由于模擬電路的多樣性、非線性和離散性等特點，模擬電路的故障診斷呈現(xiàn)復(fù)雜、難以辨識等問題。針對已有方法的數(shù)據(jù)不平衡，提出了一種支持向量機集成的故障診斷方法。使用小波變換方法提取特征向量，在多類別支持向量機的基礎(chǔ)上，設(shè)計了模擬電路的最小二乘支持向量機預(yù)測模型，實現(xiàn)了對模擬電路的狀態(tài)的故障預(yù)測。將該方法應(yīng)用于Sallen-Key帶通電路進行故障預(yù)測試驗，結(jié)果表明，該方法比單一支持向量機、徑向基神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)和APSVM有更好的分類和泛化性能，故障診斷準(zhǔn)確率更高。
上傳時間： 2013-10-31
上傳用戶：417313137
本算法包括最大似然估計，最小二乘估計，基于EM算法的多種混合高斯分布估計，EM算法測試實例，繪制每種分布的plot函數(shù)。非常有參考價值！
標(biāo)簽： 算法
上傳時間： 2014-01-11
上傳用戶：日光微瀾
多種概率分布的擬合函數(shù)集合 本算法包括最大似然估計，最小二乘估計，基于EM算法的多種混合高斯分布估計，EM算法測試實例，繪制每種分布的plot函數(shù)。非常有參考價值！
上傳時間： 2014-01-01
上傳用戶：杜瑩12345
文件包含最速下降算法，最小二乘算法，霍夫曼編碼
標(biāo)簽： 算法
上傳時間： 2016-10-14
上傳用戶：VRMMO
列出了matlaba最常用的工具箱函數(shù)，包括最小二乘函數(shù)，樣條函數(shù)等等
上傳時間： 2014-01-01
上傳用戶：362279997
第1章 緒論 1 1.1 程序設(shè)計語言概述 1 1.1.1 機器語言 1 1.1.2 匯編語言 2 1.1.3 高級語言 2 1.1.4 C語言 3 1.2 C語言的優(yōu)點和缺點 4 1.2.1 C語言的優(yōu)點 4 1.2.2 C語言的缺點 6 1.3 算法概述 7 1.3.1 算法的基本特征 7 1.3.2 算法的復(fù)雜度 8 1.3.3 算法的準(zhǔn)確性 10 1.3.4 算法的穩(wěn)定性 14 第2章 復(fù)數(shù)運算 18 2.1 復(fù)數(shù)的四則運算 18 2.1.1 [算法1] 復(fù)數(shù)乘法 18 2.1.2 [算法2] 復(fù)數(shù)除法 20 2.1.3 【實例5】 復(fù)數(shù)的四則運算 22 2.2 復(fù)數(shù)的常用函數(shù)運算 23 2.2.1 [算法3] 復(fù)數(shù)的乘冪 23 2.2.2 [算法4] 復(fù)數(shù)的n次方根 25 2.2.3 [算法5] 復(fù)數(shù)指數(shù) 27 2.2.4 [算法6] 復(fù)數(shù)對數(shù) 29 2.2.5 [算法7] 復(fù)數(shù)正弦 30 2.2.6 [算法8] 復(fù)數(shù)余弦 32 2.2.7 【實例6】 復(fù)數(shù)的函數(shù)運算 34 第3章 多項式計算 37 3.1 多項式的表示方法 37 3.1.1 系數(shù)表示法 37 3.1.2 點表示法 38 3.1.3 [算法9] 系數(shù)表示轉(zhuǎn)化為點表示 38 3.1.4 [算法10] 點表示轉(zhuǎn)化為系數(shù)表示 42 3.1.5 【實例7】 系數(shù)表示法與點表示法的轉(zhuǎn)化 46 3.2 多項式運算 47 3.2.1 [算法11] 復(fù)系數(shù)多項式相乘 47 3.2.2 [算法12] 實系數(shù)多項式相乘 50 3.2.3 [算法13] 復(fù)系數(shù)多項式相除 52 3.2.4 [算法14] 實系數(shù)多項式相除 54 3.2.5 【實例8】 復(fù)系數(shù)多項式的乘除法 56 3.2.6 【實例9】 實系數(shù)多項式的乘除法 57 3.3 多項式的求值 59 3.3.1 [算法15] 一元多項式求值 