狀態(tài)參數(shù)
- 基于擴(kuò)展卡爾曼濾波算法的港口智能無(wú)人內(nèi)集卡狀態(tài)估計(jì)研究
無(wú)人內(nèi)集卡的狀態(tài)參數(shù),是保證其行駛安全穩(wěn)定的前提。但無(wú)人內(nèi)集卡的有些參數(shù),難以測(cè)量甚至不可測(cè)量,需要尋找一種更好的獲取參數(shù)的方法[1]。吳志成等采用卡爾曼濾波算法,建立車輛坐標(biāo)系搭建二自由度線性車輛模型,對(duì)轉(zhuǎn)向系統(tǒng)所需的質(zhì)心側(cè)偏角和橫速度2個(gè)參數(shù)進(jìn)行仿真估計(jì)[2];安秋蘭等首先在Matlab軟件的Simulink中設(shè)計(jì)擴(kuò)展卡爾曼濾波器,接著通過(guò)Carsim軟件模擬車輛模型并輸出Simulink的算法中需要的狀態(tài)參數(shù),最后通過(guò)2個(gè)軟件聯(lián)合仿真來(lái)檢驗(yàn)算法的準(zhǔn)確
港口裝卸 2023年6期2023-12-29
- 注意力機(jī)制LSTM虛擬機(jī)能耗建模方法
機(jī)詳盡的運(yùn)行狀態(tài)參數(shù)。因其直接針對(duì)虛擬機(jī)運(yùn)行狀態(tài)參數(shù)進(jìn)行檢測(cè)，故可用于虛擬機(jī)運(yùn)行能耗測(cè)量從而避免因物理資源與虛擬資源的非一致性導(dǎo)致的虛擬機(jī)運(yùn)行能耗測(cè)量精度下降。近年，在能耗預(yù)測(cè)建模算法方面，相關(guān)研究熱點(diǎn)皆指向了機(jī)器學(xué)習(xí)領(lǐng)域。如有支持向量機(jī)(SVM)[3]、多層感知機(jī)(MLP)[4]、K近鄰[5]等。但相關(guān)研究用以測(cè)量云計(jì)算功率能耗，平均誤差為21%～15%之間，誤差較大，研究考慮云計(jì)算能耗數(shù)據(jù)帶有時(shí)間序列屬性，故更傾向于使用長(zhǎng)短時(shí)記憶模型(long sho
計(jì)算機(jī)工程與設(shè)計(jì) 2023年2期2023-02-21
- 高速場(chǎng)景下自動(dòng)駕駛組合定位系統(tǒng)研究
姿態(tài)等一系列狀態(tài)參數(shù)的偏差并對(duì)組合導(dǎo)航結(jié)果進(jìn)行修正。圖中虛線部分描繪的是組合導(dǎo)航系統(tǒng)可選的鏈路，該鏈路的建立方式取決于組合導(dǎo)航的模式。1 誤差反饋模式在GNSS/INS組合導(dǎo)航系統(tǒng)中，通常采用兩種誤差反饋機(jī)制，即開環(huán)結(jié)構(gòu)和閉環(huán)結(jié)構(gòu)。1.1 開環(huán)結(jié)構(gòu)在開環(huán)結(jié)構(gòu)中，針對(duì)載體位置、速度和姿態(tài)等狀態(tài)參數(shù)的修正過(guò)程將在INS設(shè)備外部完成，然后，參數(shù)估計(jì)誤差會(huì)在每次迭代計(jì)算時(shí)從INS的輸出結(jié)果中相應(yīng)扣除。在這種情況下，狀態(tài)參數(shù)誤差或修正的狀態(tài)參數(shù)不會(huì)反饋至INS系統(tǒng)。
中國(guó)設(shè)備工程 2023年3期2023-02-16
- 窄體車主動(dòng)側(cè)傾極限態(tài)動(dòng)力學(xué)機(jī)理研究*
持穩(wěn)定狀態(tài)時(shí)狀態(tài)參數(shù)的分析分為兩種：（1）根據(jù)考慮車輛縱向、側(cè)向及橫擺運(yùn)動(dòng)的車身3 自由度模型，獲得車輛狀態(tài)參數(shù)變化率為零即穩(wěn)定狀態(tài)時(shí)車輛狀態(tài)參數(shù)值；（2）根據(jù)整車動(dòng)力學(xué)模型，對(duì)車輛處于某路面條件時(shí)的相平面圖分析獲得平衡點(diǎn)位置。Gerdes 等［7-8］認(rèn)為車輛縱向速度、側(cè)向速度和橫擺角速度穩(wěn)定時(shí)車輛可維持輪胎與地面間達(dá)到附著極限同時(shí)以某固定姿態(tài)運(yùn)動(dòng)，分析后輪驅(qū)動(dòng)車輛在高側(cè)滑角轉(zhuǎn)彎時(shí)的動(dòng)力學(xué)特性；此外，Velenis［9-11］、Khan［12］和Mila
汽車工程 2023年1期2023-02-13
- 基于LSTM的飛控系統(tǒng)狀態(tài)監(jiān)控
提取飛控系統(tǒng)狀態(tài)參數(shù)時(shí)間序列信息，建立不同狀態(tài)參數(shù)之間的時(shí)間與空間相結(jié)合的剩余壽命預(yù)測(cè)時(shí)序?qū)W習(xí)網(wǎng)絡(luò)，從而實(shí)現(xiàn)飛控系統(tǒng)的剩余壽命預(yù)測(cè)。文獻(xiàn)[8-12]基于學(xué)習(xí)網(wǎng)絡(luò)開展飛機(jī)的故障診斷或狀態(tài)監(jiān)控；文獻(xiàn)[13-18]基于飛機(jī)的飛行數(shù)據(jù)，診斷系統(tǒng)的故障和識(shí)別安全風(fēng)險(xiǎn)。從這些文獻(xiàn)可以看出，基于飛行數(shù)據(jù)采用學(xué)習(xí)網(wǎng)絡(luò)開展無(wú)人機(jī)系統(tǒng)的故障診斷與安全風(fēng)險(xiǎn)監(jiān)控是可行的、有效的。然而目前，基于飛參數(shù)據(jù)對(duì)飛控系統(tǒng)的狀態(tài)監(jiān)控的文獻(xiàn)卻較少。為了更好地監(jiān)控飛控系統(tǒng)的工作狀態(tài)，保證無(wú)人機(jī)的
海軍航空大學(xué)學(xué)報(bào) 2022年5期2022-11-23
- 基于免疫機(jī)制的能源互聯(lián)網(wǎng)變壓器狀態(tài)評(píng)估
抗原病毒是由狀態(tài)參數(shù)信息組成的狀態(tài)信息向量，并根據(jù)抗原數(shù)據(jù)將識(shí)別結(jié)果對(duì)應(yīng)變壓器的各種運(yùn)行狀態(tài)，根據(jù)識(shí)別結(jié)果對(duì)變壓器進(jìn)行相應(yīng)的調(diào)整和控制。2 基于免疫機(jī)制的變電站變壓器狀態(tài)評(píng)估2.1 變電站變壓器參數(shù)選取進(jìn)行變壓器狀態(tài)評(píng)估需要利用能源互聯(lián)網(wǎng)的智能感知技術(shù)采集大量的變壓器狀態(tài)參數(shù)信息，并從中提取關(guān)鍵數(shù)據(jù)以綜合分析判斷變壓器運(yùn)行狀態(tài)。選取具有代表性的狀態(tài)參數(shù)信息，從不同的角度反映變壓器的運(yùn)行狀態(tài)。根據(jù)國(guó)家電網(wǎng)公司相關(guān)規(guī)定中給出的故障類型和故障征兆的狀態(tài)參數(shù)，組成
電氣傳動(dòng) 2022年20期2022-10-19
- 隱伏溶洞分布狀態(tài)對(duì)地鐵車站深基坑穩(wěn)定性的影響
中：K為溶洞狀態(tài)參數(shù)；d為溶洞尺寸；D為溶洞與基坑最小間距。溶洞塑性區(qū)貫穿地連墻程度可利用塑性區(qū)沿地連墻縱向長(zhǎng)度表示，通過(guò)測(cè)量可得到不同工況下塑性區(qū)延伸地連墻區(qū)域的縱向長(zhǎng)度（L），其隨溶洞狀態(tài)參數(shù)K的變化關(guān)系見圖3。圖3 溶洞狀態(tài)參數(shù)K與塑性區(qū)沿地連墻縱向長(zhǎng)度L的關(guān)系由圖3 可知，當(dāng)溶洞狀態(tài)參數(shù)K（=d/D）小于0.3時(shí)，溶洞作用下的土體塑性應(yīng)變區(qū)無(wú)法貫通接觸地連墻，即溶洞此時(shí)對(duì)基坑開挖無(wú)任何影響。當(dāng)溶洞狀態(tài)參數(shù)K大于0.3，溶洞存在對(duì)基坑安全施工產(chǎn)生一定
