流和最大功率点电流的近似线性关系,提出一种整定初始定步长的方法;在变步长区域,结合步长转换函数与输出功率的关系,确定变步长控制策略的速度因子,保证了算法的收敛性.搭建光伏系统Matlab/Simulink仿真模型和基于DSP(TMS320F28035)控制的5 k W光伏系统实验平台,仿真和实验结果表明,所提算法在光照剧烈变化条件下可将光伏系统动态响应速度提高73%,并使得稳态跟踪精度达到98.9%.展开更多
文摘为减小光伏电池因环境变化造成的功率损失,提高系统的光电转换效率及跟踪响应速度,在传统电导增量法的基础上结合自适应变步长最小均方差LMS(least mean squre)算法,提出了一种自适应变步长最大功率跟踪算法,并在Matlab环境下利用SimPowerSystem功能模块建立了光伏电池的数学模型及自适应变步长算法的控制器模型。仿真结果表明,该算法在光照、温度等系统参数扰动的情况下都能快速找到新的工作点,表现出良好的动态及稳态特性,证实了算法的正确性和有效性。
文摘针对原始加入动量项最小均方MLMS(momentum least mean square)算法在低信噪比情况下,容易产生稳态失调,提出一种引入动态因子的改进MLMS算法。该算法采用动态因子来控制步长对瞬时误差信号的敏感性,并且采用当前误差信号e(n)和上一次误差信号e(n-1)的自相关估计来调整步长迭代,增强了算法对噪声的抗干扰性,提高了谐波检测的精度。该算法在稳态精度上优于原始算法,MATLAB仿真结果验证了该算法的有效性和可行性。
文摘针对人工势场(Artificial Potential Field,APF)法对机械手进行路径规划时存在的问题,提出了关节空间APF自适应变步长和目标偏置的快速扩展随机树(Rapidly-exploring Random Tree,RRT)相结合的方法。在关节空间中进行APF法路径规划,减少逆向运动学次数和关节角突变;通过改进斥力和引力势场函数,解决APF法中碰撞和目标不可达问题;采用柯西概率分布,根据末端点与障碍物的距离来改变关节角步长;通过调节RRT算法的目标偏置值,产生合适临时目标点,从而解决APF法局部极小值问题。在APF法存在局部极小值情况下进行机械臂避障仿真,结果表明,自适应变步长路径规划能够生成平滑轨迹并能提高搜索效率,目标偏置RRT选取临时目标点后整体路径长度变短。捡拾机械手在该改进算法下能够有效实现避障拾取任务需求。
文摘为保证光伏系统在光照剧烈变化条件下仍可输出最大功率,提出一种自适应变步长电阻增量算法.该算法可根据外界环境的变化,通过步长转换函数自动将光伏系统工作区域划分为定步长区域和变步长区域:在定步长区域,基于短路电流和最大功率点电流的近似线性关系,提出一种整定初始定步长的方法;在变步长区域,结合步长转换函数与输出功率的关系,确定变步长控制策略的速度因子,保证了算法的收敛性.搭建光伏系统Matlab/Simulink仿真模型和基于DSP(TMS320F28035)控制的5 k W光伏系统实验平台,仿真和实验结果表明,所提算法在光照剧烈变化条件下可将光伏系统动态响应速度提高73%,并使得稳态跟踪精度达到98.9%.
