-
1iekf 一维的迭代扩展卡尔曼滤波算法
【实例简介】1iekf 一维的迭代扩展卡尔曼滤波算法
比较简单的算法
- 2021-11-07 00:38:24下载
- 积分：1
-
matlab代码（KNN，层次聚类，C均值，最邻近算法）
根据算法原理自己编写的基本算法的代码，包括自己挑选的数据集，对算法准确率的测试
- 2020-05-31下载
- 积分：1
-
digsilent 培训教材
digsilent是个很好用的电力系统的仿真软件，所以学习好这个软件对自己的学习和工作有很大的帮助。此文档就是大概的介绍digsilent这个软件，适合初学者SILENTDIgSILEnT软件PowerFactory软件发展历程1985年:第一套商业版分析软件开发成功1995年: DIySILENT10.31版软件正式发布1998F: DIgSILENT Power Factory 11.02000-f: DigSILENT PowcrFactory 12.02003-f: DIgSILENT Power Factory 13.02005年:推出 Station ware软件2008F: DIgSILENT Power Factory 14.0目前已经在一百多个囯家得到使用,已售出的软件超过4500套色三一电力科学研究院5www.digsilent.dehttp://www.diasilent.de/support/中国电力科学研究院CHINA ELECTRIC POWER RESEARCH INSTITUTE3SILENTPowerFactory软件的特点丰富的元件库( Equipment Type library);包括详细的系统元件模型如架空线、电缆、变压器、SVC、电流源和电压源等等,以及控制器模型如发电机调压器、调遠器和PSS等等面向程序化过裎的编程语言DPL,能够实现多种静态仿真分析功能,如乜压稳定性、PV/QV敏感性分析等。面向连续运行过程的仿真语言DSL,用于实现暂态稳定性分析过程中系统元件的控制。含多种电力电子元件,如SVC、TCSC等,这些元件都可以利用DSL定义相应的控制模型。中国电力科学研究院PowerFactory软件的特点数据管理方式数据库和数据管理器:分级的面向对象的数据,该教据库以Project为单位对数据进行存储,包含计算分析所需要的电网元件信息、图形信息以及计算设置提供电力系统运行、规划方案信急管理功能:允许用户在电网基础信息的基础上进行某些数据的修改并分别进行保存,如设计不同的护建方案,分析系统不同的运行方式等等完全图形化的操作模式软件由 Data manager和( raphic图形窗口两个工作页面组成,用户可以直接在图形窗口绘制电网、录入和修改电网数据,也可以在 Data manager页面中进行数据的录入和修改中国电力科学研究院CHINA ELECTRIC POWER RESEARCH INSTITUTESILENTPowerFactory软件的特点虚拟表计技术的应用窗口的概念,用于显示通过DP或暂态分析过程中的各变量的归线和波形,用户可以根据自己的需要来定义变量。数据兼容性提供用于与SC∧D八/(S进行数据交换的数据交换语言DOIF可以通过Excl进行数据的输入和输出〉与PSSE/E和PSS/U等电力系统仿真软件的数据进行转换。中国电力科学研究院CHINA ELECTRIC POWER RESEARCH INSTITUTEPowerFactory软件的主要功能潮流计算描述复杂的单相和三相AC系统及各种交直流渑合系统。潮流求解过程提供了3种方法以供选择:经典的牛顿拉夫逊算法、牛顿一拉夫逊电流迭代法和线性方程法(直接将所有模型作线性化处聖)。提供变电站控制、网络控訇、变压器分接头调整控以及多和远程控制模式故障分析支持几乎所有的故障类型(包括复故障分析)。谐波分析可以模拟各种谐波电流源和电压源,并提供计及集肤效应和内在自感的与颇牽相关的元件模型。中国电力科学研究院CHINA ELECTRIC POWER RESEARCH INSTITUTE5SILENTPowerFactory软件的主要功能稳定性分析能够实现机电暂态和电磁暂态的仿真汁算,能够仿真电力系统几乎所有类型的故障,仿真分析的结果能够通过虚拟表计来绘制成曲线图可靠性分析将系统充裕性和安全性进行了综合考虑,主要包括三个方面预想事故分祈、发电可靠性佔计和网络可靠性估计。保护它包含了许多额外的原件如CT、ⅥT、继它器等。所有这些保护元件在静态、晢态情况下都能够使用。在所有可能的仿真模式如潮流分析、故障分析、机电暂态和电磁暂态等情况下这些保护元件都能够响应。中国电力科学研究院CHINA ELECTRIC POWER RESEARCH INSTITUTEPowerFactory软件的主要功能最优潮流最优湖流计算是对基本潮流计算的有效补充。最优潮流计算主要采用内点法,并提供了多种约束条件和控制手段,其考虑的目标函数主要有最小网损、最小燃料赀用、最大利润及最小区域交涣潮流配网优化能够实现电容器选址优化、解环点优化以及电缆补强优化三种优化功能。