matlab
喂他柠檬茶
这个作者很懒,什么都没留下…
展开
-
卡尔曼滤波学习笔记
课程链接当前的估计值 = 上一次的估计值 + 系数(卡尔曼增益) (当前测量值 - 上一次的估计值)当k-1时刻的估计误差远大于k时刻的测量误差,k时刻的预测值等于k时刻测量值当k-1时刻的测量误差远大于k时刻的预测误差,k时刻的预测值等于k-1时刻的预测值下面做一个实际的例子:Zk为测量长度,是五十左右的随机数,测量误差恒定为3,估计误差初始值为5第一步计算卡尔曼增益 = 0.625第二步计算k时刻的估计值 = 46.875第三步更新估计误差 = 1.875递归结果如下表原创 2021-01-10 10:49:02 · 379 阅读 · 0 评论 -
(libsvm)索引超出数组元素的数目(0) fitness=fitness(2); % 以平均均方误差MSE作为优化的目标函数值
因为之前2.几版本的旧版本libsvm工具箱关于svm预测只需要返回2个值,而现在大家普遍用的3.几,需要返回3个值。旧版本:[predict,mse] = svmpredict(TS,TSX,model); 新版本 ::[predict,mse,decision_values] = svmpredict(TS,TSX,model); 只需要加上decision_values即可...原创 2020-12-28 10:32:13 · 1699 阅读 · 6 评论 -
锂电池剩余寿命预测(简单介绍)
基于接下来的博客都会以nasa锂电池容量退化数据集进行实验,先写一篇简单介绍一下锂电池剩余寿命预测锂电池剩余使用寿命是指在一定充放电过程后,电池的最大可用容量衰减到某一规定的失效阈值所需充放电循环数nasa的电池退化曲线如图所示:我们简单的可以看成一个时间序列预测的问题,比如知道前100个点,预测接下来68个点,从已知的点中提取出特征用来反映容量的变化趋势,我们的目标是在知道的数据尽可能少的情况下,使预测精度尽可能高,最好一次充放电循环你就知道你的电池还能循环多少次(当然这是不可能的)。和基本的原创 2020-12-23 22:15:30 · 16198 阅读 · 9 评论