检索结果-内蒙古大学图书馆

电子设计工程 2025年第6期33卷 85-90页

作者：金鑫叶真朱婷婷上海中医药大学附属第七人民医院(上海市第七人民医院) 上海200137

针对医疗设备故障诊断不足问题,研究基于模糊神经网络与减法聚类算法开发一种故障可视化诊断系统,通过对大型医疗设备故障建模分析,完成系统可视化开发。该项技术创新点在于引入模糊神经网络构建诊断模型,提升对复杂特征数据识别效果;... 详细信息

针对医疗设备故障诊断不足问题,研究基于模糊神经网络与减法聚类算法开发一种故障可视化诊断系统,通过对大型医疗设备故障建模分析,完成系统可视化开发。该项技术创新点在于引入模糊神经网络构建诊断模型,提升对复杂特征数据识别效果;同时引入减法聚类算法优化模型参数,提升模型诊断效率。在诊断误差分析中,研究技术迭代收敛时均方根误差与平均绝对误差分别为0.012与0.015,同类技术中误差最低。而在故障诊断准确度方面研究技术综合表现也最佳。经实验该技术满足大型医疗设备的高效故障诊断要求,研究内容将为医疗设备智能化故障检测提供技术支持。

关键词：模糊神经网络减法聚类算法医疗设备故障诊断可视化

来源：评论

学校读者我要写书评

暂无评论

基于减法聚类算法的风电场动态等值建模方法

引用

安徽电力 2018年第2期35卷 29-33页

作者：曹现峰缪玉生江炜楠陈继军钱壮国网池州供电公司安徽池州247000

大型风电机组的实际运行工况受外界环境影响不尽相同,为提高大型双馈风电机组等值建模的精度和准确度,提出一种基于减法聚类算法的动态等值建模方法。该方法将桨距角、风速及转差率这三个状态参数作为聚类指标进行分群,并将同群的风电... 详细信息

大型风电机组的实际运行工况受外界环境影响不尽相同,为提高大型双馈风电机组等值建模的精度和准确度,提出一种基于减法聚类算法的动态等值建模方法。该方法将桨距角、风速及转差率这三个状态参数作为聚类指标进行分群,并将同群的风电机组等值为一台风力发电机,从而实现风电场的动态等值。利用Matlab/Simulink平台,搭建双馈机组的动态多机等值模型,并就其等值效果与传统单机等值模型进行比较。研究结果表明,该等值模型更能精准地反映双馈机组风电场并网点的动态特征。

关键词：风电机组减法聚类算法状态参数聚类指标动态等值

来源：评论

学校读者我要写书评

暂无评论

基于减法聚类和模糊聚类算法的通信信号识别方法

基于减法聚类和模糊聚类算法的通信信号识别方法

引用

作者：邵怀宗肖恒王文钦潘晔陈慧胡全 611731 四川省成都市高新区(西区)西源大道2006号

本发明公开了一种基于减法聚类和模糊聚类算法的通信信号识别方法，其包括初始化参数；针对不同子载波，设置不同的初始领域半径值，采用减法聚类算法对接收的通信信号的星座点进行聚类；当减法聚类中心的个数小于第一预设定阀值时，将... 详细信息

标准号: CN107707497B

本发明公开了一种基于减法聚类和模糊聚类算法的通信信号识别方法，其包括初始化参数；针对不同子载波，设置不同的初始领域半径值，采用减法聚类算法对接收的通信信号的星座点进行聚类；当减法聚类中心的个数小于第一预设定阀值时，将邻域半径减小，继续进行减法聚类；以减法聚类中心中密度较大的第一预设定阀值个减法聚类中心作为模糊聚类算法的初始中心，采用模糊聚类算法对通信信号的星座点再次进行聚类；指定模糊聚类的初始聚类数目，联合Xie‑Beni指标和聚类后星座图的相对半径评价聚类的合理性，若不合理，初始聚类数目需进行迭代；将相对半径与标准星座图半径比较，可得出信号的调制方式则标准调制信号所在的类别为通信信号的类别。

