二维图纸线条跟踪系统研制

二维图纸线条跟踪技术作为工厂智能加工中的重要技术,日益受到各国的重视．如何设计一套合适的跟踪控制系统方案,以满足高速、高精度跟踪的需要成为研究的重点．文章以火焰切割机线条跟踪系统的研制过程为背景,详细介绍了采用 Ｃ Ｃ Ｄ摄像头的图纸线条跟踪控制系统的硬件和软件设计方案,并针对设计中涉及到跟踪效果的关键技术进行了论述     

基于共面标记点的AR跟踪系统

该文讨论基于视觉的、用于AR系统的动态目标实时跟踪系统设计．通过两个摄像头实时跟踪安装在动态目标上的人工标识物，通过图像处理和立体视觉理论获取被跟踪目标物体在空间中的姿态．在跟踪算法中采用了卡尔曼滤波器预测跟踪窗口的运动轨迹，同时利用MPI技术在两台普通性能的计算机上并行执行目标跟踪的程序，实现了低成本的动态跟踪功能．     

平面曲线的光电自动跟踪处理方法

光电跟踪自动处理技术可用于实现曲线加工等领域．作者基于计算机图形图象处理技术实现对平面曲线的光电跟踪,采用改进的ＨＩＬＤＩＴＣＨ细化方法对输入图形图线进行处理,然后提出并探讨了对细化骨架进行跟踪连接从而使曲线还原的方法．它为实现平面曲线的实时跟踪还原并自动控制加工提出了一种新的途径,在模具加工、材料切割、刺绣、雕刻等方面很有应用价值．     

动态式跟踪及其在非接触测温中的应用

本文推出了一种能够对热目标在一维方向上进行动态式跟踪的系统．作为一种应用，文章介绍了这一系统用于对运动物件进行非接触测温的方法．动态式跟踪技术体现了一种新颖的自动测控思路．     

基于链码的轮廓跟踪技术在二值图像中的应用

介绍了二值图像的轮廓跟踪算法．在轮廓跟踪过程中,首先用行扫描得到轮廓起点,然后采用链码跟踪技术,跟踪其轮廓,得到一个封闭的轮廓信息,接着转向下一个轮廓,一直到所有的轮廓跟踪完毕为止．它能够实现一次扫描,得到所有的轮廓信息,且最终轮廓信息以链码序列来存储．在以后的拟合过程中,能更方便地对链码序列进行处理,得到理想的轮廓信息．     

隐马尔科夫测量场在区域跟踪中的应用

为了提高复杂背景下视频对象跟踪的有效性和鲁棒性,提出了一种基于隐马尔科夫（HMMF）模型与特征一空间联合分布的视频序列对象跟踪算法,其特点是将视频序列的对象跟踪问题描述为将当前帧分割为跟踪区域和非跟踪区域的动态图像分割问题．基于HMMF模型,将最优标记场估计问题转化为连续函数最优化问题．同时,将跟踪区域和背景区域的特征-空间联合概率分布作为贝叶斯估计中的条件分布,并且引入了改进的快速高斯变换来高效地估算分布函数．实验表明,这些技术使得跟踪算法对区域的局部形变和遮挡具有很高的鲁棒性,且具有较高的效率．     

视频流分析的隐藏马尔可夫链算法

视频流分析是多媒体技术研究的重要内容,具有广泛的应用领域．应用马尔可夫链模型,研究视频中的人体运动目标位置的跟踪,通过对跟踪的第一帧视频中的人体区域进行手工标注,建立马尔可夫链模型．然后结合卡尔曼估计算法,跟踪出下一帧的人体位置．实验证明,这种算法可以有效地解决在复杂的运动背景下,人体运动目标的跟踪问题．     

基于“光伏建筑一体化”的新型跟踪系统设计

基于光伏建筑一体化（BIPV）应用技术,提出了跟踪动力不消耗自身电能的新型有限单轴跟踪系统的设计和实现方法,分析其结构特点和应用前景．     

一种改进的重复控制系统及其应用

通过在基本重复控制系统中引入低通滤波器,同时引入另外两个前向系数,改善了闭环系统的稳定性和进一步提高了系统响应的跟踪精度．采用数字化技术,将这种改进的重复控制系统实施于一个实际的机电装置上,展现出良好的跟踪性能和抗干扰的鲁棒性．     

基于电导增量法与模糊控制组合的MPPT技术研究

通过对光伏电池特性的分析以及对电导增量法和模糊控制技术两种最大功率点跟踪（MPPT）方法的研究,提出了组合两种算法的MPPT技术．仿真结果和实验数据均表明,组合算法能使光伏发电系统快速、准确地跟踪最大功率点,提升了系统总体性能,具有良好的动态和稳态特性．     

基于Cuk变换器的永磁直驱风电系统MPPT策略

针对永磁直驱风电系统,采用了一种基于Cuk变换器占空比控制的新型最大功率点跟踪(MPPT)策略,详细分析了风力机的输出功率和Cuk变换器占空比之间的关系,结合改进的最优梯度规则实现了最大功率跟踪,采用Matlab/Simulink建模仿真。结果表明MPPT策略能够使系统快速可靠地实现最大功率跟踪,提高了风能利用率,验证了其正确性和有效性。     

基于Matlab的光伏阵列最大功率跟踪算法仿真与实现

本文基于matlab／simulink仿真工具建立光伏电池最大功率跟踪（MPPT）仿真模型,利用simulink中S-Function编程,实现了电导增量法的MPPT算法仿真,给出并分析了仿真结果。     

