這是一個關于虛擬現實的技術，主要是通過OpenGL 導入制作好的3DS模型，渲染進行可視化研究。
上傳時間： 2016-06-03
上傳用戶：ifreede禹玨
在微電網調度過程中綜合考慮經濟、環境、蓄電池的 循環電量，建立多目標優化數學模型。針對傳統多目標粒子 群算法(multi-objective particle swarm optimization，MOPSO) 的不足，提出引入模糊聚類分析的多目標粒子群算法 (multi-objective particle swarm optimization algorithm based on fuzzy clustering，FCMOPSO)，在迭代過程中引入模糊聚 類分析來尋找每代的集群最優解。與 MOPSO 相比， FCMOPSO 增強了算法的穩定性與全局搜索能力，同時使優 化結果中 Pareto 前沿分布更均勻。在求得 Pareto 最優解集 后，再根據各目標的重要程度，用模糊模型識別從最優解集 中找出不同情況下的最優方案。最后以一歐洲典型微電網為 例，驗證算法的有效性和可行性。
上傳時間： 2019-11-11
上傳用戶：Dr.趙勁帥
變頻器的開關電源電路完全可以簡化為上圖電路模型，電路中的關鍵要素都包含在內了。而任何復雜的開關電源，剔除枝蔓后，也會剩下上圖這樣的主干。其實在檢修中，要具備對復雜電路的?化簡?的能力，要在看似雜亂無章的電路伸展中，拈出這幾條主要的脈絡。要向解牛的庖丁學習，訓練自己的眼前不存在什么整體的開關電源電路，只有各部分脈絡和脈絡的走向??振蕩回路、穩壓回路、保護回路和負載回路等。
上傳時間： 2021-12-09
上傳用戶：
1.針對一類參數未知的非線性離散時間動態系統，提出了一種新的基于神經網絡的MMAC方法。首先，將系統分為線性部分和非線性部分。針對系統線性部分采用局部化方法逮立多個固定模型覆蓋系統的參數范圍，在此基礎上，建立自適應模型來提高系統性能；針對系統非線性部分建立非線性神經網絡預測模型來邏近系統的非線性。然后，針對每個子模型設計相應的擅制器。最后，設計基于誤差范數形式的性能指標函數對控制器進行硬切換。仿真結果表明，所提出的MMAC方法與傳統的在參數空間均勻分布的MMAC方法相比能顯著提高非線性系統的暫態性能。2針對一類具有參數跳變的非線性離散時間動態系統，提出子一種基才聚類方法和神經網絡的MMAC方法，首先，采用模糊c均值聚類算法對系統先驗數據進行分類處理，再分別對每類數據采用RLS算法建立多個固定模型。在此基礎上，建立兩個白適應模型來提高系統響應速度和控制品質，建立神經網絡預測模型來補償系統非線性。然后，分別針對相應的子模型設計線性魯棒自適應控制器和神經網絡控制器。最后，采用基于信號有界和測量誤差的性能切換指標對控制器進行切換，并證明閉環系統的穩定性。仿真結果表明，所提出的算法能更好地解決非線性系統發生參數跳變問題，使得系統具有良好的控制品質3.針對MMAC方法中的模型庫優化問題，考慮系統實際運行數據，提出了種基于相似度準則和設置最大模型數的動態優化模型庫方法。該方法能對新數據進行綜合考量并判斷是否應該將該數據納入子模型建模，并通過設置最大模型數來確保系統用最少的子模型就能保證系統的控制性能。仿真結果表明，所提出的算法能極大地減少子模型數量且具有較好的控制效果。關鍵詞：非線性系統；多模型方法；自適應控制；模糊聚類；神經網絡
標簽： 自適應控制
上傳時間： 2022-03-11
上傳用戶：
準確量化和預測陸地生態系統碳水通量對于理解陸氣間相互作用，預測未來氣候變化和控制溫室效應具有重要意義。通量觀測和模型模擬是目前研究碳水通量的兩種主要方法。通量觀測精度較高，但觀測范圍局限、站點分布不均勻，易受環境影響，難以區域擴展；模型模擬可實現不同尺度參量估算，但由于理想化假設、模型參數和驅動數據等限制，導致其模擬結果往往與真實值存在較大偏差。模型-數據融合方法主要是通過參數估計和數據同化兩種技術集成觀測和模型信息，建立兩者相互制約調節的優化關系，以提高模型結果與真實值之間的匹配程度?