关键词：聚类减法聚类模糊聚类算法通信信号星座点预设定标准调制信号减法聚类算法通信信号识别标准星座图初始化参数半径减小调制方式模糊聚类阀值时星座图子载波迭代邻域合理性联合

来源：评论

学校读者我要写书评

暂无评论

基于低电压恢复策略的永磁直驱风电场等值建模

引用

现代电子技术 2022年第7期45卷 137-142页

作者：李应龙蔺红新疆大学电气工程学院新疆乌鲁木齐830047

对风电并网的暂态特性分析时,假设对每台风电机组进行详细建模,将会引起模型阶数高、仿真效率低等问题,需要在一定误差允许范围内进行风电场等值建模。首先在PSCAD/EMTDC平台建立永磁直驱风力发电机组(D-PMSG)模型,分析三相短路故障时... 详细信息

对风电并网的暂态特性分析时,假设对每台风电机组进行详细建模,将会引起模型阶数高、仿真效率低等问题,需要在一定误差允许范围内进行风电场等值建模。首先在PSCAD/EMTDC平台建立永磁直驱风力发电机组(D-PMSG)模型,分析三相短路故障时低电压恢复策略对有功恢复的影响,根据低电压恢复策略对永磁直驱风电场初次分群;然后对于有功斜坡恢复策略的风电机组,分析网侧变流器的控制策略对D-PMSG有功暂态响应的影响;以稳态功率和电压跌落为分群指标,采用减法聚类算法二次分群。通过算例验证,在一定误差允许范围内,该分群方法得到的永磁直驱风电场等值模型的暂态功率曲线能够很好地拟合永磁直驱风电场的详细模型的暂态功率曲线,验证了该等值方法的有效性和准确性。

关键词：永磁直驱风电机组等值建模低电压恢复策略暂态特性分析减法聚类算法网侧变流器二次分群风电场

来源：评论

学校读者我要写书评

暂无评论

一种通信调制识别方法、装置及存储介质

一种通信调制识别方法、装置及存储介质

引用

作者：吴勤勤潘凌忱张治中李鹏冯娇周华 210044 江苏省南京市江北新区宁六路219号

本发明公开了一种通信调制识别方法、装置及存储介质，所述方法包括接收射频信号，并将射频信号进行下变频和匹配滤波处理，得到由复包络线样本组成的基带序列；基于基带序列，计算基带序列中信号的各阶矩；根据计算得到的各阶矩求取信... 详细信息

标准号: CN118264514A

本发明公开了一种通信调制识别方法、装置及存储介质，所述方法包括接收射频信号，并将射频信号进行下变频和匹配滤波处理，得到由复包络线样本组成的基带序列；基于基带序列，计算基带序列中信号的各阶矩；根据计算得到的各阶矩求取信号的高阶累积量；根据不同信号间高阶累积量的差异或不同阶高阶累积量组合的差异构造特征参数，并利用特征参数对不同类型的调制信号进行初次识别；对于初次识别结果中区分出的两组QAM信号，采用减法聚类算法进行调制识别，获取最终的识别结果，本发明解决了现有算法识别信号种类数少，识别准确度低，复杂度高的问题。

关键词：基带高阶累积量阶矩减法聚类算法接收射频信号将射频信号准确度存储介质调制信号复包络线构造特征匹配滤波算法识别特征参数通信调制样本组成复杂度累积量下变频种类数阶高两组调制

来源：评论

学校读者我要写书评

暂无评论

一种列车运行行为预测方法、装置、设备及存储介质

一种列车运行行为预测方法、装置、设备及存储介质

引用

作者：张坤鹏严斐杨辉刘岭岳朝鹏江明安春兰刘鸿恩 330044 江西省南昌市经济技术开发区双港东大街808号

本发明公开了一种列车运行行为预测方法、装置、设备及存储介质，包括：获取目标列车运行过程中的牵引级位和制动级位，将牵引级位和制动级位转换为牵引序列和制动序列；根据牵引序列、制动序列以及与目标列车中控制系统对应的时滞原因... 详细信息

