CN109212999B - 数字卫星仿真工况的智能生成方法及系统 - Google Patents
数字卫星仿真工况的智能生成方法及系统 Download PDFInfo
- Publication number
- CN109212999B CN109212999B CN201810804012.8A CN201810804012A CN109212999B CN 109212999 B CN109212999 B CN 109212999B CN 201810804012 A CN201810804012 A CN 201810804012A CN 109212999 B CN109212999 B CN 109212999B
- Authority
- CN
- China
- Prior art keywords
- simulation
- working condition
- research
- knowledge base
- base
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Abstract
本发明公开了一种数字卫星仿真工况的智能生成方法,该方法包括:建立仿真工况知识库、构建推理仿真工况方法库、推理生成工况、推理调整工况以及扩充知识库与方法库。另外,本发明还公开了一种用以实现上述方法的数字卫星仿真工况的智能生成系统。本发明可以通过预先构建的推理方法库与知识库自动产生仿真需要的工况,并能对智能推理的知识库和方法库进行扩充,实现了仿真工况自动生成,减少了人的工作量,并且随着知识库和方法库的完备,最终可以替代人来进行工况生成的决策,对卫星的数字仿真技术具有实用价值。
Description
技术领域
本发明涉及数字仿真技术领域,更具体的说是涉及一种数字卫星仿真工况的智能生成方法及系统。
背景技术
目前,随着世界航天技术的不断进步,使得卫星的数量逐渐增多,种类也越来越丰富。鉴于卫星的成本较高,在其运行过程中不便于维修,所以需要进行大量的仿真实验来提高其可靠性。
但是在卫星研制过程中,进行实物或半实物仿真的代价太高,且不便于模拟出太空环境。而数字仿真的成本较低,很容易模拟太空中的飞行环境,数字仿真结果与实物实验结果很接近,因此卫星的很多仿真实验采用数字仿真技术。针对不同的研究任务,数字仿真过程需要生成相应的工况,甚至还要根据仿真结果来调整仿真工况。传统的方法是研究人员按照研究任务要求得到仿真工况,如果任务要求没有明确给出仿真工况,还需要自行推理出一系列合适的工况,既耗费了大量时间又增加了研究人员的工作量。
因此如何开发出一种数字卫星仿真工况的智能生成技术,可以通过计算机的智能推理自动生成研究任务所需的仿真工况,便成为了本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种数字卫星仿真工况的智能生成方法及系统。
为了实现上述目的,本发明采用如下技术方案:
第一方面,本发明提供了一种数字卫星仿真工况的智能生成方法,该方法包含如下步骤:
S1、根据仿真系统的组成结构与任务要求建立仿真工况的知识库;
S2、构建推理仿真工况的方法库,该方法库包括若干工况推理方法;
S3、根据研究要求,从方法库中选择工况推理方法,并结合仿真条件和研究目标,产生出仿真需要的工况,再将这些工况生成为工况配置文件;
S4、调用仿真程序对上述得到的工况配置文件进行仿真处理,生成初始仿真结果;
S5、根据初始仿真结果重新从方法库中选择其他工况推理方法,再产生出新的工况,生成出新的工况配置文件,依据此工况配置文件再次进行仿真实验,如此循环往复,得到最佳仿真工况;
S6、对比初始仿真结果对应的初始仿真工况与上述最佳仿真工况,根据二者的区别分析总结知识库与方法库的不足,并据此扩充仿真工况的知识库以及推理仿真工况的方法库。
本发明通过提供一种数字卫星仿真工况的智能生成方法,可以通过预先构建的推理方法库与知识库自动产生仿真需要的工况,并调用相应的程序自动生成仿真结果,而且根据不同工况的仿真结果还可以自动调整相应仿真工况,并进一步根据仿真结果找出最能呈现研究目标的一系列最佳工况。另外,通过对结果进行研究分析和对比,还可以对方法库与知识库进行进一步的扩充。
步骤S1中,根据仿真系统的组成结构与任务要求建立仿真工况的知识库。
进一步地,本发明中所述的知识库主要是指与仿真工况生成相关的基本事实,包括了仿真过程的研究变量、研究指标、研究变量之间的关系以及研究变量与研究指标之间的关系。
其中,研究变量主要包括仿真软件的配置参数以及注入参数,这是仿真程序的输入,决定了数字卫星的仿真结果。可以作为研究变量的参数包括卫星自身的属性、卫星运行参数和仿真注入参数。卫星自身属性包括卫星质量特性、表面特性、部件安装位置等。卫星运行参数包括初始轨道、初始姿态、卫星飞行环境参数、推进系统储箱参数等。仿真注入参数主要包括卫星飞行过程中的事件、仿真参数的误差等。
研究指标是由本次研究任务的目标决定的,这是仿真程序的输出性数据,可以是单次仿真得到的输出结果,也可以是多次仿真得到的统计信息。研究指标的具体实例很多,比如:轨道精度、姿态精度、燃料消耗量、时间消耗量、重访时间等。
研究变量与研究指标间的相互关系是由仿真系统的组成和结构决定的,研究变量的改变会影响仿真得到的研究指标。比如:星敏感器的误差会影响控制系统的测量误差,控制系统测量误差会影响到控制精度,这就描述了星敏感器、控制系统测量误差、控制精度这几个量之间的关系。
知识库包含了上述几类事实,这些事实可以是通过人工添加到知识库,也可以是计算机自动从文档、程序中识别出来。
步骤S2中,构建推理仿真工况的方法库,该方法库包括若干工况推理方法。
进一步地,所述方法库中的工况推理方法主要是依据人在确定仿真工况时的推理过程,从中总结提炼出的具有一定通用性的工况推理方法。
比如,方法库中主要描述了如何确定影响研究指标的研究变量,研究变量之间的耦合关系,如何处理相互耦合的研究变量,如何确定研究变量的变化范围,如何确定研究变量的划分精度等。
进一步地,方法库中包含有不同层次的工况推理方法,不同层次的方法适用性不一样。比如,对多个变量进行组合的方法就是一般层次的方法,适用范围一般。对每个变量在一个区间内的划分与取值就是较高层次的方法,适用范围更广。
上述步骤S1和S2中的知识库和方法库是可以不断扩充的,能通过人工或机器的方式补充新的内容。
步骤S3中,根据研究要求,从方法库中选择工况推理方法,并结合仿真条件和研究目标,产生出仿真需要的工况。具体为:最开始选取的方法是适用性最广的方法,这个方法再结合给定的情况推理下面要用的方法,依次类推,直到最终确定出仿真工况。如果在推理过程中无法从知识库和方法库得到有用信息,则系统给出信息提示,由人来补充所需的方法库或知识库。
进一步地,步骤S3中所述的仿真条件和研究目标包括仿真系统的组成与结构、研究变量、研究目标。这些信息可以是人工加入到知识库,也可以是计算机自动从代码或文档中识别出来并加入知识库。
然后把上述确定的仿真工况生成为工况配置文件,形式可以为XML或者INI文件等,在这些配置文件中保存了推理得到的配置变量取值。
进一步地,步骤S3中所述的工况配置文件为仿真程序所依赖的输入性数据,其中存储了数字卫星的初始状态以及一些事件设定等。
步骤S4中,调用仿真程序对上述得到的工况配置文件进行仿真处理,生成初始仿真结果,并将该仿真结果输出为计算机可识别的形式。
步骤S5中,根据初始仿真结果重新从方法库中选择其他工况推理方法,再产生出新的工况,生成出新的工况配置文件,依据此工况配置文件再次进行仿真实验,如此循环往复,得到最佳仿真工况以及仿真结果,并将该仿真结果输出为计算机可识别的形式。
即根据仿真结果,再结合特定的方法库调整仿真工况,比如一个指标值与多个变量的关系,仿真发现某两个变量的耦合变化对指标有较大影响,可以针对这两个变量再详细划分变量取值,并再次进行仿真实验。在多次调整与仿真后,得到最能体现出研究目标的一系列仿真工况,使用这组工况进行仿真,并对结果进行研究分析。
进一步地,上述步骤S4及S5中所述的仿真结果为仿真程序的输出性数据,这需要计算机从仿真结果中自动识别出这项数据。
步骤S6中,对比初始仿真结果对应的初始仿真工况与上述最佳仿真工况,根据二者的区别分析总结知识库与方法库的不足,并据此扩充仿真工况的知识库以及推理仿真工况的方法库。
具体为:得到最佳仿真工况后,自动对比初始仿真工况与该最佳仿真工况的区别,由人来总结初始知识库和方法库的不足,并将新发现的知识和方法扩充进知识库和方法库。
第二方面,本发明还提供了一种数字卫星仿真工况的智能生成系统,该系统包括:
知识库建立模块,用于建立仿真工况的知识库;
方法库构建模块,用于构建推理仿真工况的方法库;
工况配置文件生成模块,用于依据工况推理方法以及仿真条件和研究目标产生出仿真需要的工况配置文件;
仿真处理模块,用于获得仿真结果;
仿真结果存储模块,用于存储仿真结果;
对比及分析模块,用于对不同仿真结果分别对应的仿真工况进行对比和分析;
改进及扩充模块,用于对知识库建立模块中的知识库以及方法库构建模块中的方法库进行相应的扩充。
本发明提供的上述技术方案的有益效果至少包括:
本发明实现了数字卫星仿真工况的智能生成,其可以通过计算机的智能推理自动生成研究任务所需的仿真工况,并能对智能推理的知识库和方法库进行扩充。本方法的优点在于实现了仿真工况自动生成,在使用过程中,计算机自动从源程序或文档中识别出需要的知识库,自动选择合适的方法库进行工况推理。只有在计算机无法找到足够的知识时才需要人工介入,补充少量知识库。本发明引入了计算机的智能决策过程,减少了人的工作量,并且随着知识库和方法库的完备,最终可以替代人来进行工况生成的决策。
下面通过附图和具体实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明数字卫星仿真工况的智能生成方法的流程图;
图2为本发明数字卫星仿真工况的智能生成系统的框图。
图3为本发明知识库中一个具体研究指标与其中各变量之间的关系图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
下面结合一个具体实施例对本发明提出的数字卫星仿真工况的智能生成方法及系统作进一步说明,详细描述其实施方式。
本发明公开了一种数字卫星仿真工况的智能生成方法如图1所示,该方法可以通过预先构建的推理方法库与知识库自动产生仿真需要的工况,并调用相应的程序自动生成仿真工况,另外,根据工况的仿真结果还可以自动调整仿真工况,根据仿真结果找出最能呈现研究目标的一系列工况。为了实现上述目的,本发明包含的步骤有:构建知识库与方法库、推理确定仿真工况、推理调整仿真工况、扩充方法库。
实施例
以研究遥感卫星姿态机动精度与各项误差的关系为例,可以将该数字卫星仿真工况的智能生成方法分成以下步骤:
步骤1:建立仿真工况知识库
根据仿真系统的组成结构与任务要求建立仿真工况的知识库。知识库中包含了仿真研究涉及到的研究变量特性、研究指标特性、研究变量之间的关系以及研究变量与研究指标之间的关系。
在知识库中以研究变量名称代表不同研究变量,其中存储的内容有:研究变量的类型,如连续或离散;研究变量的取值范围;研究变量的划分数量;研究变量在配置文件中的存储位置。其中,研究变量之间的关系用相应的谓词来表示。
知识库中每加入一种事实描述就保存下来,在以后的推理过程中能访问知识库中保存下来的全部内容。
比如在本实施例中,研究指标为姿态机动精度,其影响因素如图3所示,姿态机动精度主要与敏感器误差和执行机构误差有关,敏感器误差分为姿态测量误差与角速度测量误差,执行机构误差与飞轮转速误差有关。使用Prolog语言来描述该知识库可写为,
Sub(AttiCtrlPrecision,SensorError).
