检索结果-内蒙古大学图书馆

作者：任光亮邵佳琪丁建牛晓明李欢王浩 710071 陕西省西安市太白南路2号

本发明公开了一种基于Nakagami‑m参数的二维链路自适应方法，应用于电离层散射通信系统，其包括：将系统信道建模为Nakagami信道，并设定m参数的估计算法；设定信道衰落的m参数范围，并对每个m参数下的信道仿真所有MCS的误帧率曲线，得... 详细信息

标准号: CN115765920A

本发明公开了一种基于Nakagami‑m参数的二维链路自适应方法，应用于电离层散射通信系统，其包括：将系统信道建模为Nakagami信道，并设定m参数的估计算法；设定信道衰落的m参数范围，并对每个m参数下的信道仿真所有MCS的误帧率曲线，得到MCS二维门限参数表；根据m参数估计算法对当前信道的m参数进行估计，得到m参数的估计值，并与估计的信噪比一起形成二维信道特征参数；基于二维信道特征参数和MCS二维门限参数表确定系统最佳MCS，以得到链路自适应结果。该方法能够准确的描述信道状态，从而实现信道资源的最大化利用，不仅能够满足误帧率的要求，而且还大大提升了系统的吞吐量，进而提升了系统的整体性能。

关键词：二维信道门限参数特征参数误帧率二维信道参数估计算法散射通信系统链路自适应最大化利用电离层二维链路估计算法系统信道信道仿真信道衰落信道状态信道资源信噪比自适应建模吞吐量应用

来源：评论

学校读者我要写书评

暂无评论

基于数据驱动协同自适应滑模约束控制方法及系统

基于数据驱动协同自适应滑模约束控制方法及系统

引用

作者：许德智杨玮林潘庭龙张伟明马韵辰 214122 江苏省无锡市滨湖区蠡湖大道1800号

本发明涉及一种基于数据驱动协同自适应滑模约束控制方法，包括建立d‑q轴坐标系下考虑端部效应的直线牵引系统的数学模型，在数学模型中加入修正端部效应项，获得修正后的直线牵引系统的数学模型，将修正后的数学模型转换为直线牵引系... 详细信息

标准号: CN114114925B

本发明涉及一种基于数据驱动协同自适应滑模约束控制方法，包括建立d‑q轴坐标系下考虑端部效应的直线牵引系统的数学模型，在数学模型中加入修正端部效应项，获得修正后的直线牵引系统的数学模型，将修正后的数学模型转换为直线牵引系统的速度动力学模型，将速度动力学模型转换为广义非线性模型，并将广义非线性模型转换为线性模型；利用直线牵引系统误差构建滑模面，并在系统误差中设计抗饱和补偿器以消除执行器饱和；设计基于数据驱动的参数估计算法对滑模面进行参数自适应估计。本发明能够大大提高了受控系统的鲁棒性。

关键词：牵引系统数学模型动力学模型广义非线性端部效应数据驱动滑模面修正参数估计算法参数自适应模型转换受控系统系统误差线性模型补偿器抗饱和鲁棒性自适应转换构建滑模饱和协同

来源：评论

学校读者我要写书评

暂无评论

多源信息融合的贝叶斯网络垃圾分类方法

多源信息融合的贝叶斯网络垃圾分类方法

引用

作者：王叙杨光祥肖镇麒余广龄秦华锋 404100 重庆市南岸区学府大道19号

本发明公开了一种多源信息融合的贝叶斯网络垃圾分类方法，包括如下步骤：步骤一：采用图像传感器和其他至少一种类型的传感器从垃圾样本上提取相应的特征信息，得到垃圾样本的初始数据；利用Laplace平滑方法对初始数据进行预处理，得... 详细信息