光伏电池的最大功率跟踪以及并网逆变

光伏并网系统成本昂贵是阻碍其市场应用的重要原因,采用无直流传感器的光伏电池最大功率跟踪,在一定程度上降低了控制系统的成本,成为目前研究的热点内容。但目前文献提出的无传感器的光伏电池输出电流、电压的估算方法在估算精度、实时性、以及动态响应能力方面都具有一定的缺陷,使光伏电池的最大跟踪难以达到满意的效果,从而影响到光伏并网系统的输出性能。针对以上问题,提出了基于自适应滑模观测器实现的光伏电池输出电压的估算。该算法对外来干扰,模型参数误差具有良好的抑制能力和对光伏电池输出电压的跟踪具有良好的实时性、精确度。仿真和实验结果均验证了的通过该自适应滑模观测器实现的光伏电池最大功率跟踪和系统的输出具有良好的性能。     

基于混合优化算法的最大功率点追踪方法

针对部分阴影条件下粒子群优化（PSO）算法追踪最大功率点时间较长与功率波动大的问题,提出一种基于万有引力与粒子群混合优化(GPSHO)算法的最大功率点追踪（MPPT）方法。该方法将万有引力搜索算法引入粒子群算法,在迭代过程中通过调节PSO算法的惯性权重、认知因子和社会因子提高算法的收敛速度,实现追踪全局最大功率点。仿真与实验结果表明:该方法能够在不同光照情况下精准地追踪全局最大功率点,其搜索速度大约比基于自适应惯性权重粒子群(APSO)算法的MPPT方法快１倍,功率振荡亦更小。     

基于改进黄金分割法的MPPT算法研究

光伏发电系统中最大功率点跟踪技术是提高光伏发电效率的主要技术,基于在线短路电流法和黄金分割法,提出一种全新的MPPT算法,即改进黄金分割法;与传统MPPT算法相比,该算法既保证了最大功率跟踪的快速性,又保证了其精确性;最后,通过Matlab仿真模型进行仿真,结果验证了该算法的优越性.     

财政视角下养老服务业供给侧结构性改革思考——以湖南为例

围绕新能源发电在大型远洋船舶上的大规模接入问题,研究了基于太阳能发电的客货滚装船光伏阵列布局、拓扑结构及最大功率点跟踪（MPPT）模型与算法.结合船舶航行环境与船体结构特点,设计了大规模光伏阵列的船体布局及拓扑结构,建立了以大规模全局优化（LSGO）问题为描述形式的船体区域级MPPT数学模型.此外,提出一种基于环形拓扑的多参考向量协同进化粒子群算法（CCPSO-MR）,并成功应用于船用大规模光伏阵列MPPT控制.仿真实验表明,针对LSGO问题的实时求解,CCPSO-MR算法在收敛速度、精度等方面显著优于各主流算法.基于所提阵列结构及MPPT算法,光伏系统能够在客货滚装船上实现大规模接入,并在各类复杂光照航行环境下具有良好的MPPT性能.     

甲基强的松龙冲击治疗急性脊髓炎40例疗效分析

目的观察甲基强的松龙冲击治疗急性脊髓炎的疗效。方法对40例急性脊髓炎患者应用甲基强的松龙1000mg/d静滴(MPPT组)5d,并与28例使用地塞米松20mg/d静滴(对照组)10d作对照,后均口服强的松渐减量停药。结果MPPT组明显优于对照组(P<0.01)。结论MPPT是治疗急性脊髓炎快速有效安全的方法。     

一种VWP分段模糊控制的光伏系统MPPT方法

当天气情况快速变化时,如何同时优化光伏(photovoltaic,PV)系统在最大功率跟踪(maximum power point tracking,MPPT)控制中的快速性、准确性和平稳性目前仍是一个难题.针对这一问题,提出了一种可变天气参数(variable weather parameter,VWP)分段模糊MPPT方法.该方法采用两条VWP直线将输出功率曲线分为三个跟踪区域,每个区域采用一个模糊控制器进行控制,其总体控制决策为:在控制量远离理想最大功率点(maximum power point,MPP)时采用大步长以确保跟踪的快速性,在控制量接近MPP时采用小步长以确保跟踪的准确性和平稳性.仿真实验证明,该控制方法比传统扰动观察法具有更好的快速性、准确性和平稳性.     

光伏发电系统最大功率点跟踪控制方法研究

采用单片机控制系统实现最大功率点跟踪(M PPT),着重对最大功率跟踪控制中DC-DC变换器的原理和控制方法进行了研究和实验,采用了升降压式(Buck-Boost)DC-DC转换电路[3]来实现最大功率点跟踪,该方法电路简单、软硬件结合、控制方法灵活,明显提高了太阳电池充电系统的整机效率.     

光伏系统直流变换器的建模与仿真

从推动光伏产业发展的角度讨论了在我国有发展前景的光伏并网系统电路结构,对多支路、两极式光伏并网发电系统的直流变换器进行了重点研究．在理论分析的基础上,建立了光伏电池、Boost变换器及其MPPT控制模块的仿真模型,对MPPT的主要算法进行了对比仿真,提出在早晚太阳辐射较弱的时间段,提高光能利用率行之有效的措施．仿真结果用于指导光伏系统直流变换器的设计及其控制算法的选择．