交通世界 2022年27期2022-10-17
- 基于多源數(shù)據(jù)融合的水泵機(jī)組狀態(tài)評(píng)價(jià)方法研究與實(shí)踐
預(yù)測(cè)策略進(jìn)行狀態(tài)參數(shù)劣化度分層評(píng)價(jià).文獻(xiàn)[6]將灰色評(píng)價(jià)與層次屬性模型結(jié)合，對(duì)復(fù)雜評(píng)價(jià)問題能夠快速得到合理的評(píng)價(jià)結(jié)論.文獻(xiàn)[7]基于最優(yōu)權(quán)重和模糊綜合分析法進(jìn)行評(píng)價(jià)，克服模型評(píng)價(jià)指標(biāo)的不確定性和評(píng)價(jià)權(quán)重受主觀因素影響問題.文獻(xiàn)[8]基于融合理論與正態(tài)云模型進(jìn)行風(fēng)電機(jī)組關(guān)鍵部件劣化程度的評(píng)價(jià).以上這些對(duì)水電機(jī)組、火力發(fā)電機(jī)組、風(fēng)力發(fā)電機(jī)組、變壓器等的狀態(tài)評(píng)價(jià)方法對(duì)開展水泵機(jī)組狀態(tài)評(píng)價(jià)方法研究具有重要的借鑒作用.大型水泵機(jī)組是由多個(gè)子系統(tǒng)組成，耦合程度高，影響
- 基于HHT算法的分布式電力系統(tǒng)狀態(tài)自動(dòng)監(jiān)測(cè)方法
布式電力系統(tǒng)狀態(tài)參數(shù)狀態(tài)特征監(jiān)測(cè),根據(jù)對(duì)分布式電力系統(tǒng)狀態(tài)參數(shù)信息的特征提取和屬性聚類結(jié)果,實(shí)現(xiàn)對(duì)數(shù)據(jù)的自動(dòng)化狀態(tài)特征監(jiān)測(cè)[2-3].由于分布式電力系統(tǒng)狀態(tài)參數(shù)規(guī)模較大,現(xiàn)有監(jiān)測(cè)方法存在參數(shù)特征聚類性較差、監(jiān)測(cè)過(guò)程受干擾因素影響等問題,導(dǎo)致參數(shù)狀態(tài)特征監(jiān)測(cè)準(zhǔn)確度不高.本文提出基于希爾伯特-黃變換 (Hilbert-Huang Transform,HHT)算法的分布式電力系統(tǒng)狀態(tài)自動(dòng)監(jiān)測(cè)方法,并通過(guò)仿真測(cè)試進(jìn)行性能驗(yàn)證.1 狀態(tài)參數(shù)信息分布結(jié)構(gòu)和穩(wěn)態(tài)特征分析
- 基于BPNN-NCT的風(fēng)電機(jī)組主軸承異常辨識(shí)方法
主軸承溫度為狀態(tài)參數(shù)的狀態(tài)參數(shù)預(yù)測(cè)模型。然后，基于非中心(NCT)分布刻畫了不同風(fēng)速波動(dòng)區(qū)間下狀態(tài)參數(shù)預(yù)測(cè)殘差的分布特性，并在此基礎(chǔ)上提出了計(jì)及風(fēng)速波動(dòng)影響的風(fēng)電機(jī)組主軸承異常狀態(tài)量化指標(biāo)。最后，以某風(fēng)電場(chǎng)的2 MW直驅(qū)風(fēng)力發(fā)電機(jī)組為例，驗(yàn)證了所提方法的有效性和準(zhǔn)確性。主軸承；狀態(tài)參數(shù)；風(fēng)速波動(dòng)；預(yù)測(cè)殘差；異常辨識(shí)0 引言風(fēng)電機(jī)組長(zhǎng)期運(yùn)行在復(fù)雜多變的自然環(huán)境中，惡劣的環(huán)境導(dǎo)致機(jī)組各部件故障頻發(fā)[1-4]。主軸承作為風(fēng)電機(jī)組傳動(dòng)系統(tǒng)的核心部件，其是否能正常運(yùn)
電力系統(tǒng)保護(hù)與控制 2022年14期2022-08-05
- 基于嵌入式Linux的整車控制器硬件在環(huán)遠(yuǎn)程測(cè)試系統(tǒng)的設(shè)計(jì)
標(biāo)識(shí)符個(gè)數(shù)和狀態(tài)參數(shù)上傳周期period等，見表1。表1 CAN通訊配置參數(shù)表Tab.1 CAN communication configuration parameter table2.2.1.2 DID數(shù)據(jù)表DID數(shù)據(jù)表主要存儲(chǔ)獲取的狀態(tài)參數(shù)對(duì)應(yīng)的數(shù)據(jù)標(biāo)識(shí)符，見表2。表2 DID數(shù)據(jù)表Tab.2 DID data sheet2.2.2 現(xiàn)場(chǎng)測(cè)試終端診斷測(cè)試模塊設(shè)計(jì)現(xiàn)場(chǎng)測(cè)試終端接收全部測(cè)試內(nèi)容后，會(huì)向云端TCP服務(wù)端程序發(fā)送存儲(chǔ)完畢信號(hào)，云端服務(wù)器接收到
智能計(jì)算機(jī)與應(yīng)用 2022年7期2022-07-15
- 靜力觸探技術(shù)(CPT)在砂性地基處理驗(yàn)收檢測(cè)中的應(yīng)用
部修正。2 狀態(tài)參數(shù)雖然土體的相對(duì)密度被廣泛用于表征砂土液化地基或吹填工程等的密實(shí)度。砂土的變形特性主要取決于土體相對(duì)密度與所處的有效應(yīng)力水平[14]。Been和Jefferies為了同時(shí)反映相對(duì)密度與應(yīng)力水平變化對(duì)砂土變形性質(zhì)的雙重影響，提出了狀態(tài)參數(shù)ψ的概念，見圖2，即在相同平均有效應(yīng)力下，砂土的孔隙率e與臨界狀態(tài)孔隙率ec之差。當(dāng)ψ>0表示砂土當(dāng)前處于松散狀態(tài)，在荷載作用下發(fā)生剪縮；當(dāng)ψ圖2 狀態(tài)參數(shù)定義Been和Jefferies[15]提出了利用
水運(yùn)工程 2022年5期2022-06-30
- 大機(jī)作業(yè)對(duì)道床主要狀態(tài)參數(shù)影響的試驗(yàn)研究
撐剛度等主要狀態(tài)參數(shù)滿足相關(guān)技術(shù)標(biāo)準(zhǔn)。國(guó)內(nèi)外學(xué)者對(duì)道床狀態(tài)參數(shù)相關(guān)研究比較多，比較典型的如下：于譯等人通過(guò)研究床肩寬與砟肩堆高與道床阻力的增長(zhǎng)關(guān)系，研究結(jié)果發(fā)現(xiàn)：道床橫向阻力與道床肩寬、砟肩堆高兩種參數(shù)的增加都會(huì)提高道床的橫向阻力值[1]。KHATIBI F 等采用離散元法建立了有砟軌道數(shù)值模型對(duì)道床橫向阻力進(jìn)行了研究，研究結(jié)果表明：道床空隙率是道床橫向阻力最有效的影響因素，當(dāng)?shù)来部障堵蕼p小10%時(shí)，道床橫向阻力平均增加18%[2]。高亮對(duì)秦沈客運(yùn)專線道床
科學(xué)技術(shù)創(chuàng)新 2022年15期2022-05-18
- 堆石料的三維應(yīng)力分?jǐn)?shù)階本構(gòu)模型
數(shù)階微積分;狀態(tài)參數(shù);本構(gòu)模型中圖分類號(hào)：TU452 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2096-6717（2022）04-0027-08Three-dimensional stress-fractional constitutive model for rockfillJI Hua1， 2， SUN Yifei3（1. Huadong Engineering Corporation Limited， PowerChina， Hangzhou 310014， P.
