-
题名非小块状轮胎花纹噪声仿真试验模型
被引量:1
- 1
-
-
作者
陈理君
魏波涛
曹平
王华
杨光大
-
机构
武汉理工大学自动化学院
上海米其林回力轮胎股份有限公司
-
出处
《轮胎工业》
CAS
2006年第12期718-722,共5页
-
文摘
研究非小块状轮胎花纹噪声的仿真试验模型。根据光面轮胎、条状花纹和大块状花纹的发声特点,对原来的发声模型进行修正,提出了适用于非小块状花纹的发声试验物理模型,并编制相关程序BPTNS和BPODS,仿真试验验证了模型的准确性。
-
关键词
轮胎
花纹噪声
非小块状花纹
发声模型
-
Keywords
tire
patterns noise
non-small block patterns
sound-generating model
-
分类号
TQ336.1
[化学工程—橡胶工业]
U467.493
[机械工程—车辆工程]
-
-
题名基于孪生变分自编码器的小样本图像分类方法
被引量:8
- 2
-
-
作者
王德文
魏波涛
-
机构
华北电力大学控制与计算机工程学院
-
出处
《智能系统学报》
CSCD
北大核心
2021年第2期254-262,共9页
-
基金
国家自然科学基金项目(51677072)。
-
文摘
当前深度学习大都基于大量数据通过构建深层次的网络实现自动识别,但在很多场景中难以获得大量的样本数据。针对这一问题,提出一种基于孪生变分自编码器(siamese variational auto-encoder,S-VAE)的小样本图像分类方法。通过变分自编码器提取原始训练数据的高层语义特征,然后由两个训练好的变分自编码器的编码器部分组建孪生网络的输入结构,最后通过分类器对样本进行识别。变分自编码器可以解决样本数据量少带来的过拟合问题,孪生网络的结构增加了样本数量较少的情况下的训练次数。在Omniglot数据集上进行的实验结果表明:本方法与原始孪生神经网络相比正确率平均提高了3.1%,模型收敛速度更快,证明了孪生变分自编码器能够较好地完成小样本数据分类任务。
-
关键词
小样本
变分自编码器
孪生网络
图像识别
过拟合
特征向量
深度学习
数据增强
-
Keywords
small sample
variational auto-encoder(VAE)
siamese network
image recognition
over-fitting
eigenvector
deep learning
data augmentation
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名附加阻尼控制抑制电力系统低频振荡研究
被引量:1
- 3
-
-
作者
魏波涛
沈将军
阎吉
林永
-
机构
北京清晖翔科技有限公司
中国矿业大学(北京)电气工程与自动化系
-
出处
《自动化应用》
2016年第12期24-25,28,共3页
-
文摘
低频振荡降低了传输极限和动态稳定性,正成为互联电网的主要问题。SVC/STATCOM附加控制功能可以解决振荡问题和提高系统的小信号稳定性。本文提出了一种使用Prony辨识得到降阶控制系统单元和使用优化的控制器设计用来调节SVC/STATCOM阻尼参数的方法。使用Prony辨识得到电网的降阶的线性化模型,选取输入和输出通道以便加入SVC形成闭环,通过调节SVC/STATCOM控制器参数,可以阻尼低频振荡。
-
关键词
低频振荡
附加阻尼控制
PRONY辨识
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-