帮帮文库

返回

(外文翻译)模糊图像的盲反卷积复原算法(译文) (外文翻译)模糊图像的盲反卷积复原算法(译文)

格式:word 上传:2022-06-25 05:45:55

《(外文翻译)模糊图像的盲反卷积复原算法(译文)》修改意见稿

1、“.....实际权重可以如下计算当误差平方和函数最小而且没有出现过度拟合时就得到了组最好权重值。参考文献,弗朗西斯,仿射控制非最小相非线性过程控制神经网络方法过程控制期刊,第版年,页,斜盘式轴向柱塞泵动态特性动态系统测量和控制期刊页用于预测不混溶洪水表现人工神经网络能源和燃料,第版,页正排量轴向柱塞泵动态吸油过程动态系统期刊,测量与控制页,轴向柱塞变量泵压力控制建模与仿真机械原理,页采用神经网络对长方形气体轴承压力分布模型摩擦学,年,页,研究斜盘式轴向柱塞泵运行状态流体控制杂志页应用鲍威尔理论学习三个未知动态系统神经网络控制最优控制应用与理论,页,应用神经网络来建模普拉德霍湾流体接触情况第届技术大会及展览会,达拉斯,德克萨斯州,月日年中文字出处利用神经网络预测轴向柱塞泵的性能就读于科威特的科威特大学工程与石油学院就读于埃及开罗的军事科技大学摘要本文推导了应用于轴向柱塞泵斜轴式的神经网络模型。 该模型采用的数据是由个实验装置获得的。 这个正在进行的研究的目的是降低柱塞泵在高压下工作时的能量损耗。 由两个主要部分组成。第部分是旋转组......”

2、“.....七个柱塞安装在个位于前表面球形组件上,并且他们同时动作使缸体旋转。缸体通过弹簧推压控制区域配流盘。在运行过程中,带有柱塞配流盘和缸体可以在个球形滑动表面上移动。配流盘采用了在进油口和出油口前缘和后缘都带有半圆形凹槽双向配流盘。第二部分是泵控制部分,其中包含了控制柱塞控制元件和调节弹簧和控制弹簧和。两个主要部分是用调节销连接在起。体积为泵出口腔与体积为和控制腔通过孔和分别连通。控制柱塞连通开口孔该开口孔大小是由活塞参照图和图控制。当操作压力超过了弹簧预设值,控制元件和就会推压弹簧。与此同时,液压油通过节流孔和从泵出口流出。在体积为腔体内高压油就从开口孔流到了控制柱塞大端面上。如果作用在控制柱塞上压力大于中文字出处利用神经网络预测轴向柱塞泵性能就读于科威特科威特大学工程与石油学院就读于埃及开罗军事科技大学摘要本文推导了应用于轴向柱塞泵斜轴式神经网络模型。该模型采用数据是由个实验装置获得。这个正在进行研究目是降低柱塞泵在高压下工作时能量损耗。然而,在最初我们要做些研究来预测当前所设计泵响应。神经网络模型具有前反馈结构,并在测验过程中使用优化技术。该模型能够准确地预测柱塞泵动态响应......”

3、“.....如液压动力供应控制和静液压传动驱动器控制。本装置具有变量机制和功率重量比特性,使其最适合于高功率电平控制。所设计这种轴向柱塞泵拥有可靠性和简便特点,然而其最重要特征是可以变量输出。人们在轴向柱塞泵领域已经做了很多研究,但是本文将只论述下少数几人所做贡献。和用调压器研究了轴向柱塞变量泵静态和动态特性。所提出模型精确度依赖于制造商提供动态运行曲线等数据。他们得出结论,运行条件对泵动态行为是非常关键,而泵动态行为可以通过减小压力设定值进行改善。等人模期间,阀是完全打开而阀是完全关闭。泵稳态响应测量所研究泵稳态性能实验测定是通过测量不同供给压力下泵排出流量来进行。试验泵参数如表所示。供给压力是由节流阀控制,其压力值由数字压力计测得。相应泵排量是由数字流量计测量。测量时预设压力相同而泵转速不同,泵转速分别为和。泵排量也是在不同预设压力值下测量。测量值如图和图所示......”

4、“.....在泵体不同位置安装着三个电控压力传感器,该泵体是和体积分别为和控制腔直接连接在起,如图所示。另个压力传感器被安装在泵出口体积管路上来测量供给压力。这些传感器都是压阻式,可以测量压力范围为到之间。每个传感输入电压为〜,而输出电压是在到之间。这些传感器是用来测量控制压力和参照图。压力信号时域图谱是使用机和数据采集板采集。转换时间为位逐次逼近转换器数据采集板能实现最大吞吐率。泵出口管路上安装有节流口大小固定节流阀和方向控制阀参照图和图。这些阀可以使泵出口管路压力快速变化。当电磁阀通电时,阀门迅速关闭,泵排出流量就被迫流经节流阀。这样设置试验台就能使电磁阀中电流能触发数据采集系统,从而拾取瞬间变化压力和值。这些数据测量是在泵转速为验数据之间良好致性。在实验开始阶段,即秒之前,数据看起来很杂乱,很难适应。所设计网络会近似化处理该区域数据而并不是顺从其杂乱。图压力预测值孔口直径毫米实验和预测固体泵转速为,实验和预测实线泵转速为。图压力预测值孔口直径毫米实验和预测实线泵转速为,实验和预测虚线泵转速为......”

5、“.....实验和预测虚线泵转速为。图压力预测值泵转速和孔直径毫米实验和预测实线。同样,图显示了神经网络模型能很好地预测压力值。预测值和实验值之间误差小于。这是个很好迹象,表明神经网络建模技术在模拟复杂系统,如斜轴式轴向柱塞泵时是个可行工具。结论人们已经开始用神经网络建模技术来预测斜轴式轴向柱塞泵稳态和动态响应。实验数据是从个用来测验网络实验装置收集来。所得出模型能准确地预测压力。因此,神经网络对于模拟复杂系统,如斜轴式轴向柱塞泵具有很大潜力。附录梯度下降法梯度下降法常用于在测验阶段更改权重系数。假定网络有层而网络输入向量有个分量。层中神经元输出计算方法如下其中对于方程当设定时,就可以获得输出层输出。网络误差平方和由下式给出其中和分别是输出层中神经元期望和实际输出。下标表示个特定输入矢量。测验过程目是获得组合适能得到最小误差平方和权重。层梯度下降计算公式如下其中表示转置矩阵输入向量为时神经元梯度矩阵如下式所示相应权重矩阵如下式所示输出层梯度下降值如下式所示其中按照上面描述过程,我们可以从输出层开始层层地计算出所有层梯度下降值。当所有层所有梯度下降值都计算出来后......”

6、“.....等效电容值计算表达式如下所示符号是放电电流,和。其中和。图锂离子电容器恒流放电在公式中,为电流,是充电或放电时间,是锂离子电容器电压变化值。用这个表达式我们已经确定了充放电在及条件下等效电容。表锂离子充电电容值和放电电容值这些结果表明,锂离子电容器充放电效率与电池相比非常高。对于直流等效串联电阻测量是基于恒流电流放电。参见图电压放电充电开始时间和放电开始时间固定设置为分钟,这个持续图。等效电容值计算表达式如下所示符号是放电电流,和。其中和。图锂离子电容器恒流放电在公式中,为电流,是充电或放电时间,是锂离子电容器电压变化值。用这个表达式我们已经确定了充放电在及条件下等效电容。表锂离子充电电容值和放电电容值这些结果表明,锂离子电容器充放电效率与电池相比非常高。对于直流等效串联电阻测量是基于恒流电流放电。参见图电压放电充电开始时间和放电开始时间固定设置为分钟,这个持续时间可以减少,因为与双层电容器相比,锂离子电容器具有自放电功能。等效串联电阻计算方法如以下表达式是从下拉电压从直线部分和放电起始时间相应延长线交点得到,是锂离子电容器恒流放电电流......”

7、“.....交流特性锂离子电容器交流特性,是使用电化学阻抗谱得到。对于研究设备特点,扫频电压须设置好各种电压级别。这项研究是电化学阻抗谱系统所允许频率对锂离子电容器影响。图给出了负极虚部变化,以及作为实部不同电压值功能。可以看出,锂离子电容器等效电容不是线性电压。图锂离子电容器虚部为实部函数,在和条件下它假定为个与电容串联电阻近似锂离子电容器。使用电化学阻抗谱结果,我们推测其为该电容变化直流电压函数。图所表明实验结果可以看出,锂离子电容器等效电容在时候随着电压增加而增加。图锂离子电容器电压电容变化等效串联电阻独立性如图所示。作为典型双电层电容器,随着电压增加会导致等效串联电阻降低。这意味着,在高电压情况下,我们可以得到跟好放电功率。图等效串联电阻。在不同电压频率下情况图现实了相对于这个数字从不同电压频率电容变化,很显然,锂离子电容器等效电容不与电压呈线性关系。图电容对应不同电压频率三锂离子电容建模对于建模锂电解质成分,我们选择了提出模型,如图。它是由四种元素构成,由以下方程来描述电感串联电阻复杂平行孔和阻抗......”

