×
验证码:
换一张
忘记密码?
记住我
CORC
首页
科研机构
检索
知识图谱
申请加入
托管服务
登录
注册
在结果中检索
科研机构
沈阳自动化研究所 [2]
北京大学 [1]
大连理工大学 [1]
北京航空航天大学 [1]
武汉岩土力学研究所 [1]
内容类型
期刊论文 [4]
会议论文 [1]
学位论文 [1]
发表日期
2017 [6]
×
知识图谱
CORC
开始提交
已提交作品
待认领作品
已认领作品
未提交全文
收藏管理
QQ客服
官方微博
反馈留言
浏览/检索结果:
共6条,第1-6条
帮助
限定条件
发表日期:2017
已选(
0
)
清除
条数/页:
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
排序方式:
请选择
作者升序
作者降序
题名升序
题名降序
发表日期升序
发表日期降序
提交时间升序
提交时间降序
基于预报建模的水面机器人运动控制方法研究
学位论文
硕士, 沈阳: 中国科学院沈阳自动化研究所, 2017
作者:
于金波
收藏
  |  
浏览/下载:10/0
  |  
提交时间:2017/06/29
水面机器人
时间序列分析预报法
灰色预报法
滑模控制
Collapse prediction of karst sinkhole via distributed Brillouin optical fiber sensor
期刊论文
MEASUREMENT, 2017, 卷号: 100, 页码: 68-71
作者:
Xu, Jun
;
He, Jianping
;
Zhang, Li
收藏
  |  
浏览/下载:3/0
  |  
提交时间:2019/12/02
Collapse prediction of karat sinkhole
Distributed optical fiber sensor
AR model
Time-series data
Artificial Neural Network Modeling and Genetic Algorithm Optimization for Cadmium Removal from Aqueous Solutions by Reduced Graphene Oxide-Supported Nanoscale Zero-Valent Iron (nZVI/rGO) Composites
期刊论文
MATERIALS, 2017
Fan, Mingyi
;
Li, Tongjun
;
Hu, Jiwei
;
Cao, Rensheng
;
Wei, Xionghui
;
Shi, Xuedan
;
Ruan, Wenqian
收藏
  |  
浏览/下载:5/0
  |  
提交时间:2017/12/03
nZVI/rGO composites
Cd(II)
removal
artificial neural network
genetic algorithm
RESPONSE-SURFACE METHODOLOGY
WASTE-WATER
ZEROVALENT IRON
NITRATE REMOVAL
ANN-GA
PROCESS PARAMETERS
ACTIVATED CARBON
HEAVY-METALS
ADSORPTION
EQUILIBRIUM
基于粒子滤波算法的锂离子电池剩余寿命预测方法研究
期刊论文
高技术通讯, 2017, 卷号: 27, 期号: 8, 页码: 699-707
作者:
王锴
;
张凝
;
徐皑冬
;
韩晓佳
;
Seung Ho Hong
收藏
  |  
浏览/下载:18/0
  |  
提交时间:2018/01/06
锂离子电池
剩余寿命(RUL)
粒子滤波
双指数经验模型
A Wear Rule and Cutter Life Prediction Model of a 20-in. TBM Cutter for Granite: A Case Study of a Water Conveyance Tunnel in China
期刊论文
ROCK MECHANICS AND ROCK ENGINEERING, 2017, 卷号: 50, 期号: 5, 页码: 1303-1320
作者:
Du, Lijie
;
Liu, Quansheng
;
Liu, Jianping
;
Pan, Yucong
;
Zhang, Xiaoping
收藏
  |  
浏览/下载:32/0
  |  
提交时间:2018/06/05
Tunnel boring machine (TBM)
20-in. disc cutter
Wear rule
Intact rock parameters
Cutter life
Prediction model
Failure Rate Prediction Based on AR Model and Residual Correction
会议论文
PROCEEDINGS OF THE 2ND INTERNATIONAL CONFERENCE ON RELIABILITY SYSTEMS ENGINEERING (ICRSE 2017), 2017-01-01
作者:
Wang, Qin
;
Yuan, Haibin
收藏
  |  
浏览/下载:4/0
  |  
提交时间:2019/12/30
time series
AR model
neural network
failure rate
©版权所有 ©2017 CSpace - Powered by
CSpace