标准号: CN116662905A

本发明公开了一种多源信息融合的贝叶斯网络垃圾分类方法，包括如下步骤：步骤一：采用图像传感器和其他至少一种类型的传感器从垃圾样本上提取相应的特征信息，得到垃圾样本的初始数据；利用Laplace平滑方法对初始数据进行预处理，得到训练样本；步骤二：以图像传感器为主并结合其他类型传感器的多源异构特征信息，利用贝叶斯参数估计算法建立多源信息融合模型；步骤三：根据垃圾样本的特征信息与垃圾类别之间的联系,利用训练样本建立贝叶斯网络并构建贝叶斯分类器，利用贝叶斯分类器对多源信息融合模型进行简化，得到多源信息融合简化模型；步骤四：将测试样本输入多源信息融合简化模型，根据最大后验估计值的计算结果判断该垃圾样本归属类别。

关键词：多源信息融合垃圾样本特征信息贝叶斯分类器贝叶斯网络图像传感器初始数据简化模型训练样本传感器预处理参数估计算法测试样本多源异构归属类别垃圾分类最大后验贝叶斯平滑构建垃圾

来源：评论

学校读者我要写书评

暂无评论

一种面向参数和状态变量时空异步更新的数据同化方法

一种面向参数和状态变量时空异步更新的数据同化方法

引用

作者：刘丰李新朱高峰 730000 甘肃省兰州市城关区东岗西路318号

本发明涉及一种面向参数和状态变量时空异步更新的数据同化方法，该方法包括以下步骤：⑴利用不同时刻、不同空间及不同物理含义的观测信息，基于贝叶斯最大后验概率估计理论，确定模型参数与状态变量及其时空变异特征，确定其估计的时... 详细信息

标准号: CN116882192A

本发明涉及一种面向参数和状态变量时空异步更新的数据同化方法，该方法包括以下步骤：⑴利用不同时刻、不同空间及不同物理含义的观测信息，基于贝叶斯最大后验概率估计理论，确定模型参数与状态变量及其时空变异特征，确定其估计的时间周期和空间距离，建立外部观测与参数、状态的关系；⑵基于参数估计算法，对模型的参数进行估计；⑶基于非线性滤波算法，优化模型状态变量；⑷将模型的运行周期划分为参数估计和数据同化两个窗口，并将参数估计算法和改进状态更新集成到数据同化方法框架中，更新参数和状态变量；⑸运行同化系统，实现参数对模型结构、状态对模型运行轨迹的调整。本发明可以实现与真实场景一致的参数估计和状态变量实时更新。

关键词：状态变量数据同化参数估计算法参数估计最大后验概率估计非线性滤波更新参数观测信息空间距离模型参数模型结构时间周期时空变异实时更新同化系统物理含义异步更新优化模型运行轨迹运行周期真实场景状态更新贝叶斯算法观测时空外部改进

来源：评论

学校读者我要写书评

暂无评论

建筑垃圾分拣机械手抓取控制方法及装置

建筑垃圾分拣机械手抓取控制方法及装置

引用

作者：许春权戚博峰孙杳如刘钦源魏永起 200092 上海市杨浦区四平路1239号

本发明提供一种建筑垃圾分拣机械手抓取控制方法及装置，包括以下步骤：获取抓取控制装置的实际抓取力、实际角度、实际位置以及待抓取物的期望抓取力；基于所述实际抓取力和所述期望抓取力，应用阻抗控制算法，确定待抓取物的位置修正... 详细信息

标准号: CN113400316B

本发明提供一种建筑垃圾分拣机械手抓取控制方法及装置，包括以下步骤：获取抓取控制装置的实际抓取力、实际角度、实际位置以及待抓取物的期望抓取力；基于所述实际抓取力和所述期望抓取力，应用阻抗控制算法，确定待抓取物的位置修正量；基于所述实际抓取力、所述实际位置以及所述期望抓取力，应用预设的参数估计算法，确定待抓取物的期望位置；基于所述位置修正量和所述期望位置，应用逆运动学计算法，确定抓取控制装置的期望角度。本发明的建筑垃圾分拣机械手抓取控制方法及装置不但确保抓取控制装置在预估待抓取物的位置和表面刚度有偏差或抓取过程中待抓取物的表面刚度有变化时仍可作出自适应调整以实现稳定抓取；而且保证了待抓取物的分拣效率。

