检索结果-南通市图书馆

基于局部加权学习的非线性系统自适应控制研究

在线全文

学校读者我要写书评

暂无评论

基于局部加权学习的非线性系统自适应控制研究

作者：王卓广东工业大学

学位级别：硕士

随着科学技术不断的迭代与更新,当今社会生活和工业领域存在的系统日趋复杂,如交通系统、冶金系统、电力系统等,这些复杂系统往往具有高度的非线性,且难以建立准确的数学模型。因此,如何去克服系统未知动态带来的问题,实现对非线性系统... 详细信息

随着科学技术不断的迭代与更新,当今社会生活和工业领域存在的系统日趋复杂,如交通系统、冶金系统、电力系统等,这些复杂系统往往具有高度的非线性,且难以建立准确的数学模型。因此,如何去克服系统未知动态带来的问题,实现对非线性系统的控制成为广大科研工作者关注的焦点。近年来,多种基于神经网络的非线性系统智能控制方案被提出,其中局部加权学习神经网络算法由于其对系统未知非线性良好的辨识性能和灵活性,受到众多学者的青睐。虽然在局部加权学习神经网络这一研究方向上已经存在许多研究成果,但仍有一些理论方面的基础性问题未能解决,包括:1、现有的局部加权学习神经网络研究成果大多仅适用于一阶系统和9)阶链式系统;2、无法确定局部加权学习神经网络的逼近集。本文将针对上述问题,结合局部加权学习、神经网络、自适应控制和障碍函数等技术与理论,对未知严格反馈非线性系统的跟踪控制问题展开研究。主要的工作内容如下所示:(1)针对一类9)阶未知严格反馈非线性系统,解决基于局部加权学习神经网络的自适应跟踪控制问题。首先,通过设计一种新的加权函数,解决局部加权学习神经网络难以适用于9)阶未知严格反馈非线性系统的问题。然后通过利用局部加权学习神经网络,在无需任何的系统先验知识的条件下,对系统未知非线性进行辨识。从而使得系统输出能够跟踪期望参考轨迹,并且所设计的局部加权学习神经网络控制器能确保所有的闭环信号均有界。最后,通过进行实例仿真以验证控制算法的有效性。(2)针对一类未知严格反馈非线性系统,探究具有预定逼近集的局部加权学习神经网络自适应跟踪控制问题。首先,选择双二次核函数作为局部加权学习神经网络的加权函数,通过应用障碍函数和微分方程定性理论,预设局部加权学习神经网络的逼近集,确保局部加权学习神经网络辨识系统非线性的有效性。再应用信号置换技术解决第一点研究内容中所设计的加权函数随着阶数的增加其性能难以满足实际需求的缺点。所提出的局部加权学习神经网络控制器可以使得闭环系统的所有信号均有界。最后,通过一个数值仿真展示所设计的控制算法的可行性,并且将局部加权学习神经网络控制策略与径向基函数神经网络控制策略进行对比,验证局部加权学习神经网络的优越性。(3)针对一类未知严格反馈非线性系统,研究基于自组织逼近的自适应跟踪控制问题。由于局部加权学习神经网络的局部区域覆盖了整个逼近集,同时随着系统阶数的增加,局部加权学习神经网络的输入信号数量将随之大幅增长,导致计算量大大增加,其中众多不必要的计算的存在占用了过多的计算机算力,使得运算时间过长。为了解决这一问题,首先引入神经元自增长策略,设计自组织逼近器,根据需要增加局部模型数量,大幅度减少计算量,避免计算机算力的浪费。再应用障碍函数和微分方程定性定理,在无需任何先验知识的条件下,严格证明了自组织逼近器输入信号在所设计的控制算法的作用下始终保存在的某一逼近集中,且所提出的控制算法能够使得所有闭环信号一致有界。最后,给出仿真实例验证该控制算法的有效性。

关键词：未知严格反馈系统局部加权学习神经网络自组织逼近障碍函数

一种基于局部加权学习的自适应交通流预测机制

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

北京大学学报（自然科学版） 2010年第1期46卷 64-68页

作者：帅猛韩磊谢昆青宋国杰马修军陈冠华北京大学信息科学与技术学院智能科学系北京100871

结合交通流的特征,提出了一种自适应的交通流预测机制。首先根据训练数据特点,按三相交通流理论对交通状态进行分类,从每个分类对应的训练数据集内提取相应的最佳邻域。在基于局部线性回归模型的预测中,根据邻域中数据点所处状态分别选... 详细信息

