排序方式: 共有104条查询结果,搜索用时 15 毫秒
1.
提出了一种基于多Agent的遗传算法(MAGA).基于三峡机组非线性全数字仿真模型,利用JADE中间件建立了实施MAGA的分布式移动计算平台.在此平台上,对机组不同运行工况下自适应PID调速器进行了优化.仿真结果表明,MAGA能够获得遗传算法的寻优效果且优化时间显著缩短. 相似文献
2.
风速预测对风力发电系统具有重要的影响,为获得更高精度的风速预测结果,针对多步风速预测,成功开发了一种基于奇异谱分析和优化极限学习机的新型预测模型。首先,采用奇异谱分析将风速时间序列分解为一组相对平稳的分量,以降低风速序列的随机性对预测结果的影响;然后,对分解得到的分量分别建立极限学习机预测模型,为进一步提高预测性能,将1种新颖的活性竞争萤火虫算法用于优化极限学习机的输入权值和隐含层偏置;最后,叠加全部分量的预测值得到实际预测结果。仿真结果表明,基于奇异谱分析和活性竞争萤火虫算法优化极限学习机的模型在1步到3步风速预测中实现了较高精度的预测结果。 相似文献
3.
利用AutoCAD开发工具ARX ,在VisualC ++5 .0环境下编程开发水力机组辅助设备元件图ARX应用程序 ,并将它装入AutoCADR1 4软件中 ,直接作为AutoCAD的命令使用 相似文献
4.
5.
6.
7.
配电网中三相电压不平衡对异步电动机损耗会造成较大影响。运用等效电路公式分析三相电压不平衡影响下电动机损耗存在精度不稳定、需要参数过多且数学模型过于复杂等问题。针对以上问题,提出一种基于注意力机制和卷积神经网络(CNN)的异步电动机损耗评估方法。该方法将实测电机数据作为输入,引入注意力机制为输入特征赋予不同权重;采用卷积层和全连接层组成的CNN构架对异步电动机实测数据进行学习,最后完成损耗评估。以现场试验得到的电机损耗数据作为实际算例,该方法评估损耗与实测损耗平均误差仅为0.717%和0.549%,并与其他典型机器学习算法进行对比,结果表明所提方法具有更好的损耗评估性能。 相似文献
8.
9.
10.