基坑变形的实时建模预报时序分析方法

针对基坑变形的特点,提出了在基坑变形预测中应用实时建模预报时间序列的分析方法,并通过对上海金融中心基坑的监测资料,证明了该方法的有效性。

基坑变形的动态神经网络实时建模预报方法

为了对基坑变形进行更准确的监测和预报 ,根据基坑变形的特点 ,提出了应用动态递归神经网络进行实时建模预报 ,并采用一种改进的在线学习算法 ,较好地描述了基坑变形的动态特性。通过对某工程基坑的监测 。

虚拟环境下变形线性体实时建模算法研究

研究提出一套虚拟环境下线绳和缆索两类变形线性体的几何变形数学建模算法。首先将变形线性体的物理和几何特性,对它们建模的共同之处进行研究,采用微分几何方法在正交直角坐标系下描述其变形,选择样条函数描述线性体的中心线,提出描述扭转变形的一种简单方法,结合广义弹簧理论建立它们的变形能数学模型,应用材料力学理论设计参数,并采用能量极小化方法求解;其次分别针对线绳和缆索的特性修改共性模型,形成各自的建模算法;第三通过仿真模型与实际变形线性体的对比实验验证仿真算法的正确性。实验结果表明,该算法能够正确描绘线绳和缆索变形,并能够满足虚拟环境的实时交互帧频率。

配电网实时建模技术及关键问题研究综述

随着智能电网建设的推进,智能采集设备终端铺设率大大提高,需求侧终端电气化已成为不可逆转的发展趋势。近年来,低压配电网由于系统信息更新不及时和管理的无序性导致配网拓扑与实际配置信息出现偏差。这些问题的出现影响配电网安全运行的同时,也对供电企业经营风险造成了影响,迫切需要探索配电网的实时建模技术,以精准辨识用户的接入信息,保障配电网的安全稳定运行。为此,首先从配电网结构特点、供电方式和配电网模型信息集成技术三方面分析了配电网的技术概况。在此基础上,从物理拓扑分析、拓扑辨识以及拓扑关键校验技术综述了配电网实时建模关键问题的研究现状,并进一步围绕配电网实时建模关键技术对未来可能的研究方向进行了展望,以期为未来研究提供参考。

利用反馈神经网络对非线性连续系统进行实时建模

利用时变反馈神经网络的概念及二维线性连续 离散型系统的理论给出了非线性连续系统的一种实时建模方法.理论及仿真实验结果均表明,这种实时模型能够任意逼近非线性连续系统.

滚齿机动态误差的实时建模与补偿

采用ＡＲ模型的自适应滤波方法对误差谐波成分多，频率高，随机成分大的滚齿机短周期误差，进行实时建模与预报控制补偿试验。试验表明，短周期误差的６０％左右可以被补偿掉。

一种高精度的非平稳随机信号实时建模算法研究

针对传统的非平稳随机信号时变参数筹分模型算法的不足,论文把非平稳随机信号时变参数差分模型与一种带自适应遗忘因子的RLS算法结合起来,形成一种有效的非平稳随机信号实时建模算法,仿真分析表明该算法不仅能获得快的收敛速度而且能获得高的建模精度。

力觉临场感系统中操作环境的实时建模

力觉临场感遥操作系统的操作环境常常是未知的 ,为使本地操作者可以无障碍、无失真地实时感知远地环境特性 ,需对未知的操作环境在线建模。然而在该研究领域目前还没有找到完善的方法实现这一要求。为此 ,本研究根据辨识理论 ,提出了一种对力觉临场感系统中的操作环境进行实时在线建模的新思路 ,并经仿真研究 ,证明是可行的。

光伏阵列的实时建模(英文)

This paper mainly aims at the modeling problem of the photovoltaic (PV) array with a 30 kW PV grid-connected generation system. An iterative method for the time-varying parameters is proposed to model a plant of PV array. The relationship of PV cell and PV array is obtained and the solution for PV array model is unique. The PV grid-connected generation system is used to demonstrate the effectiveness of the proposed method by comparing the calculated values with the actual output of the system.

非线性离散系统的一种实时建模方法

本文利用二维线性离散系统理论给出了非线性离散系统的一种实时建模方法,理 论及仿真实验显示这种实时模型能够任意逼近非线性离散动态.

网络环境中虚拟树木的建模和实时渲染研究

在网络环境中虚拟树木表现技术上,如何达到网络传输的实时性和视觉效果的平衡一直是国内外学者研究的热点。论文基于Java3D技术,提出了一种web环境下虚拟树木的实时建模和渲染方法。该方法以树木特性为依据设计了虚拟树木场景结构以及基于web的虚拟树木建模算法。在树木场景创建以及渲染过程中采用多种优化技术如面片建模、LOD方法等既保证视觉效果又有效减少场景面片数以加速场景的漫游显示速率。经过测试,构建的基于Web的虚拟树木场景不但具有较强的真实感及良好的交互性,而且满足网络实时传输的要求。

推进系统实时模型建立与仿真

在进行飞行模拟和综合飞行/推进控制研究时,建立高逼真度的推进系统实时模型是极其必要的。本文提出了一种线性化技术为基础建立的状态空间形式的发动机实时模型,并检验了实时性,精确性和实用性。

基于强跟踪滤波器的快速实时负荷建模方法

电力系统负荷的时变性和随机性给实时或超实时暂态稳定分析带来了困难。提出一种可用于实时或超实时暂态稳定分析的快速负荷建模方法,为解决这一难题提出了新思路。该方法以实时辨识、实时使用为主要思想,采用强跟踪滤波器进行暂态稳定分析的快速负荷建模,并用辨识结果实时更新超实时暂态稳定程序中的负荷模型。仿真结果表明,所提出的快速负荷建模方法能够满足暂态稳定分析对负荷建模的实时或超实时需求。