关键词：抓取抓取物抓取控制装置期望机械手抓取位置修正量表面刚度建筑垃圾期望位置实际位置分拣应用参数估计算法预估自适应调整分拣效率逆运动学阻抗控制预设算法保证

来源：评论

学校读者我要写书评

暂无评论

永磁同步电机参数在线辨识方法及其辨识装置、电子设备

永磁同步电机参数在线辨识方法及其辨识装置、电子设备

引用

作者：许强周先鑫饶俊杰 430074 湖北省武汉市洪山区珞喻路1037号

本发明公开了一种永磁同步电机参数在线辨识方法及其辨识装置、电子设备，属于电机控制技术领域，在线辨识方法包括：步骤S11：获取采用梯度矫正参数估计算法构建的转动惯量离散化辨识模型；步骤S12：在获取连续m+1个采样时刻的转动惯... 详细信息

标准号: CN117240156A

本发明公开了一种永磁同步电机参数在线辨识方法及其辨识装置、电子设备，属于电机控制技术领域，在线辨识方法包括：步骤S11：获取采用梯度矫正参数估计算法构建的转动惯量离散化辨识模型；步骤S12：在获取连续m+1个采样时刻的转动惯量辨识值后，计算第1个采样时刻与第m+1个采样时刻的转动惯量辨识值得差值ΔJ；步骤S13：将参数α更新为得到更新的辨识模型，ΔJ_max为已存储的差值ΔJ的最大值；跳转至步骤S12。通过本发明的参数辨识方法，能够中和计算量以及自适应效果，提高系统转动惯量辨识的精度和速度并且减小系统计算量。

关键词：采样时刻转动惯量辨识辨识模型参数估计算法参数在线辨识电机控制技术系统转动惯量永磁同步电机辨识装置参数辨识电子设备系统计算在线辨识转动惯量计算量离散化自适应辨识更新构建减小跳转矫正存储中和

来源：评论

学校读者我要写书评

暂无评论

基于残缺电矢量传感器的DOA-极化信息联合估计方法

基于残缺电矢量传感器的DOA-极化信息联合估计方法

引用

作者：陈志坤吴美婵王文亮刘淳熙 310018 浙江省杭州市下沙高教园区2号大街

本发明公开了一种基于残缺电矢量传感器的DOA‑极化信息联合估计方法。现有的应用于残缺电磁矢量传感器的参数估计算法在低信噪比情形下的性能严重下降。另外，大部分算法需要进行谱搜索或参数匹配，这导致计算过程极为复杂。本发明如下... 详细信息

标准号: CN114113808B

本发明公开了一种基于残缺电矢量传感器的DOA‑极化信息联合估计方法。现有的应用于残缺电磁矢量传感器的参数估计算法在低信噪比情形下的性能严重下降。另外，大部分算法需要进行谱搜索或参数匹配，这导致计算过程极为复杂。本发明如下：一、首先划分出两个子阵，然后以两子阵的互相关矩阵为基础进行运算。二、本发明方法大幅度提升了低信噪比情形下的参数估计性能，而且，发明算法无需进行谱搜索或参数匹配，进一步提高了计算速度，仿真实验结果验证了该算法对信号DOA和极化参数估计的有效性。

关键词：算法参数匹配低信噪比传感器残缺搜索参数估计算法仿真实验结果互相关矩阵参数估计电磁矢量极化参数极化信息计算过程联合估计电矢量子阵运算验证应用

来源：评论

学校读者我要写书评

暂无评论

电池等效电路模型的参数辨识方法及系统

电池等效电路模型的参数辨识方法及系统

引用

作者：宋景秀刘广东 100190 北京市海淀区中关村东路80号

本发明实施例提供了一种电池等效电路模型的参数辨识方法及系统，该方法包括建立N阶RC等效电路模型和N‑1阶PNGV模型，并获取待估算的N阶RC等效电路模型的第一模型参数和N‑1阶PNGV模型的第二模型参数；根据第一模型参数联立N阶RC等效电... 详细信息