59 3.3.2 [算法16] 一元多項式多組求值 60 3.3.3 [算法17] 二元多項式求值 63 3.3.4 【實例10】 一元多項式求值 65 3.3.5 【實例11】 二元多項式求值 66 第4章 矩陣計算 68 4.1 矩陣相乘 68 4.1.1 [算法18] 實矩陣相乘 68 4.1.2 [算法19] 復(fù)矩陣相乘 70 4.1.3 【實例12】 實矩陣與復(fù)矩陣的乘法 72 4.2 矩陣的秩與行列式值 73 4.2.1 [算法20] 求矩陣的秩 73 4.2.2 [算法21] 求一般矩陣的行列式值 76 4.2.3 [算法22] 求對稱正定矩陣的行列式值 80 4.2.4 【實例13】 求矩陣的秩和行列式值 82 4.3 矩陣求逆 84 4.3.1 [算法23] 求一般復(fù)矩陣的逆 84 4.3.2 [算法24] 求對稱正定矩陣的逆 90 4.3.3 [算法25] 求托伯利茲矩陣逆的Trench方法 92 4.3.4 【實例14】 驗證矩陣求逆算法 97 4.3.5 【實例15】 驗證T矩陣求逆算法 99 4.4 矩陣分解與相似變換 102 4.4.1 [算法26] 實對稱矩陣的LDL分解 102 4.4.2 [算法27] 對稱正定實矩陣的Cholesky分解 104 4.4.3 [算法28] 一般實矩陣的全選主元LU分解 107 4.4.4 [算法29] 一般實矩陣的QR分解 112 4.4.5 [算法30] 對稱實矩陣相似變換為對稱三對角陣 116 4.4.6 [算法31] 一般實矩陣相似變換為上Hessen-Burg矩陣 121 4.4.7 【實例16】 對一般實矩陣進行QR分解 126 4.4.8 【實例17】 對稱矩陣的相似變換 127 4.4.9 【實例18】 一般實矩陣相似變換 129 4.5 矩陣特征值的計算 130 4.5.1 [算法32] 求上Hessen-Burg矩陣全部特征值的QR方法 130 4.5.2 [算法33] 求對稱三對角陣的全部特征值 137 4.5.3 [算法34] 求對稱矩陣特征值的雅可比法 143 4.5.4 [算法35] 求對稱矩陣特征值的雅可比過關(guān)法 147 4.5.5 【實例19】 求上Hessen-Burg矩陣特征值 151 4.5.6 【實例20】 分別用兩種雅克比法求對稱矩陣特征值 152 第5章 線性代數(shù)方程組的求解 154 5.1 高斯消去法 154 5.1.1 [算法36] 求解復(fù)系數(shù)方程組的全選主元高斯消去法 155 5.1.2 [算法37] 求解實系數(shù)方程組的全選主元高斯消去法 160 5.1.3 [算法38] 求解復(fù)系數(shù)方程組的全選主元高斯-約當(dāng)消去法 163 5.1.4 [算法39] 求解實系數(shù)方程組的全選主元高斯-約當(dāng)消去法 168 5.1.5 [算法40] 求解大型稀疏系數(shù)矩陣方程組的高斯-約當(dāng)消去法 171 5.1.6 [算法41] 求解三對角線方程組的追趕法 174 5.1.7 [算法42] 求解帶型方程組的方法 176 5.1.8 【實例21】 解線性實系數(shù)方程組 179 5.1.9 【實例22】 解線性復(fù)系數(shù)方程組 180 5.1.10 【實例23】 解三對角線方程組 182 5.2 矩陣分解法 184 5.2.1 [算法43] 求解對稱方程組的LDL分解法 184 5.2.2 [算法44] 求解對稱正定方程組的Cholesky分解法 186 5.2.3 [算法45] 求解線性最小二乘問題的QR分解法 188 5.2.4 【實例24】 求解對稱正定方程組 191 5.2.5 【實例25】 求解線性最小二乘問題 192 5.3 迭代方法 193 5.3.1 [算法46] 病態(tài)方程組的求解 193 5.3.2 [算法47] 雅克比迭代法 197 5.3.3 [算法48] 高斯-塞德爾迭代法 200 5.3.4 [算法49] 超松弛方法 203 5.3.5 [算法50] 求解對稱正定方程組的共軛梯度方法 205 5.3.6 [算法51] 求解托伯利茲方程組的列文遜方法 