低压网络分析根据连接到某一线路上的用户数量来定义负荷、考虑负荷的多样性、在进行潮流计算时考虑负荷多样性并计算电压最大跌落值和最大支路流、自动进行电缆补强、电压跌落和电缆负载卒分祈等。中国电力科学研究院CHINA ELECTRIC POWER RESEARCH INSTITUTE6SILENTPowerFactory软件划分配网包二业用户包输电网包风电应标准版专业版标准版专业版标准版专业版标准包用包剛流计算女障分析最优潮流保护「诸波机电暂态电磁暂态低压网终分析配网优化靠性分析中国电力科学研究院CHINA ELECTRIC POWER RESEARCH INSTITUTEPowerFactory在风电领域的独特性风电机组模型基于双馈感应发电机的变速风机基于变频器控制同步发电机(CDSG)的变速风机基于普通感应发电机的恒速风机·风电机组控制风电机组叶片机械特性模拟桨距角控制发电机保护和转子短路保护器(Crow-bar)建模变频器控制建模中国电力科学研究院CHINA ELECTRIC POWER RESEARCH INSTITUTE7Power Factor y软件界面介绍中国电力科学研究院CHINA ELECTRIC POWER RESEARCH INSTITUTE基本概念·用户在 PowerFactory中所进行的所有数据录入、设置和修改信息都自动存储在 Database中(即安装目录下的DB文件),用户无需自定义存储路径。所搭建网络能够以图形的形式显示录入数据的方法在图形用户界面录在 data manager中录入中国电力科学研究院CHINA ELECTRIC POWER RESEARCH INSTITUTE8SILENTDAtabase的主要结构Global Library:软件内置的元件Library库,含电力系统相关的所有标准元件类型,如发电机、线路、变压器以及相关控制器的元件类型等等。只有管理员能够进行修改。ProjectLocal Library:User3在当前Library的 Project中自定义的元件库,User3能够进行修改。中国电力科学研究院CHINA ELECTRIC POWER RESEARCH INSTITUTEa1x的m③6“s“a“AaMPowerFactory Database连de1F他mao0612106k计ate FolderET Induct006-12!o82Am时世EOr Driven Mac黑 tor Draventro st adand Iode10-30 10: LAbatnintrateranrfonmeEs. rm EtatienFare软件内置元件库Castable r分 tea ttrslielm卿bxe;模型及算例a I2E Exuele Std 192-19312553 metre basebar自定义用户名9SILENTroject的概念Project一项目包含项目分析计算所需的所有数据◆电网数据和网络拓扑结构负荷数据、发电厂相关数据系统运行方式◆仿真事件和语句仿真分析结果中国电力科学研究院CHINA ELECTRIC POWER RESEARCH INSTITUTE功能图标区室是画=x图山×g团w出回的A国日工已激活的 Project区哇白60Data Manager由团鱼8绘图区数据管理窗①①围厂多t()=A+·Mue4M凸结果输出窗10
- 2020-12-01下载
- 积分：1
-
C#绘制动态二维平面坐标系
这个程序是用C#编写的，用GDI+绘制一个动态的二维平面坐标，用户能通过输入X轴和Y轴的最小刻度来控制平面坐标的大小，并通过产生一个随机数波形，来动态显示平面坐标。 希望这个小程序能对学习使用C#GDI+绘图的朋友带来帮助。
- 2020-12-04下载
- 积分：1
-
风蓄联合优化程序
风蓄联合优化运行程序，以风蓄联合运行经济效益最大为目标函数，考虑各种约束条件
- 2020-12-12下载
- 积分：1
-
跳频通信系统的研究与Matlab仿真
跳频通信系统的研究与Matlab仿真，跳频通信技术具有较强的抗干扰能力,因此一直是扩频通信技术研究中的一个重点。在阐述跳频通信基本原理和实现方法的基础上,利用Matlab提供的可视化工具Simulink建立了跳频通信系统仿真模型,详细讲述了各模块的设计。
- 2021-05-06下载
- 积分：1
-
基于STM32的无位置传感器无刷直流电机控制系统
