排序方式: 共有6条查询结果,搜索用时 31 毫秒
1
1.
介绍一种高可靠电操舵用伺服控制驱动技术,设计了反馈回路的双余度控制,将旋转变压器的旋转位置和线位移传感器的位置反馈经过一定的解算和补偿,相互备份,提高控制驱动系统的可靠性,且不改变现有的硬件条件,可以很好地控制整个系统的成本和体积。 相似文献
2.
为满足微纳卫星对微小飞轮数字控制系统集成化、小体积、低功耗和高精度的要求,建立了微小飞轮的数学模型,提出一种基于多开关霍尔的速率反馈干扰力矩补偿方法,设计了以FPGA为核心的数字控制系统,在FPGA上实现了PID控制、换相逻辑、PWM、RS232串口通信、转速测量以及电流的A/D采样触发等时序逻辑功能。实验结果表明,该力矩模式高集成度数字控制系统硬件实现简单、体积小、功耗低、可靠性高,并验证了基于多开关霍尔速率反馈干扰力矩补偿方法的有效性,实现了微小飞轮高精度力矩模式控制。 相似文献
3.
旅游问句具有长度较短,不严格按照语法规则的特点,导致该文本数据信息容量过少、口语化严重。充分理解问句表达的语义是提高旅游问句分类器性能面临的重要挑战,基于此,提出一个融合Bi-GRU、CNN与Multi-Head-Attention的旅游问句分类模型。该模型将预先训练的词向量和经Bi-GRU处理得到的语义信息进行融合,进行问句依赖关系学习,通过CNN和Multi-Head-Attention进行特征提取,以加强局部特征的学习,通过Softmax完成分类。实验结果表明,该模型在文本信息少、表述不规范的旅游问句分类任务中F1值达到了92.11%,优于现有的主流分类模型。 相似文献
4.
为提高机构名识别精度,满足关系抽取等下游任务的需求,提出分阶段细粒度命名实体识别思想.利用Bert-BiLSTM-CRF模型对机构名进行粗粒度识别,将机构名视为短文本,采用Bert-CNN对构建的机构名词典训练细粒度分类模型,获取机构名的细粒度标签.实验结果表明,提出的分阶段方法在细粒度机构名识别上F1值最佳达到了0.... 相似文献
5.
6.
因短文本实体消歧具有不能完整地表达语义关系、上下文提供的信息较少等局限性。针对以上难点,该文提出了一种新的方法,混合卷积网络(Mixed Convolution Network,MCN)。该方法的核心思想是首先对数据集进行预处理;其次,采用Google提出的BERT模型进行特征提取,并通过注意力机制将特征进一步抽取后作为CNN模型的输入,通过CNN模型获得句子的依赖特征。同时,该文使用GCN模型获取语义特征,将二者提取到的语义信息融合,输出得到结果。在CCKS2019评测数据集上的实验结果表明,该文提出的混合卷积网络取得了86.57%的精确率,验证了该模型的有效性。 相似文献
1