标准号: CN113406497B

本发明实施例提供了一种电池等效电路模型的参数辨识方法及系统，该方法包括建立N阶RC等效电路模型和N‑1阶PNGV模型，并获取待估算的N阶RC等效电路模型的第一模型参数和N‑1阶PNGV模型的第二模型参数；根据第一模型参数联立N阶RC等效电路模型的第一状态方程，根据第二模型参数联立N‑1阶PNGV模型的第二状态方程；将第一状态方程和第二状态方程转化成差分方程；基于差分方程，通过参数估计算法估算第一模型参数和第二模型参数。本发明实施例提供的技术方案能够实现同时辨识N阶RC等效电路模型和N‑1阶PNGV模型两种模型参数的效果。

关键词：模型参数等效电路模型状态方程差分方程估算参数估计算法参数辨识辨识电池转化

来源：评论

学校读者我要写书评

暂无评论

一种基于深度学习的时域预滤波方法

一种基于深度学习的时域预滤波方法

引用

作者：叶加星 211102 江苏省南京市江宁区科学园天元中路19号

本发明提供了一种基于深度学习的时域预滤波方法，包括如下步骤：构建深度卷积神经网络，利用训练数据对深度卷积神经网络进行训练；基于训练后的深度卷积神经网络对噪声信号进行去噪处理；采用参数估计算法确定深度卷积神经网络的去噪... 详细信息

标准号: CN117060886A

本发明提供了一种基于深度学习的时域预滤波方法，包括如下步骤：构建深度卷积神经网络，利用训练数据对深度卷积神经网络进行训练；基于训练后的深度卷积神经网络对噪声信号进行去噪处理；采用参数估计算法确定深度卷积神经网络的去噪输出的参数。与传统的信号滤波方法不同，本发明所提出的去噪卷积神经网络DCNN被训练用来尽可能从噪声信号中恢复纯信号。去噪后，使用两种经典的线性调频信号参数估计算法来估计DCNN输出的参数。仿真结果表明，基于DCNN强大的纯信号提取能力，本发明的参数估计精度显著提高，可以有效提高SNR和信号参数估计的准确性。

关键词：卷积神经网络去噪参数估计算法噪声信号线性调频信号信号参数估计输出参数估计仿真结果信号滤波信号提取训练数据传统的预滤波构建时域恢复学习

来源：评论

学校读者我要写书评

暂无评论

多智能体系统的一致性数据驱动最优迭代学习控制

引用

西安工程大学学报 2025年第2期39卷 118-126页

作者：耿燕常杜辉贺兴时西安工程大学理学院陕西西安710048

为提高多智能体系统的跟踪性能和放宽算法的收敛性条件,设计一种数据驱动的最优迭代学习控制策略。针对一类线性时不变的多智能体系统,通过最小化预测输出与实际输出的残差与相邻估计差值的和,构建参数估计算法来估计系统参数。以虚拟... 详细信息

为提高多智能体系统的跟踪性能和放宽算法的收敛性条件,设计一种数据驱动的最优迭代学习控制策略。针对一类线性时不变的多智能体系统,通过最小化预测输出与实际输出的残差与相邻估计差值的和,构建参数估计算法来估计系统参数。以虚拟领导者来替代期望轨迹,在通讯拓扑的基础上,通过优化智能体一致跟踪误差与控制差值和的指标函数,并将估计的参数嵌入到学习律中,设计了最优迭代学习控制律。结果表明参数估计误差有界,系统的跟踪误差单调收敛。通过数值仿真验证了设计的控制策略的有效性。

关键词：迭代学习控制多智能体系统数据驱动参数估计算法最优控制

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：