基于MATLAB的月球车锂离子电池充放电过程仿真
基于MATLAB的月球车锂离子电池充放电过程仿真第三届学术会议论文集究电量敢电电滩negro向电量充电系俊克电电浪最大放电硅Raon』Operatoe敛电Constant图5蓄电池模块的 simulink仿真结构图蓄电池模块是电源系统仿真的关键部分,本模块构造了蓄电池组在仿真过程中充、放电情况,直观反映了月球车电源系统的能量平衡情况。3动态性能仿真在月球光照期时,由于光照、温度等环境因素的影响,太阳能电池不可能一直处于最佳发电状态,特别是在最初和最后阶段,太阳能电池的功率都是比较小,不能满足月球车的功率需要,太阳能电池提供的功率存在波动;月球车的工作状态也不确定,各个系统所需功率也不尽相同,因此负载功率也存在一定的波动。下面所做的仿真就是基于以上两方面考虑,对太阳能电池以及负载功率进行假设,假设它们的功率是在一定范围内频率不同的正弦函数。由于同位素温差发电器的功率为4W,太阳光照时间约为310小时,太阳能电池的功率曲线大约为周期为672小时,幅度为280的半个正弦波,所以设Pw为基值4、幅度280、频率0.01的正弦曲线; P load为基值100、幅度30、频率01的正弦波。在此条件下仿真结果因电电aPp尚因日自母自PPP晶题因日358动力、能源、结构、材料技术画自)P国因日母自pp因因日车仿真结果从不同的角度显示了充放电的动态过程:仿真初始阶段,由于光照倾斜角度较大,温度很低等原因,太阳能电池功率小于负载功率,此时锂离子蓄电池开始提供辅助能源,蓄电池容量稍有下降但到30小时的时候,太阳能电池功率开始大于负载功率,此时蓄电池开始充电,电量呈现阶梯状上升。蓄电池最大充电电量达到330Ah,完全满足月夜时所需能量。仿真结果显示,只要太阳能功率能达到仿真假定值,就能保证在月球的一个自转周期内,月球车的发电能量和所需能量达到平衡,月球车才能够在月球上连续工作几个月。结束语月球车电源仿真系统的基本模块—蓄电池充放电系统模块已经初步完成,能够验证所设计的电源系统的能量平衡效果,给出真实时间单位的系统情况,并以图形曲线表示,从而可以直观地看出设计的正确性和合理性,并使之成为适当调整的参考依据。基本模块的参数设定可以根据实际需要进行调整,以满足实际的需要。根据仿真的结果,可以验证设计时各个部件参数是否合理。此仿真程序能够满足设计需要,可用于月球车电源系统辅助设计和验证设计的合理性,提高设计可靠性参考文献1探月工程月球手册.国防科工委月球探测工程中心,20052薛定宇.控制系统仿真与计算机辅助设计.机械工业出版社,20043崔文聪.天文卫星电源系统设计分析与仿真.中科院研究生院硕士学位论文,204359基于 MATLAB的月球车锂离子电池充放电过程仿真旧WANFANG DATA文献链接作者:杨柯,赵晓蓓作者单位:西北工业大学航空学院本文读者也读过(2条)1.冯韬高功率因数锂离子电池充放电系统的研制[学位论文]20072.张忠林.杨玉光锂离子电池充放电机理的探索[会议论文]-2006本文链接http://d.g.wanfangdata.comcn/confereNce6345676.aspx
- 2020-12-10下载
- 积分：1
基于Adaboost算法的人脸识别 北京大学赵楠
人脸检测和人脸识别都是属于典型的机器学习的方法，但是他们使用的方法却相差很大。对于人脸检测而言，目前最有效的方法仍然是基于Adaboost的方法。在网上可以找到很多关于Adaboost方法的资料，但基本上是千篇一律，没有任何新意。给初学者带了很多不便。建议初学者只需要认真阅读：北京大学 赵楠 的本科毕业论文 ：基于 AdaBoost算法的人脸检测 这篇毕业论文就够了。作者详细分析了Adaboost算法在人脸检测中的具体执行过程，尤其是关于弱分类器的Haar特征选取过程，描述的相当清晰。北京大学太科生业论文最后一章,用编写的实现了 Adaboost算法的FDt程序,给出了相应的人脸检测实验结果,并和 Viola等人的结果做了比较关键词 Keywords∧ adaboost方法、人脸检测、 Boosting方法、PCA学习模型、弱学习工工TI北京大学太科生业论文谨以此论文献给A腺嘌呤、T胸腺嘧啶、G鸟嘌呤、C胞嘧啶、1和0-智能的基本构件和开拓智能研究的伟大先驱者们This dissertation is dedicated toA, T, G, C, 1 and o, the building blocks ofintelligence.andto the pioneers uncovering the foundations ofintelligence.北京大学太科生业论文正文目录 Contents摘要 ABSTRaCTI正文目录 CONTENTS图录LISTOFFIGURES…I表目录LISTOF TABLES····················a···········ba·。