排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
2.
Multi-scale complexity entropy causality plane: An intrinsic measure for indicating two-phase flow structures 下载免费PDF全文
We extend the complexity entropy causality plane(CECP) to propose a multi-scale complexity entropy causality plane(MS-CECP) and further use the proposed method to discriminate the deterministic characteristics of different oil-in-water flows. We first take several typical time series for example to investigate the characteristic of the MS-CECP and find that the MS-CECP not only describes the continuous loss of dynamical structure with the increase of scale, but also reflects the determinacy of the system. Then we calculate the MS-CECP for the conductance fluctuating signals measured from oil–water two-phase flow loop test facility. The results indicate that the MS-CECP could be an intrinsic measure for indicating oil-in-water two-phase flow structures. 相似文献
3.
基于灰色模型的混合建模预测方法及其应用 总被引:1,自引:0,他引:1
针对陀螺仪寿命预测的特点,提出了一种基于灰色模型的混合建模预测方法。为了提高一阶灰色模型GM(1,1)的建模能力,此模型引入了小波变换。首先小波变换对实测的动力调谐陀螺(DTG)漂移数据进行预处理以减少干扰噪声,接着处理后的数据被用来建立灰色模型。来自于长期测量的DTG的漂移数据的实验结果证明了文中所提混合策略的有效性。并且为了进行比较,对神经网络建模方法进行了相应的研究,结果表明当小波变换被引入到混合模型中,此基于灰色模型的混合建模预测方法具有令人满意的性能,为陀螺仪的寿命预测提供了借鉴和参考。 相似文献
4.
贝叶斯神经网络建模预测方法及其应用 总被引:2,自引:0,他引:2
针对神经网络建模时,其模型的复杂性难以控制而且缺乏分析结果的工具,以及贝叶斯方法可以通过定义一些超参数的模糊先验来控制模型参数复杂性,并且可对任何感兴趣的变量产生后验预测分布,使得置信区间的计算成为可能.研究了贝叶斯神经网络的建模预测问题,通过融入模型参数的先验知识,在给定数据样本及模型假设下进行后验概率的贝叶斯推理,使用马尔可夫链蒙特卡罗算法来优化模型控制参参数,实现了对神经网络模型中不同部分复杂度的控制,获得了模型参数的后验分布及预测分布.通过动调陀螺仪漂移数据建模应用分析结果证明此方法可以达到较好的建模预测效果. 相似文献
5.
基于RBF网络的信息融合在SAMS故障诊断中的应用 总被引:1,自引:0,他引:1
针对卫星姿态测量系统(SAMS),将径向基函数RBF(Radial Basis Function)网络和多传感器信息融合技术相结合,并将其应用在系统的故障检测与诊断中。研究结果表明,此方法是可行有效的,可以提高系统的测量精度和性能。 相似文献
6.
为了提高卫星姿态测量系统的姿态估计精度,研究设计了一个模糊神经网络,对各姿态传感器的输出信号进行综合处理。研究表明:此方法可以使测量精度得以很大提高。 相似文献
1