排序方式: 共有65条查询结果,搜索用时 46 毫秒
41.
42.
支持向量机用于液体火箭发动机的故障诊断 总被引:3,自引:0,他引:3
支持向量机(Support Vector Machine,简称SVM)是一种基于机器学习的模式分类算法,其在解决小样本、非线性及高维模式识别等问题中都表现出许多特有的优势。用SVM对液体火箭发动机的故障数据进行检测和诊断。通过对发动机仿真模型的9种故障数据的学习,能检测出18组故障数据中的17组,但有4组出现误报,对误报故障进行二次学习和再检测,能对这4种故障正确检测。经过对C75试车4种故障数据的学习,能正确检测其故障类型,进一步验证了该方法的正确性和可行性。 相似文献
43.
44.
45.
46.
采用四元数方法推导出SDINS数学平台角误差方程和速度误差方程,并以此建立非线性初始,对准误差模型,应用扩展卡尔曼滤波(EKF)进行精对准,确定初始失调角,与由[2]中的数学平台角误差方程和速度误差方程确立的线性初始对准误差模型进行仿真比较,仿真结果表明此模型是比较有效的,满足初始对准精度要求。 相似文献
47.
48.
49.
50.
利用几何约束快速求解整周模糊度 总被引:2,自引:0,他引:2
本文以GPS载波相位测量确定载体姿态的应用为背景,针对其中的关键技术问题-载波相位整周模糊度的快速解算,提出了一种充分利用卫星与基线之间几何约束来压缩搜索空间,快速得到正确的双差模糊度组合的方法,并通过对ADUⅡ接收机采集的原始数据进行处理,其结果证明这的确是一种行之有效的模糊度搜索方法。 相似文献