检索结果-南通市图书馆

冲击危险区域多元地球物理指标动态辨识方法及其应用

在线全文

学校读者我要写书评

暂无评论

煤炭学报 2024年第6期49卷 2573-2588页

作者：王爱文李超潘一山宋义敏范德威魏传奇于新河卢闯辽宁工程技术大学矿业学院辽宁阜新123000 辽宁大学灾害岩体力学研究所辽宁沈阳110036 北方工业大学土木工程学院北京100144 吉林省龙家堡矿业有限责任公司吉林长春130504 辽宁大学环境学院辽宁沈阳110036

精准识别冲击危险区域并给出危险程度及其演化规律对冲击地压防治具有重要意义。采用变形局部化与多元地球物理指标空间扫描相结合的方法,探究大能量事件发生区域的微震前兆特征,追踪冲击危险区域的动态演化过程。基于变形局部化原理,... 详细信息

精准识别冲击危险区域并给出危险程度及其演化规律对冲击地压防治具有重要意义。采用变形局部化与多元地球物理指标空间扫描相结合的方法,探究大能量事件发生区域的微震前兆特征,追踪冲击危险区域的动态演化过程。基于变形局部化原理,利用梯度显著性指标识别变形局部化区域,圈定冲击危险区域;采用滑动窗扫描方法,研究了变形局部化区域内的b、A(b)、S等物理指标空间分布特征,以掘进期间梯度显著性指标识别的微震聚集区域内大能量微震事件对应的b、A(b)、S、△F、A(t)作为划分工作面回采期间冲击危险等级的阈值;利用贝叶斯网络法分析各个物理指标预测危险区域的效能,构建综合预测危险区域模型,计算物理指标权重并得到综合预测指标,并以513工作面进行实例分析。结果表明:地球物理指标可以识别微震聚集信号,判断危险区域,根据513工作面实际监测数据判断出3个微震事件聚集区域;物理指标的空间扫描结果与微震数据的聚集区域具有同步的特征,大能量事件发生时,所在区域的物理指标值高于冲击危险阈值,物理指标空间扫描辨识的危险区域与微震数据聚集区域基本一致;利用综合预测危险区域模型,对工作面回采期间危险区域进行迭代式预测,结果表明:冲击危险事件多发生在综合预测指标所预测的强冲击危险区域内,并随着回采期间微震数据的叠加,强冲击危险区域逐步集中,与冲击危险事件位置的重合度更高。综合预测指标预测效能总体高于单个物理指标,显著增强了精准预测冲击危险区域的能力。

关键词：冲击地压变形局部化危险区域多元地球物理指标动态辨识

在线全文

学校读者我要写书评

暂无评论

基于贝叶斯推断和谱聚类的户变关系动态辨识

电力系统保护与控制 2023年第10期51卷 1-10页

作者：任洪男王禹李静蔡宏达韦巍浙江大学控制科学与工程学院浙江杭州310027 浙大城市学院信息与电气工程学院浙江杭州310015 浙江大学电气工程学院浙江杭州310027

低压台区线路的日常维护以及改造升级会导致台区户变关系变动频繁。针对低压台区户变关系难以人工维护的问题,提出了一种基于贝叶斯推断和谱聚类的户变关系动态辨识方法。首先运用高斯核函数和IIR滤波器方程计算节点间电压数据相似度,... 详细信息

低压台区线路的日常维护以及改造升级会导致台区户变关系变动频繁。针对低压台区户变关系难以人工维护的问题,提出了一种基于贝叶斯推断和谱聚类的户变关系动态辨识方法。首先运用高斯核函数和IIR滤波器方程计算节点间电压数据相似度,然后利用贝叶斯推断构建节点间相似度时序矩阵,最后对其进行谱聚类进而实现户变关系的动态辨识。该方法能够沿时序方向根据最新时刻的电压数据进行户变关系的动态辨识,不仅能够对用户更改台区的情况做出快速响应,还能有效提高数据缺失和节点投入或退出台区情况下辨识的鲁棒性。以广东省惠州市4个台区为例进行的算例分析结果良好,验证了所提方法在工程实践中的可行性和可靠性。

关键词：低压台区户变关系贝叶斯推断谱聚类动态辨识

适用于全包线的航空发动机BP网络模型的动态辨识

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

南京航空航天大学学报 2001年第4期33卷 334-337页

作者：徐亮黄金泉南京航空航天大学能源与动力学院南京210016

为克服传统的发动机动态模型辨识中存在的辨识精度低、辨识模型应用范围窄等不足 ,把对非线性系统具有高度逼近能力的神经网络应用于航空发动机动态特性的辨识 ,从而为发动机动态辨识开辟更为广阔的道路。采用均方差归一法的数据处理方... 详细信息

为克服传统的发动机动态模型辨识中存在的辨识精度低、辨识模型应用范围窄等不足 ,把对非线性系统具有高度逼近能力的神经网络应用于航空发动机动态特性的辨识 ,从而为发动机动态辨识开辟更为广阔的道路。采用均方差归一法的数据处理方法和 BP算法的改进算法——输入端动量 BP算法 ,以某型发动机在飞行包线内某一飞行条件下的数据作为学习样本 ,辨识了发动机的神经网络模型 ,在全包线范围内对该模型进行检验。结果表明 ,所得的发动机动态模型在全包线内都有很高的逼近精度。

关键词：神经网络航空发动机系统辨识全包线 BP算法网络模型动态辨识

基于动态递归模糊神经网络的轧机辊缝动态辨识

在线全文

学校读者我要写书评

暂无评论

塑性工程学报 2008年第5期15卷 186-190页

作者：贾春玉单修迎燕山大学机械工程学院秦皇岛066004

模糊系统和神经网络,由于具有逼近任意连续非线性映射的特性,而广泛应用于系统的辨识与控制。但是传统的模糊神经网络是一种静态映射,不适用于动态系统的辨识,而轧制过程中影响轧机辊缝的因素复杂,外界干扰严重,过程参数难以确定,为提... 详细信息

模糊系统和神经网络,由于具有逼近任意连续非线性映射的特性,而广泛应用于系统的辨识与控制。但是传统的模糊神经网络是一种静态映射,不适用于动态系统的辨识,而轧制过程中影响轧机辊缝的因素复杂,外界干扰严重,过程参数难以确定,为提高轧机辊缝动态的辨识精度,提出了一种基于动态递归模糊神经网络的辨识模型。轧制仿真结果表明,该模型具有很高的辨识精度。

关键词：动态递归模糊神经网络轧机辊缝动态辨识

在线全文

学校读者我要写书评

暂无评论

一种AUV垂直面控制模型的动态辨识算法

系统仿真学报 2014年第4期26卷 780-785,790页

作者：张东俊黎潇王维平中国人民解放军92337部队国防科技大学信息系统与管理学院

基于无人自主潜航器(AUV)的实测试验数据,针对AUV多变量、非线性、参数时变的系统特征构建其垂直面控制模型问题,研究讨论了一种面向试验数据的搜索、聚类、模式分类和线性辨识技术相结合的模型辨识算法。首先,利用模型参数的协方差矩... 详细信息

基于无人自主潜航器(AUV)的实测试验数据,针对AUV多变量、非线性、参数时变的系统特征构建其垂直面控制模型问题,研究讨论了一种面向试验数据的搜索、聚类、模式分类和线性辨识技术相结合的模型辨识算法。首先,利用模型参数的协方差矩阵作为性能指标,对数据点进行初步聚类;然后,通过四步骤调整得到最终的数据点聚类;最后,根据数据点的聚类进行基于线性支持向量机的区间分割和子模型辨识。仿真结果表明,运用这种算法对AUV垂直面控制模型进行的辨识是有效的。

关键词：无人自主潜航器试验数据动态辨识垂直面控制模型

稳态估计与动态辨识相结合的辨识非线性系统的新方法(英)