针对现有无刷直流电机控制系统的缺点，提出了基于STM32F103 处理器的无位置传感器无刷直流电动机控制系统。设计并实现了该控制系统的硬件电路，并通过软件编程实现了对转子位置的快速检测及电机调速。实验结果表明了该系统的设计成本较低，运行平稳，调速性能良好。关总屮所开始读取定时器T值并清零启动定时器T1讣算转速收变相位状态开总中断结束开始初始化电机启动结束电机速度判断>转了位置检测换相及测速电机调速kk u k模糊单神经元PDL(kPWM搾制器调制|BLDCC1994-2012cHinaAcadcmicJOurnalElcctronicPublishingHousc.Allrightsrcscrved.http://www.cnki.nctCH2200102030405060708090100110120DOCH2302005060708090100110120C1994-2012cHinaAcadcmicJOurnalElcctronicPublishingHousc.Allrightsrcscrved.http://www.cnki.nct
- 2020-12-04下载
- 积分：1
-
基于STM32库函数的AD9854
亲测可用，使用的都是STM32F103基本的外设资源，一般的32板子都能用，只用连接下引脚既可。可以实现定频输出，斜率扫频输出及其他模式的输出，且稳定误差小。调了好几天才算调通，配置的就那四个寄存器，重要的是时序不要错。还有个血泪教训，我用的是JTAG下载调试的，占用了B口的两个引脚，我的地址线也用到了那两个引脚导致我几天都没调出来，后来在程序里把JTAG关了就好了！！
- 2020-12-12下载
- 积分：1
-
Redis+接口+token+Sign+时间戳 Demo
Redis+接口+token+Sign+时间戳 Demo
- 2021-05-06下载
- 积分：1
-
sklearn0.19中文文档
sklearn0.19中文文档 PDF格式高清。.1. 广义线性模型1.1.1. 普通最小二乘法1.1.1.1. 普通最小二乘法复杂度1.1.2. 岭回归1.1.2.1. 岭回归的复杂度1.1.2.2. 设置正则化参数：广义交叉验证1.1.3. Lasso1.1.3.1. 设置正则化参数1.1.3.1.1. 使用交叉验证1.1.3.1.2. 基于信息标准的模型选择1.1.3.1.3. 与 SVM 的正则化参数的比较1.1.4. 多任务 Lasso1.1.5. 弹性网络1.1.6. 多任务弹性网络1.1.7. 最小角回归1.1.8. LARS Lasso1.1.1.监督学习1.1.广义线性模型o1.1.1.普通最小二乘法1.1.1.1.普通最小二乘法复杂度o1.1.2.岭回归1.1.2.1.岭回归的复杂度1.1.22.设置正则化参数:广义交叉验证o 113. Lasso■1.1.3.1.设置正则化参数1.1.3.1.1.使用交叉验证■1.1.3.1.2.基于信息标准的模型选择1.1.3.1.3.与SVM的正则化参数的比较o1.1.4.多任务 Lassoo1.1.5.弹性网络o1.1.6.多任务弹性网络o1.1.7.最小角回归o.8. LARS Lasso■1.1.8.1.数学表达式o1.1.9.正交匹配追踪法(OMP)o1.1.10.贝叶斯回归1.1.10.1.贝叶斯岭回归1.1.10.2.主动相关决策理论-ARD1.1.11. logistic回归o1.1.12.随机梯度下降,SGDo1.1.13. Perceptron(感知器)o1.1.14. Passive Aggressive Algorithms(被动攻击算法)o1.1.15.稳健回归( Robustness regression):处理离群点( outliers)和模型错误1.1.15.1.各种使用场景与相关概念■1.1.15.2. RANSAC:随机抽样一致性算法( RANdomSAmple Consensus1.1.15.2.1.算法细节1.1.15.3.Thel-sen预估器:广义中值估计1.1.153.1.算法理论细节1.1.154. Huber回归1.1.155.注意1.1.16.多项式回归:用基函数展开线性模型1.2.线性和二次判别分析o1.2.1.使用线性判别分析来降维o12.2.LDA和QDA分类器的数学公式o123.LDA的降维数学公式o1.2.4. Shrinkage(收缩)o12.5.预估算法1.3.内核岭回归1.4.支持向量机o1.4.1.分类■1.4.1.1.多元分类■1.4.1.2.得分和概率1.4.1.3.非均衡问题1.4.2.回归o143.密度估计,异常( novelty)检测o1.4.4.复杂度o1.4.5.使用诀窍o1.4.6.核函数1.4.6.1.自定义核14.6.1.1.使用 python函数作为内核1.4.6.1.2.使用Gram矩阵14.6.1.3.RBF内核参数o1.4.7.数学公式1.4.7.1.sVC■1.4.7.2. NuSVo1.4.7.3.sVRo14.8.实现细节1.5.随机梯度下降o1.5.1.分类o1.5.2.回归1.5.3.稀疏数据的随机悌度下降o1.5.4.复杂度o1.5.5.实用小贴士o1.5.6.数学描述■1.5.6.1.SGDo1.5.7.实现细节1.6.最近邻o1.6.1.无监督最近邻■1.6.1.1.