本项目的主要内容有三个方面：(1)风力机的非线性建模，针对非线性的风机转矩－转速曲线族的模型，一般都采用厂家实验数据拟合或函数近似逼近，往往与实际系统模型不合，限制了基于此模型各种控制方法的工程应用；(2)低风速下，最大风能追踪控制器的稳定性及对于风速的鲁棒性研究；(3)中高风速下的桨矩角控制研究，将桨矩角作为系统控制输入时，系统为典型的非线性系统，目前基于线性化的方法，控制效果难以令人满意；(4)设计风电系统的相关实验，验证上述研究成果。通过本项目的研究，可以提高风能的利用率，在同等装机容量的条件下，可以增加电能输出，降低成本，缓解我国的电力短缺和能源危机；还可以对随机能源优化、非线性建模和非仿射型非线性系统的控制方法有所启示，为完善风力发电的相关理论起到促进作用。 2100433B

为了解决如何在很拥挤的环境下，以及在各个摄像镜头的区域之间有重叠或者没有重叠情形下追踪目标物体的问题，我们提出了一种先混合多个视角的视频数据，再检测背景和前景信息从而进行目标追踪的多视角目标追踪算法。在我们的项目中，首先通过将各个视点的信息投影到参考平面以及平行于参考平面的多个平行平面的投影方法混合各个视角内信息形成一个四阶张量，然后使用增长的张量子空间算法建立背景模型进行前景分割。在对图像进行预处理阶段，我们提出了一类新的凸优化模型用于去除带模糊的乘法噪音。更进一步，我们有提出了使用框架分解和基于l_1范数的L-curve曲线方法对带模糊的乘法噪音问题进行处理。最后对目标区域应用贝叶斯定律以及粒子滤波等方法来进行追踪，连续两帧之间的目标运动使用一种仿射的图像变换来模拟。为了提高运算速度以及增加结果的准确性，项目组计划使用并行算法以及在预测目标运动的阶段引入时间序列分析的方法，目前这些工作仍然在继续进行之中。最后的试验结果表明我们的项目所提出方法可以在处理阴影，遮挡，拥挤环境中的多个目标的追踪等困难问题上能取得比较好的的试验成果，可以为项目的进一步研究打下一个良好的基础。

控制器有不同的策略来找到模组的最大功率输出。最大功率点追踪控制器可能有不同的算法，并且视运作条件选择适当的算法。

最大功率点追踪扰动观察法

扰动观察法（Perturb and observe）的控制器会小幅的增加或减少电压，并且量测其功率。若功率增加，继续依相同方向调整电压，一直到功率不增加为止。此方式称为扰动观察法（Perturb and observe），是最常见的最大功率点追踪方式，不过其输出可能会有小幅的功率震荡。此算法属于爬山算法，是依照功率对电压的曲线在未到最大功率时曲线会上升，超过最大功率时曲线会下降的特性而来的。扰动观察法因为容易实现，是最常使用的最大功率点追踪方式。若是配合了适当的估测及适应性爬山算法，扰动观察法可以达到最高的效率。

最大功率点追踪增量电导法

增量电导法（incremental conductance method）的控制器会渐进式的调整太阳能模组的电压及电流，以预测改变电压后的影响。此方式的控制器计算量较大，但追随条件变化的速度比扰动观察法要快。增量电导法和扰动观察法类似，可能会造成输出功率的震荡。此方法会利用太阳能模组的增量电导（incremental conductance, dI/dV)，来计算功率对应电压变化比例(dP/dV)的符号为正或为负。

增量电导法计算最大功率点的方式是比较增量电导（I_Δ/ V_Δ）和模组的电导（I / V）。若二者相同时（I / V = I_Δ/ V_Δ），其输出电压即为最大功率点电压。控制器会维持此电压，若照射条件改变时，会再重复上述的流程。

最大功率点追踪电流扫描法

电流扫描法（current sweep method）会针对太阳能模组配合一个扫描用的电流波形，可以每隔一段时间量测且更新电流-电压曲线的关系。再依最新的电流-电压曲线找到最大功率点，设法使系统运作在最大功率点。

在本项目中，我们提出一种先混合多个视角的视频数据，再检测背景和前景信息从而进行目标追踪的多视角目标追踪算法。现在流行的使用数个摄像头视角进行追踪的算法都是先检测不同镜头内多个目标的特征信息进行前景背景分析，然后将得到的信息混合起来进行目标追踪。然而这种在单个摄像头视角内检测信息的方法受环境影响很大，例如发光物体的反射和阴影，以及各个目标之间有无遮挡的情况等。在我们的项目中，首先通过将各个视点的信息投影到参考平面以及平行于参考平面的多个平行平面的投影方法混合各个视角内信息形成一个四阶张量，然后使用增长的张量子空间算法建立背景模型进行前景分割，最后对目标区域应用贝叶斯定律以及粒子滤波等方法来进行追踪，我们将对比现在流行的各种视频追踪算法的结果来验证我们的结论。项目预期我们的方法可以在处理阴影，遮挡，拥挤环境中多个目标的追踪等困难问题上能取得一定的研究成果，为进一步的研究打下一个良好的基础。