8、“.....该模型参数计算采用是电化学阻抗谱实验结果。模拟结果与实际测量结果之间比较曲线,如图所示。图模型图模拟结果与实际测量阻抗结果之间比较图四结论本文我们描述了锂离子电容器特性及其建模方法。这种新储能装置提出了种相比于传统超级电容器具有高能量密度和高功率密度电源。它可应用于能源和电力场合,特别是电动重型运输工具。我们已提出了锂离子电容器电气参数及其模型。它呈现了相对较高密度电阻电容特性,这是电解液性质决定。这种电阻限制了该组件大电流效率。电容器在高于和低于情况下显示了两种特性以对权重进行调整常数η称为学习速率。实际权重可以如下计算当误差平方和函数最小而且没有出现过度拟合时就得到了组最好权重值。参考文献,弗朗西斯,仿射控制非最小相非线性过程控制神经网络方法过程控制期刊,第版年,页,斜盘式轴向柱塞泵动态特性动态系统测量和控制期刊页用于预测不混溶洪水表现人工神经网络能源和燃料,第版,页正排量轴向柱塞泵动态吸油过程动态系统期刊,测量与控制页,轴向柱塞变量泵压力控制建模与仿真机械原理,页采用神经网络对长方形气体轴承压力分布模型摩擦学,年,页......”

9、“.....页,应用神经网络来建模普拉德霍湾流体接触情况第届技术大会及展览会,达拉斯,德克萨斯州,月日年中文字出处利用神经网络预测轴向柱塞泵的性能就读于科威特的科威特大学工程与石油学院就读于埃及开罗的军事科技大学摘要本文推导了应用于轴向柱塞泵斜轴式的神经网络模型。 该模型采用的数据是由个实验装置获得的。 这个正在进行的研究的目的是降低柱塞泵在高压下工作时的能量损耗。 由两个主要部分组成。第部分是旋转组,其中包括驱动轴柱塞缸体和配流盘。七个柱塞安装在个位于前表面球形组件上,并且他们同时动作使缸体旋转。缸体通过弹簧推压控制区域配流盘。在运行过程中,带有柱塞配流盘和缸体可以在个球形滑动表面上移动。配流盘采用了在进油口和出油口前缘和后缘都带有半圆形凹槽双向配流盘。第二部分是泵控制部分,其中包含了控制柱塞控制元件和调节弹簧和控制弹簧和。两个主要部分是用调节销连接在起。体积为泵出口腔与体积为和控制腔通过孔和分别连通。控制柱塞连通开口孔该开口孔大小是由活塞参照图和图控制。当操作压力超过了弹簧预设值,控制元件和就会推压弹簧。与此同时......”

下一篇
温馨提示:手指轻点页面,可唤醒全屏阅读模式,左右滑动可以翻页。
模糊图像的盲反卷积复原算法.doc预览图(1)
1 页 / 共 20
模糊图像的盲反卷积复原算法.doc预览图(2)
2 页 / 共 20
模糊图像的盲反卷积复原算法.doc预览图(3)
3 页 / 共 20
模糊图像的盲反卷积复原算法.doc预览图(4)
4 页 / 共 20
模糊图像的盲反卷积复原算法.doc预览图(5)
5 页 / 共 20
模糊图像的盲反卷积复原算法.doc预览图(6)
6 页 / 共 20
模糊图像的盲反卷积复原算法.doc预览图(7)
7 页 / 共 20
模糊图像的盲反卷积复原算法.doc预览图(8)
8 页 / 共 20
模糊图像的盲反卷积复原算法.doc预览图(9)
9 页 / 共 20
模糊图像的盲反卷积复原算法.doc预览图(10)
10 页 / 共 20
模糊图像的盲反卷积复原算法.doc预览图(11)
11 页 / 共 20
模糊图像的盲反卷积复原算法.doc预览图(12)
12 页 / 共 20
模糊图像的盲反卷积复原算法.doc预览图(13)
13 页 / 共 20
模糊图像的盲反卷积复原算法.doc预览图(14)
14 页 / 共 20
模糊图像的盲反卷积复原算法.doc预览图(15)
15 页 / 共 20
预览结束,还剩 5 页未读
阅读全文需用电脑访问
温馨提示 电脑下载 投诉举报

1、手机端页面文档仅支持阅读 15 页,超过 15 页的文档需使用电脑才能全文阅读。

2、下载的内容跟在线预览是一致的,下载后除PDF外均可任意编辑、修改。

3、所有文档均不包含其他附件,文中所提的附件、附录,在线看不到的下载也不会有。

  • Hi,我是你的文档小助手!
    你可以按格式查找相似内容哟
DOC PPT RAR 精品 全部
小贴士:
  • 🔯 当前文档为word文档,建议你点击DOC查看当前文档的相似文档。
  • ⭐ 查询的内容是以当前文档的标题进行精准匹配找到的结果,如果你对结果不满意,可以在顶部的搜索输入框输入关健词进行。
帮帮文库
换一批

搜索

客服

足迹

下载文档