期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于MATLAB的波浪补偿平台动力学分析
被引量：
3
1
作者
唐刚
李庆中
+1 位作者
杨志启
胡雄
《上海海事大学学报》
北大核心
2018年第2期81-85,共5页
为提高具有波浪补偿能力的船舶起重机的作业能力和工作稳定性,基于波浪补偿平台工作原理设计一种电动自动补偿控制系统,对船舶升沉运动展开动力学建模与动力学分析。用PID算法对建立的波浪补偿平台展开运动轨迹跟踪。利用MATLAB进行轨...
为提高具有波浪补偿能力的船舶起重机的作业能力和工作稳定性,基于波浪补偿平台工作原理设计一种电动自动补偿控制系统,对船舶升沉运动展开动力学建模与动力学分析。用PID算法对建立的波浪补偿平台展开运动轨迹跟踪。利用MATLAB进行轨迹跟踪仿真发现,PID控制系统具有良好的灵敏性和稳定性。
展开更多
关键词
波浪补偿
船舶起重机
动力学分析
PID%MATLAB
在线阅读
下载PDF
职称材料
基于SOFM的岸桥提升电机状态识别及可视化
被引量：
1
2
作者
唐刚
杨志启
胡雄
《东华大学学报（自然科学版）》
CSCD
北大核心
2017年第4期559-564,共6页
研究并分析自组织特征映射(self-organizing feature map,SOFM)神经网络的结构和算法,并应用于岸桥提升电机的状态识别及可视化.通过运用SOFM,对属性约简后的数据进行聚类及可视化分析,以有效值、脉冲指标和裕度指标为特征向量,得到3种...
研究并分析自组织特征映射(self-organizing feature map,SOFM)神经网络的结构和算法,并应用于岸桥提升电机的状态识别及可视化.通过运用SOFM,对属性约简后的数据进行聚类及可视化分析,以有效值、脉冲指标和裕度指标为特征向量,得到3种主要的电机状态,并利用Matlab实现仿真可视化.通过对样本数据处理,实现电机状态的准确识别,从而更好地监测岸桥提升电机,同时也为机械状态的识别和维护提供一种新途径.
展开更多
关键词
神经网络
自组织特征映射
无监督学习
状态识别
可视化
在线阅读
下载PDF
职称材料
题名
基于MATLAB的波浪补偿平台动力学分析
被引量：
3
1
作者
唐刚
李庆中
杨志启
胡雄
机构
上海海事大学物流工程学院
出处
《上海海事大学学报》
北大核心
2018年第2期81-85,共5页
基金
国家自然科学基金(31300783)
国家高技术研究发展计划(863计划)(2013A2041106)
+4 种基金
国家973计划(2011CB711000)
中国博士后科学基金(2014M561458)
教育部博士点基金联合资助项目(20123121120004)
上海市自然科学基金(13ZR1419200)
上海海事大学科研基金(20130474)
文摘
为提高具有波浪补偿能力的船舶起重机的作业能力和工作稳定性,基于波浪补偿平台工作原理设计一种电动自动补偿控制系统,对船舶升沉运动展开动力学建模与动力学分析。用PID算法对建立的波浪补偿平台展开运动轨迹跟踪。利用MATLAB进行轨迹跟踪仿真发现,PID控制系统具有良好的灵敏性和稳定性。
关键词
波浪补偿
船舶起重机
动力学分析
PID%MATLAB
Keywords
wave compensation
ship crane
dynamic analysis
PID
MATLAB
分类号
U664.44 [交通运输工程—船舶及航道工程]
TP273 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
基于SOFM的岸桥提升电机状态识别及可视化
被引量：
1
2
作者
唐刚
杨志启
胡雄
机构
上海海事大学物流工程学院上海
出处
《东华大学学报（自然科学版）》
CSCD
北大核心
2017年第4期559-564,共6页
基金
国家自然科学基金资助项目(31300783)
中国博士后科学基金资助项目(2014M561458)
+5 种基金
教育部博士点基金联合资助项目(20123121120004)
国家高技术研究发展计划(863)资助项目(2013A2041106)
上海海事大学科研基金资助项目(20130474)
上海高校一流学科-管理科学与工程
上海市自然科学基金资助项目(13ZR1419200)
国家重点基础研究发展计划(973)资助项目(2011CB711000)
文摘
研究并分析自组织特征映射(self-organizing feature map,SOFM)神经网络的结构和算法,并应用于岸桥提升电机的状态识别及可视化.通过运用SOFM,对属性约简后的数据进行聚类及可视化分析,以有效值、脉冲指标和裕度指标为特征向量,得到3种主要的电机状态,并利用Matlab实现仿真可视化.通过对样本数据处理,实现电机状态的准确识别,从而更好地监测岸桥提升电机,同时也为机械状态的识别和维护提供一种新途径.
关键词
神经网络
自组织特征映射
无监督学习
状态识别
可视化
Keywords
neural network
self-organizing feature map
unsupervised learning
state recognition visualization
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于MATLAB的波浪补偿平台动力学分析
唐刚
李庆中
杨志启
胡雄
《上海海事大学学报》
北大核心
2018
3
在线阅读
下载PDF
职称材料
2
基于SOFM的岸桥提升电机状态识别及可视化
唐刚
杨志启
胡雄
《东华大学学报（自然科学版）》
CSCD
北大核心
2017
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
