1) parameter identification model
参数识别模型
2) model parameter identification
模型参数识别
1.
Based on the existing electric cable on-line insulation monitoring method of 10kV electric power cables,this paper proposes a new approach to on-line insulation monitoring for electric power cables based on the model parameter identification method,and establishes mathematical model to every phase of each cable line.
在简述现有的电力电缆绝缘监测方法的基础上,提出了一种基于模型参数识别的电力电缆绝缘在线监测的新方法,对10 kV电力电缆每条线路的每一相分别建立数学模型,基于模型参数识别方法建立以线路参数为未知量的微分方程,利用实时采集到的电压、电流求解最小二乘意义下的模型参数估计值,依据得到的电缆线路对地绝缘电阻值,从而判断电缆的绝缘水平。
4) modal parameter identification
模态参数识别
1.
Experimental study of modal parameter identification in a simulated ambient-excited structure;
模拟环境激励下结构模态参数识别试验研究
2.
Modal Parameter Identification of Offshore Platform Structures Using HHT Method;
基于希尔波特—黄变换（HHT）的海洋平台结构模态参数识别方法研究
3.
Ambient Exciting Modal Parameter Identification Based on Modern Time-frequency Analysis
基于现代时频分析的环境激励模态参数识别方法研究
5) modal parameters identification
模态参数识别
1.
The accuracy of modal parameters identification has the influence on the quality of dynamic characteristics analysis of mechanical structure directly.
模态参数识别的精度将会直接影响到机械结构系统动力特性分析的质量,而频响函数的估计精度对模态参数识别精度影响很大。
2.
A multiple input/output frequency domain modal parameters identification method, which takes stochastic noise into account, is proposed.
提出了一种计及随机噪声的多输入多输出频域模态参数识别方法。
3.
The related important problems on structural health monitoring system, such as modal parameters identification under ambient vibration, optimal sensor placement, finite element model updatting, spatial lattice structure damage detection, were investigated and on
本文结合结构健康监测领域国内外发展现状,对空间网格结构健康监测系统关键技术进行了深入系统的理论研究,包括环境激励下模态参数识别理论、传感器优化布置理论、有限元模型修正理论、空间网格结构损伤识别理论,分别通过了数值仿真验证、实验室模型试验验证和实际工程现场实测验证,最终开发了一套功能强大的空间网格结构健康监测系统。
6) identification of modal parameters
模态参数识别
1.
An efficient method for identification of modal parameters is provided.
在单输入单输出 (SISO)或单输入多输出 (SIMO)系统中 ,不论模态参数密集的程度 ,该方法都可以有效提高模态参数识别的精度与速度。
补充资料："泛魔"识别模型
一种以特征分析为基础的图像识别系统。1959年B.塞尔弗里吉把特征觉察原理应用于图像识别的过程，提出了"泛魔"识别模型。这个模型把图像识别过程分为不同的层次，每一层次都有承担不同职责的特征分析机制,它们依次进行工作,最终完成对图像的识别。塞尔弗里吉把每种特征分析机制形像地称作一种"小魔鬼"，由于有许许多多这样的机制在起作用，因此叫做"泛魔"识别模型。这一模型的特点在于它的层次的划分。
"泛魔"识别模型系统的图像识别共有4个层次(见图)。第一层是执行最简单任务的"映象鬼"，它们只是记录外界的原始形象,正像视网膜获得外界刺激的映象;然后由"特征鬼"进一步分析这个映象。在分析过程中，每个特征鬼都去寻找与自己有关的图像特征。例如，在识别英文字母时，每个特征鬼负责报告字母的一种特征及其数量，如垂直线、水平线、斜线、直角、锐角，不连续曲线和连续曲线等；再由"认知鬼"接受特征鬼的反应，每个认知鬼都从特征鬼的反应中寻找与自己负责识别的图像有关的特征,发现了这种特征时,它就"叫喊"，发现的特征越多，"叫喊"声越大;最后,"决策鬼"根据许多"认知鬼""叫喊"声的大小，选择叫喊声最大的"认知鬼"的反应作为所要识别的图像。
例如在识别字母R时,"映象鬼"先对R进行编码,把信息传递给"特征鬼"作进一步加工,这时会有5个"特征鬼"分别报告图像所包括的一条垂线、两条水平线，一条斜线,3个直角和一条不连续曲线。然后许多"认知鬼"则根据所报告的这些特征及其数量来识别是否是自己负责的字母。这时D、P、R鬼都会有反应，但P鬼只有 4个特征与其符合,并有一特征（斜线）与其不符合；D鬼只有3个特征与其符合,并有两个特征（斜线、直角）与其不符合；只有R鬼有5个特征与其符合,而且这5个特征又包括了R的全部特征，所以R鬼的叫喊声最大，因此"决策鬼"就很容易地作出选择R的决定。
"泛魔"识别模型对于相似的图形也可以分辨，不致混淆；对于失真的图形,如字母的大小发生变化时,识别也不致发生困难。以特征分析为基础的"泛魔"识别模型是一个比较灵活的图像识别系统。它可进行一定程度的学习，如"认知鬼"可逐渐学会怎样解释与它所负责的字母有关的各种特征；它还可以容纳具有其他功能的鬼。这个系统现在也被用来描述人的图像识别过程。
"泛魔"识别模型系统的图像识别共有4个层次(见图)。第一层是执行最简单任务的"映象鬼"，它们只是记录外界的原始形象,正像视网膜获得外界刺激的映象;然后由"特征鬼"进一步分析这个映象。在分析过程中，每个特征鬼都去寻找与自己有关的图像特征。例如，在识别英文字母时，每个特征鬼负责报告字母的一种特征及其数量，如垂直线、水平线、斜线、直角、锐角，不连续曲线和连续曲线等；再由"认知鬼"接受特征鬼的反应，每个认知鬼都从特征鬼的反应中寻找与自己负责识别的图像有关的特征,发现了这种特征时,它就"叫喊"，发现的特征越多，"叫喊"声越大;最后,"决策鬼"根据许多"认知鬼""叫喊"声的大小，选择叫喊声最大的"认知鬼"的反应作为所要识别的图像。
例如在识别字母R时,"映象鬼"先对R进行编码,把信息传递给"特征鬼"作进一步加工,这时会有5个"特征鬼"分别报告图像所包括的一条垂线、两条水平线，一条斜线,3个直角和一条不连续曲线。然后许多"认知鬼"则根据所报告的这些特征及其数量来识别是否是自己负责的字母。这时D、P、R鬼都会有反应，但P鬼只有 4个特征与其符合,并有一特征（斜线）与其不符合；D鬼只有3个特征与其符合,并有两个特征（斜线、直角）与其不符合；只有R鬼有5个特征与其符合,而且这5个特征又包括了R的全部特征，所以R鬼的叫喊声最大，因此"决策鬼"就很容易地作出选择R的决定。
"泛魔"识别模型对于相似的图形也可以分辨，不致混淆；对于失真的图形,如字母的大小发生变化时,识别也不致发生困难。以特征分析为基础的"泛魔"识别模型是一个比较灵活的图像识别系统。它可进行一定程度的学习，如"认知鬼"可逐渐学会怎样解释与它所负责的字母有关的各种特征；它还可以容纳具有其他功能的鬼。这个系统现在也被用来描述人的图像识别过程。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条