209 5.3.7 【實例26】 解病態(tài)方程組 214 5.3.8 【實例27】 用迭代法解方程組 215 5.3.9 【實例28】 求解托伯利茲方程組 217 第6章 非線性方程與方程組的求解 219 6.1 非線性方程求根的基本過程 219 6.1.1 確定非線性方程實根的初始近似值或根的所在區(qū)間 219 6.1.2 求非線性方程根的精確解 221 6.2 求非線性方程一個實根的方法 221 6.2.1 [算法52] 對分法 221 6.2.2 [算法53] 牛頓法 223 6.2.3 [算法54] 插值法 226 6.2.4 [算法55] 埃特金迭代法 229 6.2.5 【實例29】 用對分法求非線性方程組的實根 232 6.2.6 【實例30】 用牛頓法求非線性方程組的實根 233 6.2.7 【實例31】 用插值法求非線性方程組的實根 235 6.2.8 【實例32】 用埃特金迭代法求非線性方程組的實根 237 6.3 求實系數(shù)多項式方程全部根的方法 238 6.3.1 [算法56] QR方法 238 6.3.2 【實例33】 用QR方法求解多項式的全部根 240 6.4 求非線性方程組一組實根的方法 241 6.4.1 [算法57] 梯度法 241 6.4.2 [算法58] 擬牛頓法 244 6.4.3 【實例34】 用梯度法計算非線性方程組的一組實根 250 6.4.4 【實例35】 用擬牛頓法計算非線性方程組的一組實根 252 第7章 代數(shù)插值法 254 7.1 拉格朗日插值法 254 7.1.1 [算法59] 線性插值 255 7.1.2 [算法60] 二次拋物線插值 256 7.1.3 [算法61] 全區(qū)間插值 259 7.1.4 【實例36】 拉格朗日插值 262 7.2 埃爾米特插值 263 7.2.1 [算法62] 埃爾米特不等距插值 263 7.2.2 [算法63] 埃爾米特等距插值 267 7.2.3 【實例37】 埃爾米特插值法 270 7.3 埃特金逐步插值 271 7.3.1 [算法64] 埃特金不等距插值 272 7.3.2 [算法65] 埃特金等距插值 275 7.3.3 【實例38】 埃特金插值 278 7.4 光滑插值 279 7.4.1 [算法66] 光滑不等距插值 279 7.4.2 [算法67] 光滑等距插值 283 7.4.3 【實例39】 光滑插值 286 7.5 三次樣條插值 287 7.5.1 [算法68] 第一類邊界條件的三次樣條函數(shù)插值 287 7.5.2 [算法69] 第二類邊界條件的三次樣條函數(shù)插值 292 7.5.3 [算法70] 第三類邊界條件的三次樣條函數(shù)插值 296 7.5.4 【實例40】 樣條插值法 301 7.6 連分式插值 303 7.6.1 [算法71] 連分式插值 304 7.6.2 【實例41】 驗證連分式插值的函數(shù) 308 第8章 數(shù)值積分法 309 8.1 變步長求積法 310 8.1.1 [算法72] 變步長梯形求積法 310 8.1.2 [算法73] 自適應(yīng)梯形求積法 313 8.1.3 [算法74] 變步長辛卜生求積法 316 8.1.4 [算法75] 變步長辛卜生二重積分方法 318 8.1.5 [算法76] 龍貝格積分 322 8.1.6 【實例42】 變步長積分法進行一重積分 325 8.1.7 【實例43】 變步長辛卜生積分法進行二重積分 326 8.2 高斯求積法 328 8.2.1 [算法77] 勒讓德-高斯求積法 328 8.2.2 [算法78] 切比雪夫求積法 331 8.2.3 [算法79] 拉蓋爾-高斯求積法 334 8.2.4 [算法80] 埃爾米特-高斯求積法 336 8.2.5 [算法81] 自適應(yīng)高斯求積方法 337 8.2.6 【實例44】 有限區(qū)間高斯求積法 342 8.2.7 【實例45】 半無限區(qū)間內(nèi)高斯求積法 343 8.2.8 【實例46】 無限區(qū)間內(nèi)高斯求積法 345 8.3 連分式法 346 8.3.1 [算法82] 