Sub(AttiCtrlPrecision,ActuatorError).
以上代码描述了姿态机动精度受敏感器误差与执行机构误差影响,其他变量关系依次类推。
步骤2:构建推理仿真工况方法库
依据人在确定仿真工况时的推理过程,并总结提炼出具有一定通用性的工况推理方法。该方法库包括若干工况推理方法且为不同层次的推理方法,不同层次的方法适用范围不同,高层次的方法可以调用低层次的方法。比如,如下表1可以定义1级方法,2级方法,3级方法,不同级的方法使用情况不一样。
表1
本实施例中要研究一个指标受其他因素的影响,可以有这样的方法库:
定义变量影响关系为,这两个变量(如A和B)之间是否有影响关系,先判断A是否直接影响B,如果是则说明A、B相互影响,如果否就找出A直接影响的变量C,判断C是否直接影响B,依次类推。
定义变量耦合关系为,这两个变量(如A和B)是否共同影响一个参数,找到A直接影响的参数C,判断B是否直接影响C,如果是则认为A、B相互耦合,如果否就认为A、B没有耦合关系。
步骤3:推理生成工况
根据研究需求,从方法库中选取最高层的工况推理方法,并结合仿真条件和研究目标,产生出仿真需要的工况,再将这些工况生成为工况配置文件。最开始选取的方法是适用性最广的方法,这个方法再结合给定的情况推理下面要用的方法,依次类推,直到最终确定出最佳仿真工况。如果在推理过程中无法从知识库和方法库得到有用信息,给出信息提示,则由人来补充所需的方法库或知识库。
在本实施例中,结合步骤1和步骤2给出的知识库与方法库,可以推理产生出多个工况。然后把这些推理得到的工况生成为工况配置文件,形式可以为XML或者INI文件等。Prolog推理得到了变量的取值后,可以对配置文件进行处理,修改相应的变量值。
步骤4:推理调整工况
调用仿真程序对前面得到的工况配置文件进行仿真处理,生成初始仿真结果,并将仿真结果输出为计算机可识别的形式。
根据初始仿真结果重新从方法库中选择其他合适的工况推理方法,再产生出新的工况,生成出新的工况配置文件,依据此工况配置文件再次进行仿真实验,如此循环往复,得到最佳仿真工况。
进行仿真处理后,判断仿真结果是否存在一些特殊现象,如奇异点、变化率的突变等,如果存在这些事先设定的特殊现象,则在特殊点附近进行更密集的采样,调整工况集。在多次调整与仿真后,得到最能体现出研究目标的一系列仿真工况,使用这组工况进行仿真,并对结果进行研究分析。
比如,在本实施例中,基于知识库和方法库得到一系列仿真工况后,这些仿真工况主要改变了姿态测量误差、角速度测量误差与飞轮转速误差,使用仿真程序对这一系列仿真工况进行处理后,得到仿真结果,统计后得到定轨精度与这几个误差的关系,计算机判断前两个误差耦合起来得到的定轨精度是否显著不同于两个误差单独作用的叠加值,如果是,就在这组工况附近选取更多工况并进行仿真验证。
步骤5:扩充知识库与方法库
在得到最佳的仿真工况后,对比最终调整出来的仿真工况与第一次推理出的仿真工况,分析初始的知识库和方法库有何不足,将新发现的知识和方法扩充到相应的仿真工况的知识库以及推理仿真工况的方法库中。
比如,最开始得到的仿真工况没有考虑到变量之间的耦合,产生的仿真工况不能反映出变量耦合起来对结果的影响,这时就要将变量的耦合关系补充到方法库,并加上对耦合变量的处理。
本发明实施例还提供了一种数字卫星仿真工况的智能生成系统,如图2所示,包括:
知识库建立模块,用于建立仿真工况的知识库;
方法库构建模块,用于构建推理仿真工况的方法库;
工况配置文件生成模块,用于依据工况推理方法以及仿真条件和研究目标产生出仿真需要的工况配置文件;
仿真处理模块,用于获得仿真结果;
仿真结果存储模块,用于存储仿真结果;
对比及分析模块,用于对不同仿真结果分别对应的仿真工况进行对比和分析;
改进及扩充模块,用于对知识库建立模块中的知识库以及方法库构建模块中的方法库进行相应的扩充。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种数字卫星仿真工况的智能生成方法,其特征在于,该方法包含如下步骤:
S1、根据仿真系统的组成结构与任务要求建立仿真工况的知识库;
S2、构建推理仿真工况的方法库,该方法库包括若干工况推理方法;
S3、根据研究要求,从方法库中选择工况推理方法,并结合仿真条件和研究目标,产生出仿真需要的工况,再将这些工况生成为工况配置文件;
S4、调用仿真程序对上述得到的工况配置文件进行仿真处理,生成初始仿真结果;
S5、根据初始仿真结果重新从方法库中选择其他工况推理方法,再产生出新的工况,生成出新的工况配置文件,依据此工况配置文件再次进行仿真实验,如此循环往复,得到最佳仿真工况;
S6、对比初始仿真结果对应的初始仿真工况与上述最佳仿真工况,根据二者的区别分析总结知识库与方法库的不足,并据此扩充仿真工况的知识库以及推理仿真工况的方法库。
