2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩61頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著科技的發(fā)展,國家越來越重視可再生能源的開發(fā)。小水電作為一種清潔、可持續(xù)、安全有效的可再生能源,在國家能源發(fā)展戰(zhàn)略上有著深遠的意義。但由于水電機組設(shè)備比較復(fù)雜,通常采用人工的方式進行異常檢測,這樣不但效率低下而且有時不能判斷噪聲源的準(zhǔn)確部位,因此需要研究基于機器學(xué)習(xí)的識別方法。非負矩陣分解處理數(shù)據(jù)后具有非負組合的特性,如何將非負矩陣分解算法應(yīng)用于水電機組噪聲源識別中具有非常重要的研究價值。
  本文分析了水電機組噪聲源異常的特點

2、以及非負矩陣分解算法應(yīng)用在水電機組噪聲源識別上所帶來的問題,設(shè)計了針對性的非負矩陣分解算法。主要工作如下:
  (1)提出了基于BSS模型的增量式非負矩陣分解算法INMF。應(yīng)對海量數(shù)據(jù)時,現(xiàn)有的NMF算法每次需要重新計算全部數(shù)據(jù),大大降低了效率。INMF算法不但能保持跟原有算法具有同等的降維效果,而且具有良好的增量計算能力。最后在公共數(shù)據(jù)庫上的實驗仿真也驗證了其算法的有效性。
  (2)提出了基于歐氏距離的增量式保局非負矩陣

3、分解算法ILPNMF。由于水電機組異常振動噪聲樣本難以獲取,導(dǎo)致訓(xùn)練初期訓(xùn)練樣本不足而需要在線學(xué)習(xí)。我們把NMF和LPP相結(jié)合,再引入增量學(xué)習(xí)的思想,使其更適用于水電機組這樣復(fù)雜的工業(yè)設(shè)備。ILPNMF算法不但能夠有效地降低在線學(xué)習(xí)過程中分解矩陣迭代的時間開銷以及矩陣的存儲空間,而且大大提高了在線學(xué)習(xí)的效率。
  (3)最后本文分析了水電機組異常振動原因及特點,并將ILPNMF算法應(yīng)用于實際的水電機組異常在線檢測中。仿真結(jié)果表明I

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論