土木建筑與環(huán)境工程 2022年4期2022-05-14
- 基于數(shù)據(jù)挖掘技術(shù)的貨運(yùn)列車車輪對(duì)缺陷狀態(tài)參數(shù)在線檢測(cè)
對(duì)其進(jìn)行缺陷狀態(tài)參數(shù)在線檢測(cè)[2-3]是有效確保貨運(yùn)列車安全運(yùn)行的重要措施之一?？茖W(xué)技術(shù)的迅猛發(fā)展，促使車輪的安全面臨著十分嚴(yán)峻的挑戰(zhàn)，國(guó)內(nèi)外相關(guān)學(xué)者已經(jīng)針對(duì)該方面內(nèi)容展開研究。近年來(lái)，相關(guān)學(xué)者重點(diǎn)針對(duì)貨運(yùn)列車車輪對(duì)缺陷狀態(tài)參數(shù)在線檢測(cè)方法進(jìn)行了研究，但是經(jīng)過(guò)具體的分析可知，現(xiàn)階段我國(guó)的鐵路車輛段修一直處于手工階段，主要使用第四種檢測(cè)器以及輪徑尺等工具實(shí)現(xiàn)測(cè)量。針對(duì)貨運(yùn)列車車輪對(duì)缺陷檢測(cè)也主要采用人工進(jìn)行觀測(cè)，在必要的情況下能夠進(jìn)行人工測(cè)量，但是這會(huì)增加勞
自動(dòng)化技術(shù)與應(yīng)用 2022年3期2022-04-12
- 模擬器基于開普勒參數(shù)的GLONASS 衛(wèi)星位置預(yù)測(cè)?
攝動(dòng)參數(shù)作為狀態(tài)參數(shù)進(jìn)行擬合。由多個(gè)離散的衛(wèi)星地固坐標(biāo)位置，可以擬合出相應(yīng)的狀態(tài)參數(shù)。這里離散的坐標(biāo)位置我們通過(guò)GLONASS 的導(dǎo)航電文，由Run?ge-Kutta積分算出。根據(jù)GPS衛(wèi)星位置的計(jì)算方法，我們列出算法的狀態(tài)方程和觀測(cè)方程為式中Y是觀測(cè)列矢量，含m個(gè)觀測(cè)量，每個(gè)列矢量都對(duì)應(yīng)相應(yīng)時(shí)刻的衛(wèi)星位置分量。t是位置坐標(biāo)對(duì)應(yīng)的時(shí)刻，t0是狀態(tài)參數(shù)的參考時(shí)刻，X表示衛(wèi)星的狀態(tài)參數(shù)，X0即是待估測(cè)的狀態(tài)參數(shù)，這里取由于式（1）和式（2）都不是線性方程，無(wú)法
計(jì)算機(jī)與數(shù)字工程 2022年12期2022-03-18
- 基于改進(jìn)多元統(tǒng)計(jì)控制圖的接觸網(wǎng)狀態(tài)綜合評(píng)價(jià)方法
下，接觸網(wǎng)的狀態(tài)參數(shù)將圍繞著特定的值在一定范圍內(nèi)波動(dòng)。接觸網(wǎng)運(yùn)營(yíng)管理的目的就是實(shí)現(xiàn)接觸網(wǎng)的質(zhì)量控制，努力使接觸網(wǎng)的參數(shù)保持在正常的范圍內(nèi)。因此，通過(guò)對(duì)接觸網(wǎng)檢測(cè)參數(shù)的測(cè)定、記錄和評(píng)估，通過(guò)構(gòu)造接觸網(wǎng)多元檢測(cè)參數(shù)的統(tǒng)計(jì)控制圖，可實(shí)現(xiàn)對(duì)接觸網(wǎng)異常運(yùn)行狀態(tài)的判斷。但常用的控制圖只有“正?！焙汀爱惓！? 種狀態(tài)，二元的判斷結(jié)果無(wú)法體現(xiàn)接觸網(wǎng)狀態(tài)發(fā)展變化的規(guī)律和趨勢(shì)，無(wú)法對(duì)接觸網(wǎng)的預(yù)防性維修提供支撐。因此，在多元統(tǒng)計(jì)控制分析的基礎(chǔ)上，依據(jù)可靠度對(duì)接觸網(wǎng)的狀態(tài)進(jìn)行細(xì)分
鐵道科學(xué)與工程學(xué)報(bào) 2021年11期2021-12-22
- 建立運(yùn)行參數(shù)數(shù)據(jù)庫(kù) 降低電機(jī)故障率
中的電機(jī)運(yùn)行狀態(tài)參數(shù)數(shù)據(jù)庫(kù)，在生產(chǎn)過(guò)程中巡檢發(fā)現(xiàn)電機(jī)運(yùn)行異常時(shí)，將所測(cè)電機(jī)運(yùn)行狀態(tài)方面的技術(shù)數(shù)據(jù)與其數(shù)據(jù)庫(kù)中的歷史數(shù)據(jù)相比較，為電機(jī)進(jìn)行預(yù)防性檢修提供依據(jù)，做到不過(guò)修，不失修，同時(shí)又降低電機(jī)的故障率，從而在節(jié)省電機(jī)檢維修成本的情況下，為電機(jī)的安全平穩(wěn)運(yùn)行提供保障。2 電機(jī)運(yùn)行狀態(tài)參數(shù)數(shù)據(jù)庫(kù)的建立為生產(chǎn)裝置中的重要電動(dòng)機(jī)建立一個(gè)運(yùn)行狀態(tài)參數(shù)動(dòng)態(tài)數(shù)據(jù)庫(kù)，數(shù)據(jù)庫(kù)內(nèi)容包括:電機(jī)在生產(chǎn)流程中的設(shè)備位號(hào)、電機(jī)型號(hào)、額定電壓、額定電流、額定轉(zhuǎn)速、防爆等級(jí)、防護(hù)等級(jí)、安裝
設(shè)備管理與維修 2021年19期2021-11-26
- 鋰電池異常狀態(tài)監(jiān)測(cè)的FEKF方法研究
遇到緩變型狀態(tài)參數(shù)異常時(shí)可能在故障發(fā)生早期無(wú)法辨識(shí)甚至發(fā)散；文獻(xiàn)[4]使用了改進(jìn)的自適應(yīng)無(wú)跡卡爾曼濾波（Adaptive Unscented Kalman Filter，AUKF）生成端電壓殘差，AUKF 能夠更有效地辨識(shí)電池內(nèi)阻R0與時(shí)間常數(shù)τ 的緩變故障.Chen 等通過(guò)遞推最小二乘法（Recursive Least Square，RLS）與EKF 計(jì)算電池內(nèi)阻R0、極化電阻Rp、極化電容Cp，然后得到這些參數(shù)的局部離群因子與故障診斷閾值，判斷電池系
- 柴油機(jī)可變相位參數(shù)耦合對(duì)氣路狀態(tài)的影響
對(duì)發(fā)動(dòng)機(jī)氣路狀態(tài)參數(shù)有決定性的影響，在有效組織缸內(nèi)混合氣溫度、壓力和組分的情況下，影響燃燒過(guò)程，從而決定發(fā)動(dòng)機(jī)的性能[1].針對(duì)進(jìn)氣門型線對(duì)進(jìn)氣狀態(tài)參數(shù)的研究，國(guó)內(nèi)外學(xué)者進(jìn)行了大量研究.H. U. BASARAN等[2]在六缸柴油機(jī)上進(jìn)行了試驗(yàn)，研究了低負(fù)荷下，進(jìn)氣門早關(guān)或晚關(guān)對(duì)排氣溫度的影響，發(fā)現(xiàn)進(jìn)氣門早關(guān)65°(文中角度為曲軸轉(zhuǎn)角)或者晚關(guān)100°都可以將柴油機(jī)后處理裝置入口溫度增加到250 ℃以上，這樣能夠提高后處理的效率.Y. MURATA等[3]
- 抗差自適應(yīng)分步濾波算法在PPP/INS組合導(dǎo)航中的應(yīng)用
位中，為獲取狀態(tài)參數(shù)的最優(yōu)估計(jì)，通常采用Kalman濾波。由于濾波器的性能受隨機(jī)模型和函數(shù)模型精度的影響，因此只有二者都可靠的情況下，才能獲得狀態(tài)參數(shù)的最優(yōu)估值。然而，在實(shí)際應(yīng)用中，受各種因素的影響(例如，狀態(tài)方程和觀測(cè)方程存在誤差，隨機(jī)模型所描述的觀測(cè)噪聲和過(guò)程噪聲通常由經(jīng)驗(yàn)值或經(jīng)驗(yàn)?zāi)Ｐ瞳@得，并不能準(zhǔn)確地反映當(dāng)前系統(tǒng)的真實(shí)噪聲水平，觀測(cè)量中可能存在非正態(tài)分布的異常觀測(cè)等)，導(dǎo)致濾波器的性能有時(shí)并不理想。為提高濾波器的性能，眾多科研工作者對(duì)自適應(yīng)濾波技術(shù)進(jìn)
導(dǎo)航定位與授時(shí) 2020年5期2020-09-23
