排序方式: 共有92条查询结果,搜索用时 31 毫秒
41.
针对变速变桨风速发电机组如何在低风速时最大限度地捕获风能,提出了一种基于风速预测的改进爬山法最大功率追踪策略。首先搭建由模糊粗糙集(FRS)和神经网络预测(LSTM)两部分组成的预测模型,利用模糊粗糙集对噪声的敏感性,对风机多传感器采集的自然特性时间序列参数进行分析,通过属性约简,将输入信息的空间维数简化,确定神经网络的输入参数,作为后者LSTM神经网络预测模型部分的输入。利用LSTM在时间深度上有效避免梯度传播消失的特性,通过训练学习,抽取逼近隐含的输入输出的非线性关系,捕获时间序列风速上各个信息的关联度和时间延展度,得到风速的提前一步预测。然后依靠预测的风速信息,从搜索方向确定,搜索区间优化,避免最大功率点附近频繁波动3个方面改进了传统爬山法,避免传统方法的不足。通过GH bladed软件实验仿真表明:提出的最大功率追踪控制策略能够有效避免了风速变化情况下错误的搜索方向,提高追踪速度,明显减少风机在MPP点处的振荡,有效提高了风能捕获效率。 相似文献
42.
43.
针对数控机床状态数据的多样性、时序性,机床状态难以预测等问题,提出了一种基于多维时间序列的数控机床状态预测方法。首先,基于OPC(OLE for Process Control)技术进行机床状态数据采集,采用Min-max标准化和自回归移动平均模型对数据进行预处理,构建多维时间序列矩阵,建立机床状态的度量模型和评价函数,采用特征向量、特征趋势距离标示状态模型,利用差异度对状态模型进行对比衡量。其次,利用滑动时间窗口技术表征机床未来状态,以时间窗口长度l和滑动时长w获取机床历史状态集合,提出基于窗口滑动的多重匹配状态预测方法,利用β-耦合相似度量标准寻找与当前状态矩阵相似度最大的历史状态集合Xk,根据给定的相似性阈值确定最优滑动时长w和预测时长l,以Xk跟随状态Xk*的变换趋势和规律作为机床下一时刻的状态。针对噪声数据干扰问题,提出基于密度空间聚类算法的状态序列分析方法,通过引入欧几里得距离和缩小权重因子确定算法参数,求出表征机床某时刻状态的最佳状态矩阵。最后,以机床主轴四项参数为例进行数控机床状态预测实验,根据状态序列相似性分析结果确定了预测时长为24s,滑动单位为2s。预测结果表明,基于多重匹配的矩阵形式、向量形式的状态预测方法比传统的AR预测模型的各项误差都低,预测结果更加准确。 相似文献
44.
海相页岩气勘探在四川盆地周缘取得重要进展。通过X射线全岩衍射、氩离子抛光扫描电镜、二氧化碳和氮气吸附实验及有机地化实验等,对川东北地区下寒武统牛蹄塘组页岩的孔隙发育特征及其控制因素进行了研究。结果表明:川东北地区牛蹄塘组页岩有机质丰度较高,石英矿物和黏土矿物是主要造岩矿物;孔隙类型主要为有机质孔隙、脆性矿物粒间孔隙、黏土矿物层间缝等,有机质孔隙呈蜂窝状,在有机质内部发育,有机质孔数量较少,无机矿物孔隙以孔状、夹板状等μm级孔径为主;页岩孔容与比表面积随着有机质和黏土矿物含量的升高而变大。 相似文献
45.
46.
47.
线性回归分类器(Linear Regression Classifier,LRC)是一种有效的图像分类算法,然而LRC未关注数据的局部结构信息,忽略了类内样本之间的差异性,因此当人脸图像存在表情、光照、角度、遮挡等变化时分类性能不佳.针对此问题,文中提出了一种基于局部加权表示的线性回归分类器(Local WeightedRepresentation based Linear Regression Classifier,LWR-LRC).LWR-LRC首先以测试样本与所有样本的相似性为度量,构建每类样本的加权代表样本;然后将测试样本分解为加权代表样本的线性组合;最后将测试样本分类到重构系数最大的类别.LWR-LRC考虑了样本的局部结构,构建了每类样本的最优代表样本,使用代表样本进行计算,在提高鲁棒性同时,大幅缩短了计算时间.在AR,CMU PIE,FERET和GT数据集上的实验的结果表明,LWR-LRC与NNC,SRC,LRC,CRC,MRC,LMRC等算法相比,在性能上有很强的优越性. 相似文献
48.
49.
本文设计了一种简单实用的无线传能系统,直流电经振荡电路转化成交流电,利用电磁感应原理,通过线圈电磁耦合,能量以无线的方式传送至负载设备。 相似文献
50.