基于多分辨率特征自选择的遮挡物识别算法

光伏组件的遮挡物识别是光伏运维系统中不可或缺的环节，传统识别算法多依赖人工巡检，成本高昂且效率低下。基于卷积神经网络，提出了一种面向光伏组件的遮挡物识别算法PORNet。通过引入特征金字塔，构建多个分辨率下具有丰富语义信息的图像特征，提升对遮挡物尺度和密度的敏感性。通过特征自选择，筛选出语义最具代表性的特征图，以加强物体环境的语义信息表达。用筛选出的特征图完成遮挡物识别，从而提升识别准确率。在自建光伏组件落叶遮挡数据集上进行了实验比较和分析，并对识别性能进行了评估，通过与现有物体识别算法相比，所提算法的准确率和召回率分别提升了9.21%和15.79%。      

新型跟踪微分器在航空发动机磁悬浮轴承中的应用

为了实现航空发动机磁悬浮轴承的稳定悬浮，在磁悬浮轴承反馈控制器设计中获取光滑、精度高、相位滞后小的跟踪滤 波与微分信号等位移传感器信号，基于离散2阶串联型系统，提出了一种具有边界层函数、基于离散时间最优控制算法的新型跟 踪微分器。为减小算法在滤波与微分信号提取过程中的相位滞后，在所设计的跟踪微分器算法中引入相位调整因子对相位进行 实时有效地补偿。分别从时域与频域的角度进行仿真及试验验证，结果表明：所提出的新型跟踪微分器算法具有全程快速、无超 调、无颤振、相位滞后小、精度高等特点，与原基于离散时间最优控制的跟踪微分器算法相比，其平均相位滞后减小80~100个采样 周期，满足实际工程应用需求。     

基于电源纹波的功率负载旁路检测方法

传统功率器部件的工作状态往往需要大量的传感器资源，并占用较多的无线/有线复用通信资源。为了实现功率器件的智能状态检测，降低使用传感器的复杂性，增强系统的可靠性，提出了一种基于电源状态检测的功率器部件旁路多点状态的检测方法。该方法的创新点体现于在不修改原有电路结构的情况下，旁路采集电源纹波作为功率器件工作状态的重要特征。在此基础上应用信号处理算法分析电源纹波的频域信息并构建数据集，进一步通过机器学习方法区分功率器件的各自工作状态。通过对大功率LED二极管PWM调制的纹波进行探测，对提出的相关方法进行了实验验证。实验结果表明，该方法检测性能优越、对环境不敏感，实现了更加智能、可靠、可拓展的功率器部件智能检测。