检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于视觉定位的球形机器人轨迹跟踪控制系统

基于视觉定位的球形机器人轨迹跟踪控制系统

作者：郭昱琛武汉科技大学

学位级别：硕士

球形机器人是一种具有球形或类球形外壳且通过内驱动方式实现运动的移动机器人,在军事侦察、环境监测和行星探测等领域中具有广阔的应用前景。视觉技术已成为移动机器人获取环境信息,实现自身导航定位的主要方式之一。本文设计了一种基... 详细信息

球形机器人是一种具有球形或类球形外壳且通过内驱动方式实现运动的移动机器人,在军事侦察、环境监测和行星探测等领域中具有广阔的应用前景。视觉技术已成为移动机器人获取环境信息,实现自身导航定位的主要方式之一。本文设计了一种基于视觉的球形机器人,对其机械结构设计、数据驱动式建模与轨迹跟踪控制系统设计开展了研究。首先,设计了一种基于外部视觉的球形机器人。机器人的视觉装置始终立于球身上方,当球形机器人运动时能自行调整姿态,稳定的获取环境图像。三个呈120度分布的全向轮构成全向轮驱动装置,通过偏心力矩驱动球形机器人实现全向运动。所设计球形机器人具有视觉信号无遮挡,运动灵活,转弯半径小等特点。详细阐述了所设计球形机器人的机械结构、硬件和软件设计。然后,提出了一种基于改进加权最小二乘支持向量回归机的视觉球形机器人的建模方法。基于Lagrange法建立了球形机器人动力学模型并分析了其运动性能。针对球形机器人欠驱动、非线性等复杂特性导致难以建立其精确动力学模型问题,将泛化处理后的高斯核函数与多项式核函数进行组合,并采用粒子群算法优化所设计组合核函数的参数,由此提出了一种基于改进加权最小二乘支持向量回归机的建模方法。仿真实验证明了本文提出建模方法的可行性与有效性。其次,设计并实现了一种基于GPC-PID的球形机器人轨迹跟踪串级控制系统。为了减小球形机器人易受扰动影响的问题,同时提高轨迹跟踪控制精度,本文选择球形机器人的位置量为主变量,将球形机器人加权最小二乘支持向量回归预测模型与广义预测控制(Generalized Predictive Control,GPC)算法相结合,设计了改进的GPC控制律;选择球形机器人的姿态量为副变量,使用PID控制器对其进行控制,由此构成基于改进GPC-PID的轨迹跟踪串级控制系统,以实现球形机器人稳定、精确的轨迹跟踪。仿真实验证明了该控制系统具有较高的控制精度以及较强的抗扰性、稳定性与鲁棒性。最后,基于所设计实验平台进行了球形机器人自平衡、直线轨迹跟踪和圆周轨迹跟踪实测实验。实验结果表明,本文所设计球形机器人系统在受扰后能迅速回复原来的平衡状态,可以较好跟随期望轨迹运行。

关键词：球形机器人数据驱动建模加权最小二乘支持向量回归机广义预测控制

基于混沌时间序列的IGA-WLSSVR短期负荷预测模型

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

控制工程 2021年第2期28卷 245-250页

作者：刘雨竹徐楠国网吉林省电力有限公司公主岭市供电公司吉林公主岭136100

为解决目前电力短期负荷预测存在精度低的问题,针对电力负荷时间序列的混沌特性,采用微熵率法进行相空间重构,提出利用免疫遗传算法(IGA)对加权最小二乘支持向量回归机(WLSSVR)的关键参数进行全局快速寻优,并将已形成相点序列中距当前... 详细信息

为解决目前电力短期负荷预测存在精度低的问题,针对电力负荷时间序列的混沌特性,采用微熵率法进行相空间重构,提出利用免疫遗传算法(IGA)对加权最小二乘支持向量回归机(WLSSVR)的关键参数进行全局快速寻优,并将已形成相点序列中距当前相点最邻近相点作为训练样本,据此建立基于IGA-WLS支持向量回归机耦合算法的电力负荷短期动态预测模型。通过MATLAB仿真得出结果,结果表明所提IGA优化算法提高了WLS支持向量回归机的拟合精度和学习效率,可为实际中提高电力负荷短期预测精度提供有效的理论依据。

关键词：混沌特性相空间重构免疫遗传算法加权最小二乘支持向量回归机短期负荷预测

基于WA-ABC-WLSSVR的南美白对虾工厂化育苗溶解氧预测模型

在线全文

学校读者我要写书评

暂无评论

武汉大学学报（工学版） 2017年第4期50卷 608-617页

作者：徐龙琴陈跃霞张军刘双印李道亮仲恺农业工程学院信息科学与技术学院广东广州510225 中航飞机研发中心飞控液压所陕西汉中723213 中航飞机汉中零组件制造有限公司陕西汉中723213 中国农业大学中欧农业信息技术研究中心北京100083

为解决传统方法水质预测精度低、鲁棒性差等问题,提出了基于小波分析(WA)、人工蜂群(ABC)优化加权最小二乘支持向量回归机(WLSSVR)的工厂化育苗溶解氧组合预测模型(WA-ABC-WLSSVR模型).该模型采用小波分析对原始非平稳溶解氧时间序列数... 详细信息

为解决传统方法水质预测精度低、鲁棒性差等问题,提出了基于小波分析(WA)、人工蜂群(ABC)优化加权最小二乘支持向量回归机(WLSSVR)的工厂化育苗溶解氧组合预测模型(WA-ABC-WLSSVR模型).该模型采用小波分析对原始非平稳溶解氧时间序列数据进行多尺度特征提取,通过加权最小二乘支持向量回归机对不同尺度下的溶解氧数据子序列分别建模,利用改进人工蜂群优化算法(ABC)对各分量序列WLSSVR模型参数进行组合优化,最后叠加各尺度下的预测结果.运用该模型对工厂化育苗溶解氧进行预测,并与BPNN、标准LSSVR、WAACO-LSSVR、WA-PSO-LSSVR等模型对比分析,结果表明,该溶解氧预测模型具有较高的预测精度和泛化能力.