标准号: CN117962963A

本发明公开了一种列车运行行为预测方法、装置、设备及存储介质，包括：获取目标列车运行过程中的牵引级位和制动级位，将牵引级位和制动级位转换为牵引序列和制动序列；根据牵引序列、制动序列以及与目标列车中控制系统对应的时滞原因，构建运行时滞模型；采用运行时滞模型以及减法聚类算法，对目标列车的初始运行策略进行优化，得到目标编码策略；采用分数阶最小二乘算法，对运行时滞模型中的时变参数进行辨识处理，使用处理后的运行时滞模型对目标列车的运行速度进行预测。本发明实施例的技术方案提高了高速列车大功率操纵过程的速度预测精度，实现了对高速列车进行速度跟踪，满足了高速列车大功率操纵过程的运营需求。

关键词：运行时高速列车目标列车牵引制动级制动减法聚类算法列车运行过程最小二乘算法存储介质获取目标控制系统列车运行目标编码时变参数速度跟踪速度预测行为预测运行策略运营需求分数阶辨识构建时滞转换预测优化

来源：评论

学校读者我要写书评

暂无评论

基于模糊神经网络的动力电池故障诊断研究

引用

电源技术 2020年第12期44卷 1779-1783页

作者：唐奇谢长君曾苗苗石英武汉理工大学自动化学院湖北武汉430070

电池故障诊断系统是电动汽车能够安全运行的重要保证,对其进行建模具有重要意义。采用自适应神经模糊网络(ANFIS),对磷酸铁锂电池组故障诊断系统进行建模。根据原有的专家经验确定电池的主要故障症状和原因;利用减法聚类算法确定模型的... 详细信息

电池故障诊断系统是电动汽车能够安全运行的重要保证,对其进行建模具有重要意义。采用自适应神经模糊网络(ANFIS),对磷酸铁锂电池组故障诊断系统进行建模。根据原有的专家经验确定电池的主要故障症状和原因;利用减法聚类算法确定模型的初始模糊规则和隶属度数量,减少网络中参数数量;利用由最小二乘估计算法和误差反向传播算法构成的混合学习算法对模糊神经网络的参数进行学习,完成诊断系统参数的训练和构建,该模型分类准确率可达92.7%。最后将ANFIS模型和传统BP神经网络模型的测试结果进行对比,结果表明:在针对48 V动力电池组的故障诊断中,ANFIS模型比传统BP神经网络模型分类准确率高出6.9%左右。

关键词：故障诊断系统动力电池自适应神经模糊推理系统减法聚类算法

来源：评论

学校读者我要写书评

暂无评论

重型商用车行驶工况构建方法、系统、设备及存储介质

重型商用车行驶工况构建方法、系统、设备及存储介质

引用

作者：王耀刘义史艳龙郝海洋高文娟吴刚院 710119 陕西省西安市高新区长安产业园西部大道129号

一种重型商用车行驶工况构建方法、系统、设备及存储介质，方法包括以下步骤：采集设定数量的车辆在设定时长内的行驶数据；统计从一个怠速工况起到下一个怠速工况前的短行程行驶片段时长分布，并根据短行程行驶片段时长分布将采集到的... 详细信息

标准号: CN116894182A

一种重型商用车行驶工况构建方法、系统、设备及存储介质，方法包括以下步骤：采集设定数量的车辆在设定时长内的行驶数据；统计从一个怠速工况起到下一个怠速工况前的短行程行驶片段时长分布，并根据短行程行驶片段时长分布将采集到的行驶数据划分为不同的短行程样本；对短行程样本进行主成分分析；采用模糊C均值聚类算法对主成分分析结果进行聚类，根据聚类结果得出行驶工况。本发明方法联合FCM算法和模糊减法聚类算法进行重型商用车行驶工况的构建，无论是通过特征验证还是油耗验证，均表明本发明方法所构建的行驶工况相比C‑WTVC更能代表该重型商用车细分市场的行驶工况。

