使用0-3型PZT/P(VDF-TFE)压电复合材料研制出一种圆柱形水听器,对水听器的结构、材料以及灵敏度进行了理论分析,测量了水听器样品灵敏度随频率的变化曲线。研究结果表明,利用0-3型PZT/P(VDF-TFE)压电复合材料可制作出灵敏度高达-202.3 d...使用0-3型PZT/P(VDF-TFE)压电复合材料研制出一种圆柱形水听器,对水听器的结构、材料以及灵敏度进行了理论分析,测量了水听器样品灵敏度随频率的变化曲线。研究结果表明,利用0-3型PZT/P(VDF-TFE)压电复合材料可制作出灵敏度高达-202.3 dB ref.1V/μPa的水听器,静态电容量较大,制作工艺简单,实际测量值和理论计算值很相近。展开更多
本文用 Petri 网的一个子类——时间事件图对流水车间型和作业车间型的柔性制造系统(FMS)建模并进行理论分析,给出了可行排序的判定条件及系统中托盘数量配置与系统生产率的关系,对系统的主要性能指标,如生产周期、工件驻留时间、在制...本文用 Petri 网的一个子类——时间事件图对流水车间型和作业车间型的柔性制造系统(FMS)建模并进行理论分析,给出了可行排序的判定条件及系统中托盘数量配置与系统生产率的关系,对系统的主要性能指标,如生产周期、工件驻留时间、在制品库存等给出了定量描述.这些结果为系统的设计和运行提供了理论依据.展开更多
针对最小二乘支持向量回归(Least Square Support Vector Regression,LSSVR)建模风电功率时变特性的局限性,提出了一种基于动态集成LSSVR的超短期风电功率预测模型.首先利用风电场监测控制与数据采集(Supervisory Control And Data Acqu...针对最小二乘支持向量回归(Least Square Support Vector Regression,LSSVR)建模风电功率时变特性的局限性,提出了一种基于动态集成LSSVR的超短期风电功率预测模型.首先利用风电场监测控制与数据采集(Supervisory Control And Data Acquisition,SCADA)与数值天气预报(Numerical Weather Prediction,NWP)系统的历史数据建立离线单体LSSVR模型库,然后根据预测时段与训练时段NWP序列的相似度从单体LSSVR模型库中动态选择候选集成成员,再后综合考虑正确性与多样性确定集成成员.最后由预测时段与训练时段NWP序列间的相似度分配集成LSSVR成员的权重.通过对湖南省某风电场输出功率进行预测,验证了动态集成LSSVR预测模型的有效性,与持续法、自回归求和移动平均法、单体LSSVR模型、常权重LSSVR组合模型及BPNN动态集成模型相比,动态集成LSSVR模型具有更高的精度,在天气非平稳变化阶段更加明显.展开更多
文摘使用0-3型PZT/P(VDF-TFE)压电复合材料研制出一种圆柱形水听器,对水听器的结构、材料以及灵敏度进行了理论分析,测量了水听器样品灵敏度随频率的变化曲线。研究结果表明,利用0-3型PZT/P(VDF-TFE)压电复合材料可制作出灵敏度高达-202.3 dB ref.1V/μPa的水听器,静态电容量较大,制作工艺简单,实际测量值和理论计算值很相近。
基金supported by National Natural Science Foundation of China under Grant (60673084)Hunan Provincial Natural Science Foundation of China (06JJ4075, 04JJ6034)
基金国家自然科学基金资助项目(6147212861173108)+1 种基金National Natural Science Foundation of China(6147212861173108)
文摘针对最小二乘支持向量回归(Least Square Support Vector Regression,LSSVR)建模风电功率时变特性的局限性,提出了一种基于动态集成LSSVR的超短期风电功率预测模型.首先利用风电场监测控制与数据采集(Supervisory Control And Data Acquisition,SCADA)与数值天气预报(Numerical Weather Prediction,NWP)系统的历史数据建立离线单体LSSVR模型库,然后根据预测时段与训练时段NWP序列的相似度从单体LSSVR模型库中动态选择候选集成成员,再后综合考虑正确性与多样性确定集成成员.最后由预测时段与训练时段NWP序列间的相似度分配集成LSSVR成员的权重.通过对湖南省某风电场输出功率进行预测,验证了动态集成LSSVR预测模型的有效性,与持续法、自回归求和移动平均法、单体LSSVR模型、常权重LSSVR组合模型及BPNN动态集成模型相比,动态集成LSSVR模型具有更高的精度,在天气非平稳变化阶段更加明显.
