摘要：针对低采样率闭环控制系统中的非线性环节引起的摩擦和饱和等振动,提出了一种振动抑制方法。振动是指系统产生极限环,造成了一系列持续振荡。振动补偿器的设计基于圆判据基础之上,以确保系统的稳定性。通过和普通PI控制器相比较,验证了所设计的振动补偿器的有效性。

摘要：基于压缩感知的计算关联成像中,散斑设计是高质量图像重构的关键。针对传统散斑生成方法存在冗余高、关联成像质量低的问题,提出了一种基于主成分分析的散斑设计方法。该方法通过线性映射将高维空间中的数据投影到低维空间中,使低维空间上的投影方差最大化。结合图像先验知识,通过样本训练方法得到一组测量矩阵,在低采样率下可提高成像质量。实验结果表明,与传统方法相比,在采样率相同且低于0.5时,本方法可将图像的峰值信噪比提升5 dB,结构相似度提升0.2,为低采样率下获取高质量图像的同类场景提供了新思路。

摘要：针对图像压缩感知(CIS)组稀疏表示重构算法在低采样率下尤其是对纹理特征相对复杂的图像重构质量不佳的问题,提出基于残差补偿的组稀疏表示(RCGSR)重构方法。对稀疏处理前后两幅图像对应位置图像组稀疏系数的残差进行稀疏化处理并补偿至后者的图像组稀疏系数中。归纳一种自适应软阈值收缩方案,对不同稀疏系数残差采取不同的阈值进行收缩处理,增强算法的鲁棒性。仿真结果表明,与目前性能最好的图像压缩感知重构算法GSR相比,所提算法在低采样率时显著提高了图像的重构性能。

摘要：面向分钟级低频稳态负荷数据,提出了一种双分支特征集成长短记忆(longshort-term memory,LSTM)神经网络的非侵入式负荷分解(non-intrusive load disaggregation,NILD)方法。按照分钟级低频采样数据对NILD的影响,将待分解的用电设备分为2类:第一类是持续运行时间较长,分钟级低频采样数据能够有效表征状态变化的用电设备;第二类是持续运行时间短、采用分钟级低频采样数据存在特征淹没的用电设备。针对第一类设备,将事件检测与分钟级负荷稳态功率分别作为输入特征,构建特征集成LSTM模型进行负荷;针对第二类设备,计及低频采样数据的特征淹没,采用差分滤波对负荷功率数据进行前置处理,然后与事件检测结果一起作为特征集成LSTM模型的输入。采用两种数据集对所提方法进行性能评估,实例证明特征集成LSTM模型在利用低频稳态数据进行NILD时具有一定的优越性。

摘要：针对低采样率条件下BDS卫星周跳解算可能出现的解的不正确现象,本文提出利用多项式拟合法对组合后的载波观测值进行拟合,然后将发生周跳历元的偏差值与拟合原始值相减,来提高探测精度。结合实例分析,联合多项式拟合的三频伪距相位组合法可以明显提高探测精度,有效解决低采样率条件下BDS卫星周跳解算失败的问题。

摘要：针对功率变换器参数在线辨识问题,提出了一种新的基于离散观测器的DC/DC变换器主电路参数非侵入式在线辨识方法。基于Lyapunov函数提出了一种用于离散系统参数辨识的观测器算法,进一步引入模型噪声估计使得观测器能够适用于经低速采样离散化的混杂系统的参数辨识。为将提出的观测器应用到DC/DC变换器参数辨识中,以Buck变换器为例给出了DC/DC变换器离散模型的建立方法。在此基础上,设计了用于Buck变换器主电路参数辨识的离散观测器。观测器根据电感电流、输出电压以及控制器输出即可对滤波电感及其等效串联电阻、滤波电容及其等效串联电阻、负载等效电阻等多个参数进行在线辨识。仿真和实验结果验证了该方法的有效性。