排序方式: 共有19条查询结果,搜索用时 500 毫秒
11.
提出了一种基于近红外光谱分析技术的酵母菌生长过程描述方法.利用Antaris Ⅱ型傅里叶变换近红外光谱仪获取酵母菌培养过程中,发酵物样本在10000~4000 1范围内的光谱数据,同时采用光电比浊法测定各样本的光密度(Optical density, OD)值;运用竞争性自适应重加权采样(Competitive adaptive reweighted sampling, CARS)算法优选特征光谱,再利用极限学习机(Extreme learning machine, ELM)建立酵母菌生长过程4个阶段的分类模型.研究结果显示,参与CARS-ELM模型建立的波长个数为30,其10次运行在训练集和测试集中的平均识别率分别为98.68%和97.37%.研究结果表明,利用近红外光谱分析技术结合适当的化学计量学方法描述酵母菌生长过程是可行的. 相似文献
12.
微电网运行于孤岛情况时,新能源发电间歇性强、波动性大的缺点严重影响微电网的安全运行与储能单元的使用寿命。传统的控制策略在微电网中接入多种分布式发电单元和储能单元后控制误差大、反应时间长,且无法处理功率协调与储能管理系统的固有矛盾。文中提出一种计及母线净功率的模糊控制策略,该控制策略以储能荷电状态(State of Charge, SOC)与母线净功率及其变化率为输入,采用重心法去模糊得到储能系统的输出功率,以达到平抑母线功率波动、协调储能单元出力和减少储能系统充放电次数的目的。最后通过仿真对所述策略与传统双输入模糊控制、PID控制与PSO算法进行比较,仿真结果验证了所述策略的优越性,并在微电网实验室中进行了试验,验证了所述策略的可行性。 相似文献
14.
一种基于SCARS策略的近红外特征波长选择方法及其应用 总被引:4,自引:0,他引:4
针对近红外光谱数据的内在特点,提出了一种基于稳定性竞争自适应重加权采样(stability competitive adaptive reweighted sampling, SCARS)策略的近红外特征波长优选方法。该方法以PLS模型回归系数的稳定性作为变量选择的依据,其过程包含多次循环迭代,每次循环均首先计算相应变量的稳定性,而后通过强制变量筛选以及自适应重加权采样技术(ARS)进行变量筛选;最后对每次循环后所得变量子集建立PLS模型并计算交互验证均方根误差(RMSECV),将RMSECV值最小的集合作为最优变量子集。利用饲料蛋白固态发酵过程近红外光谱数据集对所提方法进行了验证,并与基于PLS的蒙特卡罗无信息变量消除法(MC-UVE)和竞争自适应重加权采样(CARS)方法所得结果进行了比较。试验结果显示: 建立在SCARS方法优选的21个特征波长变量基础上的PLS模型预测效果更好,其预测均方根误差(RMSEP)和相关系数(Rp)分别为0.054 3和0.990 8;该优选策略能有效地增强固态发酵光谱数据特征波长变量选择的准确性和稳定性,提高了模型的预测精度,具有一定的应用价值。 相似文献
15.
“电力电子技术”是高等院校电气工程与自动化类专业的一门重要基础课.本文在阐述单相PWM整流器控制策略基础上,以并联型PWM整流器为例,建立等效电路模型,且使用PSIM软件进行仿真分析.通过有/无环流抑制策略的仿真分析对比演示,可以丰富教学内容,加深学生对PWM整流器内容的理解和掌握,提高教学质量. 相似文献
16.
17.
在原有校、院(系)两级管理模式下,组织跨院系的教学团队和建设跨院系的校级平台课的难度很大.本文是系列文章的第二篇,在分析组织跨院系的教学团队中存在困难的基础上,探讨跨院系校级平台课建设的组织模式与操作方式,提出跨院系校级平台课建设规范的框架与建设性意见,为建设好跨院系的校级平台课提供建设性意见. 相似文献
18.
以多变量、非线性、强耦合的感应电机调速系统为研究对象,在基于神经网络逆系统离线训练的基础上提出了在线调整的策略,通过静态神经网络加积分器来构造感应电机调速系统的逆模型,在实际运行中不断地修正神经网络权值,更精确地逼近其逆系统,实现了感应电机转速的高精度控制。仿真和实验结果表明系统具有优良的静态及动态性能,且对电机参数的变化与负载扰动具有较强的鲁棒性。 相似文献
19.
基于近红外光谱的橄榄油品质鉴别方法研究 总被引:1,自引:0,他引:1
目前市面上销售的橄榄油主要分为特级初榨橄榄油和普通初榨橄榄油两类,为了鉴别两种不同品质的橄榄油,提出了一种应用siPLS-IRIV-PCA算法的橄榄油品质鉴别的新方法。基于橄榄油的近红外光谱数据,应用联合区间偏最小二乘法(siPLS)对橄榄油的近红外光谱进行了波长区间优选,使用交叉验证均方根误差(RMSECV)评估模型的性能并选择最优波长区间,通过迭代保留信息变量(IRIV)算法从最优波长区间中选择特征波长,根据选择的特征波长构建主成分分析(PCA)模型。对90组特级初榨橄榄油和90组普通橄榄油样本进行了判别鉴定。PCA将1 427个波长变量作为输入变量,前两个主成分贡献率为51.891 8%和26.473 2%;siPLS-PCA将408个波长变量作为输入变量,前两个主成分贡献率为56.039 1%和36.235 5%;siPLS-IRIV-PCA将6个波长变量作为输入变量,前两个主成分贡献率为66.347 6%和32.304 3%。结果表明,与PCA和siPLS-PCA鉴别方法相比,siPLS-IRIV-PCA具有最佳的鉴别性能。 相似文献