结合交通流的特征,提出了一种自适应的交通流预测机制。首先根据训练数据特点,按三相交通流理论对交通状态进行分类,从每个分类对应的训练数据集内提取相应的最佳邻域。在基于局部线性回归模型的预测中,根据邻域中数据点所处状态分别选择相应局部模型进行预测,最终预测结果为各局部模型预测值的加权平均。根据各模型误差确定当前数据所处状态,增量加入训练数据集。基于真实交通数据的实验证实该方法能够有效提高预测的准确率。

关键词：自适应局部加权学习交通流预测

在线全文

学校读者我要写书评

暂无评论

动态受限机械臂的局部加权学习控制

系统仿真学报 2019年第4期31卷 733-739页

作者：王刚孙太任丁胜培江苏大学电气信息工程学院江苏镇江212013 广东工业大学广东广州510006

针对带有状态和输入约束的机械臂不确定系统模型,提出了基于障碍李雅普诺夫函数的局部加权学习控制方法。将系统控制输入看作扩展状态,从而将该控制问题转化为带有扩展状态约束的不确定非线性系统控制问题。将障碍李雅普诺夫函数引入到... 详细信息

针对带有状态和输入约束的机械臂不确定系统模型,提出了基于障碍李雅普诺夫函数的局部加权学习控制方法。将系统控制输入看作扩展状态,从而将该控制问题转化为带有扩展状态约束的不确定非线性系统控制问题。将障碍李雅普诺夫函数引入到反步法,设计局部加权学习控制,保证障碍李雅普诺夫函数指数收敛到零点一个小邻域,进而保证了系统状态、输入约束的满足和跟踪误差的收敛。通过理论分析和仿真实验验证了所设计控制器的可行性和有效性。

关键词：神经网络控制移动机械臂障碍函数局部加权学习系统约束

基于全局最优局部加权学习算法的船舶操纵运动辨识

在线全文

学校读者我要写书评

暂无评论

中国航海 2017年第1期40卷 37-41页

作者：白伟伟任俊生李铁山张秀凤大连海事大学航海学院辽宁大连116026

运用一种基于全局最优的局部加权学习(Locally Weighted Learning,LWL)算法进行船舶操纵运动辨识建模。该方法是一种基于计算机存储的离线学习的黑箱建模方法,直接考虑船舶运动状态输入与输出之间的映射关系,可克服传统机理建模及参数... 详细信息

运用一种基于全局最优的局部加权学习(Locally Weighted Learning,LWL)算法进行船舶操纵运动辨识建模。该方法是一种基于计算机存储的离线学习的黑箱建模方法,直接考虑船舶运动状态输入与输出之间的映射关系,可克服传统机理建模及参数辨识模型中存在的参数漂移问题和未建模动态问题。对样本点进行重新排列并提高输入空间的维度,解决船舶运动状态一对多映射和不可分问题。通过学习"Mariner"轮的三自由度数学模型,并进行旋回试验、Z形试验及逆螺旋试验,验证算法的有效性。

关键词：水路运输全局最优局部加权学习辨识船舶操纵性

基于OpenMP的船舶操纵运动局部加权学习辨识建模

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2020年第S2期37卷 173-175页

作者：王辉任俊生刘新召大连海事大学航海学院辽宁大连116026

针对局部加权学习算法预测船舶运动状态耗时过多和训练距离测度时间长的问题,结合OpenMP并行算法开发的特点和LWL算法数据分布的特性,对LWL算法的加权函数、距离函数、最小二乘求解进行了OpenMP并行化设计。以Mariner轮整体型数学模型... 详细信息

针对局部加权学习算法预测船舶运动状态耗时过多和训练距离测度时间长的问题,结合OpenMP并行算法开发的特点和LWL算法数据分布的特性,对LWL算法的加权函数、距离函数、最小二乘求解进行了OpenMP并行化设计。以Mariner轮整体型数学模型为研究对象进行仿真研究,仿真结果表明,并行算法与串行精度一致,并行的加速效果与处理算法紧密相关,即便在并发线程不超过计算机核心数的情况下,也并非并发线程越多越好。当选取线程数量为2、4、8时并行算法与全局最优LWL算法相比训练时间缩短了33.0%,OpenMP并行算法具有较好的并行效率。

