在有限新息率(Finite Rate of Innovation,FRI)采样框架中,指数再生核具有良好的时域有限支撑特性,因此被广泛用作采样核。但是这一过程会将信号中的白噪声变为有色噪声,严重影响重构性能。为此,该文利用指数再生形式能够在卷积运算中...在有限新息率(Finite Rate of Innovation,FRI)采样框架中,指数再生核具有良好的时域有限支撑特性,因此被广泛用作采样核。但是这一过程会将信号中的白噪声变为有色噪声,严重影响重构性能。为此,该文利用指数再生形式能够在卷积运算中得以保留的特性,提出一种改进的指数再生采样核,其对应的系数矩阵能够保持噪声的统计特性,进而保证重构算法性能。仿真实验表明该文方法能够有效提升重构性能。展开更多
为了对柴油机的经济性和排放参数进行高效、准确的预测,根据4190型船用柴油机实验数据与边界参数,建立AVL-BOOST甲醇/柴油混合燃料柴油机仿真模型;利用模型进行仿真实验,并建立甲醇掺混比、废气再循环(exhaust gas recirculation,EGR)...为了对柴油机的经济性和排放参数进行高效、准确的预测,根据4190型船用柴油机实验数据与边界参数,建立AVL-BOOST甲醇/柴油混合燃料柴油机仿真模型;利用模型进行仿真实验,并建立甲醇掺混比、废气再循环(exhaust gas recirculation,EGR)率、喷油提前角和进气压力4个控制参数对有效油耗率和NO x排放预测数据集;利用该数据集对5种不同核函数的高斯过程回归(Gaussian process regression,GPR)模型进行训练;最后将最优的平方指数高斯过程回归(squared exponential-Gaussian process regression,SE-GPR)模型、AVL-BOOST仿真数据和柴油机实验数据进行对比。结果表明:在数据量为180组时,SE-GPR模型对有效油耗率和NO x排放均取得拟合关联度99%以上,均方根误差(root mean square error,RMSE)分别为1.859,0.3445,平均绝对误差(mean absolute error,MAE)分别为0.954,0.2489;并且,相较于AVL-BOOST仿真实验,SE-GPR模型对实验数据具有更好的拟合性。展开更多
文摘在有限新息率(Finite Rate of Innovation,FRI)采样框架中,指数再生核具有良好的时域有限支撑特性,因此被广泛用作采样核。但是这一过程会将信号中的白噪声变为有色噪声,严重影响重构性能。为此,该文利用指数再生形式能够在卷积运算中得以保留的特性,提出一种改进的指数再生采样核,其对应的系数矩阵能够保持噪声的统计特性,进而保证重构算法性能。仿真实验表明该文方法能够有效提升重构性能。
文摘为了对柴油机的经济性和排放参数进行高效、准确的预测,根据4190型船用柴油机实验数据与边界参数,建立AVL-BOOST甲醇/柴油混合燃料柴油机仿真模型;利用模型进行仿真实验,并建立甲醇掺混比、废气再循环(exhaust gas recirculation,EGR)率、喷油提前角和进气压力4个控制参数对有效油耗率和NO x排放预测数据集;利用该数据集对5种不同核函数的高斯过程回归(Gaussian process regression,GPR)模型进行训练;最后将最优的平方指数高斯过程回归(squared exponential-Gaussian process regression,SE-GPR)模型、AVL-BOOST仿真数据和柴油机实验数据进行对比。结果表明:在数据量为180组时,SE-GPR模型对有效油耗率和NO x排放均取得拟合关联度99%以上,均方根误差(root mean square error,RMSE)分别为1.859,0.3445,平均绝对误差(mean absolute error,MAE)分别为0.954,0.2489;并且,相较于AVL-BOOST仿真实验,SE-GPR模型对实验数据具有更好的拟合性。
