为了提高光伏发电系统的输出效率,提出了基于变步长扰动观察法的最大功率点跟踪方法。该控制方法以光伏电池的数学模型为基础,以光伏输出功率的变化为判断依据,通过对光伏电池的输出电压进行调节,从而实现最大功率点跟踪。在Matlab /Si mulink下进行了系统的建模与仿真,仿真结果表明该算法能够在快速跟踪最大功率点变化的情况下保证跟踪精度。这说明变步长扰动观察法具有比传统扰动观察法更优异的稳态和动态性能,能够有效提高光伏发电系统的发电效率。

该项目与Itajubá联邦大学的Gabriel CS Almeida题为“智能学习中先进功率质量扰动的鲁棒分类器的机器学习应用”的硕士学位论文相关。 以下是MATLAB代码的详细信息。 新设备的插入，数据流的增加，间歇性生成和大规模计算机化大大增加了当前电气系统的复杂性。 这种增加导致了必要的变化，例如需要更智能的电气网络来适应这种不同的现实。 以大数据，机器学习（ML），深度学习（DL）和模式识别为代表的人工智能（AI）技术的出现代表了基于信息和知识的社会和全球发展的新时代。 随着最近的智能电网（SG），使用这种类型智能的技术的使用将变得更加必要。 本文研究了在SG中使用高级信号处理和ML算法创建高级功率质量扰动的鲁棒分类器的方法。 为此，使用随机元素生成已知的PQ干扰模型，以逼近实际应用。 从这些模型中，随着这些干扰的产生，产生了成千上万的信号。 使用离散小波变换（DWT）的信号处

用BP神经网络拟合正弦函数sin(2*pi*x)+扰动，并带有扰动

剧烈扰动和扭矩下的姿态和轨道控制 这项工作是我的航天器系统控制研究生讲座项目。 所有这些项目，均由PID控制。 （线性） 为此项目完成了三个模拟1-在没有扭矩的情况下，首先进行转矩模拟。 2-模拟扭矩和干扰。 3-在大扭矩下进行仿真，并同时进行干扰梯度和外部干扰。

三相双极式光伏并网，辐照量可变。mppt用扰动观测法。

＃ 方法： 该算法以张量形式实现麦克斯韦方程的傅立叶变换，允许从 3D 中已知磁化率的圆柱体向前计算感应场。 在 MRI 中，麦克斯韦方程组（Marques 和 Bowtell，2005 年和 Salomir 等人，2003 年）的傅立叶变换允许在磁化率分布和场图之间进行转换。 虽然人体组织中的大多数结构表现出各向同性的磁化率，但一些生物分子被认为具有磁化率各向异性 - 例如，大脑中的髓鞘。 这种各向异性可以用 2 阶张量来表征。 适应这种磁化率张量公式的麦克斯韦方程的傅立叶变换在 Liu 2010 年的方程 9 中导出，磁化率张量成像。 此例程将磁化率的张量公式结合到 3D 实心圆柱体的场畸变前向计算中。 ＃输入输出： 函数 [A]= sus_tensor(PHI,THETA,B0,sus, AA,BB,CC) 输入（在适用的球坐标中）： Φ，0-> pi / 2，外加磁场与圆柱

【优化求解】基于自然选择和随机扰动改进磷虾群算法matlab源码.md

针对一类SISO 非线性不确定系统, 提出一种基于扰动观测器的非奇异终端滑模(NTSM) 控制策略. 在保证控制器非奇异性的情况下, 设计了一种改进的NTSM函数, 理论分析证明了到达滑模面的时间小于传统NTSM控制算法的到达时间. 同时为了消除系统扰动量对控制器抖振的影响, 设计了一种线性扰动观测器以降低滑模切换项的增益, 并采用Sigmoid 函数来替代传统的符号函数. 仿真结果表明了所得结论的正确性和有效性.

此处的脚本使用以下提出的方法对电能质量扰动进行数学建模： Z. Moravej , AA Abdoos & M. Pazoki (2009) 使用小波变换和支持向量机检测和分类电能质量扰动，电力组件和系统，38:2, 182-196, DOI: 10.1080/15325000903273387 这可能对未来研究人员在电能质量扰动的研究、建模和分类方面很有用。 只需执行该功能即可查看不同的模型。

针对复杂环境中存在运动目标、移动威胁与突发威胁等多种情况,将动态流体扰动算法与滚动优化策略相结合,进行无人机(UAV)三维动态航路规划.基于移动目标运动信息与威胁运动信息引入相对初始流场,用扰动矩阵量化表示障碍物或威胁对相对初始流场的扰动影响,计算相对扰动流场,进而得到实际流场流线即无人机规划航路.充分利用实时环境信息,综合考虑未来运动态势,在有限时域内采用动态流体扰动算法规划出可选航路,然后构建目标函数,滚动优化反应系数,实现在线航路规划.仿真结果表明,该算法能较好地适用于复杂动态环境.