冲激函数匹配法在初始条件计算中的应用

在连续时间系统的时域分析中,直接求解微分方程是最基本的分析方法,初始条件是求解微分方程的基本条件,冲激函数匹配法是计算初始条件的有效方法.本文阐述了冲激函数匹配法的基本原理,导出了起始状态和初始条件之间的互算关系,解释了起始状态与初始条件的跳变原因,列举了初始条件的计算与应用实例.

δ函数匹配法在系统求解中的应用

目的研究系统的时域求解方法．方法依据微分方程平衡理论和δ函数的特殊性，建立δ函数匹配法．结果利用δ函数匹配法可以极方便地确定系统的初始状态和解的形式．结论这种方法对系统的时域求解具有普遍意义．

连续线性系统时域分析中的函数匹配法

本文讨论了在连续线性系统时域分析中求微分方程特解的函数匹配法,求冲激响应和阶跃响应的δ函数匹配法,并将其推广应用于一般激励信号作用下系统零状态响应的求解中。所讨论的方法比常用的代入法计算简单。

关于冲激函数匹配法的教学研究

冲激函数匹配法是连续LTI系统响应分析中由0-状态求0+状态的有效方法之一。但目前教材和教学参考书中关于冲激函数匹配法的介绍都比较繁琐,对该法的教学感到困难。为此,本文对冲激函数匹配法提出了另一种教学方法,该方法条理清楚,逻辑严谨,解题格式流畅,容易为学生理解和接受。

冲激函数匹配法在时域分析法中的应用

在线性时不变系统的分析方法中,经典时域分析法是最基本的分析方法,它需要求解系统在0+时刻的初始状态,冲激函数匹配法可以方便地确定系统的初始状态。通过对相对跳变量和冲激函数匹配法的介绍,阐述了冲激函数产生的原因,分析了系统初始状态的求解方法。

δ函数匹配法在分析LTI系统中的应用

文章主要介绍求解LTI系统零状态响应初始值的一种方法.

线性非时变电路的冲激函数匹配解法

本文指出了线性非时变电路常规解的复杂性。通过引入冲激函数的匹配原理,非常便捷的解出了此种电路的参数响应,同时总结出线性非时变电路只要满足:电路是线性非时变的状态转换;电路中没有冲激电流(或阶跃电压)的强迫作用于电容或电感;电路要用微分方程表示,其右端要含有δ(t)及其各阶导数;换路期间电容两端的电压和流过电感中电流不会发生突变,就可以利用此方法来使问题获得方便迅速的解决。

信号时域分析的冲激函数匹配法新解析

目前各种版本的“信号与系统”教材中,对用冲激函数匹配法求解连续系统的时域响应介绍的过于笼统,为使该教学知识点便于教学组织,对冲激函数匹配法进行了详细的数学解析,使其更易于教学理解;同时总结了简洁的应用操作流程,并结合具体实例加以解释说明。用所研究的方法可以更好地组织信号与系统时域分析的教学内容。

冲激函数匹配系数及跃变量的计算方法

在连续时间系统的时域分析中,冲激函数匹配法是计算系统状态从0-到0+转换的重要方法。可以利用冲激函数匹配法的基本原理推导出了冲激匹配系数的矩阵计算式与递推计算式,通过对冲激项从0-到0+的积分运算推导了跃变量计算公式,给出包括0时刻冲激的响应表达式,从而形成时域分析的一条清晰脉络,为更好地应用这一方法提供帮助。

基于冲激函数匹配法的系统完全响应分析

从微分方程解的结构入手,将欲匹配的冲激函数各阶导数之和看成微分方程特解,从而提出一种基于系统响应分解思想的全响应求解方法,该算法能很好地解释从0-到0+的状态跳变过程,并能很好应用于系统初始状态求解、系统零输入响应、零状态响应等一系列问题.

基于静态分析的C++虚函数匹配算法研究

在分析C++程序的静态路径时,确定出虚函数调用所对应的函数原型是非常重要的。根据多态性的实现机制,以静态分析建立的虚函数表为基础,从数据流角度出发,分别对赋值和函数调用进行定值和别名分析方法,并建立相应的表,确定出虚函数调用所对应的类的函数原型。对面向路径的C++语言程序自动化测试起到了关键作用。

基于最小不匹配函数的低压减载算法研究

为了恢复故障后潮流的可解性,提出了一个新的算法用来决定最小负荷减载问题。应用 Damped Newton-Raphson法,以潮流方程的不匹配函数最小为优化目标,来识别弱节点,以确定最佳减载策略;将求解最小不匹配函数获得的最弱节点电压设为已知量,将负荷减载节点的负荷承载系数作为一个新的未知量,以计算修改后的最小不匹配函数,估计最小负荷减载量,并应用简单的 P-V 曲线法对估计结果进行修正,以提高计算精度。通过 New-England 39 节点系统和IEEE 30 节点系统算例表明,此算法简单有效,易于实现。

