外文翻譯--太陽能汽車通信工具的人工神經網絡最大能量點的跟蹤儀

《外文翻譯--太陽能汽車通信工具的人工神經網絡最大能量點的跟蹤儀》由會員分享，可在線閱讀，更多相關《外文翻譯--太陽能汽車通信工具的人工神經網絡最大能量點的跟蹤儀（18頁珍藏版）》請在裝配圖網上搜索。

遼寧工程技術大學畢業(yè)設計（論文） 1 附錄 A 太陽能汽車通信工具的人工神經網絡 最大能量點的跟蹤儀 摘要 : 本文提出的是一臺太陽能汽車的人工神經網絡最大力量的跟蹤儀器 ( 根據一臺高效率的升壓變頻器和絕緣閥雙極晶體管 (電源開關為基礎的。 參考電壓是以梯度下降動量算法通過人工神經網絡獲得 (跟蹤的算法是通過更改變頻器的任務周期，以便使 塊電壓等于對應的 所有指定的日射能量、溫度 , 和負荷狀態(tài)下的電壓。為快速的回應 , 系統(tǒng)被實施使用數字信號處理器 (。整個系統(tǒng)的穩(wěn)定性是通過一 種固有的積分導數調節(jié)控制器按比例經過包括改進按比例進行改善的，并且這種調節(jié)器也被使用在觀察參考電壓和控制電壓的高低。調節(jié)控制器 , 以 供的信息為依據 , 形成升壓變頻器的工作周期。被獲得的大量能量被使用在太陽能汽車的充電鋰離子電池上。實驗和模擬結果表示 , 提出的計劃是高效率的。 關鍵詞 : 人工神經網絡 ; 最大能量點跟蹤儀 ( 光致電壓模塊 ; 數字信號處理器 ; 太陽能汽車通信工具。 簡介 光致電壓的 (生成獲取增加的重要性作為可延續(xù)能源。太陽能的不受歡迎得到了迅速的更改 , 通常發(fā)生在一個 連續(xù)通信工具上 , 由于樹蔭從、大廈、大樹 , 和多云等情況的出現(xiàn)，在常規(guī) 統(tǒng)有困難的回應迅速差異是由于樹蔭產生的。 統(tǒng)主要缺點是 , 最初安裝費用是相當地高并且能量轉換效率 (從 12% 到 29%) 是相對比較低的。此外 , 在許多情況下 , 統(tǒng)要求一臺動力調節(jié)器 (直流電 直流電 或 直流電 交流電 的交換器 ) 為負荷界面。所以 , 整個系統(tǒng)費用能被猛烈地減少，通過使用高效率的動力調節(jié)器 , 譬如最大能量點跟蹤儀 ( 提取和維護峰值功率從 塊既使當上述不贊同的條件發(fā)生。 各種各樣的最大能 量跟蹤儀的方法，已經被考慮了在 量應用中 [1 。在小山之中攀登的方式 [1,擾亂和觀察跟蹤最大能量點 (由增加或一再減少輸出電壓在塊的 。這個方法要求 P 與 V 的計算來確定 ,2,4 ] 。但當輻照度迅速的更改時它無法跟蹤到 ，并且 , 方法是在 近擺動而代替直接地跟蹤它。遞增導率技術 (其它方法之中是最精確的。這個方法在迅速更改的情況下可得到很好的程宇丹：中型貨車變速器設計 2 性能。但是 , dI/復雜計算和復雜的算法要求對每一個數字信號進行處理 ( 通常將增加總系統(tǒng)費用。 蹤的方法使用 塊的短路在當前運用情況運行下當前 塊的 路電流是成線性比例的 。在迅速地更改大氣情況之下 , 這個方法有跟蹤 快速的回應速度 , 但控制電路是復雜的。使用太陽能儀表板的開放電路電壓的 跟蹤方法利用工作電壓在 開放電路電壓幾乎線性的比例在 塊的 (使用 76% 開放電路電壓作為 壓 ) 。這個方法是非常簡單和有效的 , 但參考電壓不能更改在采樣之間。 用模糊的邏輯性 [13,14 ] 和人工神經網 絡 ([ 15]報導出來。這些研究表示 , 像這樣的現(xiàn)代控制算法是能改進跟蹤的性能與比較常規(guī)方法。 在本文里 , 我們提出 太陽電通信工具 統(tǒng)。跟蹤的算法更改交換器的義務比率以便使 塊電壓等于電壓對應于 那個大氣情況。這個調整由使用執(zhí)行傳播 參考電壓對 脫機被培訓的 得。管理器生成升壓交換器的工作周期。 1 塊特性 太陽列陣特性極大影響了交換器和控制系統(tǒng)的設計 , 因此 性簡要將被復核得這里。太陽列陣是一個非線性設備 , 可能代表作為一個當前來源設計 , 依照被顯示在圖 1 。太陽列陣的傳統(tǒng) 性 , 當忽略內部分流器抵抗 , 由以下等式給 : 太陽列陣的輸出電流和輸出電壓 ; 被生成的當前在指定的日射能量之下 ; 反向飽和電流 ; q 是電子的電量 ; k 是伯磁曼常數 ; A 是 接點的理想系數 ; T 是列陣溫度 ; 太陽列陣的內在電阻和分流器抵抗電阻。 遼寧工程技術大學畢業(yè)設計（論文） 3 太陽列陣的飽和電流隨溫度變化根據以下等式 : 參考溫度 ; 被使用在太陽列陣上的 在 的飽和 電流 ; 半導體的范圍空白能量 ; B 并且是理想系數 ; 在 C?25 下的短路 ; 是1 21的日射能量。 