关键词：行驶工况短行程重型商用车构建主成分分析怠速工况片段时长行驶数据样本模糊C均值聚类算法采集减法聚类算法行驶存储介质聚类结果特征验证聚类时长油耗验证模糊统计联合

来源：评论

学校读者我要写书评

暂无评论

基于集群划分的区域风电场中期功率概率预测方法及系统

基于集群划分的区域风电场中期功率概率预测方法及系统

引用

作者：陈冠初阿力马斯别克焦春雷李青杨明张元赫 830002 新疆维吾尔自治区乌鲁木齐市高新技术产业开发区(新市区)恒达街200号

本发明公开了一种基于集群划分的区域风电场中期功率概率预测方法及系统，包括：获取待预测区域设定时间段的历史气象特征参数；以相应时间段内的风电场历史功率序列为基础，基于减法聚类算法对风电场集群进行划分；根据风电场集群划分... 详细信息

标准号: CN116454875A

本发明公开了一种基于集群划分的区域风电场中期功率概率预测方法及系统，包括：获取待预测区域设定时间段的历史气象特征参数；以相应时间段内的风电场历史功率序列为基础，基于减法聚类算法对风电场集群进行划分；根据风电场集群划分结果，对每个子集群建立基于lightGBM算法的风电场中期功率预测模型，得到每个子集群的功率预测结果；获取每个子集群的功率预测误差，采用非参数核密度估计方法计算功率预测误差的概率密度分布，进而得到区域风电场功率概率预测结果。本发明利用减法聚类算法进行风电集群划分，可以有效提取风电功率信息的时序相依特性，对风电集群进行合理划分。

关键词：风电场功率预测子集群集群减法聚类算法区域风电场风电集群概率预测时间段功率预测模型核密度估计时序风电功率划分结果历史功率密度分布气象特征预测区域非参数算法概率

来源：评论

学校读者我要写书评

暂无评论

基于减法聚类和模糊神经网络的涡轮机组控制方法

基于减法聚类和模糊神经网络的涡轮机组控制方法

引用

作者：赵敏黄欣覃文智万瑾 226000 江苏省南通市崇川区永福路79号1幢南通大学技术转移研究院

本发明提供了一种基于减法聚类和模糊神经网络的涡轮机组控制方法，属于工业自动化控制技术领域。解决了广义预测控制方法中未考虑到使用带有轮廓指数的减法聚类算法和模糊神经网络导致非线性系统控制性能下降的问题。其技术方案为：包... 详细信息

标准号: CN116430726A

本发明提供了一种基于减法聚类和模糊神经网络的涡轮机组控制方法，属于工业自动化控制技术领域。解决了广义预测控制方法中未考虑到使用带有轮廓指数的减法聚类算法和模糊神经网络导致非线性系统控制性能下降的问题。其技术方案为：包括以下步骤：S1：数学建模超临界锅炉涡轮机组非线性系统；S2：利用减法聚类算法、轮廓指数和平均轮廓系数确定最优聚类数和模糊规则数；S3：构建基于柯西型隶属度函数的模糊神经网络；S4：构建局部广义预测控制器。本发明的有益效果为：本发明利用带有轮廓指数的减法聚类算法自动确定最优聚类数及模糊神经网络中最优模糊规则数和模糊集数，在提升涡轮机组非线性系统的控制精度的同时降低控制成本。

关键词：模糊神经网络减法聚类算法涡轮机组非线性系统模糊规则构建聚类非线性系统控制工业自动化控制广义预测控制器隶属度函数广义预测减法聚类轮廓系数数学建模性能下降自动确定超临界锅炉模糊

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：