关键词：并行计算 OpenMP 局部加权学习船舶操纵性

在线全文

学校读者我要写书评

暂无评论

基于并行计算的船舶局部加权学习辨识建模

基于并行计算的船舶局部加权学习辨识建模

作者：王辉大连海事大学

学位级别：硕士

船舶操纵运动数学模型是航海模拟器的核心技术,局部加权学习算法（Locally Weighted Learning,LWL）是一种新的船舶操纵运动建模方法,作为非参数辨识建模方法,输入数据样本数量决定了模型的精度,样本数量与LWL辨识算法求解时间成正比,... 详细信息

船舶操纵运动数学模型是航海模拟器的核心技术,局部加权学习算法（Locally Weighted Learning,LWL）是一种新的船舶操纵运动建模方法,作为非参数辨识建模方法,输入数据样本数量决定了模型的精度,样本数量与LWL辨识算法求解时间成正比,增加了工程实现难度,本文以并行计算技术对局部加权学习算法进行并行化研究从而提升算法整体性能。1.针对局部加权学习算法实际工程需求,跨平台C语言实现LWL算法,依次对LWL算法的训练与预测过程进行C程序设计。分析了高性能计算中两种并行结构OpenMP和CUDA的相关并行执行方式,以及并行计算在多个领域中的实现及应用。分别在CPU和GPU两种并行平台上对局部加权算法展开研究。2.针对局部加权学习算法预测与训练耗时问题,根据OpenMP并行算法开发的特点和LWL算法数据分布的特性,对LWL算法的加权函数、距离函数、最小二乘求解进行了 OpenMP并行化设计。以Mariner轮整体型数学模型为研究对象进行仿真研究,仿真结果表明,并行算法与串行精度一致,并行的加速效果与处理算法紧密相关,即便在并发线程不超过计算机核心数的情况下,也并非并发线程越多越好。当采用静态调度方式并选取线程数量为8时,并行LWL算法平均训练时间的加速比达到1.6倍,预测时间缩短了 33.0%,OpenMP并行算法具有较好的并行效率。3.针对LWL算法距离测度训练时间过长问题,提出两种基于CUDA的GILWL算法和GOLWL算法。在并行实现GOLWL算法时,将加权函数、距离函数、最小二乘求解等过程与GPU并行算法结合。各函数之间数据传输在GPU内部,降低了 GILWL算法计算过程中CPU与GPU频繁的通信开销。GOLWL算法对并行实现采用任务并行与数据并行相结合的方式,利用GPU线程块与线程分别映射船舶操纵运动样本点的预测值,在CPU端计算目标函数并选取最小目标函数所对应的距离测度。以Mariner轮整体型数学模型为仿真研究对象,GILWL算法并行效果不符合预期设定,GILWL算法运行时间是标准LWL算法的4.38倍,GOLWL算法与LWL算法相比训练时间缩短了 63.8%。仿真结果表明GOLWL算法在与串行LWL算法求解精度一致的前提下,能有效学习船舶操纵运动特性。

关键词：并行计算 OpenMP GPU 局部加权学习船舶运动建模

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

基于局部加权学习的船舶航向保持自适应控制

基于局部加权学习的船舶航向保持自适应控制

作者：庞晓思大连海事大学

学位级别：硕士

智能化船舶是未来航运业发展的重要方向,作为船舶智能航行装置的航向控制系统,具有非线性和参数不确定的特点,因为神经网络和模糊系统在紧集内可发挥函数逼近能力,所以在船舶航向控制器设计中应用广泛。但由于神经网络和模糊系统存在的... 详细信息