基于实时点云建模虚拟夹具辅助力觉交互研究

为满足遥操作的精度和实时性要求,应对在操作过程中出现的目标工件形状发生变化或与机械臂末端间出现相对移动等状况,提出一种融合RGB与深度图像信息的点云建模方法。对未知的操作环境进行实时建模,在此基础上实时构建虚拟夹具,继而研究遥操作系统中的力觉交互环节。实验结果表明,基于实时点云建模的虚拟夹具能够有效辅助操作者操纵力反馈设备与点云进行力觉交互,力觉临场感效果良好,可用于规避固定或动态障碍物,完成相对精确的操作任务。

一种基于Event-B语言的时间触发系统建模方法

安全关键信息物理系统的时间属性建模和验证至关重要。Event-B模型验证避免了基于状态遍历模型检查方法的状态空间爆炸问题,验证时耗少,适用于高并发系统。然而,常规的Event-B方法缺乏时间语义表达结构,特别是缺乏对可提高系统可预测性的时间触发属性的支持。首先,介绍支持时间触发系统的抽象建模框架TTEB,从系统行为和实现2个抽象层次对时间属性进行建模和精化。然后,通过有序事件链组成的时间触发转移描述行为层时间触发属性;通过全局时钟到分布式本地时钟的精化和分解实现行为模型到实现模型的转化;运用时间触发转移建模分布式时钟周期同步。最后,基于从车跟车系统建模与验证说明方法的可用性和有效性。

基于海量平台的水电厂生产实时系统建模办法

基于海量平台的水电厂生产实时系统所需数据一般来源于下属电厂的监控系统、设备在线监测系统和部分离散实时系统。各厂监控厂家不一,对各自系统测点命名也没有统一的标准,数据集中到生产实时系统后,难免出现混乱的情况。同时,在这种无序状态下,接入测点数量是否与现场一致,数据是满足生产实时系统计算及统计需求,也很难管理。为此,需要一套行之有效的测点建模办法,规范建模工作,统一测点模型,使接入数据既能反馈现场实际情况,又能满足生产实时系统使用,同时方便测点管理。

装甲车辆火力性能仿真模型可信性与实时性

可信性与实时性是“人在回路”仿真系统研究的核心内容。在仿真过程中,通过对坦克火力系统物理模型分析,兼顾仿真精度与实时性要求,采用与实际武器装备一致的解算方法,拟合出方位角、瞄准角、最大弹道高与测距距离的函数关系,并据此构造出装甲车辆的外弹道曲线。通过对计算机机器时间物理模型的分析,采用读取CPU内部64位时间寄存器EDX:EAX方式,实现了仿真算法的纳秒级实时运算。通过提高可信性与实时性,增强了“虚拟战车”的沉浸感,为装甲武器装备的采办提供了必要的支持。

船舶姿态运动实时预报算法研究

根据大型舰船在随机海浪作用下的非平稳运动特性,提出基于AR模型的实时建模预报方法,详细讨论了改进隅角实时快速定阶算法和RLS递推在线参数辨识方法。针对典型航行工况,对船舶纵摇运动进行了仿真研究,并与AIC定阶算法进行了比较。仿真结果表明:AR算法适用于舰船在非平稳运动情况下的建模预报。AIC准则、改进隅角两种定阶方法均可实现AR模型阶数的在线估计问题,预报长度均可达到7-10秒,但改进隅角定阶算法简单,独立性好,易于编程实现,预报实时性好。该方法在理论和工程应用方面具有重要的意义。

多模态感知驱动下高堆石坝施工仿真参数集成深度学习模型

现有施工仿真参数建模方法主要依靠单一模态数据,且现有多模态数据采集过程存在一定的滞后性,导致仿真的实时性和准确性不足。针对上述问题,本文提出了多模态感知驱动下高堆石坝施工仿真参数集成深度学习模型。首先,在SpringBoot框架下开发了基于移动智能手机传感器的运动学和声学数据实时采集云平台,并采用低通滤波器和梅尔频谱等方法实现堆石坝施工机械多模态数据的实时采集与预处理;其次,提出了用于自动提取多模态数据特征的堆石坝施工机械精细活动状态识别深度学习模型。该模型集成了改进深度卷积长短期记忆循环神经网络(Improved DeepConvLSTM,IDeepConvLSTM)与深度卷积神经网络的优势,前者可精确感知施工机械运动方向,后者可从声音模态中感知施工机械振动状态。其中,IDeepConvLSTM在卷积层中间加入批量归一化层以提高收敛速度,并采用梯度缩放和剪裁以避免梯度爆炸的问题;进一步地,在云平台中采用大窗口移动过滤器在线处理机械活动识别结果,实现堆石坝施工仿真参数的实时建模。工程案例表明,相比于单一的运动学或声学模态的机械活动识别方法,本研究所提方法的识别精度分别提高了9.22%和23.62%。研究成果为提高堆石坝施工仿真的准确性和实时性提供了新的思路和技术手段,具有一定的应用和推广价值。

实时预报控制在磨床微机控制系统中的应用

本文提出了一种实时在线预报控制补偿导轨磨削精度的新方案。并提出了一种新型自适应预报模型，给出了具有模型误差补偿的三段互偶算法以及预报控制策略。实权测试和仿真控制结果表明，该方案算法收敛快，适应性强，实用价值高。