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 1998年第3期15卷 415-422页

作者：黄正良李众立万百五西南工学院四川绵阳621002 西安交通大学系统工程研究所西安710049

本文针对Hammerstein系统，提出了一种辨识非线性增益和脉冲响应的新方法，该方法同时利用稳态和动态两种信息，所得到的估计是强一致性的．并且还研究了非线性增益估计误差的渐近分布和收敛速度．仿真结果说明了该方法的有效性和实用性．

关键词：稳态估计动态辨识辨识非线性系统

基于因子分析与人工神经网络的驾驶倾向性动态辨识模型

在线全文

学校读者我要写书评

暂无评论

科学技术与工程 2021年第9期21卷 3829-3833页

作者：张洪宾王云孙龙祥山东理工大学交通与车辆工程学院淄博255000

驾驶倾向性是衡量驾驶员驾驶过程中情绪偏好的动态指标,是碰撞报警系统中考虑的关键参数。在分析驾驶倾向性的基础上,采用因子分析和人工神经网络理论建立了驾驶倾向性的动态辨识模型,对原始数据进行因子分析提取特征参数并作为人工神... 详细信息

驾驶倾向性是衡量驾驶员驾驶过程中情绪偏好的动态指标,是碰撞报警系统中考虑的关键参数。在分析驾驶倾向性的基础上,采用因子分析和人工神经网络理论建立了驾驶倾向性的动态辨识模型,对原始数据进行因子分析提取特征参数并作为人工神经网络的输入,选取400组数据作为训练样本,69组数据做测试样本,通过采用驾驶员心理测试、实车实验方式对模型进行验证。结果表明,该模型具有训练时间减少、辨识准确率较高的优点,可为提前做好安全预警提供支持。

关键词：驾驶倾向性因子分析神经网络动态辨识

基于Kohonen-SVM模型的驾驶行为险态动态辨识

在线全文

学校读者我要写书评

暂无评论

安全与环境学报 2018年第4期18卷 1386-1390页

作者：唐智慧郑伟皓吴海涛西南交通大学交通运输与物流学院

对驾驶行为的危险状态进行动态辨识并提前预警是防止交通事故发生的重要手段。提出一种基于Kohonen神经网络和支持向量机（SVM）的驾驶行为险态动态辨识方法。基于国内外相关研究,选取油门、方向盘转角、刹车、离合、X轴速度、Y轴速度、... 详细信息

对驾驶行为的危险状态进行动态辨识并提前预警是防止交通事故发生的重要手段。提出一种基于Kohonen神经网络和支持向量机（SVM）的驾驶行为险态动态辨识方法。基于国内外相关研究,选取油门、方向盘转角、刹车、离合、X轴速度、Y轴速度、X轴加速度、Y轴加速度、发动机转速作为驾驶行为状态指标。应用Kohonen神经网络对9个指标组成的向量进行非监督聚类。用聚类结果组成的时间序列表示驾驶员行为指标的动态变化特征并以此作为输入,通过训练SVM实现驾驶行为险态辨识,解决了高维指标数据监督聚类困难和险态识别的静态性问题。最后,采用驾驶模拟器进行试验设计,对方法的有效性进行验证。以8个危险场景作为诱发驾驶行为险态出现的刺激,10个被试共产生8 400组识别序列,选取600组标识为险态的时间序列进行验证。结果表明：该模型的驾驶行为险态识别正确率为82.22%。不同被试的正确率差异控制在6%以下,表明此模型具备一定的泛化能力。

关键词：安全管理工程危险状态辨识 Kohonen神经网络支持向量机驾驶行为动态辨识

在线全文

学校读者我要写书评

暂无评论

拖拉机耕深自动监控系统的动态辨识

浙江农业大学学报 1995年第3期21卷 261-264页

作者：鲍一丹吴国桢程文祥浙江农业大学工程技术学院

以奔野－２５拖拉机液压悬挂系统为研究对象，通过对初步构成的耕深自动监控系统进行动态特性试验，用频率法建立了该控制系统的数学模型，找出系统动态性能不佳的原因，并提出改进设想，为农机电气自动控制系统的辨识提供一种有效方法。

关键词：耕深自动监控动态辨识数学模型拖拉机