我国东南沿海频发的台风天气会引发极端风、浪、流联合荷载,因此有必要开展极端环境下海上风电桩基础水平承载性能的系统研究。本文采用荷载传递法与SACS(structural analysis of civil and marine systems)有限元模拟相结合的方法,建...我国东南沿海频发的台风天气会引发极端风、浪、流联合荷载,因此有必要开展极端环境下海上风电桩基础水平承载性能的系统研究。本文采用荷载传递法与SACS(structural analysis of civil and marine systems)有限元模拟相结合的方法,建立了海上风电“塔筒–钢管桩”数值分析模型,研究流速、浪高和风速对桩基础挠度、剪力和弯矩的影响规律,主要结论如下:(1)桩身最大挠度、弯矩和剪力分别出现在桩顶位置、泥面以下约0.4D处和泥面以下约3.2D处;(2)流速对桩基础挠度的影响最为显著,而风速与浪高对剪力的影响更大;(3)风、浪、流联合作用下,剪力受影响最显著,其次为弯矩,挠度受影响最小。展开更多
最小均方(least mean square,LMS)算法在时变信道的最小稳态均方偏差(mean square deviation,MSD)由输入功率、噪声功率、随机扰动信号功率以及滤波器长度共同决定。为达到系统中最小的MSD值,传统的LMS算法存在有迭代次数较多和收敛速...最小均方(least mean square,LMS)算法在时变信道的最小稳态均方偏差(mean square deviation,MSD)由输入功率、噪声功率、随机扰动信号功率以及滤波器长度共同决定。为达到系统中最小的MSD值,传统的LMS算法存在有迭代次数较多和收敛速度慢等问题,提出了一种多态可变步长最小均方(multi-state variable step size least mean square,MVSS-LMS)算法。该算法通过添加暂态递减步长作为过渡,实现以更快的收敛速度达到系统中最小的MSD值。理论分析与仿真结果表明,与目前最新的Prob-LMS算法相比,所提算法在时变信道以及突变信道都具有更快的收敛速度和更低的MSD值,且算法的复杂度更低。展开更多
针对现有的稀疏集员(SM,Set-Membership)自适应滤波算法,普遍存在稳态均方偏差(MSD,Mean Square Deviation)的稳定性较低及运算复杂度较高等问题,提出了一种新颖的稀疏集员NLMS(NLMS,Normalized Least Mean Square)算法。该方案提出一...针对现有的稀疏集员(SM,Set-Membership)自适应滤波算法,普遍存在稳态均方偏差(MSD,Mean Square Deviation)的稳定性较低及运算复杂度较高等问题,提出了一种新颖的稀疏集员NLMS(NLMS,Normalized Least Mean Square)算法。该方案提出一种运算复杂度更低的零吸引(ZA,Zero-attracting)惩罚函数,使算法对稀疏信道的估计更为合理。在多种稀疏信道仿真中,与目前的稀疏集员算法相比,所提算法的稳态MSD更低且稳定性更高。最后,将所提算法应用于声波信号的稀疏系统辨识中,比目前的稀疏集员算法更具有优势。展开更多
摘要我国东南沿海频发的台风天气会引发极端风、浪、流联合荷载,因此有必要开展极端环境下海上风电桩基础水平承载性能的系统研究。本文采用荷载传递法与SACS(structural analysis of civil and marine systems)有限元模拟相结合的方法,建立了海上风电“塔筒–钢管桩”数值分析模型,研究流速、浪高和风速对桩基础挠度、剪力和弯矩的影响规律,主要结论如下:(1)桩身最大挠度、弯矩和剪力分别出现在桩顶位置、泥面以下约0.4D处和泥面以下约3.2D处;(2)流速对桩基础挠度的影响最为显著,而风速与浪高对剪力的影响更大;(3)风、浪、流联合作用下,剪力受影响最显著,其次为弯矩,挠度受影响最小。
摘要最小均方(least mean square,LMS)算法在时变信道的最小稳态均方偏差(mean square deviation,MSD)由输入功率、噪声功率、随机扰动信号功率以及滤波器长度共同决定。为达到系统中最小的MSD值,传统的LMS算法存在有迭代次数较多和收敛速度慢等问题,提出了一种多态可变步长最小均方(multi-state variable step size least mean square,MVSS-LMS)算法。该算法通过添加暂态递减步长作为过渡,实现以更快的收敛速度达到系统中最小的MSD值。理论分析与仿真结果表明,与目前最新的Prob-LMS算法相比,所提算法在时变信道以及突变信道都具有更快的收敛速度和更低的MSD值,且算法的复杂度更低。
摘要针对现有的稀疏集员(SM,Set-Membership)自适应滤波算法,普遍存在稳态均方偏差(MSD,Mean Square Deviation)的稳定性较低及运算复杂度较高等问题,提出了一种新颖的稀疏集员NLMS(NLMS,Normalized Least Mean Square)算法。该方案提出一种运算复杂度更低的零吸引(ZA,Zero-attracting)惩罚函数,使算法对稀疏信道的估计更为合理。在多种稀疏信道仿真中,与目前的稀疏集员算法相比,所提算法的稳态MSD更低且稳定性更高。最后,将所提算法应用于声波信号的稀疏系统辨识中,比目前的稀疏集员算法更具有优势。