期刊文献+
共找到131篇文章
< 1 2 7 >
每页显示 20 50 100
On-Line Real Time Realization and Application of Adaptive Fuzzy Inference Neural Network
1
作者 Han, Jianguo Guo, Junchao Zhao, Qian 《Journal of Systems Engineering and Electronics》 SCIE EI CSCD 2000年第1期67-74,共8页
In this paper, a modeling algorithm developed by transferring the adaptive fuzzy inference neural network into an on-line real time algorithm, combining the algorithm with conventional system identification method and... In this paper, a modeling algorithm developed by transferring the adaptive fuzzy inference neural network into an on-line real time algorithm, combining the algorithm with conventional system identification method and applying them to separate identification of nonlinear multi-variable systems is introduced and discussed. 展开更多
关键词 Fuzzy control identification (control systems) Inference engines Learning algorithms Mathematical models Multivariable control systems neural networks Nonlinear control systems Real time systems
在线阅读 下载PDF
基于分数阶滤波器和BiGRU神经网络的Wiener非线性系统建模与辨识
2
作者 李峰 杨岳松 李生权 《控制理论与应用》 北大核心 2025年第6期1181-1190,共10页
本文提出了一种基于分数阶滤波器和双向门控循环单元(BiGRU)神经网络的Wiener非线性系统建模与辨识方法,并应用于永磁同步电机的电流和电压预测.首先,通过Grünwald-Letnikov方法计算分数阶滤波器的未知系数,并利用该滤波器对输入... 本文提出了一种基于分数阶滤波器和双向门控循环单元(BiGRU)神经网络的Wiener非线性系统建模与辨识方法,并应用于永磁同步电机的电流和电压预测.首先,通过Grünwald-Letnikov方法计算分数阶滤波器的未知系数,并利用该滤波器对输入数据进行滤波,去除高频噪声,增强数据的稳健性;其次,为了提升对序列深层次特征的捕捉能力,使用BiGRU神经网络同时获取序列数据的过去和未来信息,并通过自适应动量估计技术更新BiGRU网络的参数.仿真结果表明,提出的Wiener系统能够有效建立永磁同步电机系统模型,取得了较好的预测效果.与整数阶滤波器BiGRU-attention神经网络相比,电压预测值的均方误差降低了30.87%,平均绝对误差降低了26.97%;电流预测值的均方误差降低了34.42%,平均绝对误差降低了14.88%. 展开更多
关键词 非线性Wiener系统 分数阶滤波器 双向GRU神经网络 参数辨识 永磁同步电机
在线阅读 下载PDF
基于混合算法下RBF神经网络的执行机构非线性特性在线辨识与补偿 被引量:2
3
作者 刘鑫屏 陈艺文 董子健 《动力工程学报》 CAS CSCD 北大核心 2024年第5期792-801,共10页
