误差条件造句

造句与例句手机版

零初始误差条件下迭代学习控制在机器人中的应用。
本文提出一种实用的算法，能在同等微波功率测量误差条件下，大大减少微波相位差的误差。
非零初始误差条件下迭代学习控制在机器人中的应用。
结果表明，在相同的尖峰误差条件下，自适应分层能明显提高加工效率。
主要介绍了零初始误差条件下和非零初始误差条件下的迭代学习控制算法。
，生成用于理想和误差条件下设备运行测试的顺从与非顺从数据流。
研究表明，存在阵列误差条件下，加权toeplitz化高分辨方位估计方法具有稳健性高、估计性能良好、易于工程实现等优点。
主要介绍了在非零初始误差条件下d型改进型迭代学习控制算法和pd型改进型迭代学习控制算法、收敛性分析及其在机器人中的应用。
将结构损伤识别的完全非线性算法与柔度投影法结合，利用频率观测数据较为精确的特点，使用混合法研究了数据误差条件下的损伤识别问题。
当信号含有噪声时， kalman滤波可以在最小均方误差条件下给出信号的最佳估计，而且是在时域中采用第推方式进行，因此速度快，便于实时处理。
用误差条件造句挺难的，這是一个万能造句的方法
导出了曲率半径与逼近误差之间的关系和等误差条件下的参数递推公式，建立了通过逼近圆弧圆心的直线方程和圆心坐标计算公式.按这种方法用圆弧逼近平面参数曲线，不需要求解非线性方程组，避免了计算可能不收敛的麻烦，简化了非圆曲线的节点计算过程
使用部分特征结构分配法对结构参数估计、结构损伤识别、大坝分区弹模反演问题进行数值模拟，结果表明本文方法在观测不完整及数据误差条件下具有较好的数值稳定性和鲁棒性。
本文主要研究了迭代学习控制在机器人中的应用，并分别在零初始误差条件下和非零初始误差条件下设计了迭代学习控制算法，并采用lyapunov稳定性理论证明了算法的收敛性，最后将迭代学习控制算法应用于机器人中进行了仿真研究。
由本章的分祈和仿真我们可以认为这种于涉动目标检测方法在存在一定的工程误差条件下，仍能较大程度地改善处在主杂波区域的慢速运动目标检测能力，并且结构简单，没有收敛过程，能够适用环境回波变化较快的机载雷达，是一种工程容易实现的动目标检测方法。