- 基于物聯(lián)網(wǎng)和GIS的綜合管廊通風(fēng)除濕智能控制研究
對(duì)具體的通風(fēng)狀態(tài)參數(shù)進(jìn)行說(shuō)明，也沒有對(duì)綜合管廊的通風(fēng)除濕問題作出規(guī)定。而對(duì)于綜合管廊通風(fēng)系統(tǒng)來(lái)說(shuō)，如果通風(fēng)不足或者進(jìn)風(fēng)空氣狀態(tài)不達(dá)標(biāo)，就達(dá)不到除濕效果，而通風(fēng)過(guò)量則會(huì)造成能源浪費(fèi)。目前，國(guó)內(nèi)綜合管廊所采用的通風(fēng)風(fēng)機(jī)一般都是廠家提前設(shè)置好通風(fēng)參數(shù)，缺少在使用過(guò)程中隨著廊內(nèi)環(huán)境條件變化進(jìn)行自動(dòng)調(diào)整與控制，進(jìn)而導(dǎo)致能源浪費(fèi)或者通風(fēng)不足等，不符合節(jié)能減排的低碳理念。為此，本文從通風(fēng)除濕智能控制問題入手，結(jié)合物聯(lián)網(wǎng)、GIS等現(xiàn)代化信息技術(shù)，通過(guò)預(yù)測(cè)模型、進(jìn)風(fēng)狀態(tài)參數(shù)
隧道建設(shè)(中英文) 2020年8期2020-09-14
- 基于神經(jīng)網(wǎng)絡(luò)觀測(cè)器的容錯(cuò)控制技術(shù)研究
一致有界，且狀態(tài)參數(shù)一致收斂。1 執(zhí)行機(jī)構(gòu)的故障模型本文以制導(dǎo)火箭為研究對(duì)象，火箭彈的運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)模型可以通過(guò)小擾動(dòng)假設(shè)及“系數(shù)凍結(jié)法”化簡(jiǎn)為用以下狀態(tài)空間形式表示的線性模型[8]。(1)式中：A是火箭彈的狀態(tài)矩陣，也是固有特性矩陣；B是輸入矩陣；C是輸出矩陣；u(t)是舵面的控制信號(hào)；ΔA(t)代表模型內(nèi)的時(shí)變參數(shù)不確定性，且滿足式(2)的條件。ΔA(t)=BW(t)(2)式中：W(t)是未知矩陣，滿足‖W(t)‖≤l*，l*是一個(gè)未知常數(shù)。舵面是制導(dǎo)
空天防御 2020年2期2020-07-12
- 彈丸在炮口的狀態(tài)參數(shù)對(duì)地面密集度影響研究
彈丸在炮口的狀態(tài)參數(shù)、彈丸參數(shù)(物理和幾何)、氣象條件、氣動(dòng)載荷等隨機(jī)誤差。彈丸在炮口的狀態(tài)參數(shù)由火炮發(fā)射過(guò)程賦予，理清彈丸在炮口的狀態(tài)參數(shù)誤差對(duì)地面密集度影響，為火炮總體設(shè)計(jì)提供依據(jù)，對(duì)提高火炮射擊精度具有重要意義。火炮射擊精度問題一直是火炮設(shè)計(jì)和工程應(yīng)用研究的熱點(diǎn)和難點(diǎn)。眾多的國(guó)內(nèi)外學(xué)者在射擊精度方面發(fā)表了大量研究成果。例如：韓子鵬等[1]通過(guò)建立不同復(fù)雜程度的外彈道方程，系統(tǒng)地分析了影響彈丸落點(diǎn)分布的因素，并給出了炮口狀態(tài)參數(shù)對(duì)射擊精度影響的物理解釋
兵工學(xué)報(bào) 2020年5期2020-06-18
- 基于狀態(tài)不確定性的動(dòng)態(tài)濾波算法
4-7]，即狀態(tài)參數(shù)的不確定性.近年來(lái)，針對(duì)狀態(tài)約束的動(dòng)態(tài)問題已經(jīng)有了許多深入的研究，主要的方法有：水平滑動(dòng)估計(jì)法[8-10]、平滑約束卡爾曼濾波[11]、二階泰勒級(jí)數(shù)展開非線性約束濾波[12]等.文獻(xiàn)[13,14]將不等式約束模型轉(zhuǎn)化為規(guī)劃問題求解，文獻(xiàn)[15]提出了內(nèi)點(diǎn)法，將約束問題轉(zhuǎn)換成無(wú)約束問題.文獻(xiàn)[16]用一系列二次規(guī)劃子問題代替原帶約束問題.文獻(xiàn)[17]將不等式約束轉(zhuǎn)換為橢球約束利用嶺估計(jì)計(jì)算，解是有偏的，并且不一定能滿足不等式.將不等式約束
數(shù)學(xué)理論與應(yīng)用 2020年3期2020-06-03
- 適用于計(jì)算機(jī)程序計(jì)算的濕空氣計(jì)算方法
：2 濕空氣狀態(tài)參數(shù)計(jì)算工程中常用的濕空氣狀態(tài)參數(shù)有干球溫度tw、焓值h、含濕量d、相對(duì)濕度φ、水蒸氣分壓力p q、濕球溫度tw、露點(diǎn)溫度tl。在這些狀態(tài)參數(shù)中，有一些參數(shù)之間是相關(guān)的，例如：含濕量d與水蒸氣分壓力p q之間、焓值h與濕球溫度tw之間、含濕量d與露點(diǎn)溫度tl之間，都一一對(duì)應(yīng)，知道其中一個(gè)參數(shù)就可以確定另外一個(gè)參數(shù)。根據(jù)濕空氣原理可知，由任意兩個(gè)相互獨(dú)立的狀態(tài)參數(shù)可以確定其余狀態(tài)參數(shù)。后文會(huì)針對(duì)各種情況分別說(shuō)明相應(yīng)的求解方法。求解過(guò)程中除式（
建筑熱能通風(fēng)空調(diào) 2020年3期2020-05-05
- 基于python的汽車運(yùn)行狀態(tài)參數(shù)對(duì)油耗影響的聚類
于發(fā)動(dòng)機(jī)工作狀態(tài)參數(shù)數(shù)據(jù)對(duì)車輛運(yùn)行油耗進(jìn)行聚類分析。定義車輛從行車開始至行車結(jié)束為一個(gè)行程片段。利用同一個(gè)駕駛員駕駛同一輛汽車采集的89個(gè)行程片段，近20萬(wàn)條的車輛運(yùn)行狀態(tài)參數(shù)數(shù)據(jù)，基于每個(gè)行程的平均油耗，使用可代表每個(gè)行程的運(yùn)行特征參數(shù)數(shù)據(jù)，將行程片段進(jìn)行聚類，進(jìn)而找出汽車運(yùn)行狀態(tài)參數(shù)對(duì)油耗的影響。1 數(shù)據(jù)樣本屬性描述1.1 數(shù)據(jù)樣本采集方法本文研究所用數(shù)據(jù)樣本是通過(guò)OBD檢測(cè)儀獲取的車輛運(yùn)行的89個(gè)行程片段共190 173條數(shù)據(jù)集，平均采樣間隔為1.1
交通科技與經(jīng)濟(jì) 2020年3期2020-04-21
- 基于卡爾曼濾波算法的MMC子模塊IGBT在線監(jiān)測(cè)方法
模塊IGBT狀態(tài)參數(shù)具有重要的工程意義.目前，MMC子模塊IGBT狀態(tài)監(jiān)測(cè)已得到相關(guān)學(xué)者的關(guān)注.Astigarraga 等[7]提出基于IGBT的殼體溫度、導(dǎo)通壓降和通態(tài)電流3個(gè)變量進(jìn)行壽命預(yù)測(cè)和老化測(cè)試，隨著導(dǎo)通壓降的增大，元件壽命逐漸減少；Xiong 等[8]通過(guò)功率循環(huán)加速測(cè)試，利用IGBT導(dǎo)通壓降的變化估計(jì)IGBT的性能.但上述方法對(duì)IGBT狀態(tài)參數(shù)的提取需要在測(cè)量電路中增加采集量，使得系統(tǒng)更加復(fù)雜，還降低了輸電系統(tǒng)的可靠性.以上方法僅關(guān)注IGBT
- 傳感器接口標(biāo)準(zhǔn)在橋梁健康狀態(tài)監(jiān)測(cè)中的應(yīng)用設(shè)計(jì)*
溫濕度等各種狀態(tài)參數(shù)[1,2]。通過(guò)各種傳感器的優(yōu)化布設(shè)，可以提高橋梁監(jiān)測(cè)系統(tǒng)可靠性和靈活性[3]。然而，由于涉及傳感器種類多、接口形式不統(tǒng)一，使得橋梁健康狀態(tài)監(jiān)測(cè)系統(tǒng)的開發(fā)集成和更新維護(hù)極為不便，因此需要一種統(tǒng)一的、標(biāo)準(zhǔn)化的傳感器接口技術(shù)來(lái)提高系統(tǒng)的一致性、可維護(hù)性和可擴(kuò)展性。本文對(duì)橋梁健康狀態(tài)系統(tǒng)傳感器接口進(jìn)行標(biāo)準(zhǔn)化設(shè)計(jì)，測(cè)試結(jié)果表明，系統(tǒng)接口標(biāo)準(zhǔn)化后擴(kuò)展性、維護(hù)性較好。1 傳感器接口標(biāo)準(zhǔn)傳感器接口作為傳感網(wǎng)和物聯(lián)網(wǎng)系統(tǒng)中的重要技術(shù)單元，解決感知層的信
