- 博客(12)
- 收藏
- 关注
RSS订阅原创 开环模块化多电平换流器仿真（MMC）N＝6，连接负载，采用载波移相调制
然而，我们需要考虑线路阻抗对MMC的影响。通过计算线路阻抗和MMC的输出电压，我们可以确定输出电流和功率，并且可以优化MMC的控制策略和参数设置，以实现更好的电力传输效率。总之，开环模块化多电平换流器是一种高效、可靠的电力传输技术，它可以通过对线路阻抗和子模块参数进行优化，实现更好的功率传输效率和控制稳定性。通过本文的介绍，我们希望能为MMC的仿真和应用提供一些参考和指导，以实现更好的电力传输和智能控制。在MMC中，采用开环控制的架构，每个子模块都有自己的控制系统，可以实时地监测和调节输出电压和电流。
2023-12-11 14:39:06
211
原创 BLDC无刷电机控制器方案 12管 6管该方案具有60度，120度选择功能
本文将介绍一种高效稳定的BLDC无刷电机控制器方案，包括12管和6管两种不同的实现方式，同时还提供了完整的AD版pcb设计、原理图设计、源代码和详细的文档说明。为了方便使用者的Debug和使用，控制器还提供了LED指示：启动、欠压、过温度、过流，让使用者及时掌握控制器的状态，及时进行调整。该方案具有60度，120度选择功能，高低电平刹车选择，ELECT E-BRAKE功能，巡航功能，加速器调速功能。提供AD版pcb，原理图，源代码，代码有大量的中文注释，以及详细的文档说明。
2023-12-11 14:37:55
213
原创 Matlab代码：微电网的优化调度，以微电网的运行成本最小为目标进行优化，并把失负荷惩罚成本计入总目标当中
Matlab代码：微电网的优化调度，以微电网的运行成本最小为目标进行优化，并把失负荷惩罚成本计入总目标当中，分别采用PSO算法和麻雀搜索算法（SSA算法，2020年新提出）进行优化求解，可分别求得两种算法下的优化调度方案，仿真结果表明，相比于PSO算法，SSA算法在求解时具有更快的求解速度和更好的收敛性，即SSA算法所求得的微电网调度方案能够大大降低微电网的运行成本。优化调度问题的目标是最小化微电网的总成本。通过程序的实现，初学者可以更好地掌握微电网优化调度问题的求解方法，从而为以后的应用打下坚实的基础。
2023-12-11 14:36:42
594
原创 广义神经网络GRNN做多特征输入，单个因变量输出的拟合预测模型
本文将介绍GRNN的基本原理和特点，并以matlab为例，详细介绍GRNN在多特征输入、单因变量输出的拟合预测模型中的应用。在多特征输入、单因变量输出的拟合预测模型中，GRNN的应用较为广泛。以matlab为例，我们可以使用GRNN模型对多特征输入、单因变量输出的数据进行拟合和预测。准备数据：将所需的多特征输入、单因变量输出的数据准备好，并标注好数据的格式。设计模型：使用matlab自带的narnet函数，设置输入层、模板层、SUM层和输出层的参数，并将数据输入模型进行训练。程序语言为matlab。
2023-12-11 14:34:58
123
原创 三相锁相环。在simulink中采用模块搭建了基于双二阶广义积分器的三相锁相环
另外，利用双二阶广义积分器能够有效降低系统的超调量和调节时间，提高系统的稳定性，从而更好的满足工程实际应用的需求。总之，基于双二阶广义积分器的三相锁相环具有良好的控制性能和实用性，是智能电网、交流电机驱动系统等领域中不可或缺的技术手段。在simulink中采用模块搭建了基于双二阶广义积分器的三相锁相环，整个仿真环境完全离散化，运行时间更快，主电路与控制部分以不同的步长运行，更加贴合实际。基于双二阶双二阶广义积分器的三相锁相环，在初始时刻就可以准确锁得电网相位，比软件自带的模块琐相更快。
2023-12-11 14:33:55
291
原创 利用最大相关最小冗余mRMR算法对特征变量做特征重要性排序，实现特征选择
而在实际应用中，我们通常会面临着海量特征变量的挑战，这时候我们需要一种高效的特征选择算法来帮助我们实现数据降维的目的。其中，相关性反映了两个特征变量之间的相似程度，而冗余性则反映了某个特征变量可以通过其他特征变量来表示的程度。mRMR算法是一种经典的特征选择算法，它通过计算特征变量之间的相关性和冗余性来确定每个特征变量的重要性。其中，relevancy表示特征变量与目标变量之间的相关性，redundancy表示特征变量与其他特征变量之间的冗余性。通过选择重要的特征变量，我们可以实现数据降维的目的。
2023-12-11 14:32:59
1044
