排序方式: 共有5条查询结果,搜索用时 93 毫秒
1
1.
针对在两相混合式步进电机位置控制系统中采取滑模算法控制时系统抖振较大的问题,基于边界层概念对滑模控制算法进行了改进,优化了准滑动模态控制算法。并且在相关软件中搭建两相混合式步进电机控制仿真模型,并进行了仿真验证。结果表明,采用准滑动模态滑模控制比采用一般滑模控制情况下系统的抖振幅度减小50%,系统的动态性能得到了很大提升。 相似文献
2.
针对传统卷积神经网络模块体积庞大、运算量高,在体积较小、资源有限的嵌入式平台上运行效果不好,以及现有轻量化模块无法满足测量速度和测试精确度要求的问题,为此选择目前的主流目标识别算法Yolo v4进行模型轻量化,在Yolo v4模型中引入Mobilenet网络和深度可分离模块进行研究。研究结果表明,改进后不同Mobilenet网络的Yolo v4模型检测一张图片的用时均比原始Yolo v4模型减少19 ms以上,准确率都高于92%。其中以Mobilenet v3为主干特征提取网络的改进Yolo v4模型的准确率为95.12%,与原始Yolo v4模型准确率相比提高2.99%,但该模型的参数量约为Yolo v4模型的1/6,模型处理一张巡检图片用时比原Yolo v4模型减少20 ms。绝缘子作为输电线路的重要组成部分,在众多图像中更快地识别出绝缘子能为之后分析输电线路的运行情况提供帮助。 相似文献
3.
江西省三类强对流天气环境物理量对比分析 总被引:1,自引:0,他引:1
利用2001—2010年89个国家级地面观测资料和NCEP 1°×1°再分析资料,分别从水汽条件、动力特征、0℃层和-20℃层的特征高度以及大气不稳定条件等方面,对江西省三类典型的强对流天气(冰雹、雷暴大风及短时强降水)的特征进行统计分析,从而给出江西省地区这三类强对流天气过程主要预报物理量的分布特征及阈值区间,为江西省精细化的强对流天气预报提供参考指标。结果表明:1三者对比,强降水具有更深厚的"湿"对流特征,冰雹多具有上干下湿的"干"对流特征;2低层辐合、高层辐散条件中,短时强降水高于冰雹和大风,表现为短时强降水低层辐合中位数为-17×10-5s-1,高层辐散中位数为14×10-5s-1,对应冰雹和大风低层辐合都为-14×10-5s-1,高层辐散都为10×10-5s-1;风垂直切变值,冰雹最大,大风次之,强降水最弱,具体表现为500 h Pa到1 000 h Pa风速差中位数冰雹为18 m/s,大风为17 m/s,强降水为11 m/s;3不稳定条件方面,冰雹的对流有效位能、抬升指数以及850 h Pa与500 h Pa温差中位数分别为2 651 J·kg-1;-6℃、26℃,远远强于强降水的735 J·kg-1;-2℃、23℃,大风对应中位数为1 924 J·kg-1;-5℃、25℃,介于冰雹和强降水之间;4特征高度0℃层和-20℃层冰雹最低、大风次之、强降水最高,4 800 m和7 700 m可以作为0℃层和-20℃层冰雹和强降水的分界线。当对应高度大于该值时有利于强降水的出现,小于该值有利于冰雹的出现;5不稳定条件和动力条件具有互补关系,两者中其一出现极有利条件时,在江西省的实际预报业务中,就要考虑强对流天气的发生,当一条件异常偏大(很有利条件),另一条件不是很有利情况下,也有可能出现强对流天气。 相似文献
4.
5.
1