計算一重積分的連分式方法 346 8.3.2 [算法83] 計算二重積分的連分式方法 350 8.3.3 【實例47】 連分式法進行一重積分 354 8.3.4 【實例48】 連分式法進行二重積分 355 8.4 蒙特卡洛法 356 8.4.1 [算法84] 蒙特卡洛法進行一重積分 356 8.4.2 [算法85] 蒙特卡洛法進行二重積分 358 8.4.3 【實例49】 一重積分的蒙特卡洛法 360 8.4.4 【實例50】 二重積分的蒙特卡洛法 361 第9章 常微分方程(組)初值問題的求解 363 9.1 歐拉方法 364 9.1.1 [算法86] 定步長歐拉方法 364 9.1.2 [算法87] 變步長歐拉方法 366 9.1.3 [算法88] 改進的歐拉方法 370 9.1.4 【實例51】 歐拉方法求常微分方程數(shù)值解 372 9.2 龍格-庫塔方法 376 9.2.1 [算法89] 定步長龍格-庫塔方法 376 9.2.2 [算法90] 變步長龍格-庫塔方法 379 9.2.3 [算法91] 變步長基爾方法 383 9.2.4 【實例52】 龍格-庫塔方法求常微分方程的初值問題 386 9.3 線性多步法 390 9.3.1 [算法92] 阿當(dāng)姆斯預(yù)報校正法 390 9.3.2 [算法93] 哈明方法 394 9.3.3 [算法94] 全區(qū)間積分的雙邊法 399 9.3.4 【實例53】 線性多步法求常微分方程組初值問題 401 第10章 擬合與逼近 405 10.1 一元多項式擬合 405 10.1.1 [算法95] 最小二乘擬合 405 10.1.2 [算法96] 最佳一致逼近的里米茲方法 412 10.1.3 【實例54】 一元多項式擬合 417 10.2 矩形區(qū)域曲面擬合 419 10.2.1 [算法97] 矩形區(qū)域最小二乘曲面擬合 419 10.2.2 【實例55】 二元多項式擬合 428 第11章 特殊函數(shù) 430 11.1 連分式級數(shù)和指數(shù)積分 430 11.1.1 [算法98] 連分式級數(shù)求值 430 11.1.2 [算法99] 指數(shù)積分 433 11.1.3 【實例56】 連分式級數(shù)求值 436 11.1.4 【實例57】 指數(shù)積分求值 438 11.2 伽馬函數(shù) 439 11.2.1 [算法100] 伽馬函數(shù) 439 11.2.2 [算法101] 貝塔函數(shù) 441 11.2.3 [算法102] 階乘 442 11.2.4 【實例58】 伽馬函數(shù)和貝塔函數(shù)求值 443 11.2.5 【實例59】 階乘求值 444 11.3 不完全伽馬函數(shù) 445 11.3.1 [算法103] 不完全伽馬函數(shù) 445 11.3.2 [算法104] 誤差函數(shù) 448 11.3.3 [算法105] 卡方分布函數(shù) 450 11.3.4 【實例60】 不完全伽馬函數(shù)求值 451 11.3.5 【實例61】 誤差函數(shù)求值 452 11.3.6 【實例62】 卡方分布函數(shù)求值 453 11.4 不完全貝塔函數(shù) 454 11.4.1 [算法106] 不完全貝塔函數(shù) 454 11.4.2 [算法107] 學(xué)生分布函數(shù) 457 11.4.3 [算法108] 累積二項式分布函數(shù) 458 11.4.4 【實例63】 不完全貝塔函數(shù)求值 459 11.5 貝塞爾函數(shù) 461 11.5.1 [算法109] 第一類整數(shù)階貝塞爾函數(shù) 461 11.5.2 [算法110] 第二類整數(shù)階貝塞爾函數(shù) 466 11.5.3 [算法111] 變型第一類整數(shù)階貝塞爾函數(shù) 469 11.5.4 [算法112] 變型第二類整數(shù)階貝塞爾函數(shù) 473 11.5.5 【實例64】 貝塞爾函數(shù)求值 476 11.5.6 【實例65】 變型貝塞爾函數(shù)求值 477 11.6 