排序方式: 共有25条查询结果,搜索用时 15 毫秒
1.
牵引回流及钢轨电位分布,是关系牵引供电系统安全的重要数据,在高速铁路中,随着牵引负荷的增加.无砟轨道的采用,钢轨电位及电流变化很大。我国高速铁路多采用AT供电方式,有必要对AT供电方式牵引回流和钢轨电位做全面分析。该文针对电气化铁路AT供电方式,通过对牵引回路建立数学模型和计算仿真,得到了牵引回流和钢轨电位的计算公式及其分布规律,并根据分布规律提出了降低钢轨电位的措施。 相似文献
2.
基于STC89C52单片机的大棚蔬菜温控系统设计是通过对单片机STC89C52的编程,由温度传感器对温度进行测量,最后把测量到的温度送LED数码管显示。如果超过限定温度,则蜂鸣器报警,单片机驱动步进电机转动,打开或关闭卷帘,增强或降低光照,实现对大棚内温度的实时控制。设计结果表明温控系统具有操作简便,价格低廉的优点,能有效实现温度控制。 相似文献
3.
4.
5.
电池荷电状态(SOC)作为电池管理系统(BMS)重要参数之一,准确估计SOC尤为重要。由于SOC在估计过程中常会受到电压、电流、充放电效率等众多因素的影响,因此很难准确估计SOC。为了提高SOC的估计精度,本工作提出了基于最小二乘支持向量机(LSSVM)机器学习的锂离子电池SOC估计模型。将该电池的电流、电压和温度作为模型的输入向量,SOC作为模型的输出向量,为了更好的获得LSSVM模型的参数,提出了利用自适应粒子群算法来进行参数优化,从而获得高精度SOC估计模型。通过恒流充放电实验采集的数据,并和未优化的粒子群优化的LSSVM、支持向量机(SVM)神经网络(NN)相比,所提模型的SOC估计精度误差为1.63%,验证了算法的有效性。 相似文献
6.
7.
8.
在非线性模型预测中,往往难以获得精确的非线性数学模型,从而对预测精度造成一定的影响。该文将粒子群算法与BP算法相结合,提出了一种PSO-BP算法,改进了BP算法的不足,并将其应用于神经网络模型预测当中,提高了非线性模型预测的精度。 相似文献
9.
及时监测土壤的污染程度,可以使我们预知土壤的各种状况,有利于我们调整对土壤的使用策略,同时也便于我们及时治理污染。本文采用粒子群和BP混合算法优化神经网络,将其用于土壤污染程度的预测,得到了满意的结果,实现了对土壤污染程度的预测,可以对企业和个人提供快捷和科学的信息。 相似文献
10.
王语园 《自动化与仪器仪表》2012,(5):1+4-1,4
在预测控制当中,往往需要取得精度尽可能高的预测模型,但由于实际被控对象中往往存在着非线性、参数时变、模型失配、外界干扰等因素,基于被控对象的模型预测与对象的实际输出必然存在着较大的误差.本文在提高模型预测精度的同时,在神经网络模型预测的基础上,采用基于神经网络的反馈校正来弥补神经网络模型预测的不足,并验证其较常规反馈校正有更好的校正质量. 相似文献