检索结果-南通市图书馆

同方期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于四叉树的自适应栅格地图创建算法

控制与决策 2011年第11期26卷 1690-1694页

作者：郭利进师五喜李颖李福祥天津工业大学电气工程与自动化学院天津300160 天津工业大学信息化与现代教育技术中心天津300160

针对传统的尺度均一概率栅格地图表达法在大尺度未知环境下地图创建过程中海量数据存储和相关量计算问题,提出一类基于四叉树的栅格大小自适应地图创建算法.利用四叉树理论,根据地图不同区域环境障碍物密度的变化,自适应调整各区域栅格... 详细信息

针对传统的尺度均一概率栅格地图表达法在大尺度未知环境下地图创建过程中海量数据存储和相关量计算问题,提出一类基于四叉树的栅格大小自适应地图创建算法.利用四叉树理论,根据地图不同区域环境障碍物密度的变化,自适应调整各区域栅格尺度大小.仿真结果表明,所提出的算法不仅降低了数据存储量,而且栅格量的减少使得相关量计算大大降低,提高了移动机器人地图创建的实时性和地图表达的精度.

关键词：大尺度环境四叉树自适应栅格栅格被占用概率

一种新型DSCNN-GRU结构的减速机轴承故障诊断方法

在线全文

学校读者我要写书评

暂无评论

机械科学与技术 2020年第2期39卷 258-266页

作者：汪洋郭利进天津工业大学电气工程与自动化学院天津300387

结合深度学习理论,将一维卷积神经网络运用于振动信号故障诊断,相较于传统方法,提取特征简单且高效。为进一步优化一维卷积结构,弥补其在信号所有位置的寻找模式,联系周期内的故障特征,提出一种新型DSCNN-GRU网络。该模型融合了深度可... 详细信息

结合深度学习理论,将一维卷积神经网络运用于振动信号故障诊断,相较于传统方法,提取特征简单且高效。为进一步优化一维卷积结构,弥补其在信号所有位置的寻找模式,联系周期内的故障特征,提出一种新型DSCNN-GRU网络。该模型融合了深度可分离卷积的轻量快捷,降低了一维卷积结构参数;加入门控机制,可记忆分析故障点的信号特征,联系周期内的信号关系,更好地捕捉信号故障特征,提升对时间序列的敏感性。提出一种跟踪梯度优化Adam算法,解决模型随时间窗振荡问题。通过采集的减速机滚动轴承数据研究表明,该算法平均故障识别率可达94%以上,分类效果明显,泛化能力强。

关键词：卷积神经网络深度可分离卷积门控机制故障诊断滚动轴承

基于GNFA-SVR污水出水总氮软测量研究

在线全文

学校读者我要写书评

暂无评论

工业水处理 2022年第10期42卷 111-117页

作者：郭利进李博仑天津工业大学控制科学与工程学院天津300387

污水处理流程具有滞后性、时变性、强耦合、非线性等特点,是一个多维输入、多维输出的复杂系统。根据实时进水水质判断未来出水水质的一些参数是否存在超标可能,以便提前对工艺参数进行调整,对污水处理系统的优化具有重要意义。针对污... 详细信息

污水处理流程具有滞后性、时变性、强耦合、非线性等特点,是一个多维输入、多维输出的复杂系统。根据实时进水水质判断未来出水水质的一些参数是否存在超标可能,以便提前对工艺参数进行调整,对污水处理系统的优化具有重要意义。针对污水处理出水总氮(TN)检测大滞后的问题,提出一种基于高斯函数非线性递减步长的萤火虫算法优化支持向量回归参数(GNFA-SVR)的软测量模型。通过改进萤火虫算法(FA)对支持向量回归机(SVR)的惩罚因子和核参数寻优,将污水进水水质的特征组分作为预测模型输入,建立GNFA-SVR出水TN预测模型。仿真结果表明,与LFA(线性递减步长的萤火虫算法)-SVR和FA-SVR预测模型相比,GNFA-SVR组合模型参数寻优收敛速度快、预测精度高,且预测误差在±0.5 mg/L以内,可实现出水TN的精准预测。

关键词：萤火虫算法支持向量回归机参数优化出水总氮预测模型高斯函数

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

一类不确定非线性系统的自适应模糊控制

系统工程与电子技术 2010年第2期32卷 351-354页

作者：郭文成师五喜郭利进天津工业大学电气工程与自动化学院天津300160

对一类不确定非线性系统提出自适应模糊控制方法。此方法用模糊逻辑系统设计自适应模糊监督控制器和自适应模糊控制器,且设计补偿器对逼近误差进行补偿,以此来减少逼近误差对跟踪精度的影响,同时对自适应模糊监督控制器和自适应模糊控... 详细信息

对一类不确定非线性系统提出自适应模糊控制方法。此方法用模糊逻辑系统设计自适应模糊监督控制器和自适应模糊控制器,且设计补偿器对逼近误差进行补偿,以此来减少逼近误差对跟踪精度的影响,同时对自适应模糊监督控制器和自适应模糊控制器中的未知参数设计了自适应学习律。证明了该方法不但能保证闭环系统稳定,而且可使跟踪误差收敛到原点的邻域内。仿真结果验证了此方法的有效性。