等式 (1)-(3) 被使用在計算機模擬的發(fā)展中。 程語言被使用。圖 2 顯示被模擬的電流 — 電壓和力量電壓彎曲為太陽列陣在不同的日射能量和不同的溫度。這些曲線表示 , 太陽列陣的輸出特性是非線 性和受太陽輻射、溫度 , 和負荷狀態(tài)很大地影響。各曲線有最大力量點 ( 是優(yōu)選的運行的點有利于 太陽列陣的高效率的使用。 2. 人工神經網絡 程宇丹：中型貨車變速器設計 4 圖 2 力量電壓彎曲為太陽列陣在不同的日射能量和不同的溫度 (S 是太陽輻射 ) 術成功被申請了解決非常復雜問題。最近 , 其申請以各種各樣的域增加速度[16,17 ] 。誤差的平方或誤差能量的瞬間總和在迭代 n 次被測量 那里神經元 j 位于同一層的神經元 i 右邊 , 和神經元 k 位于同一層的神經元右邊 j 當神 經元 j 是一個被隱藏的部件 ; n) 是誤差信號在神經元 j 輸出為迭代 n; 并且集 C 包括所有神經元在網絡的外面層。n) 對突觸神經的重量 被給出： 遼寧工程技術大學畢業(yè)設計（論文） 5 ? 是動量常數 ; ? 是反向增值算法的學習率參變量 ; j? (n) 是局部梯 差信號在輸出被定義 jd(n) 是渴望的回應或想要的目標和 n) 是輸出信號。重量的調整為這些層被給 從 (4) 和 (6), 平均值的平方誤差信息標準值可寫出，為： 網絡培訓一再執(zhí)行直到性能標準 ? ?2?? ??下跌在一個指定值之下 , 理想的到零。然后被連接的網絡的重量以這樣的方式被調整，即下列陣電壓 最大力量點電壓 全相等。參考電壓 這個狀況下變得相等與最大力量點電壓 被提出的三層哺養(yǎng)轉接神經網絡功能的近似值被顯示在 圖 3 。神經網絡被使用獲得最大力量 n) 的電壓的太陽盤區(qū)。網絡有三塊層 : 輸入 , 隱藏 , 和輸出層。節(jié)點的數量是二 , 四 , 和一個在輸入 , 被隱藏的 , 和輸出層 , 各自地。參考電池開放電路電壓 n) 和時間參數 T (n) 被提供給神經網絡的輸入層。這些信號直接地通過對節(jié)點在下塊被隱藏的層。節(jié)點在輸出層提供辨認的最大力量點電壓 n) 。節(jié)點在被隱藏的層得到信號從輸入分層堆積和寄發(fā)他們的輸出到節(jié)點在輸出層。標準差的放射性功能被運用在網絡的層。訓練計劃計算連接的重量 ,1} 以偏心 b{1} 為輸入到被隱藏的層映射 , 連接的重量 {2,1}偏心傾斜 b{2} 為被隱藏的層被輸出層映射。在培訓期間 , 連接的重量遞歸地被修改直到最佳的適應值，直達到輸入 - 輸出模式在培訓中的數據。最后的培訓是成功脫機使用 程宇丹：中型貨車變速器設計 6 圖 3 哺養(yǎng)轉接神經網絡功能近似值 3. 實驗模擬結果 陣被使用為實驗數據的收集是 德國 )型模塊。模塊有最大功率輸出45 W 和 20放電路電壓在 1000 瓦 /平方米。的輻照區(qū)域年和 度條件下。 塊說明提供了由制造商在表 1 。 （上面的表） 塊 (最大力量的表 1 電子說明 , w) 45 短路當前 , a) 放電路電壓 , v) 20 電壓在最大力量點 , v) 前在最大力量點 , 淘氣鬼 (a) 圍 (m□ m) 971□ 41□ 8 質量 (公斤 ) 5 哺養(yǎng)轉接傳播 依照被顯示在圖 3 被培訓了以值被獲得從參考電池的實驗數據而獲得的值。梯度下降算法被使用在培訓如同改進 性能 , 減少總誤差可由沿其梯度更改重量。培訓參數是如 下 : 學習的費率參數 ? = 動量系數 ? = 培訓 0 000 的編號 ; 誤差 01 。匯合誤差為培訓進程被顯示在圖 4 。 遼寧工程技術大學畢業(yè)設計（論文） 7 圖 4 匯合誤差為神經網絡培訓進程 在培訓之后可能被查找在表 2 之后。各種各樣套參考電池開放電路電壓 時間參數 T (依照被顯示在表 2) 被提供作為輸入給 為了驗證 學習能力 , 其它 那個不同在表 2 并且被提供給 依照被預計給在 外的值。軟件 使用了在 培訓中。 從輸入 1 到隱藏層的重量如下 : 重量對輸出層 2 是 ,1} = [? 。偏心對層 1 是 b{1} = [ 。偏心到層 2 是 b{2}=[ 。 4. 結論 人工神經網絡 充電太陽 (合成 ) 通信工具的電池已經 被提議在本文里。脫機梯度下降動量算法被培訓使用傳播 , 被運用為參考電壓的聯(lián)機估計為哺養(yǎng)轉接循環(huán)。實驗數據被使用為 脫機培訓 , 并且軟件 使用在最后的培訓中。估計的精確度由匯合誤差的圖形驗證了。提出的方法有幾個好處在常規(guī)方法中 , 特別由于沒有對電壓和當前傳感器的需要 , 和因為它避免力量的一個復雜計算。