针对控制系统中执行机构非线性特性在线辨识及补偿问题,研究了一种基于变步长核最小均方(SVSKLMS)和遗传算法结合的混合径向基(VHRBF)神经网络。利用径向基(RBF)神经网络不依赖于精确的数学模型即可得到被控对象信息的特点,建立了控制... 针对控制系统中执行机构非线性特性在线辨识及补偿问题,研究了一种基于变步长核最小均方(SVSKLMS)和遗传算法结合的混合径向基(VHRBF)神经网络。利用径向基(RBF)神经网络不依赖于精确的数学模型即可得到被控对象信息的特点,建立了控制系统执行机构的非线性特性模型;为解决传统RBF神经网络辨识性能差的问题,使用遗传算法(GA)对神经网络的中心向量和方差进行优化,利用SVSKLMS算法对RBF神经网络模型中的权重进行优化,进而得到最佳的RBF神经网络。基于VHRBF神经网络及其逆模型补偿器对执行机构非线性特性进行在线辨识及补偿。仿真结果表明:与其他算法训练下的RBF神经网络相比,所提出的VHRBF神经网络能够精确辨识并补偿执行机构的非线性特性,并且具有更快的收敛速度、更优的收敛性能。 展开更多
关键词 RBF神经网络 在线辨识与补偿 执行机构 非线性特性
在线阅读 下载PDF
改进变分模态分解与多特征的通信辐射源个体识别方法 被引量:3
4
作者 刘高辉 席宏恩 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第10期4044-4052,共9页
针对通信辐射源指纹特征难以提取和单一特征识别率不高的问题,并考虑到通信辐射源细微特征的非线性、非平稳特点,该文提出了一种基于改进变分模态分解和多特征的通信辐射源个体识别方法。首先,为了获得变分模态分解的分解层数和惩罚因... 针对通信辐射源指纹特征难以提取和单一特征识别率不高的问题,并考虑到通信辐射源细微特征的非线性、非平稳特点,该文提出了一种基于改进变分模态分解和多特征的通信辐射源个体识别方法。首先,为了获得变分模态分解的分解层数和惩罚因子的最优组合,采用鲸鱼优化算法对通信辐射源符号波形信号的变分模态分解方法进行了改进,该方法以序列复杂度为停止准则,使每个符号波形信号能够自适应地分解出包含非线性指纹特征的高频信号分量和数据信息的低频分量;然后,根据相关阈值选取能够最佳表征辐射源非线性特征的高频信号分量层数,分别对其提取模糊熵、排列熵、Higuchi维数以及Katz维数并组成多域联合特征向量;最后,通过卷积神经网络实现通信辐射源个体识别分类,利用ORACLE公开数据集进行实验。实验结果表明:该方法有较高的识别精度且具有良好的抗噪声性能。 展开更多
关键词 通信辐射源个体识别 变分模态分解 非线性指纹特征 卷积神经网络
在线阅读 下载PDF
面向变形飞行器的时变气动参数在线辨识方法
5
作者 卢昕玥 张鹏宇 +2 位作者 霍文霞 张严雪 王剑颖 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第8期1520-1526,共7页
针对变形飞行器快时变气动参数的在线高精度获取问题,本文提出一种基于BP神经网络模型的气动参数在线辨识方法。基于变形飞行器气动模型的非线性输入/输出映射关系,建立能够在一定精度范围内逼近变形飞行器气动模型的BP神经网络模型。... 针对变形飞行器快时变气动参数的在线高精度获取问题,本文提出一种基于BP神经网络模型的气动参数在线辨识方法。基于变形飞行器气动模型的非线性输入/输出映射关系,建立能够在一定精度范围内逼近变形飞行器气动模型的BP神经网络模型。根据在线实测动力学参数观测数据,采用扩展卡尔曼滤波方法在线训练神经网络,实时校正并获取神经网络模型参数,基于神经网络模型快速计算并预测气动参数,从而跟踪快时变、非线性气动模型的变化。通过对变形飞行器连续变形/构型突变的气动参数辨识进行数学仿真验证。结果表明:提出的方法收敛速度快、在线辨识精度较高,可以实现对变形飞行器气动参数的有效辨识。 展开更多
关键词 变形飞行器 快时变气动参数 非线性气动模型 气动参数辨识 在线辨识 智能辨识 神经网络 卡尔曼滤波
在线阅读 下载PDF
一种用于非线性动态辨识的新型神经网络
6
