简介：短期光伏发电功率预测对维护电网安全稳定和协调资源利用具有重要意义,针对现有的神经网络法、小波分析法等单一预测模型预测精度提升有限的问题,引入集成学习的思想和方法,提出一种基于Stacking算法改进支持向量机（SVM）的短期光伏发电预测方法.该方法先使用多个不同的初级SVM对预测样本进行一次预测得到多个预测输出;然后对训练集进行聚类,使用与预测样本同类别的训练样本训练次级SVM;最后使用次级SVM对多个预测输出进行结合得到最终预测结果.经光伏发电系统的实际运行数据实验,结果表明本文提出的方法相较于单一预测模型精度有了明显提升.

简介：采用基于自由能模型的格子Boltzmann方法，考虑到毛细管数和气液黏性比的影响，模拟了气泡在剪切作用下的动力特性．结果表明，无论气泡半径大小，总是其长轴被拉伸，中轴和短轴被压缩，且中轴的长度总大于短轴的长度．随着毛细管数的增加或气液黏性比的增大，气泡变形和偏转程度越剧烈．

简介：为解决工业机器人标定中存在的成本昂贵、专业性强等问题，提出了一种基于几何约束的工业机器人运动学参数闭环标定法．首先采用D—H模型与MDH模型相结合的方法建立运动学模型．解决D-H模型的奇异性问题．其次，用Matlab对该方法进行仿真，机器人末端执行器上模拟安装一个激光器，将激光瞄准观测平面上一正方形的四个顶点，得到较精确的关节角．最后，根据正方形的几何性质建立标定方程，利用最小二乘法求解参数误差．此方法操作简单，成本低，易于测量，可避免机器人基座标系的校准工作．根据仿真结果。工业机器人绝对定位精度提高了77．87％，从而验证了该方法的有效性．

简介：肌音可用于跟踪局部肌肉疲劳引起的肌肉收缩性能的变化，之前相关的文献主要研究的是静力性运动疲劳的肌音特征.现在我们对动力性运动疲劳产生的肌音信号变化特征进行分析，提取腓肠肌坐姿负重提踵至疲劳所产生的肌音信号并进行分析，得到了肌音信号中值频率的变化规律.计算显示随着时间的延长和疲劳的加深，肌音信号的中值频率呈现增大的趋势，与静力性运动疲劳所得的结论有所不同.实验结果显示，肌音信号的特征受运动类型影响较大，静力性运动所得出的结论不能适用于动力性运动.