實驗和模擬結果表示 , 提出的計劃是高效率的。 參考文獻： [1] , , . of a 1998, 45(1): 99[2] , , C. of a 2001, 16(1): 46[3] C, J, F. 2001, 48(3): 594[4] R, J. A 宇丹：中型貨車變速器設計 8 in a 1993: 574[5] G, N. A 2000: 115[6] K, T, S, Y. A V 2002, 17(6): 980[7] , , , . to 1999: 632[8] , , , . 2002: 1489[9] , , . 2002, 49(1): 217[10] Y, J, S, . An 2002: 540[11] H R, S, B, . 1997, 44(6): 769[12] , , , . A 2003: 56[13] , H, M A. of a of a V 2002, 15(4): 385[14] , S, . V 2002,38(3): 969[15] , , . of V 1995,10(3): 543[16] K. in 2001: 1631[17] . A 2 1999. 遼寧工程技術大學畢業(yè)設計（論文） 9 附錄 B an is on a is by of so to at is is by a is to on by is to is is as a of of in a as a of in V in to to V is 2% 9%) is in PV a or be by as to V 程宇丹：中型貨車變速器設計 10 of V P&O) by or PP of V of dP/dV to ,2,4]. is to it PP PP of is ,7] of dI/dV of a PP of V PP of V is to of V ]. a of is PP of 1] PP is to PP of V 6% of as PP is 3,14] 15]of In we V of so V to PP at is by to PP is by an 1 he of so V be is a 寧工程技術大學畢業(yè)設計（論文） 11 be as a as 1. -V of a by o o of Ig is a is q is of an k is A is a T is Rs sh of of to r is is r ; is of in B is an is 5°C; KI is is in mW/1)-(3) in of is 宇丹：中型貨車變速器設計 12 at of by a is of 2 NN to in is 6,17]. 遼寧工程技術大學畢業(yè)設計（論文） 13 of or at n is by j in a to of k in a to of j is a n) is at of j n ; in of n) to n) is by is η is of δ j(n) is at is as n) is or n) is of is (4) 6), be he is = (2 a to In 0 2 → 0, 宇丹：中型貨車變速器設計 14 of in a A is to At to of is 3. is to of n) of an a an of in n) (n) to of to in in n) . in to in is in of I{1,1} b{1} to ,1}b{2} to is in of 3 PV of a 5 W a 20-V at an 000 W/ m2 a 25°C V by . 遼寧工程技術大學畢業(yè)設計（論文） 15 as 3 of in as it of by as = =of 0 000; 01. is 4. 程宇丹：中型貨車變速器設計 16 of NN by NN be . of oc a (as ) as to In to of oc to mp as in of to as to W{2,1} =[ to is b{1} = [ to is b{2}=[ 4 n of a in An a is of is of is in of of by of in is no in it a of is 1] , , . of a 1998, 45(1): 99遼寧工程技術大學畢業(yè)設計（論文） 17 [2] , , C. of a 2001, 16(1): 46[3] C, J, F. 2001, 48(3): 594[4]