检索结果-内蒙古大学图书馆

东北大学学报（自然科学版） 2020年第11期41卷 1528-1534页

作者：闫士杰王立华闫伟航高文忠东北大学信息科学与工程学院辽宁沈阳110819 丹佛大学电气与计算机工程系 Colorado Denver 80208

针对大规模储能系统中储能电池的荷电状态(SOC)不一致问题,提出了一种储能多智能体系统一致性控制方法,实现了SOC和输出功率的一致性.该方法应用简化的大规模储能系统模型,基于采样数据进行了一致性控制协议设计,并进行了收敛性分析.从... 详细信息

针对大规模储能系统中储能电池的荷电状态(SOC)不一致问题,提出了一种储能多智能体系统一致性控制方法,实现了SOC和输出功率的一致性.该方法应用简化的大规模储能系统模型,基于采样数据进行了一致性控制协议设计,并进行了收敛性分析.从而使本地储能单元智能体仅在特定采样时间点接收邻接储能单元智能体的状态信息,就能够产生本地储能单元控制信号,解决了大规模储能多智能体系统因通讯复杂而带来的计算量过大的问题.考虑了采样数据和系统需求,进行了系统控制参数设计.同时,对瞬时功率过大的问题,进行了带功率限制的一致性控制改进.最后,在满足定理条件、不满足定理条件和功率限制等三种场景下进行了仿真,验证了该方法的有效性.

关键词：大规模储能系统一致性协议采样数据多智能体荷电状态(SOC)

来源：评论

学校读者我要写书评

暂无评论

高压直流输电的采样数据动态建模

引用

中国电机工程学报 2004年第7期24卷 30-34页

作者：杨秀陈陈上海交通大学电气工程系上海200030

传统的高压直流输电(HVDC)准稳态模型不能准确描述换流器开关电路的动态特性,故运用采样-数据建模方法建立了HVDC主电路在d-q参考坐标下的小信号线性化模型:每隔1/6工频周期对系统进行采样,并通过积分推导得出采样点之间的函数关系,对... 详细信息

传统的高压直流输电(HVDC)准稳态模型不能准确描述换流器开关电路的动态特性,故运用采样-数据建模方法建立了HVDC主电路在d-q参考坐标下的小信号线性化模型:每隔1/6工频周期对系统进行采样,并通过积分推导得出采样点之间的函数关系,对该函数进行线性化得到相应的小信号模型。与传统准稳态模型不同,该模型反映了换流器开关电路在工作点受到小扰动时的动态特性。通过时域仿真证明了该模型的准确性及其适用频率范围为0～3倍工频。将该模型用于次同步振荡(SSO)的特征值分析,并与传统的准稳态模型分析结果对比,证明HVDC准稳态模型适用于SSO分析。

关键词：高压直流输电电力系统采样数据动态建模换流器

来源：评论

学校读者我要写书评

暂无评论

带有采样数据时滞混沌Lur'e系统的指数同步

引用

信息与控制 2016年第1期45卷 32-39页

作者：刘锦梅邢广霞高岩波南通大学理学院江苏南通226019

研究了带有采样数据的时滞混沌Lur'e系统的指数同步问题.基于LyapunovKrasovskii稳定性理论、自由权矩阵方法及线性矩阵不等式技术,提出了一种新的时滞相关指数同步判据,并设计了相应的采样数据控制器.所设计的控制器使误差系统状... 详细信息

研究了带有采样数据的时滞混沌Lur'e系统的指数同步问题.基于LyapunovKrasovskii稳定性理论、自由权矩阵方法及线性矩阵不等式技术,提出了一种新的时滞相关指数同步判据,并设计了相应的采样数据控制器.所设计的控制器使误差系统状态变量能以较快的收敛速度到达平衡点.时滞Chua电路的数值仿真验证了该控制方法的有效性.

关键词：混沌Lur'e系统时变时滞采样数据指数同步

来源：评论

学校读者我要写书评

暂无评论

OLF-4在线铁谱仪的采样数据及其特征提取的研究

引用

机械科学与技术 2000年第2期19卷 310-312页

作者：赵方刘岩谢友柏山东建材学院山东济南250022 西安交通大学陕西西安710049

借助齿轮试验数据进行 OL F- 4在线铁谱仪的采样数据及其特征提取的研究 ,讨论了采样时间选择和特征参数定量分析的方法 ,并指出基准参数监测的重要性。

关键词：铁谱技术采样数据特征提取在线铁谱仪

来源：评论

学校读者我要写书评

暂无评论

对于规则采样数据的非线性时间序列模型的述评(英文)

引用

数学进展 1989年第1期18卷 22-43页

作者：汤家豪英国.肯特大学

本文综述了近代时间序列非线性模型的理论和方法的概况,特别对具有代表性的自激门限自迴归(SETAR)模型、双线性模型(BILINEAR MODEL)、指数自迴归模型(EXPAR)及状态依赖模型(SDM)作了介绍和评述。本文除了对典型的非线性模型的概率论和... 详细信息