关键词：自适应模糊控制监督控制误差补偿稳定性分析

一类严格反馈非线性系统的间接自适应模糊控制

在线全文

学校读者我要写书评

暂无评论

控制与决策 2009年第10期24卷 1573-1575,1579页

作者：师五喜郭利进郭文成天津工业大学电气工程与自动化学院天津300160

针对一类不确定严格反馈非线性系统,设计了间接自适应模糊控制方法.该方法用模糊逻辑系统逼近设计过程中的未知函数,基于时变宽度死区对模糊逻辑系统中的未知参数进行自适应调节,并对时变死区宽度设计了自适应律.证明了该方法能使闭环... 详细信息

针对一类不确定严格反馈非线性系统,设计了间接自适应模糊控制方法.该方法用模糊逻辑系统逼近设计过程中的未知函数,基于时变宽度死区对模糊逻辑系统中的未知参数进行自适应调节,并对时变死区宽度设计了自适应律.证明了该方法能使闭环系统的所有信号有界,且可使跟踪误差收敛到原点的小邻域内.仿真算例验证了该方法的有效性.

关键词：严格反馈非线性系统自适应模糊控制时变宽度死区稳定性分析

在线全文

学校读者我要写书评

暂无评论

多变量非线性系统的直接自适应模糊预测控制

系统工程与电子技术 2012年第3期34卷 544-548页

作者：师五喜郭利进郭文成天津工业大学电气工程与自动化学院天津300160

对一类多变量非线性系统提出了直接自适应模糊预测控制方法,此方法首先对被控对象提出了线性时变子模型加非线性子模型的预测模型,然后直接利用模糊系统设计预测控制器,并基于时变增益自适应律对控制器中的未知向量和逼近误差估计值进... 详细信息

对一类多变量非线性系统提出了直接自适应模糊预测控制方法,此方法首先对被控对象提出了线性时变子模型加非线性子模型的预测模型,然后直接利用模糊系统设计预测控制器,并基于时变增益自适应律对控制器中的未知向量和逼近误差估计值进行自适应调整。证明了此方法可使跟踪误差收敛到原点的一个邻域内,仿真结果验证了此方法的有效性。

关键词：未知多变量非线性系统自适应模糊控制预测控制时变增益自适应律

PSO-BP神经网络在油料产量预测中的应用

在线全文

学校读者我要写书评

暂无评论

粮食与油脂 2022年第4期35卷 107-110页

作者：郭利进于洋天津工业大学电气工程与自动化学院天津300387

针对传统油料产量预测方法精度低、需求数据量大的问题提出误差反传(back propagation,BP)神经网络预测模型,并利用粒子群算法优化该模型的权值和阈值,从而提高收敛速度以及预测精度。经历年油料产量及其相关数据训练测试,结果表明,该... 详细信息

针对传统油料产量预测方法精度低、需求数据量大的问题提出误差反传(back propagation,BP)神经网络预测模型,并利用粒子群算法优化该模型的权值和阈值,从而提高收敛速度以及预测精度。经历年油料产量及其相关数据训练测试,结果表明,该预测模型预测精度较高,为油料产量预测提供了一种有参考价值的应用方法。

关键词：油料产量 BP神经网络粒子群优化预测模型

粮食烘干过程中基于Smith滑模的温度控制

在线全文

学校读者我要写书评

暂无评论

粮食与油脂 2021年第11期34卷 97-100,162页

作者：郭利进王浩天津工业大学电气工程与自动化学院天津300000

粮食烘干过程中对温度的控制是保障粮食品质的关键因素。由于为粮食烘干塔提供热风的热风炉具有时变、强耦合和非线性的特点,传统的PID控制难以满足工艺控制要求。针对热风炉温度的特点,提出了基于Smith预估的自适应全程积分滑模控制算... 详细信息

粮食烘干过程中对温度的控制是保障粮食品质的关键因素。由于为粮食烘干塔提供热风的热风炉具有时变、强耦合和非线性的特点,传统的PID控制难以满足工艺控制要求。针对热风炉温度的特点,提出了基于Smith预估的自适应全程积分滑模控制算法。利用Smith预估补偿系统中的滞后;利用滑模控制的鲁棒性克服系统模型的不确定性和变工况情况下的复杂干扰;利用自适应全程积分滑模面消除滑模抖振;并进行了仿真。结果表明,与常规PID控制器相比较,基于Smith预估的自适应全程积分滑模控制器在鲁棒性和控制精度方面有明显提升。

关键词：粮食烘干温度控制 Smith预估滑模控制

在线全文

学校读者我要写书评

暂无评论

基于DCNN的玉米叶部病害识别方法

粮食与油脂 2022年第3期35卷 72-75,98页

作者：郭利进李言天津工业大学电气工程与自动化学院天津300387

提出了一种改良的LeNet深度卷积神经网络(DCNN)用于玉米叶部病害识别分类。使用PlantVillage数据集中的玉米叶片图像对模型进行训练和测试。模型经过训练可以识别3种玉米叶部病害的图像,准确率达到97.89%,表明方法能够有效地识别玉米叶... 详细信息

提出了一种改良的LeNet深度卷积神经网络(DCNN)用于玉米叶部病害识别分类。使用PlantVillage数据集中的玉米叶片图像对模型进行训练和测试。模型经过训练可以识别3种玉米叶部病害的图像,准确率达到97.89%,表明方法能够有效地识别玉米叶部病害。

关键词：深度学习深度卷积神经网络玉米叶部病害