傳感器與微系統(tǒng) 2019年1期2019-12-20
- 發(fā)電機(jī)定子冷卻水系統(tǒng)狀態(tài)參數(shù)預(yù)測(cè)
子冷卻水系統(tǒng)狀態(tài)參數(shù)，本文提出了ARIMA模型和BP神經(jīng)網(wǎng)絡(luò)非線性子模型相結(jié)合的設(shè)備系統(tǒng)狀態(tài)參數(shù)混合模型，并驗(yàn)證了該模型在預(yù)測(cè)發(fā)電機(jī)定子冷卻水系統(tǒng)狀態(tài)參數(shù)上的可行性。1 混合模型建立過(guò)程ARIMA模型可對(duì)時(shí)間序列預(yù)測(cè)，并且可對(duì)不平穩(wěn)數(shù)據(jù)差分運(yùn)算，但是對(duì)非線性問題處理能力較弱。BP神經(jīng)網(wǎng)絡(luò)擁有處理非線性問題的能力，但是處理線性問題能力較弱，易陷入局部最小值等問題。因此將ARIMA與BP預(yù)測(cè)模型進(jìn)行組合，能夠結(jié)合 ARIMA與BP模型的優(yōu)勢(shì)，分別提取研究數(shù)據(jù)的
電子技術(shù)與軟件工程 2019年19期2019-11-15
- 一種電磁爐的功能設(shè)置方法
一加熱功能的狀態(tài)參數(shù)；當(dāng)獲取到第二功能按鍵信息時(shí)，控制電磁爐停止執(zhí)行第一加熱功能，同時(shí)執(zhí)行與第二功能按鍵信息相對(duì)應(yīng)的第二加熱功能；當(dāng)再次獲取到第二功能按鍵信息時(shí)，控制電磁爐停止執(zhí)行第二加熱功能，且根據(jù)最后一次記錄的所述第一加熱功能的狀態(tài)參數(shù)控制電磁爐返回到第一加熱功能的功能狀態(tài)，并繼續(xù)執(zhí)行第一加熱功能。本發(fā)明有效地解決了用戶誤碰按鍵而導(dǎo)致電磁爐重新加熱的問題。0引言：現(xiàn)有的觸控機(jī)型的電磁爐在進(jìn)行某一功能按鍵所對(duì)應(yīng)的加熱功能時(shí)（如炒菜功能），若用戶（比如小孩
科學(xué)與財(cái)富 2019年21期2019-08-06
- 基于Visual Basic 6.0制冷劑狀態(tài)參數(shù)模擬的比較與分析
制冷劑各點(diǎn)的狀態(tài)參數(shù)、制冷量、壓縮機(jī)功率等參數(shù)，實(shí)現(xiàn)對(duì)整個(gè)熱泵運(yùn)行性能的變工況仿真模擬。本程序主要調(diào)用了四個(gè)窗體，分別為壓縮機(jī)，冷凝器，蒸發(fā)器和節(jié)流閥。整個(gè)仿真由五個(gè)主要模型組成，制冷劑狀態(tài)參數(shù)模型、壓縮機(jī)模型、冷凝器模型、蒸發(fā)器模型和節(jié)流閥模型。[關(guān)鍵詞]Visual Basic 6.0;制冷劑熱力狀態(tài);仿真模型;比容;比焓，文章編號(hào)：2095-4085（2019）03-0068-021制冷劑熱力狀態(tài)參數(shù)確定[1-2]制冷劑熱力狀態(tài)參數(shù)的確定對(duì)于熱泵系統(tǒng)
居業(yè) 2019年3期2019-06-07
- 石油化工裝置長(zhǎng)周期運(yùn)行風(fēng)險(xiǎn)超早期精確預(yù)警方法
1)中，y為狀態(tài)參數(shù)值；Δ為能夠造成最大損失的參數(shù)值到參數(shù)目標(biāo)值的距離；γ為形狀因子；T為狀態(tài)參數(shù)目標(biāo)值。損失函數(shù)的變化范圍0≤L≤1。根據(jù)實(shí)際情況的不同，可以得到不同的形狀因子，從而構(gòu)造出與待測(cè)參數(shù)相匹配的損失函數(shù)，進(jìn)而準(zhǔn)確描述參數(shù)偏差帶來(lái)的預(yù)計(jì)損失。由式(1)可以看出，當(dāng)參數(shù)處于目標(biāo)值時(shí)，損失值為0，參數(shù)偏離目標(biāo)值越遠(yuǎn)，損失值越大。1.2 異常工況發(fā)生概率計(jì)算運(yùn)用剩余時(shí)間理論對(duì)異常工況發(fā)生概率進(jìn)行計(jì)算[13]，該理論通過(guò)計(jì)算狀態(tài)參數(shù)到達(dá)報(bào)警閾值所需要的
石油學(xué)報(bào)（石油加工） 2019年3期2019-05-21
- 基于混合異構(gòu)計(jì)算平臺(tái)的車輛行駛狀態(tài)參數(shù)實(shí)時(shí)采集技術(shù)
4）車輛行駛狀態(tài)參數(shù)能夠表征車輛運(yùn)行技術(shù)狀態(tài)、車輛行駛特性規(guī)律、駕駛員操控車輛的駕駛意圖以及駕駛員的駕駛習(xí)慣，是研究車輛縱向危險(xiǎn)行駛狀態(tài)辨識(shí)機(jī)理的重要依據(jù)之一。一方面，能夠?yàn)檐囕v建立可靠的縱向行駛安全域方案集，并為車輛橫向危險(xiǎn)行駛狀態(tài)辨識(shí)模型提供基礎(chǔ)參數(shù)支持；另一方面，車輛行駛狀態(tài)參數(shù)實(shí)時(shí)采集還能為涉及交通事故各方的事故責(zé)任確定以及公安交通管理部門公正執(zhí)法提供重要參考[1-4]。因此，對(duì)車輛行駛狀態(tài)參數(shù)采集的研究和探索具有重大現(xiàn)實(shí)意義?，F(xiàn)階段常見的相關(guān)采集
汽車工程學(xué)報(bào) 2019年2期2019-04-06
- 交流電力測(cè)功機(jī)運(yùn)行狀態(tài)的混沌預(yù)測(cè)與異常診斷
果表明：運(yùn)行狀態(tài)參數(shù)齒輪最大溫度、繞組最大溫度和轉(zhuǎn)子平均轉(zhuǎn)速混沌預(yù)測(cè)的平均相對(duì)誤差均為8.75%；通過(guò)混沌關(guān)聯(lián)維數(shù)可以較好地區(qū)分交流電力測(cè)功機(jī)的油膜渦動(dòng)異常、流體激勵(lì)異常和碰摩異常這3種異常運(yùn)行狀態(tài)，為交流電力測(cè)功機(jī)的運(yùn)行狀態(tài)檢測(cè)提供一種新思路。交流電力測(cè)功機(jī)；運(yùn)行狀態(tài)檢測(cè)；混沌預(yù)測(cè)；混沌診斷測(cè)功機(jī)是動(dòng)力傳動(dòng)系統(tǒng)試驗(yàn)臺(tái)(包括發(fā)動(dòng)機(jī)以及電機(jī)性能測(cè)試平臺(tái)等)中的核心裝置。傳統(tǒng)的水力測(cè)功機(jī)、機(jī)械摩擦測(cè)功機(jī)以及電渦流測(cè)功機(jī)都會(huì)在工作過(guò)程中產(chǎn)生大量的熱量并耗散，造成
- 基于特征值分解的小天體著陸自主導(dǎo)航系統(tǒng)可觀度分析*
行比較，分析狀態(tài)參數(shù)可觀度與導(dǎo)航精度之間的關(guān)系，并分析不同誤差因素對(duì)導(dǎo)航系統(tǒng)可觀度的影響.1 小天體探測(cè)器自主光學(xué)導(dǎo)航系統(tǒng)1.1 小天體探測(cè)器運(yùn)動(dòng)學(xué)模型與測(cè)量模型探測(cè)器導(dǎo)航的任務(wù)就是確定探測(cè)器相對(duì)于所選定的參考坐標(biāo)系的位置、速度和飛行姿態(tài)，需找到一個(gè)合適的參考坐標(biāo)系.所以這里定義了涉及到的參考坐標(biāo)系：著陸點(diǎn)坐標(biāo)系、本體坐標(biāo)系和相機(jī)坐標(biāo)系.圖1 坐標(biāo)系相對(duì)幾何關(guān)系示意圖Fig.1 Relative geometric relations of coordin
空間控制技術(shù)與應(yīng)用 2019年1期2019-03-04
- 主動(dòng)型氫原子鐘性能監(jiān)測(cè)及評(píng)估方法研究?
