排序方式: 共有57条查询结果,搜索用时 15 毫秒
41.
基于FFT-MCC分析的ICA(BSS)盲不确定性消除 总被引:3,自引:0,他引:3
为了消除ICA(BSS)估计的幅值、相位及排序等盲不确定性,提出一种基于快速傅里叶变换与最大相关准则分析的ICA(BSS)估计源自适应校正方法。借助对原始传感观测及估计源的频谱分析,近似获得各本底源信号在观测信号中所占的比重——初始放大权值;基于最大相关准则优化调整ICA(BSS)估计源的相位,并对初始放大权值进行微调,从而消除ICA(BSS)估计的盲不确定性,实现源波形的恢复及其混合参数的估计。仿真试验结果证明了该方法的有效性,也表明它在复杂系统源识别或重建方面具有较大的应用潜力。 相似文献
42.
通过对各种测厚传感器性能指标的综合评价,以及对多种厚度测量方法的对比研究,提出了一种以激光传感器和CCD扫描技术相结合、以计算机控制技术为核心的厚度测量的新方法。实际测量现场中,步进电机突然制动所引入的外来振动干扰以及因环境温度变化所导致的工作台变形都是导致厚度测量误差的重要因素,联合对振动系统的建模分析与对测点位置实时标定,以在线补偿测量误差,由此共同构建一个复合板厚度在线监测系统。实际应用结果表时,该系统可有效抑制外来诸多干扰因素的影响,从而实现了复合板厚度的在线高精度测量。 相似文献
43.
44.
45.
采用人工神经网络进行变压器DGA数据的分析与诊断。为全面评价变压器的实际运行状况,综合利用了各特征气体含量及其比值信息,并借鉴模糊数据处理思想构造初始输入特征集合。借助一个特殊的复合神经网络进行数据分析与故障诊断。其中,非线性主分量分析网络执行多元输入特征信息的融合及主特征选择,形成待识别故障类的敏感特征量;随后的多层感知器执行故障模式识别。试验结果表明,在DGA分析的基础上,应用非线性主分量分析-多层感知器复合神经网络可有效实现变压器不同故障模式的智能化识别,获得较好的诊断结果。 相似文献
46.
以冲击载荷下的磁流变减振器为对象,设计一单杆长行程冲击型减振器,基于Bingham模型推导建立包括由环形阻尼孔内的摩擦阻尼力、库仑阻尼力、惯性阻尼力、节流阻尼力、结构附加阻尼力和摩擦阻尼力等组成的动力学模型,并利用最小二乘算法辨识模型中关键参数,试验结果证实了拟合的磁流变冲击减振器动力学模型准确性.针对冲击载荷特点,设计基于全状态反馈和指数趋近律控制率的滑模变结构目标跟踪控制器,基于构建的试验平台分析比较On-Off算法、PID算法和滑模控制算法控制效果,结果显示滑模控制算法下的磁流变冲击减振器振动峰值缩减27.33%,活塞行程缩减48.75%,控制效果最为理想. 相似文献
47.
48.
49.
50.