2.根据权利要求1所述的数字卫星仿真工况的智能生成方法,其特征在于:步骤S1中所述知识库中包含仿真过程的研究变量、研究指标、研究变量之间的关系以及研究变量与研究指标之间的关系。
3.根据权利要求1所述的数字卫星仿真工况的智能生成方法,其特征在于:步骤S2中所述方法库中包含有不同层次的工况推理方法。
4.根据权利要求1所述的数字卫星仿真工况的智能生成方法,其特征在于:步骤S3中所述的仿真条件和研究目标包括仿真系统的组成与结构、研究变量、研究目标。
5.根据权利要求1所述的数字卫星仿真工况的智能生成方法,其特征在于:步骤S3中所述的工况配置文件为仿真程序所依赖的输入性数据。
6.根据权利要求1所述的数字卫星仿真工况的智能生成方法,其特征在于:步骤S4及S5中所述的仿真结果为仿真程序的输出性数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810804012.8A CN109212999B (zh) | 2018-07-20 | 2018-07-20 | 数字卫星仿真工况的智能生成方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810804012.8A CN109212999B (zh) | 2018-07-20 | 2018-07-20 | 数字卫星仿真工况的智能生成方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109212999A CN109212999A (zh) | 2019-01-15 |
CN109212999B true CN109212999B (zh) | 2020-09-01 |
Family
ID=64990143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810804012.8A Active CN109212999B (zh) | 2018-07-20 | 2018-07-20 | 数字卫星仿真工况的智能生成方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109212999B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111967195B (zh) * | 2020-08-26 | 2023-07-07 | 江苏徐工工程机械研究院有限公司 | 知识推送方法和系统 |
CN112182769B (zh) * | 2020-10-10 | 2024-02-13 | 中国运载火箭技术研究院 | 柔性半实物仿真方法、装置及计算机存储介质、电子设备 |
CN113867818B (zh) * | 2021-09-28 | 2024-04-16 | 潍柴动力股份有限公司 | 一种ini文件的生成方法、装置、计算机设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6256602B1 (en) * | 1998-10-26 | 2001-07-03 | Exigent International, Inc. | Satellite simulator development tool |
CN101266628A (zh) * | 2008-04-02 | 2008-09-17 | 深圳先进技术研究院 | 一种基于仿真知识库的自动实时仿真及其并行方法 |
CN103699016A (zh) * | 2013-12-20 | 2014-04-02 | 中广核核电运营有限公司 | 全范围模拟数字化控制系统初始工况的生成方法 |
CN107942722A (zh) * | 2017-11-06 | 2018-04-20 | 航天东方红卫星有限公司 | 一种小卫星地面动力学仿真测试方法及系统 |
-
2018
- 2018-07-20 CN CN201810804012.8A patent/CN109212999B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6256602B1 (en) * | 1998-10-26 | 2001-07-03 | Exigent International, Inc. | Satellite simulator development tool |
CN101266628A (zh) * | 2008-04-02 | 2008-09-17 | 深圳先进技术研究院 | 一种基于仿真知识库的自动实时仿真及其并行方法 |
CN103699016A (zh) * | 2013-12-20 | 2014-04-02 | 中广核核电运营有限公司 | 全范围模拟数字化控制系统初始工况的生成方法 |
