检索结果-南通市图书馆

动力系统与控制 2024年第2期13卷 45-53页

作者：陈泳斌程良伦广东工业大学自动化学院广东广州广东工业大学计算机学院广东广州

为解决在无约束、非结构化的多物体场景下对物体生成可靠抓取姿态的问题,提高机械臂在多场景下抓取检测的准确率,我们提出了使用场景的多物理特征进行抓取检测的评估方式,基于PointNet 网络提出了一种前置–后置联合网络抓取姿态估计算... 详细信息

为解决在无约束、非结构化的多物体场景下对物体生成可靠抓取姿态的问题,提高机械臂在多场景下抓取检测的准确率,我们提出了使用场景的多物理特征进行抓取检测的评估方式,基于PointNet 网络提出了一种前置–后置联合网络抓取姿态估计算法,该算法利用多物理特征从目标点云中生成评估得到的置信度分数对场景进行进一步抓取检测得到可靠的抓取姿态。由于该抓取检测方法比以往的抓取检测评估更加细致,从而可以更好地从场景中得到精确的抓取姿态。实验结果表明:该算法在复杂的多物体场景中,能够生成有效的抓取姿态,且较同类型算法抓取成功率有所提升,能够应用于工业机器人的抓取任务。

关键词：点云位姿估计多物理特征深度学习

来源：

维普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

基于多物理特征的磨煤机出磨温度预测模型

引用

自动化与仪表 2020年第7期35卷 89-91,95页

作者：杨鲁江王得磊鲁乾鹏周曼刘志勇浙江中控技术股份有限公司杭州310053

煤粉是水泥生产过程中必不可少的原料,而其中,磨煤机的出磨温度对煤粉质量起着重要作用。传统的温度预测通过分析系统机理建立模型,由于环境和设备老化等因素,导致精度降低。该文提出一种基于多物理特征融合的磨煤机出磨温度预测方法,... 详细信息

煤粉是水泥生产过程中必不可少的原料,而其中,磨煤机的出磨温度对煤粉质量起着重要作用。传统的温度预测通过分析系统机理建立模型,由于环境和设备老化等因素,导致精度降低。该文提出一种基于多物理特征融合的磨煤机出磨温度预测方法,通过采集入磨温度、入磨压力、煤磨投料量以及煤磨压差时序数据,利用多物理特征时序数据构造其速度特征,基于KNN、SVR、Adaboost以及XGBoost等多种机器学习方法建立模型进行比较实验。实验结果表明,采用XGBoost模型进行前4 min预测结果误差较小,其平均相对误差0.45%,对现场生产煤磨出磨温度预测有很好的工程意义。

关键词：磨煤机多物理特征 XGBoost 出磨温度预测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于多物理特征的分解炉出口温度预测技术研究

基于多物理特征的分解炉出口温度预测技术研究

引用

2019年中国过程系统工程年会(PSE2019)

作者：鲁乾鹏王德磊陈梦迟黄文君浙江大学控制科学与工程学院浙江中控技术股份有限公司

设计一种基于极端梯度提升(extreme gradient boost, XGBoost)的水泥生产过程中分解炉出口温度预测方案,解决了在具有慢时变、间歇性抖动特性温度下的温度预测效果不佳问题。方案通过互信息选择与出口温度强相关的水泥生产过程中的五级... 详细信息

设计一种基于极端梯度提升(extreme gradient boost, XGBoost)的水泥生产过程中分解炉出口温度预测方案,解决了在具有慢时变、间歇性抖动特性温度下的温度预测效果不佳问题。方案通过互信息选择与出口温度强相关的水泥生产过程中的五级筒入口温度、窑头罩温度等特征,在此基础上构建出五级筒入口温度变化速度、分解炉出口温度变化速度、窑头罩温度变化速度等多物理特征,并设计了基于多物理特征的XGBoost温度预测模型。测试数据表明,本论文方案较常用的预测模型在10 s预测中有更高的预测精度,多物理特征中的出口温度变化速度特征较其他特征对预测结果有着最重要的预测影响。

关键词：水泥生产过程分解炉温度预测 XGBoost 多物理特征

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于时空属性的短期风速预测

基于时空属性的短期风速预测

引用

作者：平善明哈尔滨工业大学

学位级别：硕士

风能作为一种清洁的可再生能源,可以缓解能源危机,减少化石燃料的利用以保护环境,因此越来越受到世界各国的重视。风具有不稳定的内在特性,导致其发电呈间歇状态,在风电并网时,对电网造成严重损害和困难。提前若干小时的风电功率预测可... 详细信息

风能作为一种清洁的可再生能源,可以缓解能源危机,减少化石燃料的利用以保护环境,因此越来越受到世界各国的重视。风具有不稳定的内在特性,导致其发电呈间歇状态,在风电并网时,对电网造成严重损害和困难。提前若干小时的风电功率预测可以为电网调度提供必要的依据,进而进行提前调控是解决这一问题的有效途径,具有重要的意义。针对这一问题,本文采用机器学习的方法,对风电场的风速进行短期预测,具体的研究内容如下:1)首先对风速序列的性质进行了分析,其随机性较强,与2阶历史数据高度相关,平稳性不定,周期性较弱,此外采用单一模型预测后残差不是白噪声,仍然有信息残留,针对这一问题,提出了两层模型,第一层模型对风速预测之后,求得残差,使用第二层模型对残差序列进行预测,将两层预测结果合并既得到了最终预测结果。使用两层模型对3个地理位置的风速进行预测,并与单一模型进行了对比,实验结果显示,当单一模型预测效果不好时,两层模型预测性能较单一模型有所提升。2)针对风速时间序列进行预测使用的数据单一,信息有限导致的其预测性能差的问题,研究结合温度、气压、风向等多种物理特征,同时综合时间趋势性和周期性,空间相关的多个风场的角度,提出三种方法对其他站点进行选择,以得到对此站点预测帮助最大的少量站点来实现对一个站点的风速的融合预测。解决使用单一模型存在特征维度过高的问题,样本不足,难以训练出有效模型的问题。3)针对使用单一模型处理高维特征存在欠拟合着问题,同时也难以对天气的突发状况做出良好的预测,提出了用于风速预测的组合模型,包含四个部分:时间预测器、全局预测器、集成器和突变预测器,其能更好的预测风速突变情况。实验结果表明,本文方法与常见的风速时间序列预测方法相比具有更高的预测精度。

关键词：短期风速预测机器学习残差时空属性多物理特征

来源：

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

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：