Carlson橢圓積分 479 11.6.1 [算法113] 第一類橢圓積分 479 11.6.2 [算法114] 第一類橢圓積分的退化形式 481 11.6.3 [算法115] 第二類橢圓積分 483 11.6.4 [算法116] 第三類橢圓積分 486 11.6.5 【實例66】 第一類勒讓德橢圓函數(shù)積分求值 490 11.6.6 【實例67】 第二類勒讓德橢圓函數(shù)積分求值 492 第12章 極值問題 494 12.1 一維極值求解方法 494 12.1.1 [算法117] 確定極小值點所在的區(qū)間 494 12.1.2 [算法118] 一維黃金分割搜索 499 12.1.3 [算法119] 一維Brent方法 502 12.1.4 [算法120] 使用一階導(dǎo)數(shù)的Brent方法 506 12.1.5 【實例68】 使用黃金分割搜索法求極值 511 12.1.6 【實例69】 使用Brent法求極值 513 12.1.7 【實例70】 使用帶導(dǎo)數(shù)的Brent法求極值 515 12.2 多元函數(shù)求極值 517 12.2.1 [算法121] 不需要導(dǎo)數(shù)的一維搜索 517 12.2.2 [算法122] 需要導(dǎo)數(shù)的一維搜索 519 12.2.3 [算法123] Powell方法 522 12.2.4 [算法124] 共軛梯度法 525 12.2.5 [算法125] 準(zhǔn)牛頓法 531 12.2.6 【實例71】 驗證不使用導(dǎo)數(shù)的一維搜索 536 12.2.7 【實例72】 用Powell算法求極值 537 12.2.8 【實例73】 用共軛梯度法求極值 539 12.2.9 【實例74】 用準(zhǔn)牛頓法求極值 540 12.3 單純形法 542 12.3.1 [算法126] 求無約束條件下n維極值的單純形法 542 12.3.2 [算法127] 求有約束條件下n維極值的單純形法 548 12.3.3 [算法128] 解線性規(guī)劃問題的單純形法 556 12.3.4 【實例75】 用單純形法求無約束條件下N維的極值 568 12.3.5 【實例76】 用單純形法求有約束條件下N維的極值 569 12.3.6 【實例77】 求解線性規(guī)劃問題 571 第13章 隨機數(shù)產(chǎn)生與統(tǒng)計描述 574 13.1 均勻分布隨機序列 574 13.1.1 [算法129] 產(chǎn)生0到1之間均勻分布的一個隨機數(shù) 574 13.1.2 [算法130] 產(chǎn)生0到1之間均勻分布的隨機數(shù)序列 576 13.1.3 [算法131] 產(chǎn)生任意區(qū)間內(nèi)均勻分布的一個隨機整數(shù) 577 13.1.4 [算法132] 產(chǎn)生任意區(qū)間內(nèi)均勻分布的隨機整數(shù)序列 578 13.1.5 【實例78】 產(chǎn)生0到1之間均勻分布的隨機數(shù)序列 580 13.1.6 【實例79】 產(chǎn)生任意區(qū)間內(nèi)均勻分布的隨機整數(shù)序列 581 13.2 正態(tài)分布隨機序列 582 13.2.1 [算法133] 產(chǎn)生任意均值與方差的正態(tài)分布的一個隨機數(shù) 582 13.2.2 [算法134] 產(chǎn)生任意均值與方差的正態(tài)分布的隨機數(shù)序列 585 13.2.3 【實例80】 產(chǎn)生任意均值與方差的正態(tài)分布的一個隨機數(shù) 587 13.2.4 【實例81】 產(chǎn)生任意均值與方差的正態(tài)分布的隨機數(shù)序列 588 13.3 統(tǒng)計描述 589 13.3.1 [算法135] 分布的矩 589 13.3.2 [算法136] 方差相同時的t分布檢驗 591 13.3.3 [算法137] 方差不同時的t分布檢驗 594 13.3.4 [算法138] 方差的F檢驗 596 13.3.5 [算法139] 卡方檢驗 599 13.3.6 【實例82】 