有各自的物理狀態(tài)參數(shù).該參數(shù)反映了鐘內(nèi)部系統(tǒng)的物理特征、電子器件的運(yùn)行狀態(tài)等,可以通過(guò)串口進(jìn)行實(shí)時(shí)采集和存儲(chǔ),對(duì)物理狀態(tài)參數(shù)進(jìn)行分析和評(píng)定,以實(shí)現(xiàn)對(duì)氫原子鐘運(yùn)行狀態(tài)的監(jiān)測(cè),及時(shí)發(fā)現(xiàn)故障并采取有效的預(yù)防措施,保證氫原子鐘的可靠運(yùn)轉(zhuǎn).3.1 物理狀態(tài)參數(shù)介紹氫原子鐘的狀態(tài)參數(shù)采集通道共有32路,其中26路為狀態(tài)參數(shù)采集值,分為7大類:接收機(jī)、腔自動(dòng)諧振系統(tǒng)、氫源、真空泵、加熱器、電源及其他,如圖1所示.每1項(xiàng)參數(shù)值都有其正常范圍及典型值,具體含義見氫原子鐘手冊(cè)
天文學(xué)報(bào) 2018年6期2018-12-20
- 裝甲車輛火力系統(tǒng)關(guān)鍵部件技術(shù)狀態(tài)預(yù)測(cè)
坐裝置的技術(shù)狀態(tài)參數(shù)轉(zhuǎn)化為合理的定性云概念,建立云模型;建立單個(gè)技術(shù)狀態(tài)參數(shù)的變化規(guī)律模型,獲取整個(gè)測(cè)試周期內(nèi)參數(shù)隨時(shí)間變化的趨勢(shì),采用云模型法預(yù)測(cè)短期內(nèi)技術(shù)狀態(tài)參數(shù)的云重心變化;通過(guò)云變換算法擬合樣本頻率分布函數(shù)并進(jìn)行合理的合并躍升,獲取各技術(shù)狀態(tài)參數(shù)獨(dú)立的云概念;通過(guò)挖掘多個(gè)云概念之間的關(guān)聯(lián)規(guī)則,構(gòu)建云推理規(guī)則發(fā)生器并經(jīng)過(guò)大量樣本的訓(xùn)練,計(jì)算各預(yù)測(cè)結(jié)果的可信度,給出最終預(yù)測(cè)的結(jié)論。1 云推理規(guī)則發(fā)生器知識(shí)是人們通過(guò)不斷的抽象和交流形成的概念以及概念之間
彈道學(xué)報(bào) 2018年3期2018-10-09
- 基于混合預(yù)測(cè)模型的船舶海水冷卻系統(tǒng)狀態(tài)參數(shù)預(yù)測(cè)
系統(tǒng)或設(shè)備的狀態(tài)參數(shù)進(jìn)行準(zhǔn)確的預(yù)測(cè)。隨著船舶行業(yè)的發(fā)展，當(dāng)前大多數(shù)的船舶冷卻水系統(tǒng)采取的是中央冷卻水系統(tǒng)的形式[1]。海水冷卻系統(tǒng)作為中央冷卻水系統(tǒng)關(guān)鍵組成，承擔(dān)著整個(gè)船舶系統(tǒng)與海水熱量交換工作[2]，若發(fā)生故障將會(huì)導(dǎo)致船舶柴油機(jī)產(chǎn)生的1/3左右的熱量不能散發(fā)出去，妨礙柴油機(jī)甚至整個(gè)船舶系統(tǒng)的正常運(yùn)行；海水冷卻系統(tǒng)中海水與船舶舷外海水相通，若系統(tǒng)發(fā)生故障可能會(huì)導(dǎo)致舷外海水進(jìn)入機(jī)艙，發(fā)生事故?；谏鲜鲈颍瑢?duì)船舶海水冷卻系統(tǒng)的狀態(tài)參數(shù)進(jìn)行預(yù)測(cè)以及后續(xù)的狀態(tài)評(píng)
艦船科學(xué)技術(shù) 2018年8期2018-09-02
- 基于Android操作系統(tǒng)的智能手機(jī)下濕空氣參數(shù)計(jì)算
限公司濕空氣狀態(tài)參數(shù)在暖通空調(diào)的設(shè)計(jì)中有極高的使用頻率，通過(guò)查濕空氣的焓-濕圖可以很容易的查詢出狀態(tài)參數(shù)的值，但是查圖是非常繁瑣的，也是非常耗時(shí)的。現(xiàn)在通過(guò)電腦上的程序也可以獲取濕空氣的狀態(tài)參數(shù)，但是電腦體積大，不易攜帶，這種方法也存在很多的局限性。由于現(xiàn)在智能手機(jī)的普及，而且使用Android操作系統(tǒng)的智能手機(jī)占的比重是86.2%[1]。如果設(shè)計(jì)一個(gè)查詢濕空氣狀態(tài)參數(shù)的手機(jī)應(yīng)用，那么這將極大的提高設(shè)計(jì)人員的工作效率，降低設(shè)計(jì)人員的勞動(dòng)強(qiáng)度，而且隨時(shí)隨地都
建筑熱能通風(fēng)空調(diào) 2018年7期2018-08-17
- 基于大數(shù)據(jù)風(fēng)電場(chǎng)狀態(tài)參數(shù)相關(guān)性分析
言風(fēng)電場(chǎng)運(yùn)行狀態(tài)參數(shù)特性取決于其運(yùn)行工況，受氣候、湍流、風(fēng)機(jī)尾流、葉片污染的氣動(dòng)損失、風(fēng)電場(chǎng)內(nèi)線損失、氣候等多方面的影響。因此，風(fēng)電場(chǎng)采集的大數(shù)據(jù)之間的關(guān)系復(fù)雜，大量的干擾信息難于直接將采集的數(shù)據(jù)用于后期對(duì)于風(fēng)電場(chǎng)的分析。因此對(duì)于風(fēng)電場(chǎng)大數(shù)據(jù)的有效預(yù)處理是非常重要的，這就需要深入研究風(fēng)電場(chǎng)中各種數(shù)據(jù)的相關(guān)性并剔除無(wú)效數(shù)據(jù)的干擾，為后期風(fēng)電場(chǎng)的分析奠定基礎(chǔ)。2 風(fēng)電場(chǎng)狀態(tài)參數(shù)選擇風(fēng)電場(chǎng)狀態(tài)參數(shù)主要包括各風(fēng)機(jī)的機(jī)艙、齒輪箱、主軸、發(fā)電機(jī)、變流器、電網(wǎng)環(huán)境、自然
電力設(shè)備管理 2018年2期2018-04-08
- The validity analysis of ground simulation test for non-ablative thermal protection materials
聲速流場(chǎng)計(jì)算狀態(tài)參數(shù)(a) Distribution ofCO(blue ) andCN(red) along the nozzle axis under the chemical equilibrium (dot) and non-equilibrium (line) states(b) Distribution ofCO(blue) andCN(red) along the cross-section of nozzle exit under the
實(shí)驗(yàn)流體力學(xué) 2018年6期2018-02-13
- 基于ARMA模型的船舶海水冷卻系統(tǒng)參數(shù)預(yù)測(cè)
海水冷卻系統(tǒng)狀態(tài)參數(shù)的準(zhǔn)確預(yù)測(cè)，提出了根據(jù)平穩(wěn)時(shí)間序列建立自回歸移動(dòng)平均模型(ARMA)的方法；介紹了ARMA模型原理及建模過(guò)程；選取“育鯤輪”海水冷卻系統(tǒng)6天的狀態(tài)參數(shù)作為訓(xùn)練樣本，輸入到ARMA預(yù)測(cè)模型中進(jìn)行訓(xùn)練；在MATLAB環(huán)境下，獲得預(yù)測(cè)數(shù)據(jù)；運(yùn)用平均絕對(duì)百分比誤差對(duì)預(yù)測(cè)模型的準(zhǔn)確性進(jìn)行驗(yàn)證并對(duì)誤差進(jìn)行分析，結(jié)果表明所建立的船舶海水冷卻系統(tǒng)狀態(tài)參數(shù)預(yù)測(cè)模型具有良好的預(yù)測(cè)能力，能有效地反應(yīng)未來(lái)一段時(shí)間海水冷卻系統(tǒng)的工作狀態(tài)的變化，提示系統(tǒng)是否存在異
計(jì)算機(jī)測(cè)量與控制 2017年7期2017-08-30
- 基于SVM的壓電式能量收集電路故障預(yù)測(cè)