作者 张剑 林瑞昌 毕天昊 《控制工程》 CSCD 北大核心 2024年第8期1383-1391,共9页
为提高非线性动态系统辨识(NDSI)的效果,在结合自建型模糊神经网络(SCFNN)和多层神经元神经网络(MLPNN)的基础上,提出一种自建递归型模糊神经网络(SCRFNN)。SCRFNN相较于前者,多了一个递归通道与抑制模糊规则产生机制;相较于后者,增加... 为提高非线性动态系统辨识(NDSI)的效果,在结合自建型模糊神经网络(SCFNN)和多层神经元神经网络(MLPNN)的基础上,提出一种自建递归型模糊神经网络(SCRFNN)。SCRFNN相较于前者,多了一个递归通道与抑制模糊规则产生机制;相较于后者,增加了模糊推论与一个递归通道。为验证SCRFNN在系统辨识中的有效性,设计一个新的NDSI在线学习模型与代码设计流程图,并以此作为在线学习架构,将以上3个神经网络模型对4个串-并型非线性动态系统进行辨识分析。经过仿真表明,新提出的SCRFNN通过存储内部状态,具备了映射动态特征的功能,从而使系统具有适应时变特性的能力,更适合于非线性动态系统的辩识。且在模糊规则数、学习收敛速度、学习与预测误差均方根值、预测精准度方面也取得了良好的效果。 展开更多
关键词 自建递归型模糊神经网络 自建型模糊神经网络 多层神经元神经网络 非线性动态系统辨识
在线阅读 下载PDF
非线性Thau观测下的水下机器人定速推进故障识别
7
作者 张博憧 韩世迁 王萍萍 《现代电子技术》 北大核心 2024年第20期165-169,共5页
水下机器人在水中运动时受水流、湍流和涡流等流体动力学的复杂影响,会对推进系统产生非线性影响,使得工作状态发生微小变化,难以准确估计其运行状态,增加了故障识别的难度。为此,提出一种非线性Thau观测下的水下机器人定速推进故障识... 水下机器人在水中运动时受水流、湍流和涡流等流体动力学的复杂影响,会对推进系统产生非线性影响,使得工作状态发生微小变化,难以准确估计其运行状态,增加了故障识别的难度。为此,提出一种非线性Thau观测下的水下机器人定速推进故障识别方法。利用无损卡尔曼滤波估计水下机器人定速推进器的状态量;通过非线性Thau观测算法,结合状态量估计结果建立非线性Thau观测器,识别定速推进故障;通过模糊神经网络逼近非线性Thau观测器内的有界非线性不确定性扰动,提升故障识别精度。实验结果证明:该方法可有效估计水下机器人定速推进器的状态量,并逼近非线性Thau观测器的有界非线性不确定性扰动;而且可有效识别定速推进故障,故障识别精度较高。 展开更多
关键词 非线性 Thau观测 水下机器人 定速推进 故障识别 无损卡尔曼滤波 模糊神经网络
在线阅读 下载PDF
基于贝叶斯方法的神经网络非线性模型辨识 被引量:28
8
作者 魏东 张明廉 +1 位作者 蒋志坚 孙明 《计算机工程与应用》 CSCD 北大核心 2005年第11期5-8,11,共5页
研究了基于贝叶斯推理的多层前向神经网络训练算法,以提高网络的泛化性能。在网络目标函数中引入表示网络结构复杂性的惩罚项,以便能够在训练优化过程中降低网络结构的复杂性,达到避免网络过拟合的目的。训练过程中使用显式的概率分布... 研究了基于贝叶斯推理的多层前向神经网络训练算法,以提高网络的泛化性能。在网络目标函数中引入表示网络结构复杂性的惩罚项,以便能够在训练优化过程中降低网络结构的复杂性,达到避免网络过拟合的目的。训练过程中使用显式的概率分布假设对模型进行分析和推断,根据融入先验分布的假设和依据,获取网络参数和正则化参数的后验条件概率,并基于后验分布的贝叶斯推理得出最优化参数。利用上述算法训练前向网络,对一个微型锅炉对象进行了模型辨识,通过测试,证明所辨识出的对象模型能够较好地表现出对象的动态行为,且具有较好的泛化性能。 展开更多
关键词 系统辨识 非线性 神经网络 泛化
在线阅读 下载PDF
汽(气)液两相流流型在线识别的研究进展 被引量:32
9
作者 白博峰 郭烈锦 赵亮 《力学进展》 EI CSCD 北大核心 2001年第3期437-446,共10页