計算隨機樣本的矩 601 13.3.7 【實例83】 t分布檢驗 602 13.3.8 【實例84】 F分布檢驗 605 13.3.9 【實例85】 檢驗卡方檢驗的算法 607 第14章 查找 609 14.1 基本查找 609 14.1.1 [算法140] 有序數(shù)組的二分查找 609 14.1.2 [算法141] 無序數(shù)組同時查找最大和最小的元素 611 14.1.3 [算法142] 無序數(shù)組查找第M小的元素 613 14.1.4 【實例86】 基本查找 615 14.2 結(jié)構(gòu)體和磁盤文件的查找 617 14.2.1 [算法143] 無序結(jié)構(gòu)體數(shù)組的順序查找 617 14.2.2 [算法144] 磁盤文件中記錄的順序查找 618 14.2.3 【實例87】 結(jié)構(gòu)體數(shù)組和文件中的查找 619 14.3 哈希查找 622 14.3.1 [算法145] 字符串哈希函數(shù) 622 14.3.2 [算法146] 哈希函數(shù) 626 14.3.3 [算法147] 向哈希表中插入元素 628 14.3.4 [算法148] 在哈希表中查找元素 629 14.3.5 [算法149] 在哈希表中刪除元素 631 14.3.6 【實例88】 構(gòu)造哈希表并進行查找 632 第15章 排序 636 15.1 插入排序 636 15.1.1 [算法150] 直接插入排序 636 15.1.2 [算法151] 希爾排序 637 15.1.3 【實例89】 插入排序 639 15.2 交換排序 641 15.2.1 [算法152] 氣泡排序 641 15.2.2 [算法153] 快速排序 642 15.2.3 【實例90】 交換排序 644 15.3 選擇排序 646 15.3.1 [算法154] 直接選擇排序 646 15.3.2 [算法155] 堆排序 647 15.3.3 【實例91】 選擇排序 650 15.4 線性時間排序 651 15.4.1 [算法156] 計數(shù)排序 651 15.4.2 [算法157] 基數(shù)排序 653 15.4.3 【實例92】 線性時間排序 656 15.5 歸并排序 657 15.5.1 [算法158] 二路歸并排序 658 15.5.2 【實例93】 二路歸并排序 660 第16章 數(shù)學(xué)變換與濾波 662 16.1 快速傅里葉變換 662 16.1.1 [算法159] 復(fù)數(shù)據(jù)快速傅里葉變換 662 16.1.2 [算法160] 復(fù)數(shù)據(jù)快速傅里葉逆變換 666 16.1.3 [算法161] 實數(shù)據(jù)快速傅里葉變換 669 16.1.4 【實例94】 驗證傅里葉變換的函數(shù) 671 16.2 其他常用變換 674 16.2.1 [算法162] 快速沃爾什變換 674 16.2.2 [算法163] 快速哈達瑪變換 678 16.2.3 [算法164] 快速余弦變換 682 16.2.4 【實例95】 驗證沃爾什變換和哈達瑪?shù)暮瘮?shù) 684 16.2.5 【實例96】 驗證離散余弦變換的函數(shù) 687 16.3 平滑和濾波 688 16.3.1 [算法165] 五點三次平滑 689 16.3.2 [算法166] α-β-γ濾波 690 16.3.3 【實例97】 驗證五點三次平滑 692 16.3.4 【實例98】 驗證α-β-γ濾波算法 693
標(biāo)簽： C 算法 附件 源代碼
上傳時間： 2015-06-29
上傳用戶：cbsdukaf
電機是現(xiàn)代生產(chǎn)中的重要電氣設(shè)備，電機的故障會對生產(chǎn)造成重大影響，因此需要監(jiān)測電機的運行狀態(tài)。同時，不斷提高的環(huán)保標(biāo)準(zhǔn)要求控制電機的噪聲。測試和分析電機的振動為電機的故障診斷和電機的噪聲控制提供了途徑，因此有必要建立一個電機振動測試分析系統(tǒng)。 過去20多年來，虛擬儀器技術(shù)取得了長足發(fā)展，在工程測試等領(lǐng)域得到了廣泛的應(yīng)用。相比于傳統(tǒng)儀器，虛擬儀器技術(shù)具有性能高，擴展性強等諸多優(yōu)勢。LabVIEW是虛擬儀器軟件開發(fā)平臺中最常用的一個。 本文在虛擬儀器的基礎(chǔ)上開發(fā)了電機振動測試分析系統(tǒng)，主要內(nèi)容包括以下幾個方面： 1．電機振動測試分析平臺的建立，以LabVIEW為軟件開發(fā)平臺，配合數(shù)據(jù)采集卡，加速度傳感器等硬件設(shè)備建立了電機振動信號采集與處理的虛擬儀器系統(tǒng)，完成振動信號的采集、顯示、處理、數(shù)據(jù)管理等一系列功能； 2．電機振動信號處理方法的研究，深入分析了傅里葉變換、時頻分析、小波分析等在電機振動信號處理中的優(yōu)缺點，著重研究了獨立分量分析等新技術(shù)在電機內(nèi)部振動信號處理上的應(yīng)用，針對電機振動的特性，給出了各種信號處理方法的參數(shù)優(yōu)化： 3．電機故障診斷的研究，針對電機故障特征量的提取和選擇提出了作者自己的見解，建立了基于振動的最小二乘支持向量機電機故障診斷，實例證明了支持向量機在電機故障診斷上的有效性； 4．針對電機故障診斷中故障樣本不易獲得的特點，提出了基于支持向量數(shù)據(jù)描述的多層分類器，是一種較有應(yīng)用價值的新方法。
上傳時間： 2013-06-24
上傳用戶：黃華強
隨著電機在工業(yè)、農(nóng)業(yè)等領(lǐng)域的廣泛應(yīng)用，如何測試、分析和抑制電機振動和噪聲，越來越受到人們的廣泛關(guān)注。虛擬儀器技術(shù)，相比于傳統(tǒng)儀器擁有性能高、擴展性強等優(yōu)點，在工程測試等領(lǐng)域得到越來越廣泛的應(yīng)用。因此，結(jié)合虛擬儀器技術(shù)，建立電機噪聲和振動的測試分析系統(tǒng)是一種可行的解決途徑。 本文將虛擬儀器技術(shù)應(yīng)用于電機的噪聲和振動問題，建立了基于虛擬儀器的電機噪聲振動測試分析系統(tǒng)。全文主要研究工作分為三部分：前兩部分分別研究了系統(tǒng)的硬件和軟件組成，建立了完整的硬件和軟件系統(tǒng)；第三部分進行了噪聲振動實驗研究，驗證了系統(tǒng)的正確性和有效性。本文的主要研究內(nèi)容如下： 1．硬件部分。探討了系統(tǒng)的硬件組成，建立了以傳感器、信號調(diào)理電路和數(shù)據(jù)采集卡為核心的測試系統(tǒng)。系統(tǒng)硬件部分是正確采集電機噪聲和振動信號的關(guān)鍵，是測試分析的基礎(chǔ)。 2．軟件部分。用LabVIEw虛擬儀器編程語言完成了軟件部分的設(shè)計，實現(xiàn)了信號采集、顯示、處理、診斷、打印報告等一系列功能。針對電機噪聲振動的復(fù)雜性，建立了以快速傅里葉變換、功率譜函數(shù)分析、分?jǐn)?shù)倍頻譜分析、小波分析等信號處理方法為核心的信號分析處理功能，并用最小二乘支持向量機實現(xiàn)了電機故障診斷功能。 3．實驗研究。實驗驗證了系統(tǒng)的信號采集、信號分析和故障診斷的正確性。構(gòu)造三類電機故障，實驗研究了采用最小二乘支持向量機進行故障診斷的有效性。 在總結(jié)全文的基礎(chǔ)上，提出了該電機噪聲和振動測試分析系統(tǒng)有待深入研究的若干問題。
上傳時間： 2013-07-22
上傳用戶：hainan_256
開發(fā)與利用新能源是我國21世紀(jì)的重要能源戰(zhàn)略。風(fēng)能是一種“取之不盡，用之不竭”、環(huán)境友好的可持續(xù)性能源，已受到了越來越廣泛的重視，并成為發(fā)展最快的新型能源。但是風(fēng)電具有間歇性和隨機性的固有缺點，隨著大量的風(fēng)力發(fā)電接入電網(wǎng)，勢必會對電力系統(tǒng)的安全、穩(wěn)定運行以及保證電能質(zhì)量帶來嚴(yán)峻挑戰(zhàn)，從而限制風(fēng)力發(fā)電的發(fā)展規(guī)模。風(fēng)電場短期風(fēng)速和發(fā)電功率預(yù)測是解決該問題的有效途徑之一。中國的風(fēng)電場大都是集中的、大容量的風(fēng)電場，而且處于電網(wǎng)建設(shè)相對比較薄弱的地區(qū)，因此，中國更需要進行風(fēng)電場短期風(fēng)速和發(fā)電功率預(yù)測的研究，而發(fā)電功率的預(yù)測主要源自風(fēng)速的預(yù)測。在此背景下，選擇風(fēng)電場短期風(fēng)速預(yù)測方法作為主要研究內(nèi)容，主要包括以下幾個方面： 首先運用統(tǒng)計學(xué)方法來分析風(fēng)速的時間序列特性及其預(yù)測方法和應(yīng)用特點，說明現(xiàn)實中的風(fēng)速序列具有很強的非平穩(wěn)性。然后運用具有“數(shù)字顯微鏡”之美譽的小波變換來分析歷史紀(jì)錄的風(fēng)速數(shù)據(jù)，通過運用二進正交小波變換Mallat算法對香港和河西走廊地區(qū)風(fēng)速序列進行分解和重構(gòu)，分離出風(fēng)速序列中的低頻信息和高頻信息。對Mallat算法分解后的信號，運用最小二乘支持向量機分別進行向前一步預(yù)測，然后再把各預(yù)測結(jié)果合成，得到預(yù)測值。建立了基于小波變換和最小二乘支持向量機的短期風(fēng)速預(yù)測方法。應(yīng)用Matlab對該算法進行了仿真，仿真試驗表明，小波變換是非平穩(wěn)風(fēng)速序列時頻分析的有效工具，對風(fēng)速序列的高頻和低頻信息起到很好的分離作用；最小二乘支持向量機的應(yīng)用提高了預(yù)測的準(zhǔn)確性。應(yīng)用香港地區(qū)與河西走廊地區(qū)小時平均風(fēng)速歷史數(shù)據(jù)，驗證了方法的有效性。
上傳時間： 2013-04-24
上傳用戶：xg262122
世界環(huán)境的日益惡化和傳統(tǒng)能源的日漸枯竭，促使了對新能源的開發(fā)和發(fā)展。具有可持續(xù)發(fā)展的太陽能資源受到了各國的重視，各國相繼出臺的新能源法對太陽能發(fā)展起到推波助瀾的作用。其中，光伏并網(wǎng)發(fā)電具有深遠(yuǎn)的理論價值和現(xiàn)實意義，僅在過去五年，光伏并網(wǎng)電站安裝總量已達到數(shù)千兆瓦。而連接光伏陣列和電網(wǎng)的光伏并網(wǎng)逆變器便是整個光伏并網(wǎng)發(fā)電系統(tǒng)的關(guān)鍵。 本文根據(jù)逆變器結(jié)構(gòu)以及光伏發(fā)電陣列特點，提出了基于DC-DC和DC-AC兩級并網(wǎng)逆變器的結(jié)構(gòu)。基于DC-DC和DC-AC電路的相對獨立性，分別對DC-DC和DC-AC進行詳盡分析，并提出了新的控制策略。在DC-DC轉(zhuǎn)換器中，采用了Boost電路對太陽能陣列輸出電壓進行調(diào)制，并對系統(tǒng)進行最大功率點跟蹤。針對固定電壓法和擾動法跟蹤最大功率點的缺點，提出三點最小二乘最大功率點跟蹤的新算法，實驗證明了該算法能夠準(zhǔn)確而迅速的跟蹤系統(tǒng)最大功率點，從而提高系統(tǒng)的利用率，穩(wěn)定系統(tǒng)的輸出電壓。在DC-AC轉(zhuǎn)換器中，采用輸出電流控制，根據(jù)正弦脈沖寬度調(diào)制的缺點，提出空間矢量脈沖寬度調(diào)制方法對逆變器進行控制，從而提高直流側(cè)電壓的利用率，減少諧波。基于SVPWM的控制原理，建立系統(tǒng)模型，結(jié)果表明輸出電流與電網(wǎng)電壓保持同相位，從而證明了該控制算法的可行性。 在提出新的控制策略的基礎(chǔ)上，對2kW的三相并網(wǎng)逆變器進行硬件設(shè)計，包括主電路DC-DC和DC-AC，驅(qū)動電路以及電壓電流檢測電路，過零檢測電路等，為類似結(jié)構(gòu)的光伏并網(wǎng)逆變器提供了設(shè)計參考。
標(biāo)簽： 光伏并網(wǎng) 逆變器
上傳時間： 2013-07-16
上傳用戶：rishian
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