；谠撍悸罚狙芯吭诘孛嬗^測數據、遙感衛星資料以及相關氣候環境數據基礎上，重點突破全球動態植被模型（Lund-Potsdam-Jena Dynamic Globa Vegetation Model.LPJ-DGVM）敏感參數優化方法，獲取適宜中國的參數化方案：在此基礎上，引入數據同化算法，將遙感衛星產品信息與模型相融合，在模擬過程中不斷校正原有模型模擬軌跡，提高模型適用性。將以上改進的模型推廣至中國區域，實現對20002015年中國地區總初級生產力（Gross Primary Productivity GPP）和敬發（Evapotranspiration，ET的空間格局模擬及分析。主要結論如下1）將LP」DGwM中所選出的22個可調參數（涉及光合、呼吸、水平衡異速生長、死亡、建立以及土壤和掉落物分解共七個作用領域）在各自取值范圍內隨機獲得不同的參數組合，結果表明22個參數可引起GPP和ET模擬結果產生較大的不確定性，尤其集中在生長季。所有站點GPP相對不確定性（Relative Uncertainty，RU）基本保持在09-1.25之間，不具有明顯的年際變異性：ET相對不確定性RU月變化趨勢明顯，且基本處于0.5以下，明顯低于GPP，說明所篩選的22個參數對GP模擬產生的影響更為顯著。
標簽： 數據融合
上傳時間： 2022-03-16
上傳用戶：shjgzh
戰場環境是影響戰爭勝負走向的關鍵因素，其中地形是戰場環境的主要構成。隨著軍事技術的變革、精確打擊和精確斬首武器的運用，傳統二維地圖的局限性已經無法滿足軍事訓練和軍事指揮方面的需求。而對于當前的三維戰場地形，快速進行地形模型構建、地形模型精細化以及海量數據可視化呈現的要求顯得越來越高。因此，本文為構建真實的三維戰場地理環境及可視化進行了深入研究。本文選用傾斜攝影技術與 Cesium可視化庫進行真實三維地形的建立及可視化平臺的搭建，以西安工業大學未央校區做為典型應用實例進行城市作戰可視化開發。首先，本文介紹了三維實景建模與可視化相關理論；論述了在Web端進行可視化開發的優勢；提出了傾斜攝影測量技術對三維戰場地形構建時存在的問題及解決辦法。其次，本文制定了戰場環境多源數據采集方案以及基于 Smart3D多源數據融合建模流程。制作了三維戰場地形數據并進行了模型質量分析，包括模型的紋理精度、幾何精度和地理坐標精度。確保生成的地形數據滿足逼真的可視化視覺效果及地形對地面人員裝備的各種干涉作用的真實性最后，本文在前三章的基礎上采用BS三層架構的方式，通過 Cesium、HTLM，JavaScript等語言進行戰場環境可視化平臺的搭建，實現了城市化作戰的三維戰場環境構建。同時本文基于 Cesium完成了模型單體化和模型驅動等功能本課題對三維戰場地形環境構建與可視化研究具有重要意義。本文提出的戰場環境構建方法可以運用到各種戰場環境的構建，包括山地丘陵的作戰地形環境構建、城市反恐作戰等。通過可視化平臺的加載可以直觀、真實了解戰場環境。通過模型驅動完成戰場中各種演示效果。關鍵詞：多源數據融合；傾斜攝影測量：三維建模；Cesium：三維戰場環境可視化：CZML
標簽： 數據融合
上傳時間： 2022-03-17
上傳用戶：
proteus7.8是一款中文漢化版的單片機仿真軟件，不僅具有其它EDA工具軟件的仿真功能，還能仿真單片機及外圍器件，而且它是目前最好的仿真單片機及外圍器件的工具。是目前世界上唯一將電路仿真軟件、PCB設計軟件和虛擬模型仿真軟件三合一的設計平臺，其處理器模型支持8051、HC11、PIC10/12/16/18/24/30/DsPIC33、AVR、ARM、8086和MSP430等，2010年又增加了Cortex和DSP系列處理器，并持續增加其他系列處理器模型。在編譯方面，它也支持IAR、Keil和MPLAB等多種編譯器。
上傳時間： 2013-05-28
上傳用戶：eeworm
0067、同步電機模型的MATLAB仿真論文資料
上傳時間： 2013-05-15
上傳用戶：eeworm
模數化終端電器選用指南
上傳時間： 2013-06-10
上傳用戶：eeworm
線性模型分析原理
上傳時間： 2013-04-15
上傳用戶：eeworm