收集電路運(yùn)行狀態(tài)參數(shù)與支持向量機(jī)方法聯(lián)系起來(lái)，并對(duì)該能量收集電路的故障進(jìn)行預(yù)測(cè)。選取線性負(fù)載電阻兩端的輸出電壓當(dāng)作檢測(cè)對(duì)象，將該電壓的平均值和紋波值作為電路運(yùn)行狀態(tài)參數(shù)，使用支持向量機(jī)預(yù)測(cè)方法解決電路故障預(yù)測(cè)的問題。測(cè)試結(jié)果表明，利用支持向量機(jī)方法對(duì)壓電式能量收集電路運(yùn)行狀態(tài)參數(shù)的預(yù)測(cè)只有不到5%的誤差，可以有效地預(yù)測(cè)壓電式能量收集電路未來(lái)某一時(shí)刻是否發(fā)生故障。壓電式；能量收集電路；運(yùn)行狀態(tài)參數(shù)；SVM；故障預(yù)測(cè)隨著便攜式電子設(shè)備、微型機(jī)電系統(tǒng)、無(wú)線傳感器
- 大型汽輪機(jī)熱力參數(shù)異常測(cè)點(diǎn)識(shí)別軟件的開發(fā)
選取各抽汽點(diǎn)狀態(tài)參數(shù)為基準(zhǔn),通過(guò)蒸汽熱力膨脹過(guò)程線的平推,計(jì)算其余抽汽口的狀態(tài)參數(shù),得到若干組抽汽點(diǎn)狀態(tài)參數(shù)的計(jì)算值,將抽汽點(diǎn)狀態(tài)參數(shù)計(jì)算值與就地儀表顯示的數(shù)據(jù)或數(shù)據(jù)采集系統(tǒng)采集到的數(shù)據(jù)進(jìn)行對(duì)照,識(shí)別是否存在異常測(cè)點(diǎn).由于在未進(jìn)行識(shí)別前,無(wú)法確定抽汽點(diǎn)蒸汽參數(shù)是否正確,不適宜展開以抽汽點(diǎn)蒸汽參數(shù)為基礎(chǔ)的考慮汽輪機(jī)回?zé)嵯到y(tǒng)熱平衡的汽水流量計(jì)算.根據(jù)汽輪機(jī)原理知識(shí),識(shí)別計(jì)算可利用弗留格爾公式,假定變工況下汽輪機(jī)各級(jí)組前(后)壓力和額定工況下相應(yīng)級(jí)組前(后)壓力
上海電力大學(xué)學(xué)報(bào) 2016年5期2016-12-15
- 艦船核動(dòng)力系統(tǒng)狀態(tài)參數(shù)重構(gòu)分析方法初探
船核動(dòng)力系統(tǒng)狀態(tài)參數(shù)重構(gòu)分析方法初探陳玉清1,2，姚棟1，于雷2(1.中國(guó)核動(dòng)力研究設(shè)計(jì)院核反應(yīng)堆系統(tǒng)設(shè)計(jì)技術(shù)重點(diǎn)實(shí)驗(yàn)室，成都610213；2.海軍工程大學(xué)，武漢430033)針對(duì)艦船核動(dòng)力系統(tǒng)運(yùn)行狀態(tài)參數(shù)指示異?；蛑甘救笔栴}，分別基于參數(shù)耦合關(guān)系、工程仿真平臺(tái)、神經(jīng)網(wǎng)絡(luò)方法建立參數(shù)重構(gòu)分析模型，并利用可視化編程技術(shù)構(gòu)建了相應(yīng)的狀態(tài)參數(shù)重構(gòu)分析系統(tǒng)，實(shí)現(xiàn)了核動(dòng)力系統(tǒng)異常指示參數(shù)和堆芯安全參數(shù)的重構(gòu)分析與預(yù)測(cè)，可為輔助運(yùn)行人員開展操作決策提供數(shù)據(jù)基礎(chǔ)。參數(shù)
兵器裝備工程學(xué)報(bào) 2016年9期2016-10-20
- 基于冷鏡式光電露點(diǎn)儀的實(shí)驗(yàn)教學(xué)設(shè)計(jì)
科生對(duì)于空氣狀態(tài)參數(shù)的測(cè)試原理及耦合關(guān)系缺乏了解等問題，以教學(xué)型冷鏡式光電露點(diǎn)儀為實(shí)驗(yàn)平臺(tái)，開發(fā)了空氣狀態(tài)參數(shù)測(cè)定和簡(jiǎn)單空氣處理過(guò)程實(shí)驗(yàn)，通過(guò)測(cè)量空氣干球溫度和露點(diǎn)溫度，計(jì)算其他狀態(tài)參數(shù)，并展示了實(shí)踐教學(xué)應(yīng)用案例。該實(shí)驗(yàn)適用于建筑環(huán)境與能源應(yīng)用工程及相關(guān)專業(yè)實(shí)踐教學(xué)，為學(xué)生提供了良好的實(shí)驗(yàn)平臺(tái)，讓學(xué)生深入了解空氣狀態(tài)參數(shù)的本質(zhì)概念及測(cè)定原理?？諝鈪?shù)測(cè)定； 教學(xué)實(shí)驗(yàn)； 空氣處理過(guò)程； 光電技術(shù)； 露點(diǎn)儀保證良好的室內(nèi)空氣品質(zhì)是建筑環(huán)境與能源應(yīng)用工程專業(yè)的核
實(shí)驗(yàn)技術(shù)與管理 2016年7期2016-08-30
- 多溫區(qū)冰箱用并聯(lián)雙蒸發(fā)器動(dòng)態(tài)性能計(jì)算方法
、能量及其他狀態(tài)參數(shù)的計(jì)算公式以及各模式光滑轉(zhuǎn)換準(zhǔn)則；基于以上分析開發(fā)了用于并聯(lián)雙蒸發(fā)器所有運(yùn)行模式下動(dòng)態(tài)性能的計(jì)算方法。最后將本文提出的方法嵌入到成熟的仿真軟件中，仿真計(jì)算結(jié)果與實(shí)驗(yàn)數(shù)據(jù)相對(duì)偏差均在10%以內(nèi)。并聯(lián)雙蒸發(fā)器；冰箱；動(dòng)態(tài)性能；快速；穩(wěn)定0 引言多溫區(qū)冰箱中采用并聯(lián)雙蒸發(fā)器可以有效地提高各間室的溫度控制精度和冰箱能效[1-5]。并聯(lián)雙蒸發(fā)器冰箱兩間室所需要的制冷量不同，系統(tǒng)通過(guò)調(diào)節(jié)冷藏和冷凍毛細(xì)管的節(jié)流效應(yīng)，改變兩蒸發(fā)器的換熱溫差以及制冷劑流
制冷技術(shù) 2016年6期2016-03-08
- 威布爾比例風(fēng)險(xiǎn)模型裝備狀態(tài)維修檢測(cè)間隔期研究
變量,簡(jiǎn)化了狀態(tài)參數(shù)。以故障風(fēng)險(xiǎn)為決策目標(biāo)，建立了狀態(tài)維修檢測(cè)間隔期決策模型。通過(guò)實(shí)例，驗(yàn)證了該方法的可行性和有效性。威布爾比例風(fēng)險(xiǎn)模型，狀態(tài)維修檢測(cè)間隔期，遺傳算法，主成分分析0 引言隨著高新技術(shù)的應(yīng)用，裝備的故障規(guī)律和故障模式日趨復(fù)雜化，定時(shí)維修的適用范圍逐步減小，使得狀態(tài)維修［1］（Condition-based Maintenance，CBM）逐步得到重視和推廣，在保證可靠性的前提下提高裝備的可用度。對(duì)于裝甲裝備實(shí)現(xiàn)精確保障，減少維修保障費(fèi)用具有重
火力與指揮控制 2015年7期2015-06-23
- 基于質(zhì)量功能展開的狀態(tài)參數(shù)確定方法
需要依賴于對(duì)狀態(tài)參數(shù)進(jìn)行近似實(shí)時(shí)的監(jiān)控，狀態(tài)參數(shù)選擇的重要性顯而易見。然而，目前狀態(tài)參數(shù)的確定普遍經(jīng)驗(yàn)化，缺乏科學(xué)的分析計(jì)算，本文正是基于此問題展開相關(guān)研究。1 狀態(tài)參數(shù)概述1.1 CBM 定義基于狀態(tài)的維修(CBM)是一種建立在對(duì)裝備狀態(tài)實(shí)時(shí)或近實(shí)時(shí)評(píng)估基礎(chǔ)上的維修方式。它是在傳統(tǒng)的狀態(tài)監(jiān)控和故障診斷技術(shù)基礎(chǔ)上，綜合運(yùn)用傳感器、人工智能、計(jì)算機(jī)、通信和網(wǎng)絡(luò)等多種先進(jìn)技術(shù)，通過(guò)外部檢測(cè)設(shè)備或裝備內(nèi)部植入的傳感器獲得裝備運(yùn)行時(shí)的狀態(tài)信息，準(zhǔn)確地判定部件的實(shí)際