综述了根据参数波动过程实现气液两相流流型在线识别的最新研究成果,内容包括两相流参数波动的产生机理,小波分析的应用,两相流参数波动过程的特征提取和特征分析,流型在线识别的特点及各种实现方法等.重点介绍了两相流参数波动过... 综述了根据参数波动过程实现气液两相流流型在线识别的最新研究成果,内容包括两相流参数波动的产生机理,小波分析的应用,两相流参数波动过程的特征提取和特征分析,流型在线识别的特点及各种实现方法等.重点介绍了两相流参数波动过程的统计和非线性特征分析及其与流型之间的关系.深入讨论了流型神经网络识别方法及其存在的问题.从波动参数的选择、数理解释、流型识别方法等不同方面对研究进展进行了讨论. 展开更多
关键词 两相流 流型 识别 非线性 神经网络 汽液两相流
在线阅读 下载PDF
连续非线性系统的神经网络α阶逆系统控制方法 被引量:36
10
作者 戴先中 刘军 冯纯伯 《自动化学报》 EI CSCD 北大核心 1998年第4期463-468,共6页
对连续非线性系统,采用连续系统的设计方法,利用神经网络对非线性函数的逼近能力加上用来表征系统动态特性的若干积分器,构造工程上可实现的原系统的神经网络α阶逆系统(将α阶逆系统直接与原系统串接,构成α阶积分伪线性复合系统... 对连续非线性系统,采用连续系统的设计方法,利用神经网络对非线性函数的逼近能力加上用来表征系统动态特性的若干积分器,构造工程上可实现的原系统的神经网络α阶逆系统(将α阶逆系统直接与原系统串接,构成α阶积分伪线性复合系统),并对α阶积分伪线性复合系统设计线性控制器,实现对原非线性系统的有效控制.仿真结果表明,该方法适用于较一般的线性、非线性连续系统,且结构简单,易于工程实现. 展开更多
关键词 逆系统 神经网络 辨识 控制 连续非线性系统
在线阅读 下载PDF
一种基于动态人工神经网络的Wiener模型辨识 被引量:9
11
作者 李世华 吴福保 李奇 《控制理论与应用》 EI CAS CSCD 北大核心 2000年第1期92-95,共4页
提出了一种新的辨识模型对Wiener模型进行辨识.该模型由一线性动态神经元串联一静态BP网络模型组成.利用线性动态神经元对Wiener模型的线性动态部分建模,利用静态BP网络逼近模型的静态非线性部分.并且给出了统一的BP辨识算法.仿真结果... 提出了一种新的辨识模型对Wiener模型进行辨识.该模型由一线性动态神经元串联一静态BP网络模型组成.利用线性动态神经元对Wiener模型的线性动态部分建模,利用静态BP网络逼近模型的静态非线性部分.并且给出了统一的BP辨识算法.仿真结果表明了该方法的有效性. 展开更多
关键词 人工神经网络 系统辨识 WIENER模型
在线阅读 下载PDF
神经网络预测控制在SCR烟气脱硝系统中应用 被引量:20
12
作者 孟范伟 徐博 +1 位作者 吕晓永 刘胤圻 《东北大学学报(自然科学版)》 EI CAS CSCD 北大核心 2017年第6期778-782,共5页
以自某热电厂350 MW燃煤机组的选择性催化还原(SCR)反应系统所采集的数据为依托,使用神经网络预测控制方法,研究电厂尾气中氮氧化物排放的预测及控制问题.利用神经网络的方法进行模型辨识,利用预测控制的思想对喷氨量进行控制,既可使尾... 以自某热电厂350 MW燃煤机组的选择性催化还原(SCR)反应系统所采集的数据为依托,使用神经网络预测控制方法,研究电厂尾气中氮氧化物排放的预测及控制问题.利用神经网络的方法进行模型辨识,利用预测控制的思想对喷氨量进行控制,既可使尾气达到限排标准,亦能减少用氨量,提升经济效益的同时减少氨逃逸.采用最速梯度方法进行控制器的优化,并通过性能函数来约束控制量,达到预期输出.最后将仿真结果与现场所测数据进行对比,结果表明神经网络预测控制方案可以较准确地预测出未来有限时刻所需的喷氨量. 展开更多
关键词 选择性催化还原 神经网络 预测控制 非线性自回归算法 模型辨识
在线阅读 下载PDF
基于神经网络方法的包装件非线性特性识别的研究 被引量:9
13
作者 梁艳春 王政 +1 位作者 杨晓伟 周春光 《力学学报》 EI CSCD 北大核心 1997年第4期497-500,共4页