基于参数化隶属度匹配函数的含分布式发电配电网模糊潮流计算

随着分布式发电渗透水平增长、负荷波动性加强,配电网所面临的不确定性因素日益复杂和严峻,在给配电网规划和调度等环节带来挑战的同时,也间接对不确定性潮流计算的准确性提出了更高的要求。针对含分布式发电与负荷不确定性对配电网潮流分析带来的影响,该文提出新型模糊潮流计算方法。首先分析分布式发电与负荷采样数据的嵌套特性,构建基于隶属度匹配函数的功率模糊模型,弥补常规方法理论基础不充分和主观性较强的问题。然后,采用参数化隶属度匹配函数改进前推回代法,通过含参迭代计算实现配电网模糊潮流的求解,避免?截集分解和线性近似所引起的低运算速度或低计算精度。最后,通过实际配电网进行算例仿真与分析,结果不仅能够合理表征出分布式发电与负荷的不确定性,还可定量分析由此所导致的电压水平和功率分布数值的可能性变化情况,验证了所提模糊潮流计算方法的有效性。

比较法测试不同颜色匹配函数的性能

为了测试不同颜色匹配函数的预测性能,基于灰色、棕色、紫色和蓝色4个目标色,共制作了16对近同色异谱色样对(围绕每个目标色分别制作了4个待比较色),组织14名年龄不同的色觉正常观察者基于心理物理实验方法中的比较法,开展了色差大小比较实验。结果表明,实验组织的老年观察者的锥细胞响应较年轻观察者有所下降,CIE1931的预测性能优于CIE1964。不同颜色区域,各颜色匹配函数的表现各异,在进行某些颜色(如灰色,紫色和蓝色)区域的色度值表征和色差评估时,即便观察视场角大于4°,CIE1931的计算性能仍然优于CIE1964。现有CIE2006匹配函数考虑到晶状体光谱透光率和中央凹的锥细胞光谱响应,下一步可继续强化中央凹锥细胞光谱响应,优化其计算性能。

采用距离匹配函数的印花织物图案周期测定

为实现自动检测织物图案周期和印花织物质量的有效评估,运用距离匹配函数计算印花织物周期,首先计算印花织物图案行和列的一维距离匹配函数,然后对织物所有行和列的一维距离匹配函数求和作为行和列的二维距离匹配函数。当距离匹配函数中的周期变量为织物图案周期时,印花织物距离匹配函数二次前差分得到最大值。结果表明,与传统的自相关函数检测织物周期相比,该算法检测织物周期准确且可检测织物各种图案的周期。

基于匹配函数的云测试资源匹配算法研究

在云测试领域,用户需求与云资源间的匹配关系MR复杂且相互影响,导致缺少有效的针对云资源匹配方法的研究,而实现两者间的有效匹配对于满足用户需求和提高服务效率具有重要意义。首先对用户需求和云资源进行数学建模,然后综合考虑资源的性能、成本、可靠性、复杂性以及均衡性等影响因素,结合需求与资源间属性的距离偏好提出了相应的匹配函数和基于匹配函数的云测试资源匹配算法CTRMAMF,最后基于某工程实例,验证了该算法在解决用户需求与资源间最优匹配问题上的可行性。

基于一种匹配函数的ATS资源自动配置方法

提出采用匹配函数描述测试点与仪器端口的匹配程度,用来指导自动测试系统仪器选型和资源配置.匹配函数采用面向信号的方法构建,综合了测点信号属性与仪器性能参数、仪器可靠性、仪器成本、仪器操作复杂度等因素,使得仪器选型和资源配置策略的制定更符合工程需要.给出了资源配置策略和算法,并对资源配置进行了并行测试优化.通过给出一个典型实例,证明该方法能有效降低测试成本,增强系统可靠性,提高测试效率和吞吐量,并为自动测试系统硬件设计的自动化奠定了基础.

基于寿命匹配函数的主动再制造设计方法

针对产品主动再制造时其关键零件往往存在"提前再制造"或"滞后再制造"的问题,提出了寿命匹配函数的概念。通过研究不同特征结构参数组合下关键零件主动再制造时机的变化,建立了关键零件主动再制造时机与特征结构参数的映射关系,并引入寿命匹配因子作为寿命匹配完成的标志。提出了基于寿命匹配函数的主动再制造设计方法,根据寿命匹配函数,优化特征结构参数,实现关键零件与产品主动再制造时机的匹配。最后,以某型号柴油机为例进行寿命匹配,验证了该方法的有效性和可行性。

利用累加距离匹配函数的纹理规则度计算方法

规则度是纹理图像的主要特征之一,能够用于纹理图像的描述和分类.基于累加距离匹配函数(SDMF)提出一种纹理图像规则度计算方法,并建立规则?近似规则?随机纹理的分类模型和进行纹理粗细程度判定.首先针对纹理图像构建相应SDMF;然后利用二次求导和阈值划分提取显著峰谷;最后以峰值和谷值的数量,位置,关系为特征,构建周期规则度特征向量和纹理分类模型.以Brodatz图像库进行实验的结果表明,文中的规则度能够有效地区分规则图像、近似规则图像和随机图像,符合视觉感知,并与已有研究结果进行类比验证,具有更好的准确性;同时,由于SDMF的第一周期可以作为纹理基元的尺寸,因此可以扩展对纹理基元的粗细程度的分类.

应用频域分析与距离匹配函数的织物纹理周期测量

通过将频域分析与距离匹配函数(DMF)相结合,实现了机织物图像纹理周期的自动测量.首先按行和列方式分别将织物图像展开为行向量和列向量,然后应用一维快速傅里叶变换分别将所提取的行向量和列向量变换到频率域进行分析,并在此基础上提取两个最大峰值所对应的周期值,最后通过计算潜在周期的累加DMF实现织物纹理周期的准确测量.试验结果表明,该方法能有效地测量织物纹理周期,相比于累加DMF方法,其稳定性更好且计算效率高.