关键词：溶解氧预测加权最小二乘支持向量回归机人工蜂群算法小波分析参数组合优化

在线全文

学校读者我要写书评

暂无评论

基于APSO-WLSSVR的水质预测模型

山东大学学报（工学版） 2012年第5期42卷 80-86页

作者：徐龙琴刘双印广东海洋大学信息学院广东湛江524088 中国农业大学中欧农业信息技术研究中心北京100083 中国农业大学北京市农业物联网工程技术研究中心北京100083 中国农业大学先进农业传感技术北京市工程研究中心北京100083

为解决传统预测方法和标准最小二乘支持向量回归机(least squares support vector regression,LSSVR)在水质预测中存在预测精度低、鲁棒性差等问题,提出了自适应粒子群优化加权最小二乘支持向量回归机(adaptiveparticle swarm optimizat... 详细信息

为解决传统预测方法和标准最小二乘支持向量回归机(least squares support vector regression,LSSVR)在水质预测中存在预测精度低、鲁棒性差等问题,提出了自适应粒子群优化加权最小二乘支持向量回归机(adaptiveparticle swarm optimization weighted least squares support vector regression,APSO-WLSSVR)的水质预测模型。根据样本对模型重要性不同为各样本赋予不同权重,建立了加权最小二乘支持向量回归机(weighted least squaressupport vector regression,WLSSVR),实现对样本数据"重近轻远"的优化选择,避免标准LSSVR算法因没有考虑样本重要性差异致使预测精度低的问题;采用自适应粒子群优化算法对模型参数组合进行优化选择,克服了标准LSSVR算法因试凑法获取参数的盲目性和人为因素的影响。为验证该模型的性能,对江苏省宜兴市集约化河蟹养殖水质进行预测,并与其他预测方法对比分析,结果表明该模型预测精度明显提高,还具有较好的鲁棒性和泛化能力,能够满足集约化水产养殖水质管理的实际需要。

关键词：加权最小二乘支持向量回归机自适应粒子群优化算法水质预测参数优化集约化水产养殖

在线全文

学校读者我要写书评

暂无评论

移动机器人定位技术研究

机床与液压 2011年第21期39卷 57-59页

作者：王春荣蔡勇蒋刚西南科技大学制造科学与工程学院四川绵阳621010

以两轮独立驱动的三轮机器人作为试验平台,用编码器和陀螺仪作为机器人的定位系统,建立机器人的运动学方程。采用卡尔曼滤波器对两种传感器的数据进行融合,再经加权最小二乘支持向量回归机算法对融合后的数据作回归运算,构造先验回归决... 详细信息

以两轮独立驱动的三轮机器人作为试验平台,用编码器和陀螺仪作为机器人的定位系统,建立机器人的运动学方程。采用卡尔曼滤波器对两种传感器的数据进行融合,再经加权最小二乘支持向量回归机算法对融合后的数据作回归运算,构造先验回归决策函数。运用回归决策函数提高陀螺仪输出角速率的准确度,获得机器人的位姿信息。

关键词：三轮机器人卡尔曼滤波器加权最小二乘支持向量回归机位姿

在线全文

学校读者我要写书评

暂无评论

基于无线测距的车联网盲区协同定位算法研究

基于无线测距的车联网盲区协同定位算法研究

作者：王雯琦南京理工大学

学位级别：硕士

车联网作为物联网中的佼佼者,正逐步走进人们的视野。车联网的蓬勃发展有利于实现智能交通、减少道路拥堵及交通事故。而定位问题是实现智能交通的重要一环。当前,世界各国普遍采用全球导航卫星系统来进行车辆定位。而在GNSS信号不可用... 详细信息

车联网作为物联网中的佼佼者,正逐步走进人们的视野。车联网的蓬勃发展有利于实现智能交通、减少道路拥堵及交通事故。而定位问题是实现智能交通的重要一环。当前,世界各国普遍采用全球导航卫星系统来进行车辆定位。而在GNSS信号不可用的地区,基于无线测距的车路协同定位是实现车联网定位的有效方法之一。本文对于车联网盲区定位方法进行了一些有益的探索,研究了三种适用于不同情形的车联网盲区协同定位方法。首先,针对车载惯导定位误差随时间增大的问题,提出了基于路侧单元与无线测距的车联网相对定位方法。建立了车路协同定位数学模型,并利用非线性加权最小二乘算法对其进行解算。在以高速公路环境为背景的仿真实验中可以有效延缓惯导定位误差的发散速度。其次,在没有车载惯导时,设计了迭代扩展卡尔曼滤波算法,将系统的状态考虑进来,有效地改善了车辆跟踪的效果。再次,针对可能出现较大测距误差的复杂区域,如建筑物较多的城市街区,构建了基于加权最小二乘支持向量回归机的车联网协同定位算法,该算法在测距误差较大的二维和三维情形中都可以保持较好的定位效果。通过仿真分析,在干扰因素较小的简单情形下,非线性加权最小二乘法与迭代扩展卡尔曼滤波法具有良好的定位效果,计算速度快且功耗小。在可能出现较大测距误差的复杂环境中,加权最小二乘支持向量回归机算法更具优势,具有较强的环境适应性。

关键词：车联网盲区定位路侧单元车载惯导迭代扩展卡尔曼滤波加权最小二乘支持向量回归机