本文综述了近代时间序列非线性模型的理论和方法的概况,特别对具有代表性的自激门限自迴归(SETAR)模型、双线性模型(BILINEAR MODEL)、指数自迴归模型(EXPAR)及状态依赖模型(SDM)作了介绍和评述。本文除了对典型的非线性模型的概率论和数理统计性质作一些评注之外,还介绍了非线性模型对实际数据的应用实例。文中一方面介绍非线性模型的一些历史性的工作,另一方面也列出了当今在这一领域中存在的一些未解决的问题。文中附有100篇有关的文献目录,可供参考。

关键词：时间序列采样数据非线性模型

来源：评论

学校读者我要写书评

暂无评论

随机线性连续时间系统基于采样数据的二次指标控制

引用

中国科学（E辑） 2003年第4期33卷 326-339页

作者：姚莉丽张纪峰中国科学院数学与系统科学研究院北京100080

讨论了随机线性连续时间(LCT)系统基于采样数据的二次指标最优控制问题。涉及到了两类随机LCT系统。一类是定常参数的,另一类是具有Markov时变参数的。分析了相应闭环系统的稳定性;比较了基于状态采样值的采样二次指标控制和基于状态全... 详细信息

讨论了随机线性连续时间(LCT)系统基于采样数据的二次指标最优控制问题。涉及到了两类随机LCT系统。一类是定常参数的,另一类是具有Markov时变参数的。分析了相应闭环系统的稳定性;比较了基于状态采样值的采样二次指标控制和基于状态全过程的常规二次指标控制下的最优指标值;证明了当采样时间ΔAT间隔不大时,两种控制的效果差别也不大,误差的上界分别为O(ΔT^2)和O(ΔT)。

关键词：随机线性连续时间系统采样控制时变参数二次指标控制最优控制采样数据

来源：评论

学校读者我要写书评

暂无评论

多速率采样数据系统的稳定性分析

引用

控制理论与应用 1996年第6期13卷 827-832页

作者：方玉光初学导武玉强美国凯斯西部保留地大学系统工程系曲阜师范大学自动化研究所

本文对异步采样数据系统的稳定性给出了新的充分条件．一种新的鲁棒稳定性问题被提出，并给出了这一问题的初步结果．

关键词：稳定性采样数据数据系统

来源：评论

学校读者我要写书评

暂无评论

绝缘在线监测采样数据的两种预处理算法

引用

高电压技术 2002年第9期28卷 26-27,46页

作者：柴旭峥文习山关根志吴桂芳武汉大学电气工程学院武汉430072

计算机技术的发展对绝缘在线监测系统的精确度提出了更高的要求 ,因此介绍了一种基于数理统计原理和应用小波技术的绝缘在线监测采样数据的预处理算法。分别用这两种算法处理实测数据的结果表明两种算法对减小脉冲干扰、高频干扰和因采... 详细信息

计算机技术的发展对绝缘在线监测系统的精确度提出了更高的要求 ,因此介绍了一种基于数理统计原理和应用小波技术的绝缘在线监测采样数据的预处理算法。分别用这两种算法处理实测数据的结果表明两种算法对减小脉冲干扰、高频干扰和因采样元件引起的粗大误差和对在线监测数据精度的影响有明显效果。还根据对两种算法编程运用的实际情况。

关键词：绝缘在线监测系统小波采样数据预处理算法

来源：评论

学校读者我要写书评

暂无评论

田间土壤采样数据的统计特征与空间变异性研究

引用

浙江大学学报（农业与生命科学版） 2000年第6期26卷 665-669页

作者：许红卫王珂浙江大学资源科学系浙江杭州310029

以英国 Hillsborough农业研究所附近的一块 7.9hm2的牧草田为研究区 ,区内以 2 5m× 2 5m网格点采样 ,共 12 3个采样点 .以土壤的 p H,N,K,Mg,S,有机质含量为研究对象 ,分析其相应的统计规律。

关键词：地统计空间变异性精确施肥田间土壤采样数据

来源：评论

学校读者我要写书评

暂无评论

基于采样数据的确定学习及应用

基于采样数据的确定学习及应用

引用

作者：吴伟明华南理工大学

学位级别：博士

近年来，动态或者非平稳环境机器学习问题成为当前人工智能热点前沿热点。这里的“动态”主要指其环境随时间的动态变化，如工程、生物、医学、经济、天文等领域所涉物理过程天然构成的开放动态环境。然而在开放动态环境中，因传统机器... 详细信息