CN107942722A (zh) * | 2017-11-06 | 2018-04-20 | 航天东方红卫星有限公司 | 一种小卫星地面动力学仿真测试方法及系统 |
Non-Patent Citations (1)
Title |
---|
分布式综合仿真平台软件结构设计;陈显锋 等;《计算机仿真》;20030131;第20卷(第1期);第94-97页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109212999A (zh) | 2019-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109212999B (zh) | 数字卫星仿真工况的智能生成方法及系统 | |
US20200065689A1 (en) | Neural architecture search for convolutional neural networks | |
JP2021064390A (ja) | ニューラルアーキテクチャ検索 | |
US8046207B2 (en) | Digital effects analysis in modeling environments | |
US20200042901A1 (en) | Black-box optimization using neural networks | |
CN102567312A (zh) | 一种基于分布式并行计算框架的机器翻译方法 | |
Han et al. | An analysis on interaction mechanism of urbanization and industrial structure evolution in Shandong, China | |
CN107229995A (zh) | 实现游戏业务量预估的方法、装置和计算机可读存储介质 | |
CN110717600B (zh) | 样本池构建方法和装置、以及算法训练方法和装置 | |
CN108984972B (zh) | 一种基于大数据和并行计算的水质数学模型优化方法 | |
US20220405440A1 (en) | Systems and methods for generating reduced order models | |
CN111832693A (zh) | 神经网络层运算、模型训练方法、装置及设备 | |
CN109947946A (zh) | 一种预测文章传播热度的方法及装置 | |
Chwalowski et al. | Flutter Prediction Report in Support of the High Angle Working Group at the Third Aeroelastic Prediction Workshop | |
CN111539508B (zh) | 基于改进灰狼算法的发电机励磁系统参数辨识算法 | |
CN116362428A (zh) | 基于vmd-pcf-arima的短期负荷预测方法 | |
CN111143967A (zh) | 一种改进的电网限额决策方法及系统 | |
CN110457155A (zh) | 一种样本类别标签的修正方法、装置及电子设备 | |
WO2023106990A1 (en) | A modular, variable time-step simulator for use in process simulation, evaluation, adaption and/or control | |
Wang | BP network implementation based on computer MATLAB neural network toolbox | |
Šantin et al. | Proportioning with second-order information for model predictive control | |
CN110942149B (zh) | 一种基于信息变化率及条件互信息的特征变量选择方法 | |
JP7409345B2 (ja) | 学習処理装置、制御装置、学習処理方法、制御方法、学習プログラムおよび制御プログラム | |
CN111651875B (zh) | 一种基于误差传输的空气质量预报改进方法及系统 | |
US20230169240A1 (en) | Computing device and method generating optimal input data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |