- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
主动调Q掺镱光纤激光器中的最佳脉冲整形
摘要： 在主动调Q光纤激光器（AQS-FL）中，声光调制器（AOM）或电光调制器（EOM）控制纳秒级输出脉冲的产生。高斯型脉冲波形在材料加工、微制造、超声生成、金纳米光热治疗等应用中具有重要价值。但由于系统动态特性，AQS-FL无法保证产生理想的高斯脉冲，且设计特定峰值功率与脉宽的激光器属于需要反复试错的逆向工程问题。我们开发了包含严格有限差分法（FDM）与创新多目标遗传算法（GA）的框架，可在合理时间内辅助设计者获得目标高斯脉冲。该GA通过优化调制器时序参数、泵浦功率及光纤长度来达成设定目标。为验证算法灵活性与设计可行性，我们在7.5米掺镱双包层光纤（YD-DCF）上测试了三种单脉冲/脉冲串生成方案，成功实现了峰值功率150W/200W、脉宽250ns/300ns的高斯脉冲。据我们所知，这是首次将智能算法应用于AQS-FL输出脉冲优化。值得注意的是，根据光纤基质材料与调制器规格，可实现更高峰值功率及不同脉宽；若采用AOM方案，相关限制因素与可行性亦已纳入考量。
关键词： 光纤激光器、遗传算法（GA）、优化、调Q技术
更新于2025-09-23 15:21:01
-
[2019年IEEE第13届兼容性、电力电子与电力工程国际会议(CPE-POWERENG) - 丹麦森讷堡(2019.4.23-2019.4.25)] 2019年IEEE第13届兼容性、电力电子与电力工程国际会议(CPE-POWERENG) - 一种用于光伏并网的AN-GA控制SEPIC变换器
摘要： 本文采用遗传算法（GA）对人工神经网络（ANN）进行优化，通过贝叶斯正则化方法为ANN提供优化训练。本研究以光伏（PV）系统为对象，利用GA方法适当调整ANN权重实现最优功率跟踪，从而降低均方根误差（RMSE）。研究采用单端初级电感转换器（SEPIC）从光伏组件获取更优的功率跟踪，该转换器通过阻抗匹配功率器件实现最大光伏功率跟踪。采用空间矢量脉宽调制-dSPACE接口作为逆变器控制手段。仿真结果表明，所提系统在电压暂降、暂升及负载变化条件下均具有良好效能。
关键词： 均方根误差（RMSE）、SEPIC、电网、光伏、人工神经网络（ANN）、遗传算法（GA）
更新于2025-09-19 17:13:59
-
利用双目摄像头实现三维感知的视觉对接抗气泡噪声技术
摘要： 近期，全球多项研究致力于延长自主水下航行器的水下作业续航时间。尽管仍存在挑战，水下电池充电技术是解决方案之一。对接功能不仅对电池充电至关重要，在干预等高级应用中也发挥着重要作用。当采集图像受噪声干扰时，海底环境中的视觉伺服系统必然面临环境识别难题。本研究阐述了一种基于立体视觉的实时位姿跟踪与伺服系统，该系统应用于视觉伺服型水下航行器时，展现出对气泡扰动的有效识别性能和强鲁棒性。通过双摄像头采集的动态图像，采用实时多步遗传算法（RM-GA）实现航行器位姿识别。既往研究在无图像退化干扰条件下考察了对接性能，本文则通过水池试验中的视觉伺服与对接实验，验证了RM-GA对气泡扰动的鲁棒性——证实系统能持续识别三维标记位姿并通过视觉伺服维持目标姿态。随后在海试对接实验中验证了该系统对浊度等实际干扰（可能降低系统海上能见度）的有效性，从而确认了所提方法的实用性。
关键词： 遗传算法（GA）、气泡噪声、视觉伺服、双目相机、水下航行器
更新于2025-09-11 14:15:04
-
[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 - 基于创新多PCNN网络的绿地监测方法 - 高光谱卫星图像中近乎不可区分区域的识别与描述
摘要： 该论文提出了一种用于多光谱卫星图像中感兴趣区域检测与分类的原创神经网络方法。该方法采用一系列脉冲耦合神经网络来识别潜在的感兴趣区域，随后通过主成分分析降维算法生成支持向量机分类器的输入数据以验证结果。算法参数通过遗传算法进行优化。该方案专为区分高度相似区域而设计（例如由带庭院住宅构成的整片城区中的公园区域）。经Sentinel-2卫星图像测试，该算法对OpenStreetMap真实标注数据中标记为公园的像素实现了76.85%的召回率。
关键词： 遗传算法（GA）、脉冲耦合神经网络（PCNN）、主成分分析（PCA）、支持向量机（SVM）
更新于2025-09-10 09:29:36
-
基于Levenberg-Marquardt算法的光伏组件增强型动态建模
摘要： 本文提出了一种基于自动参数提取的光伏电池/组件改进动态建模方法。为清晰起见，本研究对比了三种模型：单二极管模型(SDM)、双二极管模型(DDM)以及桑迪亚国家实验室开发的经验模型(SANDIA)。在SDM和DDM中直接采用标称参数或制造商提供的二极管饱和电流I0与光生电流Iph参数值，可能因工况条件和使用寿命差异导致显著误差。因此这些参数可作为模型可调参数，通过自动参数提取算法进行优化。此外，基于静态提取法（固定辐照度和温度）获得的Rs、Rsh和n等参数，在变辐照度与温度条件下表现欠佳，需采用动态调整方法优化。研究首先采用遗传算法(GA)对SDM和DDM进行静态参数提取作为第一阶段；随后运用Levenberg-Marquardt算法(LMA)进行动态参数提取，以调整文献/制造商提供的标称参数及静态法获取的参数。该方法将光伏组件与MPPT视为具有动态输入（辐照度与温度）和输出（Impp、Vmpp、Pmpp）的统一系统，通过最小化实测与模拟输出的误差实现优化。通过不同气象条件及户外实测数据对比验证，改进模型在动态LMA模型、标称参数模型及静态GA参数模型中展现出更优的实际数据吻合度。
关键词： 光伏组件，遗传算法（GA），动态参数提取，静态参数提取，勒文伯格-马夸尔特（LM）
更新于2025-09-04 15:30:14