近年来，动态或者非平稳环境机器学习问题成为当前人工智能热点前沿热点。这里的“动态”主要指其环境随时间的动态变化，如工程、生物、医学、经济、天文等领域所涉物理过程天然构成的开放动态环境。然而在开放动态环境中，因传统机器学习的封闭静态假设不再满足，动态学习对当前人工智能发展提出了更大的挑战和更广阔的应用前景。当前动态环境机器学习的一个主要方向是研究对在工程、医学等动态过程中采样获得的时间序列的建模、识别、分类等问题。本文将从系统与控制角度开展动态环境机器学习的研究。　　本论文工作包括以下四个方面：　　1)针对非线性动力学系统产生的、具有周期或回归性质的时间序列数据，我们提出一种基于确定学习的时间序列建模与回归新方法。从系统与控制角度，该问题属于非线性系统辨识难题。确定学习方法通过解决持续激励(PE)条件的满足及预先验证，实现了对沿着周期或回归轨迹(连续信号)的非线性系统动态的局部准确神经网络辩识。本文将把该问题扩展到基于时间序列(采样数据)的确定学习。通过Lyapunov设计的权值更新律，产生的学习误差系统形成了具有与连续确定学习对应的离散线性时变(LTV)形式的识别误差系统。然而，上述连续LTV系统在持续激励条件满足时指数稳定的性质由Anderson、Narendra等给出证明，现有文献中并没有针对这类离散线性时变系统的指数稳定性证明结果。针对这一控制理论中的关键科学问题，本文采用离散输入状态稳定小增益理论(discrete ISS-small gain theorem)给出了具体的证明过程。首先，在持续激励条件下采用逆Lyapunov理论构造每一子系统的Lyapunov函数。其次，证明了每个子系统的Lyapunov函数均满足ISS-Lyapunov的性质，即这两个子系统满足输入状态稳定(ISS)。最后，根据上述两个互连的离散子系统的ISS性质，采用离散ISS下的小增益理论证明了整个离散LTV系统满足全局一致渐近稳定性，这对于线性系统即为指数稳定性。上述离散LTV系统的指数稳定性证明，保证了沿时间序列轨迹神经网络权值的指数收敛到真值或最优值，进而实现对时间序列(采样)数据内在非线性动态的局部准确辨识。该方法的提出有效解决了采样数据这类时间序列的回归和建模问题。特别地，这种局部准确的动力学建模结果对后续的基于时间序列的识别、分类等应用研究具有重要的意义。　　2)针对由非线性动力学系统产生的、具有周期或回归性质的时间序列，研究其识别与分类的问题(上述具有周期或回归性质的时间序列亦可称为动态模式，因而这也是动态模式识别问题)。由于这类时间序列数据表达的动态模式在实际动态过程中广泛存在，而且相比于传统静态模式有本质上的不同，该问题的研究充满挑战且有着广阔的应用前景。本文在基于确定学习的快速动态模式识别的基础上，研究对连续系统采样得到的时间序列数据的快速识别问题。在采样数据框架下，分别提出了对应的时间序列动态模式相似性定义，以及时间序列数据快速识别方法。上述快速识别机制是通过利用动态识别系统误差间接反映动态模式之间的内在动力学的差异程度。为保证准确识别，非相似模式的动力学差异需要满足一个假设条件(沿着轨迹的动力学差异在一定连续的时间区间内超过一定的幅值大小且符号不能改变)。然而，在基于连续信号的动态模式识别中，因无法利用过去的信息计算动态模式之间的动力学差异，难以在实际工程中验证这些条件。也就是说，如果发生了误识别，由于识别条件无法验证，进而难以分析发生误识别的原因。与之相比，在采样数据框架下，可以基于历史采样数据充分对比其动力学差异，验证动态模式识别结果的准确性。因此，这种基于动力学差异的动态模式识别具有良好的可解释性，在工程实际中将发挥重要作用。　　3)结构稳定性是一个非线性动力学系统领域的重要概念，它提供了对动力学系统及其受扰系统的一种自然动态的分类关系。其原理在于，如果一个结构稳定的系统与其受扰系统具有相似的拓扑结构，则两系统可以看成是同一类的系统。本文基于结构稳定性概念，探索动态模式识别新方法。然而，这个概念在实际中难以应用的原因之一是难以获取动力学的偏导信息。针对这一难题，我们基于确定学习的知识再利用机制近似表达沿着轨迹方向的动力学偏导信息。从而提出了基于结构稳定性的相似性定义，对模式间进行更细化的相似性描述。基于这种新的相似性定义，进一步给出了对应的动态模式识别的实现方法。通过与基于动力学差异的动态模式识别方法进行仿真对比，结果表明在更细化的识别场景下，基于结构稳定性的方法能得到更好的结果。　　4)最终，针对心肌缺血/心肌梗塞早期检测等重大临床需求问题，开展基于动态环境机器学习的应用研究。本课题组基于由确定学习形成的心电动力学图(CDG)在心肌缺血检测方向上已开展多年研究。心电动力学图是对心电图(ECG)ST-T段的局部准确

关键词：确定学习采样数据动态模式识别非线性动力学心肌缺血

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：