找到最近邻1.6.1.2. KDTree和 BallTree类1.62.最近邻分类o16.3.最近邻回归o1.6.4.最近邻算法1.64.1.暴力计算■1.6.4.2.K-D树1.64.3.Ba|树■1.6.4.4.最近邻算法的选择1.6.4.5.1 eaf size的影响o165.最近质心分类1.6.5.1.最近缩小质心1.7.高斯过程o1.7.1.高斯过程回归(GPR)o1.7.2.GPR示例1.7.2.1.具有噪声级的GPR估计1.722.GPR和内核岭回归( Kernel Ridge Regression)的比较1.7.2.3. Mauna loa co2数据中的GRRo1.7.3.高斯过程分类(GPC)o1.7.4.GPC示例1.7.4.1.GPC概率预测■1.74.2.GPC在XOR数据集上的举例说明■1.7.4.3.iris数据集上的高斯过程分类(GPC)o1.7.5.高斯过程内核1.7.5.1.高斯过程内核AP■1.7.5.2.基础内核■1.7.5.3.内核操作1.7.5.4.径向基函数内核1.7.5.5. Matern内核1.7.5.6.有理二次内核1.7.5.7.正弦平方内核1.7.58.点乘内核■1.7.5.9.参考文献o1.7.6.传统高斯过程1.7.6.1.回归实例介绍1.7.62.噪声数据拟合17.6.3.数学形式1.7.6.3.1.初始假设■1.7.6.32.最佳线性无偏预测(BLUP)1.7.6.3.3.经验最佳线性无偏估计( EBLUP)1.7.6.4.关联模型1.7.6.5.回归模型1.7.6.6.实现细节1.8.交叉分解1.9.朴素贝叶斯o1.9.1.高斯朴素贝叶斯o1.92.多项分布朴素贝叶斯1.9.3.伯努利朴素贝叶斯1.9.4.堆外朴素贝叶斯模型拟合1.10.决策树o1.10.1.分类o1.10.2.回归o1.10.3.多值输出问题o1.10.4.复杂度分析o1.10.5.实际使用技巧1.10.6.决策树算法:ID3,C4.5,c5.0和CARTo1.10.7.数学表达1.10.7.1.分类标准■1.10.7.2.回归标准1.11.集成方法o1.111. Bagging meta-estimator( Bagging元估计器)o1.11.2.由随机树组成的森林1.11.2.1.随机森林1.11.2.2.极限随机树1.11.2.3.参数1.11.24.并行化1.11.2.5.特征重要性评估1.11.2.6.完全随机树嵌入o 1.113. AdaBoost1.11.3.1.使用方法o1.114. Gradient Tree Boosting(梯度树提升)1.11.4.1.分类1.11.42.回归1.114.3.训练额外的弱学习器1.11.4.4.控制树的大小■1.11.4.5. Mathematical formulation(数学公式)■1.11.4.5.1. LoSS Functions(损失函数)1.114.6. Regularization(正则化)■1.14.6.1.收缩率( Shrinkage)■1.1.4.6.2.子采样( Subsampling)■1.11.4.7. Interpretation(解释性)1.114.7.1. Feature importance(特征重要性)1.114.7.2. Partial dependence(部分依赖)o1.11.5. Voting Classifier(投票分类器)1.115.1.多数类标等(又称为多数/硬投票)1.11.5.1.1.用法■1.11.52.加权平均概率(软投票)1.11.5.3.投票分类器( Voting Classifier)在网格搜索( Grid search)应用1.11.5.3.1.用法1.12.多类和多标签算法o1.12.1.多标签分类格式o1.12.2.1对其余1.122.1.多类学习1.122.2.多标签学习o1.12.3.1对11.12.3.1.多类别学习o1.12.4.误差校正输出代码1.12.4.1.多类别学习o1.12.5.多输出回归o1.12.6.多输出分类o1.12.7.链式分类器·1.13.特征选择1.13.1.移除低方差特征o1.13.2.单变量特征选择o1.13.3.递归式特征消除o1.13.4.使用 Select From Mode选取特征■1.13.4.1.基于L1的特征选取1.13.4.2.基于Tree(树)的特征选取1.13.5.特征选取作为 pipeline(管道)的一部分1.14.半监督学习o1.14.1.标签传播1.15.等式回归1.16.概率校准1.17.神经网络模型(有监督)o1.17.1.多层感知器o1.17.2.分类o1.17.3.回归o1.17.4.正则化o1.17.5.算法o1.17.6.复杂性o1.17.7.数学公式o1.178.实用技巧o1.17.9.使用 warm start的更多控制
- 2021-05-06下载
- 积分：1
|
联系客服（QQ：3324461878）