结合模糊集合理论,将结构化神经网络方法用于包装件缓冲垫层非线性特性识别问题.对于两种典型的包装件缓冲垫层材料模型的模拟识别结果表明,据此方法可以较好地获得其非线性特性.模糊自适应技术的引入,提高了网络训练速度,减少了... 结合模糊集合理论,将结构化神经网络方法用于包装件缓冲垫层非线性特性识别问题.对于两种典型的包装件缓冲垫层材料模型的模拟识别结果表明,据此方法可以较好地获得其非线性特性.模糊自适应技术的引入,提高了网络训练速度,减少了对于训练参数的人为干预,使得结构化神经网络方法更适于实际应用. 展开更多
关键词 神经网络 非线性特性识别 缓冲包装 动力学
在线阅读 下载PDF
改进BP神经网络在流型智能识别中的应用 被引量:10
14
作者 吴浩江 胡志华 周芳德 《西安交通大学学报》 EI CAS CSCD 北大核心 2000年第1期22-25,共4页
为了克服BP神经网络的易陷入局部极小、收敛速度慢等缺点,利用非线性最小二乘法对其进行了改进.改进后的BP 神经网络的收敛速度提高了1 ~2 个数量级.同时,利用压阻式压差传感器测得了水平管内油气水多相流压差信号,根据分... 为了克服BP神经网络的易陷入局部极小、收敛速度慢等缺点,利用非线性最小二乘法对其进行了改进.改进后的BP 神经网络的收敛速度提高了1 ~2 个数量级.同时,利用压阻式压差传感器测得了水平管内油气水多相流压差信号,根据分形理论中的重构相空间法提取出压差信号的特征向量,再将特征向量送入改进的BP 神经网络中,从而完成对油气水多相流流型的智能识别.结果证明,改进的BP神经网络能有效地自动识别出油气水多相流的流型. 展开更多
关键词 多相流 流型 模式识别 BP神经网络 智能识别
在线阅读 下载PDF
动态驱动神经网络辨识永磁直线同步电动机模型 被引量:7
15
作者 吕刚 范瑜 李国国 《控制理论与应用》 EI CAS CSCD 北大核心 2007年第1期99-102,108,共5页
永磁直线同步电动机(PMLSM)模型的建立对研究其稳态特性、动态特性和控制策略都是非常重要的.本文利用动态驱动神经网络对其进行建模,并在代价函数一致的基础上加入残差分析法来辨识模型的阶次,使得神经网络具有自动识别阶次的能力.... 永磁直线同步电动机(PMLSM)模型的建立对研究其稳态特性、动态特性和控制策略都是非常重要的.本文利用动态驱动神经网络对其进行建模,并在代价函数一致的基础上加入残差分析法来辨识模型的阶次,使得神经网络具有自动识别阶次的能力.为了克服神经网络结构依靠人工试凑的不足,使用基于Hession矩阵的修剪法来优化其结构.考虑到改进BP算法(学习速率自适应、动量项的方法)的一些固有缺点,使用NDEKF(基于节点的解耦扩展Kalman滤波器算法)来训练网络.实验证明,混合网络能够准确辨识出试验样机的阶次并且输出结果与实际结果十分接近;同时将NDEKF与改进BP算法进行对比,NDEKF算法具有收敛较快、泛化能力强等特点. 展开更多
关键词 神经网络 永磁直线同步电动机 辨识 混合神经网络 NDEKF
在线阅读 下载PDF
飞行仿真气动力数据机器学习建模方法 被引量:21
16
作者 王超 王贵东 白鹏 《空气动力学学报》 CSCD 北大核心 2019年第3期488-497,共10页
基于机器学习思想,提出了一种大空域、宽速域的气动力建模方法。该方法利用飞行仿真弹道数据辨识的气动力数据,采用人工神经网络技术,实现了对高度、速度、姿态和舵偏角等多维度强非线性特性的全弹道气动力数据的高精度逼近。首先,分析... 基于机器学习思想,提出了一种大空域、宽速域的气动力建模方法。该方法利用飞行仿真弹道数据辨识的气动力数据,采用人工神经网络技术,实现了对高度、速度、姿态和舵偏角等多维度强非线性特性的全弹道气动力数据的高精度逼近。首先,分析了神经网络层数、隐含层神经元个数等对建模误差的影响,通过对典型弹道气动数据的神经网络建模计算,确定了较合适的神经网络层数和较优的隐层神经元个数。进而,利用飞行仿真的弹道数据辨识出沿弹道的气动力,采用神经网络建立了包含多个弹道融合的气动力模型,输出量分别为三轴气动力系数和力矩系数。最后通过气动模型输出量与原样本数据的对比,以及4条未参与训练弹道气动数据的预测,验证了该气动力建模方法具有较高的精度。建模结果表明:采用神经网络方法建立的飞行器气动力模型,对拟合多源耦合输入全弹道非线性气动力是可行的和有效的,在样本覆盖的高度、速度、姿态和控制舵偏角范围内,气动力拟合能力较强,并具有一定的外推性。该项研究可以为基于飞行试验数据的气动建模提供新的方法,并且能为飞行器气动力数据挖掘、飞行仿真和总体性能分析提供参考。 展开更多
关键词 非线性气动力 气动建模方法 神经网络 气动参数辨识 飞行仿真
在线阅读 下载PDF
基于神经网络非线性系统辨识和控制的研究 被引量:14
17
作者 任雪梅 高为炳 《控制理论与应用》 EI CAS CSCD 北大核心 1995年第2期147-153,共7页
本文提出了由静态的前馈网络和稳定的滤波器构成的非线性系统的辨识模型.在神经网络固有的逼近误差存在的情况下,从理论上计论了神经网从应用于辨识和控制过程中系统的稳定性问题.最后研究了在非线性系的轨迹跟踪过程中增加滑动控制... 本文提出了由静态的前馈网络和稳定的滤波器构成的非线性系统的辨识模型.在神经网络固有的逼近误差存在的情况下,从理论上计论了神经网从应用于辨识和控制过程中系统的稳定性问题.最后研究了在非线性系的轨迹跟踪过程中增加滑动控制来补偿神经网络的逼近误差,从而提高系统的跟踪性能. 展开更多
关键词 神经网络 非线性系统 辨识 滑动控制
在线阅读 下载PDF
考虑逆变器非线性因素的表贴式永磁同步电机参数辨识 被引量:30
18
作者 史婷娜 刘华 +1 位作者 陈炜 耿强 《电工技术学报》 EI CSCD 北大核心 2017年第7期77-83,共7页
在表贴式永磁同步电机参数辨识中,逆变器的非线性因素会影响电机参数的辨识精度。该文通过方程变换去除定子电压方程中逆变器非线性因素产生的误差电压,构建不受逆变器非线性因素影响的参数辨识模型。为了提高辨识结果的收敛速度并降低... 在表贴式永磁同步电机参数辨识中,逆变器的非线性因素会影响电机参数的辨识精度。该文通过方程变换去除定子电压方程中逆变器非线性因素产生的误差电压,构建不受逆变器非线性因素影响的参数辨识模型。为了提高辨识结果的收敛速度并降低稳态误差,采用加入动量项的自适应线性元件(Adaline)神经网络算法辨识电机参数。实验结果表明,所提方法能提高电感、定子电阻和转子磁链的辨识精度,并加快辨识结果的收敛速度。 展开更多
关键词 表贴式永磁同步电机 参数辨识 逆变器非线性因素 Adaline神经网络
在线阅读 下载PDF
基于改进遗传算法的递归神经网络非线性系统辨识 被引量:6
19
作者 冯浩 何鸿云 米祖强 《西南交通大学学报》 EI CSCD 北大核心 2002年第4期404-407,共4页
将递归内时延神经网络应用于非线性动力学系统辨识中 ,描述了其动力学方程 ,并引入改进遗传算法作为其学习算法 ,通过非线性动力学SISO和MIMO系统的辨识仿真研究 。
关键词 系统辨识 非线性动力系统 递归神经网络 遗传算法 学习算法 网络权值
在线阅读 下载PDF
基于改进小波神经网络的光伏发电系统非线性模型辨识 被引量:12
20
作者 郑凌蔚 刘士荣 谢小高 《电网技术》 EI CSCD 北大核心 2011年第10期159-164,共6页
将光伏发电系统看成基于气象参数的非线性黑箱模型,用非线性自回归外推模型对不同天气条件下的光伏发电系统进行辨识。采用了对系统维数不敏感的基于方差分析展开的改进小波神经网络对系统进行非线性自回归外推模型辨识,辨识数据和验证... 将光伏发电系统看成基于气象参数的非线性黑箱模型,用非线性自回归外推模型对不同天气条件下的光伏发电系统进行辨识。采用了对系统维数不敏感的基于方差分析展开的改进小波神经网络对系统进行非线性自回归外推模型辨识,辨识数据和验证数据均取自实际光伏发电系统。实例研究结果表明:与Sigmoid网络函数法、树分割法及基本小波神经网络法相比,基于改进小波神经网络的非线性自回归外推模型能更好地反应各种不同天气条件下光伏发电系统的动态行为;天气波动的剧烈程度对辨识效果影响较大。 展开更多
关键词 光伏发电系统 非线性自回归外推 模型辨识 进小波神经网络 方差分析
在线阅读 下载PDF
上一页 1 2 7 下一页 到第
使用帮助 返回顶部