·········。··。······VIII人脸检··11概12难点与展望213人脸检测方法的性能评测1.31人脸图像数据库………41.3.2性能评测.2检测方法分类…2,1基于知识的方法●●●●●·●··●●●●●D·●b●鲁●·●●●。●。D●●·●●·●·。D。●。·。。●●●D·●看●。·●。·D●看●看。●。●8北京大学本科生毕业论文22特征不变量方法3模板匹配方法●香●鲁●鲁·●D·。●·。●·鲁●●鲁·●鲁鲁●●●鲁●·鲁··。●·●鲁音·●鲁。●···。·●●●鲁自●·鲁鲁。●●●b·●鲁自非b●●。●10基于表象的方法113经典方法概述···············.s.····················································121神经网络NEURALNETWORK232特征脸EIGENFACE1333基于样本学习方法 EXAMPLE-BASEDMETHODS34支持向量机 SUPPORTⅴ ECTOR MACHINE(SVM)........1535隐马尔科夫模型 HIDDEN MARKOV MODEL(HMM)4 ADABOOST方法概述164.1引2 PAC学模164.21概述14.22数学描述音音音。音音…………………………17V工北京大学太科生业论文43弱学习强学1844BOOSTING方法5矩形特征与积分图a···············4·················4··4········‘·4······4··4······2051引言··········.·········································.···········252矩形特征 RECTANGLE FEATURE2521概述.205.22特征模版.21检器内特征总数2252.31子窗口内的条件矩形5232条件矩形的数量…52.33子窗口的特征矩形数量.2352.34结果2453积分图 INTEGRAL IMAGE25531概念含………………25532利用积分图计算矩形特征值.27V工I北京大学太科生业论文5.32.1图像区域的积分图计算.5322矩形特征的特征值计算86 ADABOOST训练算法●●●D··●·●···●●。·●·。·●●鲁·●··。·●。·●鲁。●自·鲁。●。●●b·。·●。●鲁306.1训练基本算法·●。●。·●··●●·●。鲁鲁●●b·●鲁●··●·●。。●看●。鲁●·●●香···曲鲁鲁●鲁●306.1.1基本算法描述306.12基本算法流程图3262弱分类器 WEAK CLASSIFER33621特征值f(x)62阈值q、方向指示符p38623弱分类器的训练及选取…...83强分类STRONGCLASSIFIER40631构成40632错误率上限407程序实现及结果.………4371样本集●●·●·····●···········●··············●·······●··●·●·····●··········●··········●··●··●4372练难点及优化44721计算成本14V工工T北京大学本科生毕业论文7.2.2减少矩形特征的数量……省着音自··。·非。。音音。非D音音普申普普普非非非非着44723样本预处理4573检测结果467.31检测器……46732实验结果..477321实验对比477.322更多实验结果49733结论53致谢 ACKNOWLEDGMENTS54参考文献REFERENCES54Ver o76图目录 List of Figures人脸析流程2图2人脸的遮挡、不同表情、图像的质量、旋转等等都会影响人脸检测.3图3典型的正面人脸图像数据库中的人脸图像.图4左侧为测试图像,右侧为检测结果。不同的标准会导致不同的检测结果。北京大学本科生毕业论文图5基于知识的人脸检测方法抽象出人脸的基本特征规则图6—种人脸检测模板:这个模板由16个区域(图中灰色部分)和23种区域关系(用箭头表示)组成.10图7 ROWLEY的带有图像预处理的神经网络系统…13图8人脸高斯簇和非人脸高斯簇14图9矩形特征在人脸上的特征匹配。上行是24×24子窗口内选出的矩形特征,下行是子窗口检测到的与矩形特征的匹21图10计算mXm检测器内所有可能的矩形的数量。22图11积分图与积分的类比25图12坐标A(x,y)的积分图定义为其左上角矩形所有像素之和(图中阴影部分)。s(x,y)为A(x,y)及其y方向向上所有像素之和(图中粗黑竖线)26图13区域D的像素和可以用积分图计算为:i+i-(i2+i)图14矩形特征的特征值计算,只与此特征端点的积分图有关…...9
- 2020-11-28下载
- 积分：1
