Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "algorytm RLS" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    MATLAB® flutter toolbox
    Autorzy:
    Klepka, A.
    Uhl, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/328816.pdf
    Data publikacji:
    2007
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    transformata falkowa
    algorytm RLS
    analiza modalna
    wavelet transform
    RLS algorithm
    modal analysis
    Opis:
    W artykule przedstawiono oprogramowanie do śledzenia zmian wartości parametrów modalnych w czasie eksploatacji konstrukcji. Algorytm identyfikacji estymuje parametry modalne, które odpowiedzialne są za zachowanie dynamiczne układu. Na ich podstawie można określić lub przewidzieć np. zjawisko flatteru. Predykcja tego rodzaju zjawisk ma niebagatelne znaczenie dla poprawności działania układu mechanicznego jak również dla celów diagnostycznych. Zastosowany algorytm został stworzony w oparciu o transformatę falkową pozwalającą na rozprzęganie postaci drgań oraz algorytm RLS (Recursive Least Square). Połączenie metody filtracji sygnału z szybkim algorytmem pozwalającym na estymację parametrów modelu pozwoliło na stworzenie narzędzia działającego w czasie rzeczywistym.
    In the paper a software tool for real time modal model tracking has been presented. Identification algorithm estimates modal parameters during system operation. On the basis of this parameters e.g. a flutter phenomena could be tested during a flight. Prediction of this phenomena can be applied for damage detection and system diagnostics. Applied algorithm has been formulated using wavelet transform (for vibration modes decoupling) and RLS (Recursive Least Square) algorithm for model parameters estimation. Proposed solution, due to computational efficiency, can help to identify modal parameters of operating structures in real time.
    Źródło:
    Diagnostyka; 2007, 4(44); 85-90
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Identyfikacja dynamiki metodą dwóch czujników w środowisku programowo-sprzętowym Matlab/Simulink-TMS320C6713 DSK
    Two-sensor-method in blind identification of sensors dynamics using Matlab/Simulink and TMS320C6713 DSK
    Autorzy:
    Gryś, S.
    Minkina, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/152387.pdf
    Data publikacji:
    2007
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    korekcja błędów dynamicznych czujnika
    cyfrowy filtr adaptacyjny
    algorytm RLS
    procesor sygnałowy
    Matlab
    sensor`s dynamical error correction
    digital adaptive filter
    RLS algorithm
    digital signal processor
    Opis:
    W artykule przedstawiono sposób implementacji algorytmu adaptacyjnej korekcji błędów dynamicznych metodą dwóch czujników. Zadanie zrealizowano w środowisku Matlab/Simulink z wykorzystaniem filtrów adaptacyjnych FIR ze strojeniem parametrów wg algorytmu RLS. Zastosowanie pakietu Matlab R14 pozwoliło na symulację działania elementów układu pomiarowego, a przede wszystkim, za pośrednictwem odpowiednich narzędzie programistycznych generację kodu maszynowego dla procesora sygnałowego TMS320C6713. W rezultacie korektor adaptacyjny został zrealizowany sprzętowo przez rzeczywisty procesor DSP firmy Texas Instruments umieszczony w systemie uruchomieniowym DSK.
    In many cases dynamical error due to the sensor`s dynamics is a considerable part of measurement error. Therefore one of measuring system objectives is to minimize this error. If the sensor`s dynamics is time-varying due to dependence on the measured quanity then continous identification of the dynamics model and on-line error correction must be carried out. This task can be realized for example with use of a second sensor with different dynamical properies. In the paper there is presented an implementation of a two-sensor method in Matlab R14 and Simulink enviroment. The TMS320C6713 DSK system including Texas Instruments DSP processor, cooperating with Matlab/Simulink, is applied to correct the dynamical error due to sensor's dynamics.
    Źródło:
    Pomiary Automatyka Kontrola; 2007, R. 53, nr 9 bis, 9 bis; 202-205
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Feature selection methods baed on minimization of CPL criterion functions
    Metody selekcji cech bazujące na minimalizacji funkcji kryterialnych typu CPL
    Autorzy:
    Łukaszuk, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/341111.pdf
    Data publikacji:
    2011
    Wydawca:
    Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
    Tematy:
    selekcja cech
    funkcja kryterialna typu CPL
    algorytm SEKWEM/GENET
    metoda RLS
    feature selection
    CPL criterion function
    SEKWEM/GENET algorithm
    RLS method
    Opis:
    The feature selection is a method of data analysis commonly used as a preliminary step in the techniques of classification and pattern recognition. It is particularly important in situations when data are represented in high-dimensional feature space. Examples of these are collections of bioinformatics data, particularly data obtained from DNA microarrays. The paper presented two methods of feature selection based on minimizing the CPL criterion function: basic SEKWEM/GENET method, in which the selection of features is done in conjunction with the construction of a linear classifier separating objects from different decision classes, and the RLS method extending the primary method by linear separability relaxation stage in order to obtain a subset of features with better generalization ability. The results of the SEKWEM/GENET and RLS methods were confronted with the results obtained from other common feature selection methods in application to the state of the art microarray data sets.
    Selekcja cech jest metodą analizy danych powszechnie stosowaną jako wstępny krok w technikach klasyfikacji czy rozpoznawania wzorców. Ma ona szczególne znaczenie w sytuacji gdy dane reprezentowane sa˛ w wysoko wymiarowej przestrzeni cech. Przykładem takich danych są zbiory bioinformatyczne, a w szczególności dane uzyskane na podstawie mikromacierzy DNA. W pracy przedstawione zostały dwie metody selekcji cech bazujące na minimalizacji funkcji kryterialnych typu CPL: podstawowa metoda SEKWEM/GENET, w której selekcja cech dokonywana jest w połączeniu z budową liniowego klasyfikatora separującego obiekty z różnych klas decyzyjnych, oraz metoda RLS rozszerzająca podstawową metodę o etap relaksacji liniowej separowalności w celu uzyskania podzbioru cech o lepszych zdolnościach generalizacji. Wyniki metod SEKWEM/GENET i RLS zostały także skonfrontowane z wynikami uzyskanymi z innych popularnych metod selekcji cech w zastosowaniu do „benchmarkowych” zbiorów danych mikromacierzowych.
    Źródło:
    Zeszyty Naukowe Politechniki Białostockiej. Informatyka; 2011, 8; 31-43
    1644-0331
    Pojawia się w:
    Zeszyty Naukowe Politechniki Białostockiej. Informatyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies