包含光伏储能系统: 风电+光伏+蓄电池储能，用于储能策略研究+MPPT

深度学习—长江混合船舶数据集 长江自己拍的数据集加上seaship部分数据集

混合动力汽车整车匹配系统开发

混合自动编码器模型 这是D.Zhang的本文混合自动编码器中描述的模型的实现。 用法 python3 src/main.py --input-train tests/clusters_norm_10_train.mat --training-steps 100 --classifier-topology 64 32 16 --num-clusters 3 --autoencoder-topology 64 32 16 8 --input-dim 8 --input-predict tests/clusters_norm_10_test_1.mat --output results.mat --autoencoders-activation tanh tanh tanh tanh usage: Mixture Autoencoder model [-h] [--input-train IN

3、列混合变换的逆 因为列混合变换是把状态的每一列都乘以一个固定的多项式c(x) : b(x)=a(x)c(x) mod x4+1 所以列混合变换的逆就是状态的每列都乘以c(x)的逆多项式d(x)： d(x)=(c(x) )-1 mod x4+1 c(x)=03x3+01x2+01x+02 d(x)=0Bx3+0Dx2+09x+0E AES的基本逆变换

带有发电机前端调速装置的混合传动风电系统可以在没有电力电子变频设备的情况下与电网友好连接，有望解决现有主流变速恒频并网风电机组存在的无功损耗大、低电压穿越能力弱、输出电能质量和动态稳定性不高等问题。为了进一步提高风电机组的并网运行性能，提出一种含制氢储能的混合传动风电系统的基本架构，并对所提系统的能量传输机理与数值建模方法进行详细研究。搭建1.5 MW含制氢储能的混合传动风电系统的仿真模型，并利用物理试验对仿真模型进行原理验证。在随机变化风速输入和电网电压故障下，对所提系统的运行特性展开深入研究，结果表明含制氢储能的混合传动风电系统不仅可以有效平抑输出功率的波动，还可以提高系统的故障穿越能力和持续运行稳定性。

如果聚类的数量是预定义的，GMM 会返回一组点的聚类质心和聚类方差。 然后可以将质心和方差传递给高斯 pdf 以计算输入查询点相对于给定集群的相似度。

针对机器人在形状未知接触环境表面上进行柔顺力控制问题，在传统的力/位混合控制模型中采用一种智能预测算法，此算法通过三种预测因子预测并调整未来采样时刻的力/位混合控制模型中的期望轨迹，并考虑环境曲率和刚度变化的特点。为了验证预测算法的有效性，构建了开放式的机器人力控制系统，在不同期望力、不同跟踪速度下对非规则受限表面进行了力控制实验研究，分析了受限系统中未知环境参数对接触力的影响。实验结果证明该方法对未知接触环境的变化具有较强的适应能力。在实验条件下，稳定状态下的力控制误差可以控制在3%之内。

动机 当我在进行数据挖掘课程的第三个家庭作业：将简短的文本聚类时，我在参考资料部分找到了这篇论文，原来是张老师在课堂上推荐的。 因此，我当然要借助在线资源来实现自己提出的GSDMM算法。 注意 该实现仍在进行中。 资料格式 vacabulary.json ，每行带有一个单词及其对应的id。 train_tokens.json ，每行带有一个doc-id及其令牌列表。 train_topics.json ，用于验证。 参考 纸 Yin，J. and Wang，J.，2014年8月。 基于Dirichlet多项式混合模型的短文本聚类方法。 在第20届ACM SIGKDD国际会议上，有关知识发现和数据挖掘的会议（第233-242页）。 Nguyen，DQ，Billingsley，R.，Du，L.，＆Johnson，M.（2015年）。 用潜在特征词表示法改进主题模型。 ，3，299-313

第二章混合动力汽车建模与仿真 型，它可以模拟驾驶员感觉车速并作出加速或制动的操作，由此在驱动系中产生扭矩， 并沿着驱动系向前传递到车轮，故称之为前向仿真。 前向仿真与汽车的实际工作情况相一致，基于前向仿真模型可以建立起控制系统的 硬件在环仿真环境。因为前向仿真方法能处理实际传动系统中的测量数据，例如控制信号 和真实扭矩(不是请求扭矩)，整车控制器能在仿真过程中有效地开发和测试。前向仿真 方法的主要弱点是计算量大，速度通常要比采用后向仿真方法的软件要慢，传动系统的 功率计算依赖于车辆状态。 后向建模与仿真不考虑驾驶员的意图以及动力系统(尤其是离合器和变速器)的动 态过程，计算步长较大，且计算速度快。前向仿真可用于控制系统的设计，而后向仿真主 要用于整车性能仿真分析。 国外众多电动汽车仿真软件中最为常用的是ADVISOR和PSAT。美国再生能源实 验室开发的ADVISOR(Advanced Vehicle Simulator)软件可构造纯电动汽车、混合动力 电动汽车和燃料电池车的动力系统，对零部件进行选型和参数初步优化，对不同控制方 法的比较计算。ADVISOR是一个基于反馈式组件建模的仿真系统，目前已被美国几大 汽车公司、国家实验室和一些教学科研单位使用。为响应美国政府的新一代车辆合作计 PNGV(Parnership for aNew Generation ofVehicles)，美国Argonne国家实验室(Argonne National Laboratory)在三大汽车公司的指导和资助下开发了PSAT(PNGV System Analysis Toolkit)软件。PSAT是基于Matlab／Simulink的电动汽车动力性和经济性分析与 仿真的设计平台，PSAT仿真软件采用前向仿真方法，用驾驶员模型来预测模拟油门开 度和制动信号，驾驶员控制信号转为转矩传递给传动系统，最终被转化为汽车的行驶力 和车速，以使汽车的行驶循环轨迹与要求的循环工况相吻合。 ADVISOR虽然是源代码开放的软件，为我们学习提供了方便，但它的用户接口并 不友好。例如它的设计过于复杂，HEV能量管理策略分散在3个模块中，要想对EMS 进行修改或测试，得对ADVISOR中的模型有非常深入地了解才行。 用前向式建模建立具体的HEV控制系统模型，模拟实际车辆运行情况，考虑瞬时 响应等动态影响，使得构建的模型更逼真，更容易发现设计中的问题。而且前向式模型