排序方式: 共有47条查询结果,搜索用时 31 毫秒
1.
V形接线是一种适用于一切三相平衡负荷电路的测量,计量与保护的电路。由于该电路采用的元件少,接线简单,因此应用相当普遍广泛。现结合中职教材《旋转相量与相量》,分析关于XJ01-300KW起动柜的V形接线错误。 相似文献
2.
作为置信规则库优化过程的两个重要方向,参数学习和结构学习共同影响着置信规则库的建模精度和复杂度.然而,现有的置信规则库优化方法大多只关注参数学习或结构学习某一方面的研究,无法有效平衡建模精度和复杂度这对相互影响的指标.为此,本文提出了置信规则库参数与结构联合优化方法.该方法基于赤池信息准则将建模精度和复杂度两方面信息纳入统一目标,建立置信规则库联合优化目标函数;然后,建立交集假设下的置信规则库双层优化模型并提出模型求解算法;进一步拓展前提假设条件,提出并集假设条件下的置信规则库规则激活方法和权重计算方法,并提出并集假设下的置信规则库双层优化模型以及相应的求解算法.经过参数与结构联合优化之后,得到置信规则库最优决策结构.文末,引入输油管道泄漏检测案例验证所提出方法的有效性.通过与已有研究相对比,结果表明并集假设下的置信规则库联合优化方法在提高建模精度和降低复杂度方面均具有良好表现. 相似文献
3.
线性化逐层优化MLP训练算法 总被引:1,自引:0,他引:1
提出了线性化逐层优化MLP训练算法(LOLL).LOLL采用循环方式逐层对MLP的连接权值进行训练.训练连接权值时用一阶泰勒级数表示神经元的非线性激活函数以实现神经网络的线性化,使MLP的训练问题转化为一个线性问题.同时,为保证神经网络线性化条件不被破坏,LOLL通过在神经网络的误差函数中计入部分线性化误差限制参数的改变幅度,对神经网络的误差函数进行了修正.实验结果显示,LOLL训练算法的速度比传统的BP算法快4倍,用它构成的语音信号非线性预测器有较好的预测性能. 相似文献
4.
提出了一种多用户MIMO OFDM系统中的跨层自适应资源分配算法。在发送功率一定的条件下以吞吐量最大化为目标把用户等待时间作为优化因子,首先分配子载波,再分配子载波的比特和功率。最后分配空间子信道的比特和功率.仿真结果表明提出的算法能够满足用户等待时间的公平性和用户的QoS,而且能够有效提高系统的吞吐量. 相似文献
5.
陀螺仪作为惯性导航系统的核心惯性器件,其漂移性能直接影响导航的精确性,分析陀螺漂移的变化趋势并预测由漂移所引发的陀螺故障具有重要的意义。提出一种基于灰色理论和平稳时间序列分析的混合建模方法,并将其用于预测陀螺漂移。实验结果表明该混合建模预测方法能够精确地预测陀螺的漂移,从而为陀螺的性能分析和故障预报提供依据。同时与单一预测方法相比,该混合方法具有较强的预测能力。 相似文献
6.
电磁继电器作为航天系统中的一种关键器件,其性能直接影响着整个系统的可靠性.现行航天继电器的触点大多具有多组且比较紧密的特点,造成了继电器在工作过程中触点组之间相互作用,影响了继电器的退化性能.针对此问题,提出了基于吸合时间退化变量的建模方法.采用小波-卡尔曼滤波算法对模型状态进行估计,将触点组之间的相互影响用带参数的线性关系表示,并用极大似然估计进行参数更新,从而进行继电器寿命预测.通过基于PC104的继电器测试系统获取实验数据,分析验证了该算法的有效性和可行性. 相似文献
7.
最大Lyapunov指数是诊断和描述动力系统混沌的重要参数。本文在仿真计算的基础上,发现1/fα噪声对计算混沌动力系统最大Lyapunov指数具有显著影响。在同一噪声水平下,白噪声的影响最为显著,随功率谱指数α的增大,其影响逐渐减弱;随着噪声水平的增加,1/fα噪声对计算混沌动力系统最大Lyapunov指数的影响越显著。当α≥2.0时,在噪声水平为0.2的情况下,计算得到的最大Lyapunov指数的误差小于10%。 相似文献
8.
产品的剩余寿命预测能够为产品的维修和更换提供重要的决策依据.传统的比例失效模型方法在剩余寿命预测中得到了广泛的应用,然而此方法没有充分利用产品的历史寿命信息,对产品的退化过程也没有很好地描述.针对此问题,提出了一种融合退化过程与失效率建模的产品剩余寿命预测方法.该方法首先利用线性过程对产品的退化过程建模,然后利用比例失效模型融合退化过程对失效率的影响,达到充分利用产品历史信息的目的.此外,与传统比例失效模型方法不同,模型中的比例参数分为两部分,分别将产品退化的初始信息和产品的退化增量联系起来,进一步利用产品的当前退化信息对产品的参数进行Bayes更新,基于此进行剩余寿命预测,从而实现产品历史数据和当前退化数据的有效融合.通过激光发生器的退化数据验证了所提方法的有效性. 相似文献
9.
10.
为了提高网络管理重要组成部分的故障管理能力,通过对性能数据和故障征兆的推理来确定故障源,针对WAN(wide area network)的故障传播特征提出了一种基于自组织特征映射 SOM(self-organizing maps)的网络故障诊断模型,该模型包括SOM训练模块和故障实时诊断模块.仿真实验表明,采用该模型进行4种故障诊断,故障识别率达到95.82%,而误警率只有3.96%,说明在WAN中采用基于SOM的故障识别方法效果良好. 相似文献