以最小平方法解算使用者的位置 裡面有數據提供GPS的衛星位置以及使用者位置
上传时间： 2013-12-24
上传用户：youth25
在visual C++ 环境下编写的二维数组求最大最小值，自己写得，不知道可不可以通过
上传时间： 2017-05-09
上传用户：jyycc
IIR数字低通滤波器的直接设计(最小均方法），讨论系统稳定性并将系统最小相位化。。。
上传时间： 2017-06-03
上传用户：1159797854
在二维矩阵中找到最大值和最小值的坐标。然后再将两坐标相减到得距离
上传时间： 2017-06-20
上传用户：banyou
数据库结构课本中二叉树中求最小代价生成树
上传时间： 2017-06-28
上传用户：zhaoq123
该文档讲述最小系统的制作过程和最小系统的原理和最小系统的生成方法等
上传时间： 2017-07-29
上传用户：yuzsu
这个包中包含学习最小均方滤波的一个例子及其和其它滤波方法的一些比较。
上传时间： 2014-08-30
上传用户：Thuan
求解无约束最小化问题的牛顿方法 matlab程序
上传时间： 2017-09-27
上传用户：jhksyghr
在早期阶段，直流调速系统在传动领域中占统治地位。然而，从60年代后期开始，交流电动机在工业应用领域正在取代直流电动机，交流传动变得越来越经济和受欢迎。永磁交流伺服系统作为电气传动领域的重要组成部分，在工业、农业、航空航天等领域发挥越来越重大的作用。永磁同步电动机以其特点广泛应用于中小功率传动场合，成为研究的重要领域。然而，永磁同步电动机具有较大的转动脉动，而对于这些应用场合，转矩平滑通常是基本要求。因此，对永磁交流伺服系统的应用，必须考虑其转矩脉动的抑制问题。本文针对电机传动系统中参数变化对电机性能的影响，以永磁同步电机为例，围绕如何通过参数辨识来提高永磁同步电动机的控制性能，借助自行开发的全数字永磁交流伺服系统平台，对永磁同步电动机的磁场定向控制，参数辨识，神经网络和扩展卡尔曼滤波在控制系统中的应用，抑制转矩脉动，提高系统性能几个方面展开深入的研究。 本文从永磁同步电动机及其控制系统的基本结构出发，对通过参数辨识抑制转矩脉动进行了较为细致的分析。针对不同情况，通过改进电机的控制系统，提出了多种参数辨识方法。主要内容如下： 1、基于定子磁链方程，建立了永磁同步电动机的一般数学模型。经坐标变换，得出在静止两相（α—β）坐标系和旋转两相（d—q）坐标系下永磁同步电动机电压方程和转矩方程。 2、分析了永磁同步电动机id=0矢量控制系统的工作原理，介绍了永磁同步电动基于磁场定向的矢量控制的基本概念。经对永磁同步电动机系统进行分析，推导并建立了id=0控制时整个电机系统的数学模型。 3、基于超稳定性理论的模型参考自适应控制原理，设计了一种模型参考自适应控制系统，考虑电机参数的时变性，对永磁交流伺服系统的绕组电阻和电机负载转矩辨识进行了研究，以保持系统的动态性能。利用Matlab/Simulink建立仿真模型，对控制性能进行了验证，仿真实验证明这种方法的可行性。 4、人工神经网络具有很强的学习性能，经过训练的多层神经网络能以任意精度逼近非线性函数，因此为非线性系统辨识提供了一个强有力的工具。本章针对永磁同步电机提出了一种以电机输出转速为目标函数的神经网络控制方案，同时应用人工神经网络理论建立和设计了负载转矩扰动辨识的算法以及相应的控制系统的补偿方法，并应用MATLAB软件进行了计算机仿真，仿真证明和传统的控制方法相比，以电机输出转速为指导值和目标函数的神经网络控制方案能有效地提高神经网络的收敛速度，能有效地改善控制系统的动态响应，具有跟踪性能好和鲁棒性较强等优点。 5、电机的参数会随着温升和磁路饱和发生变化，需进行在线实时辨识。本文利用电机的定子电流、电压和转速，采用递推最小二乘法进行在线参数辨识，该方法不需要观测的磁链信号，消除了磁链观测和参数辨识的耦合。电机状态方程由于存在状态变量的乘积项，对电机参数辨识以后，仍然是非线性方程，为了对电机状态方程进行状态估计，得到电机的参数辨识值，本文采用扩展卡尔曼滤波进行状态估计，对以上方法的仿真实验得到了满意的结果。 6、本文基于数字电机控制专用DSP自行开发了全数字永磁交流伺服系统平台，通过软件实现扩展卡尔曼滤波对电阻和磁链的估计，以及基于磁场定向的空间矢量控制算法，获得了令人满意的实验结果，证明扩展卡尔曼滤波算法对电阻和磁链的实时估计是很准确的，由此构成的永磁交流伺服系统具有良好的静、动态性能。
上传时间： 2013-07-28
上传用户：凤临西北
利用加速度信号测量位移是油田抽油井光杆位移测量的主要方法，而加速度信号的随机噪声和趋势项是影响测量精度的主要因素，本文提出了一种基于学习的实时消噪和剔除趋势项方法。学习时先获取一段时间的加速度信号，再通过时间序列分析技术得出ARIMA模型及其参数，最后基于FFT变换的Rife-Jane频率估计方法求出加速度信号的周期；在线实时消噪和剔除趋势项方法是基于学习阶段所得模型参数，运用卡尔曼滤波技术消除加速度信号随机噪声；按周期两次积分得到光杆位移，用加窗递推最小二乘法在线消除趋势项。通过抽油机半实物仿真平台测试和分析加速度信号，结果表明，该方法有效地去除了加速度信号中的噪声和趋势项，极大地提高了位移的测量精度。
上传时间： 2013-11-16
上传用户：稀世之宝039
