排序方式: 共有22条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
为了解决风电变流器电压检测信号高速传输、大容量长期存储以及重构性能差等问题,提出了一种本征时间尺度分解(ITD)与改进内积的压缩感知重构算法相结合的变流器电压信号重建方法。该方法利用电压信号压缩与采样同时进行的思路,首先利用ITD把电压信号自适应分解为若干个合理旋转分量信号和一个残余分量,对所有分量用离散余弦变换基稀疏表示,建立基于Gauss随机投影矩阵的欠定方程;然后利用提出的基于广义Jaccard系数匹配性度量准则代替内积准则来对支撑集优化的压缩感知广义正交匹配追踪算法重建各个分量电压信号;最后对所有重构分量信号组合得到原始变流器电压检测信号。仿真表明:ITD与改进内积的压缩感知重构算法相结合的方法提高了变流器电压检测信号的重构精度,降低了重构计算复杂度,具有更好的运行效率。 相似文献
5.
针对现有的识别算法存在识别速度慢,识别成功率不高,提出了一种新的星图识别算法,该算法根据恒星星等,利用锚定的方法,使待识别星图中的星落于导航星图中的星的ε邻域,对于未落于ε邻域的星,建立有向赋权二部图,进行完美匹配,根据计算星对之间EMD距离,来确定星图的匹配是否成功;仿真结果表明,该方法提高了星图识别的速度,有很高的成功率;通过与利用Hous-dorff距离进行星图识别的方法比较,该方法对于星数目多时,速度有明显提高。 相似文献
6.
7.
8.
针对传统二极管钳位式三电平逆变器故障诊断方法存在的诊断效率低且准确率不高的问题,将一种自适应正则化系数引入卷积神经网络CNN(convolutional neural network),对逆变器进行故障诊断。在传统CNN模型引入正则化去拟合中,正则化系数常采用全局统一的常数型参数,训练过程中需不断试错且效果甚微,针对此提出根据目标损失函数梯度变化,自适应调整正则化系数的CNN模型,能够加快其在逆变器故障诊断中的收敛速度,增强模型泛化能力,提高故障识别准确率。实验表明,与传统BP神经网络和原始CNN模型相比,改进的CNN模型能对逆变器复杂故障做出实时准确诊断。 相似文献
9.
10.
针对传统粒子滤波算法中粒子枯竭的缺陷,提出了一种改进的代价参考粒子滤波(CRPF)方法;该算法以代价函数代替统计参考粒子滤波中的后验概率密度函数,引进风险函数进行一步预测及更新,通过概率质量函数对不同的粒子赋予不同的权重,消除了粒子枯竭问题,并使用了自动调整的遗忘因子,可以处理状态变化剧烈的情况;使用该方法处理天文导航中的非线性、非高斯噪声,仿真结果表明,改进算法提高了滤波的稳定性和精确度,具有较高的使用价值和广泛的应用前景。 相似文献