智能化船舶是未来航运业发展的重要方向,作为船舶智能航行装置的航向控制系统,具有非线性和参数不确定的特点,因为神经网络和模糊系统在紧集内可发挥函数逼近能力,所以在船舶航向控制器设计中应用广泛。但由于神经网络和模糊系统存在的逼近误差会影响控制器性能,为改善此类问题,通过构造权值自适应律、基函数结构参数在线调节和节点自组织的局部加权学习算法,设计船舶航向控制器,进而提升船舶航向控制系统的整体控制性能。论文的研究围绕以下内容展开:(1)基于节点自组织的局部加权学习算法,设计控制律可切换的船舶航向控制器。结合动态面控制方法给出控制器的设计步骤,设计滑模控制器确保局部加权算法的输入向量在有限时间进入紧集。局部加权算法节点自增长策略引导系统自动添加节点,通过构造四次幂加权函数和权值自适应律,计算局部加权学习算法对系统中未知不确定项的估计,设计基于自组织结构局部加权方法的船舶航向控制器。利用MATLAB进行仿真,以“育龙”轮为仿真对象,与固定结构神经网络设计的船舶航向控制器进行对比,验证所设计船舶航向控制器的有效性和性能优越性。(2)针对局部加权学习算法输入向量不满足紧集先决条件和系统输出信号不连续的问题,设计基于输入饱和局部加权方法的船舶航向控制器。引入障碍李雅普诺夫函数,基于输入饱和局部加权方法设计船舶航向控制器,最大程度发挥局部加权学习算法的学习能力。通过构造高斯加权函数、连续变化的权值自适应律和控制律中光滑的饱和函数对控制器进行优化,确保系统输出连续光滑的控制信号。通过仿真实验,对比优化前后控制器的控制效果。研究结果证明了基于局部加权学习算法设计的船舶航向控制器性能的优越性。在实现船舶对给定航向跟踪的基础上,保证了系统的所有闭环信号一致有界且收敛速度较快,使控制器结构灵活且提升了系统的整体控制性能。对船舶的自主航行和自动避碰能力的提升,具有一定的参考价值和实际意义。

关键词：船舶航向保持控制局部加权学习自适应控制自组织逼近动态面控制方法

基于加权支持向量机的移动建模方法及其在软测量中的应用(英文)

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

自动化学报 2004年第3期30卷 436-441页

作者：冯瑞张玥杰张艳珠邵惠鹤复旦大学计算机科学与工程系上海200433 沈阳工业学院信息工程系沈阳110015 上海交通大学自动化系上海200030

工业过程软测量技术的核心问题是建立软测量模型,然而,利用传统全局建模方法与多模型建模方法进行复杂工业过程软测量建模时,在不同程度上存在一些问题.本文利用支持向量机(SVMs)泛化能力强的特点,结合局部加权学习(LWL)算法思想,提出... 详细信息

工业过程软测量技术的核心问题是建立软测量模型,然而,利用传统全局建模方法与多模型建模方法进行复杂工业过程软测量建模时,在不同程度上存在一些问题.本文利用支持向量机(SVMs)泛化能力强的特点,结合局部加权学习(LWL)算法思想,提出一种适于局部学习的加权支持向量机(W-SVMs)学习算法和基于这种算法的移动建模方法.利用这种建模方法对Box-Jenkins煤气炉和重油催化裂化(FCCU)装置进行分析建模,并与其它不同建模方法进行比较,显示了该方法的优点和有效性.

关键词：支持向量机加权支持向量机局部加权学习建模

在线全文

学校读者我要写书评

暂无评论

局部加权随机森林的冲击地压危险性等级预测

辽宁工程技术大学学报（自然科学版） 2017年第7期36卷 679-683页

作者：王彦彬田洪斌李昕璐辽宁工程技术大学工商管理学院辽宁葫芦岛125000

为对煤矿冲击地压危险性等级进行预测,综合考虑煤层厚度、煤层倾角、开采深度、顶板岩性、构造情况、开采方法、有无煤柱、采煤工艺等影响因素.采用局部加权学习方法建立冲击地压危险性等级预测模型,其中分类器选择随机森林,样本间距离... 详细信息

为对煤矿冲击地压危险性等级进行预测,综合考虑煤层厚度、煤层倾角、开采深度、顶板岩性、构造情况、开采方法、有无煤柱、采煤工艺等影响因素.采用局部加权学习方法建立冲击地压危险性等级预测模型,其中分类器选择随机森林,样本间距离采用欧氏距离函数进行计算.实验选取17组冲击地压数据进行研究,其中14组数据用于建立预测模型,采用十折交叉验证法对模型进行评价,并与采用决策树和朴素贝叶斯生成的模型进行比较,预测准确率得到较大提高,最后使用该模型对其它3组测试数据进行预测,预测结果与实际类别吻合.研究结果表明:采用局部加权随机森林方法可以建立泛化性能更好的冲击地压预测模型.

关键词：冲击地压等级预测局部加权学习随机森林十折交叉验证