排序方式: 共有33条查询结果,搜索用时 15 毫秒
11.
12.
Logistic映射及其混沌特性研究 总被引:4,自引:0,他引:4
研究了Logistic映射的时间序列、功率谱、相图和分岔图所表现出来的特性.Logistic映射的分岔图可以从全局上反映Logistic映射的混沌特性,给出了Logistic映射的费根鲍姆(Feigenbaum)常数数值,说明了对该常数研究的意义. 相似文献
13.
针对电力推进船舶电力系统,研发了以现场总线与工控以太网技术为基础,以电力参数测量仪表、电能质量监测仪表、模拟量指针式仪表、PLC、触摸屏和工控机为核心的多功能故障监视报警装置与系统。装置的硬件实现,运用了基于Modbus现场总线的集中监视系统结构设计技术与设备配置方法;软件实现,运用了故障报警逻辑判别、集中监视人机界面设计、故障信息处理和设备之间的报文传输技术。对发电、传输和推进负荷的多个装置组成监视系统,在船舶电力系统实验室的应用表明其监视与报警功能满足要求、提高了电力系统的安全可靠性。 相似文献
14.
模糊C均值(FCM)聚类算法及其相关改进算法基于最大模糊隶属度原则确定聚类结果,没有充分利用迭代后的模糊隶属度矩阵和簇类中心的样本属性特征信息,影响聚类准确度。针对这个问题,该文提出一种新的改进思路:改进FCM算法输出定类原则。给出二元属性拓扑子空间中属性相似度的定义,最终提出一种基于属性空间相似性的改进FCM算法(FCM-SAS):首先,选择FCM算法聚类后模糊隶属度低于聚类置信度的样本作为存疑样本;然后,计算存疑样本与聚类后聚类中心的属性相似度;最后,基于最大属性相似度原则更新存疑样本的簇类标签。通过UCI数据集实验,证明算法不仅有效,还较一些基于最大模糊隶属度原则定类的改进算法具有更优的聚类评价指标。 相似文献
15.
在应用混沌神经网络(CNN)进行同步发电机的建模过程中,对于CNN的学习,网络训练过程的收敛性很难控制。在研究了BP学习算法及其一些改进方法进行人工神经网络训练的轨迹收敛特性后,观测到运用梯度下降动量与自适应学习速率相结合的BP学习算法的神经网络训练轨迹的收敛特性良好。在用基于Aihara混沌神经元构成的3层反馈CNN进行同步发电机建模的应用中,用该BP学习算法对CNN进行了训练。结果表明:用该BP算法进行CNN发电机建模具有学习速度快和均方误差曲线轨迹收敛性好的特点,而且所建立的CNN同步发电机模型运行的动态过程误差小。 相似文献
16.
为实现船舶电力系统电能质量扰动准确识别,结合深度学习提出基于二维残差网络(2D-ResNet)的电能质量扰动识别方法。首先将电能质量一维时间序列通过距离矩阵转化为二维平面图,随后将图像送入所提二维残差网络中提取特征。最终输出特征图通过线性层分类器得到识别结果,实现船舶电力系统电能质量扰动的在线识别。与现有特征提取方法相比,不同信噪比下该方法扰动识别准确率均最高。信噪比为20 dB时,单标签分类平均准确率为93.86%,多标签分类平均F1-score为96.52%,证明了2D-ResNet能有效提取扰动特征且对噪声具备鲁棒性。对于未知复合扰动,单标签分类器识别失败,而多标签分类器准确识别出扰动中的未知成分,且F1-score达到93%,证明了多标签分类适用于未知复合扰动识别。 相似文献
17.
首先介绍了汽车多媒体系统的硬件结构,接着重点介绍了μCOS-Ⅱ操作系统的任务调度器,根据该任务调度器的提出一种新的调度方法,并成功将其应用到汽车多媒体系统的设计中,为汽车电子的方便使用、娱乐视听、通信导航一体化提供了一种解决方法。 相似文献
18.
电力系统数据采集、测量、传输和存储等过程均可能出现数据缺失问题,威胁电网安全。针对传统电力系统缺失数据重建方法仅考虑数据分布规律,忽略了数据时序与空间特性的问题,提出一种考虑时空特性的电力系统缺失数据重建模型(spatial-temporal seq2seq imputation model, ST-SSIM)。ST-SSIM具备编码-解码结构,编码器由基于图卷积层与长短时记忆单元构造的时空信息提取单元组成,用于提取数据高维时空特征,解码器由长短时记忆单元与全连接层组成,用于解码高维特征,生成电力系统数据。所提模型的输入包括电力系统数据时间序列与电网拓扑邻接矩阵,因此ST-SSIM可实现对电力系统数据复杂时空关系的自动学习。算例中,将所提方法与现有方法在不同规模电网下比较,ST-SSIM具有最高的重建精度,证明了ST-SSIM能有效地学习到电力系统数据的时空特性。通过讨论重建误差与数据缺失节点数以及缺失时间跨度的关系,验证了所提模型重建效果较稳定。 相似文献
19.
20.