軍事交通學(xué)院學(xué)報(bào) 2015年7期2015-05-09
- 六氟化硫氣體低溫液化特性試驗(yàn)研究
an六氟化硫狀態(tài)參數(shù)曲線和經(jīng)驗(yàn)公式,繪制了SF6氣體狀態(tài)參數(shù)曲線,得到了簡(jiǎn)明實(shí)用的SF6氣體狀態(tài)參數(shù)公式。試驗(yàn)結(jié)果表明,在低溫條件下,SF6氣體很容易液化,而且氣體壓力越高,其液化溫度也越高,SF6電氣設(shè)備在低溫環(huán)境中運(yùn)行的SF6氣體液化溫度不應(yīng)高于該區(qū)域環(huán)境最低溫度,否則必須采取防止SF6氣體液化的措施。六氟化硫;低溫液化;特性;試驗(yàn)SF6氣體具有優(yōu)良的熱穩(wěn)定性、熱傳導(dǎo)性、較強(qiáng)的負(fù)電性、優(yōu)異的絕緣性能、滅弧性能,廣泛被應(yīng)用于高壓電氣設(shè)備中。由于SF6氣體
黑龍江電力 2015年5期2015-03-10
- 質(zhì)量和能量嚴(yán)格守恒的蒸發(fā)器動(dòng)態(tài)仿真模型
為控制方程的狀態(tài)參數(shù)，直接將質(zhì)量和能量守恒方程作為控制方程求解，從而避免了方程展開的誤差。為了在已知制冷劑總質(zhì)量和總能量的情況下求解蒸發(fā)器內(nèi)制冷劑分布情況和制冷劑狀態(tài)，本文開發(fā)了制冷劑不同分布情況的計(jì)算公式和計(jì)算方法。仿真案例表明，新方法在仿真48 h蒸發(fā)器性能中，質(zhì)量和能量嚴(yán)格守恒，計(jì)算穩(wěn)定，仿真結(jié)果和實(shí)驗(yàn)結(jié)果吻合。蒸發(fā)器；動(dòng)態(tài)仿真；移動(dòng)邊界模型蒸氣壓縮式制冷系統(tǒng)廣泛應(yīng)用于冰箱和空調(diào)系統(tǒng)。蒸發(fā)器直接參與系統(tǒng)換熱環(huán)節(jié)，是制冷系統(tǒng)中最重要的部件之一，所以蒸發(fā)
制冷學(xué)報(bào) 2015年1期2015-01-29
- 地下水位預(yù)測(cè):集合卡爾曼濾波(EnKF)應(yīng)用概述
可對(duì)模型中的狀態(tài)參數(shù)(如水位或水頭等)和模型參數(shù)(如滲透系數(shù)等)進(jìn)行聯(lián)合更新。目前，EnKF在很多領(lǐng)域都得到了應(yīng)用，如氣象學(xué)等［5］。圖1為集合卡爾曼濾波在氣象預(yù)報(bào)中的應(yīng)用實(shí)例:第一行為7月3日預(yù)測(cè)數(shù)據(jù)，第二行為7月4日預(yù)測(cè)數(shù)據(jù)，第三行為7月5日預(yù)測(cè)數(shù)據(jù)，每一天對(duì)后期預(yù)測(cè)的天氣情況都會(huì)有所變化。這就是通過(guò)預(yù)測(cè)氣象數(shù)據(jù)和實(shí)際監(jiān)測(cè)氣象數(shù)據(jù)相結(jié)合，利用EnKF及時(shí)將監(jiān)測(cè)數(shù)據(jù)與模型數(shù)據(jù)進(jìn)行同化，對(duì)模型中的一些參數(shù)進(jìn)行更新。經(jīng)過(guò)EnKF數(shù)據(jù)同化后，預(yù)測(cè)結(jié)果的準(zhǔn)確性更
水文地質(zhì)工程地質(zhì) 2014年1期2014-10-23
- 常值風(fēng)對(duì)無(wú)人機(jī)空中飛行自由運(yùn)動(dòng)的影響
h圖4 橫向狀態(tài)參數(shù)變化Fig.4 Transverse state change圖5 縱向狀態(tài)參數(shù)變化Fig.5 Longitudinal state change(2) 7 m/s常值縱風(fēng)下的自由運(yùn)動(dòng)圖6 飛行航跡Fig.6 Flight path圖7 橫向狀態(tài)參數(shù)變化Fig.7 Transverse state change圖8 縱向狀態(tài)參數(shù)變化Fig.8 Longitudinal state change(3)-7 m/s常值橫風(fēng)下的自由運(yùn)動(dòng)當(dāng)空中
飛行力學(xué) 2014年2期2014-09-17
- 基于層次分法的電力通信網(wǎng)狀態(tài)檢修評(píng)價(jià)方法*
饋的方式調(diào)整狀態(tài)參數(shù)權(quán)重，使評(píng)價(jià)結(jié)果盡量合理。同時(shí)，該方法對(duì)設(shè)備狀態(tài)進(jìn)行靜態(tài)評(píng)價(jià)和動(dòng)態(tài)趨勢(shì)評(píng)價(jià)，從而對(duì)設(shè)備的維護(hù)和檢修提出合理科學(xué)的建議。1 電力通信網(wǎng)設(shè)備狀態(tài)檢修的意義電力通信設(shè)備的現(xiàn)行檢修方法主要依靠計(jì)劃?rùn)z修的模式，按照預(yù)設(shè)的固定檢修周期對(duì)設(shè)備進(jìn)行檢查。設(shè)備的檢修周期制定主要依靠主觀推測(cè)，易導(dǎo)致通信設(shè)備出現(xiàn)過(guò)度檢修或檢修不足，從而造成檢修費(fèi)用浪費(fèi)，或通信設(shè)備隱患無(wú)法及時(shí)消除，運(yùn)行的穩(wěn)定性可靠性無(wú)法達(dá)標(biāo)。狀態(tài)檢修是一種主動(dòng)實(shí)施的一種設(shè)備檢修方式。狀態(tài)檢修
電子測(cè)試 2013年14期2013-11-15
- 基于VEE與Nport的控溫儀狀態(tài)參數(shù)遠(yuǎn)程監(jiān)控系統(tǒng)設(shè)計(jì)
并設(shè)定控溫儀狀態(tài)參數(shù)（當(dāng)前溫度、設(shè)定控溫閾值），如何對(duì)控溫儀進(jìn)行統(tǒng)一管理，在總控間實(shí)現(xiàn)對(duì)儀器狀態(tài)參數(shù)的遠(yuǎn)程自動(dòng)監(jiān)控，成為真空熱試驗(yàn)亟需解決的問題。為了減輕試驗(yàn)人員勞動(dòng)強(qiáng)度，特別是在夜間手動(dòng)記錄與設(shè)定控溫儀狀態(tài)參數(shù)的辛苦程度，避免人為操作失誤導(dǎo)致的數(shù)據(jù)失真與控溫風(fēng)險(xiǎn)，本文基于VEE圖形化編程語(yǔ)言與Nport串口服務(wù)器，設(shè)計(jì)了控溫儀狀態(tài)參數(shù)遠(yuǎn)程監(jiān)控系統(tǒng)，實(shí)現(xiàn)了控溫儀狀態(tài)參數(shù)的遠(yuǎn)程讀取、曲線表示及自動(dòng)保存，試驗(yàn)人員在總控間即可對(duì)控溫儀控溫閾值進(jìn)行遠(yuǎn)程設(shè)定，極大地
航天器環(huán)境工程 2012年1期2012-11-28
- 基于GSM通信的小型水電站水輪發(fā)電機(jī)組運(yùn)行監(jiān)測(cè)裝置應(yīng)用
出功率等運(yùn)行狀態(tài)參數(shù)。驅(qū)動(dòng)卡用于實(shí)現(xiàn)遠(yuǎn)程停水停機(jī)操作。GSM模塊（TC35i）完成控制信號(hào)以及運(yùn)行狀態(tài)參數(shù)的接收和發(fā)送。西門子的TC35i作為GSM通信模塊，以短消息互發(fā)形式進(jìn)行水輪發(fā)電機(jī)組運(yùn)行狀態(tài)及水文情況的查詢和反饋。GSM模塊通過(guò)UART接口與DSP處理器進(jìn)行連接，由DSP處理器處理有效短信息以及根據(jù)信息訪問請(qǐng)求內(nèi)容進(jìn)行水輪發(fā)電機(jī)組運(yùn)行狀態(tài)信息反饋。監(jiān)測(cè)裝置組成結(jié)構(gòu)如圖1所示。圖1 監(jiān)測(cè)裝置的組成2 監(jiān)測(cè)功能及實(shí)現(xiàn)2.1 監(jiān)測(cè)功能的實(shí)現(xiàn)原理如圖2所示
中國(guó)水能及電氣化 2011年9期2011-09-03