原创 麻雀算法算法SSA优化LSTM实现多维输入，单维输出的预测模型，代码内注释详细
总之，麻雀算法算法SSA优化LSTM实现多维输入，单维输出的预测模型是一种非常优秀的神经网络模型，其优化参数的方式以及多维输入数据的预测方式都具有很高的实用性和可靠性。在该模型的实现中，引入了SSA算法来实现对LSTM神经网络参数的优化，在此基础上，可以根据不同的数据特征进行优化参数的调整，从而进一步提高预测精度。该模型的多输入单输出预测模型采用Matlab编写，代码内注释详细，可学习性强，使用者只需要直接替换数据就可以方便地使用该模型进行多维输入数据的预测，同时该模型的预测结果也可用于多种场景的应用。
2023-12-11 14:31:51
342
原创 CNN-LSTM多变量回归预测（Matlab）基于卷积-长短期记忆网络（CNN-LSTM）的数据回归预测
为了解决这些问题，许多工程师和学者采用卷积-长短期记忆网络（CNN-LSTM）这种深度学习模型，因为它能够处理多维输入单维输出的数据，并且有很好的记忆能力。本文主要介绍了基于卷积-长短期记忆网络的多变量回归预测方法，并提供了Matlab环境下的程序实现。CNN-LSTM多变量回归预测是基于多个变量来预测一个变量的值，也就是多输入单输出的问题。通过这个程序，用户可以通过多个变量来预测一个变量，可以用于许多实际问题的解决，如股票预测、气象预测、金融行情预测等。CNN-LSTM多变量回归预测（Matlab）
2023-12-11 14:30:02
794
原创 利用卷机神经网络CNN做多特征输入单输出的二分类及多分类模型
在这里，我们可以采用一些预训练的网络模型（如VGG16、ResNet等）作为基础模型，然后根据自己的数据集进行微调，以获得更好的性能。在训练过程中，我们还可以使用一些技巧，如数据增强、Dropout等手段，以提高模型的鲁棒性和泛化能力。综上所述，利用卷机神经网络CNN进行分类任务是一种高效、灵活的方法，可以快速处理大规模的图像数据，具有很好的实用性和可扩展性。最后，在模型训练完成后，我们可以使用该模型对新数据进行预测，并输出分类效果图、迭代优化图和混淆矩阵图等评估结果。程序语言为matlab。
2023-12-11 14:28:45
502
原创 卷积-长短期神经网络。CNN-LSTM时间预测分析，单输入，单输出
卷积-长短期神经网络(CNN-LSTM)在时间序列预测中具有广泛的应用，其结合了卷积神经网络(CNN)和长短期神经网络(LSTM)两种网络的优点，通过卷积层提取序列中的特征，再通过LSTM层对序列中的信息进行记忆和预测。综上所述，本文主要介绍了CNN-LSTM网络在时间序列预测中的应用，将结合实际案例，介绍了如何使用Matlab进行数据预处理、网络搭建和结果展示。通过本文的介绍，读者可以深入了解CNN-LSTM网络的实现原理和应用场景，同时可以使用本文提供的代码实现自己的时间序列预测任务。
2023-12-11 14:22:38
566
1
原创 利用无限潜在特征选择ILFS算法对分类特征变量做特征重要性排序
接着，我们使用ILFS算法对处理后的数据进行特征重要性排序，选出最重要的特征变量。总之，利用无限潜在特征选择ILFS算法对分类特征变量进行特征重要性排序，可以帮助我们实现数据降维的目的，提高模型的泛化能力。首先，我们来了解一下ILFS算法。本文将介绍利用ILFS算法对分类特征变量进行特征重要性排序的方法，并且通过重要性排序图选择出重要的特征变量，以期实现数据降维的目的。另外，在选择重要特征变量时，我们需要结合实际业务场景来进行选择，以避免过度依赖单一特征变量或选择无关特征变量的情况发生。
2023-12-11 14:21:03
99
原创 麻雀优化算法SSA优化广义神经网络GRNN做多特征输入
麻雀优化算法（SSA）是一种基于鸟类集群行为的新型优化算法，它具有简单易实现、高效、精度高等优点，因此在各类优化问题中得到了广泛的应用。通过本文的介绍，读者可以了解到如何使用SSA算法优化GRNN模型，以及如何在Matlab中实现该算法。在SSA算法完成后，可以使用最终的鸟群位置作为GRNN模型的权重和偏差，并使用训练数据集对GRNN模型进行训练。在训练过程中，可以使用交叉验证等方法进行调参，以获得更好的模型精度。对于多特征输入问题，GRNN的输入层需要有多个节点，每个节点对应一个输入特征。
2023-12-11 14:19:08
401
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人