检索结果-南通市图书馆

维普期刊数据库博看期刊

融合机制与高斯混合回归算法的成品油管道顺序输送混油长度预测模型

在线全文

学校读者我要写书评

暂无评论

中国石油大学学报（自然科学版） 2023年第2期47卷 123-128页

作者：袁子云刘刚陈雷邵伟明张钰晗中国石油大学(华东)储运与建筑工程学院山东青岛266580 山东省油气储运安全重点实验室山东青岛266580 国家石油天然气管网集团山东省分公司青岛作业区山东青岛266400

成品油管道顺序输送过程中会出现混油现象,精确预测混油长度对油品批次切割具有重要意义,混油长度机制模型存在精度不高,数值计算量庞杂等问题。当前基于机器学习算法构建的全局预测模型未考虑实际工况多模态特性,预测精度受限;直接引... 详细信息

成品油管道顺序输送过程中会出现混油现象,精确预测混油长度对油品批次切割具有重要意义,混油长度机制模型存在精度不高,数值计算量庞杂等问题。当前基于机器学习算法构建的全局预测模型未考虑实际工况多模态特性,预测精度受限;直接引入高斯混合回归算法辨识数据模态难以准确表征变量间复杂非线性关系。采用现有机制计算公式与高斯混合回归算法构建融合机制认知的局部建模算法,基于真实成品油管道顺序输送混油长度数据集进行不同模型预测结果对比试验。结果表明,融合机制认知与局部建模算法能有效表征变量间函数关系,新模型预测精度有明显优势。

关键词：成品油管道混油长度局部建模高斯混合回归机制-数据

在线全文

学校读者我要写书评

暂无评论

基于高斯混合回归的锂离子电池SOC估计

储能科学与技术 2020年第3期9卷 958-963页

作者：魏孟李嘉波叶敏高康平徐信芯长安大学公路养护装备国家工程实验室陕西西安710064

动力电池剩余电量的准确估算是电动汽车续航里程的重要依据和能量管理的基本前提,为降低电池系统因非线性,不平稳因素对荷电状态估计的不利影响。针对锂电池的状态数据采集存在非线性、不平稳以及外界干扰等问题,提出了基于高斯混合回... 详细信息

动力电池剩余电量的准确估算是电动汽车续航里程的重要依据和能量管理的基本前提,为降低电池系统因非线性,不平稳因素对荷电状态估计的不利影响。针对锂电池的状态数据采集存在非线性、不平稳以及外界干扰等问题,提出了基于高斯混合回归对荷电状态进行预测,以解决传统高斯过程模型含有异常数据和噪声的问题。利用K-means聚类算法与EM算法对高斯混合模型的超参数进行求解,然后采用高斯混合回归对输出的荷电状态进行预测。最后通过实验验证,并与高斯过程回归进行对比分析,验证了高斯混合回归算法在荷电状态估计过程中具有高精度和有效性。

关键词：动力电池荷电状态高斯过程回归高斯混合回归

基于仿射传播聚类的自适应数据空间划分及发酵过程高斯混合回归软测量模型建模（英文）

在线全文

学校读者我要写书评

暂无评论

计算机与应用化学 2017年第1期34卷 47-53页

作者：梅从立张海洋丁煜函江辉尹梁刘国海江苏大学电气信息工程学院江苏镇江212013

由于发酵过程存在多相和多模态特性,不满足高斯分布假设,使得传统软测量模型预测精度较低。基于高斯混合回归(GMR)的软测量模型能够很好的解决这个问题。然而,在确定混合高斯元数目上存在难度并且尚未得到解决。在本研究中,仿射传播聚... 详细信息

由于发酵过程存在多相和多模态特性,不满足高斯分布假设,使得传统软测量模型预测精度较低。基于高斯混合回归(GMR)的软测量模型能够很好的解决这个问题。然而,在确定混合高斯元数目上存在难度并且尚未得到解决。在本研究中,仿射传播聚类算法(AP)及其改进方法—自适应仿射传播聚类算法(ad AP)因其具有对数据空间进行自动划分的能力,被首次应用到基于高斯混合回归软测量建模数据预处理中。通过青霉素发酵过程仿真实验表明,仿射传播聚类方法和自适应仿射传播聚类方法都适用于高斯混合回归建模,但是后者对应软测量模型预测效果更好。

关键词：青霉素发酵过程软测量高斯混合回归仿射传播聚类自适应仿射传播聚类

按摩机器人优化示教策略及BPNN-DMPs轨迹学习模型

在线全文

学校读者我要写书评

暂无评论

华南理工大学学报（自然科学版） 2023年第12期51卷 1-8页

作者：翟敬梅路东伟华南理工大学机械与汽车工程学院广东广州510640

针对按摩机器人作业对象面貌个性化差异,引用动态运动基元(DMPs)模型泛化位姿轨迹和力轨迹。为提高DMPs学习精度,提出了优化示教策略,基于按摩区域Mediapipe特征点计算作业对象间相似度,以此优选学习对象;其次,引入高斯混合回归,算法综... 详细信息

针对按摩机器人作业对象面貌个性化差异,引用动态运动基元(DMPs)模型泛化位姿轨迹和力轨迹。为提高DMPs学习精度,提出了优化示教策略,基于按摩区域Mediapipe特征点计算作业对象间相似度,以此优选学习对象;其次,引入高斯混合回归,算法综合多次按摩信息以加强学习能力;最后,构建反向传播神经网络(BPNN)模型拟合DMPs算法的强迫项,从根本上改变了原本模型的局限性。实验表明,不增加运行时间下的BPNN-DMPs模型与DMPs、MDMPs和SADMPs算法相比,位置和姿态平均误差分别减少44.1%和54.5%、44.1%和54.5%、29.7%和46.4%。高斯混合回归能够综合多轨迹规律,优化示教策略实施效果显著,与未做优选对象相比,面部实验中的位置和姿态平均误差降低了52.3%和70.2%,标准差降低了46.3%和71.1%;背部实验中的位置、姿态和力平均误差降低了27.7%、66.7%和24.1%,标准差降低了25.7%、54.4%和44.1%。

关键词：按摩机器人动态运动基元优化示教策略特征匹配高斯混合回归反向传播神经网络

在线全文

学校读者我要写书评

暂无评论

基于时空局部学习的集成自适应软测量方法

仪器仪表学报 2023年第1期44卷 231-241页

作者：黄成金怀平王彬钱斌杨彪昆明理工大学信息工程自动化学院昆明650500 华能澜沧江水电股份有限公司昆明650214

集成软测量方法已被广泛应用于流程工业关键质量参数实时估计。但是,常规集成建模方法在基模型构建过程中往往局限于挖掘样本之间的空间关系,忽略了样本间的时序关系,从而导致过程局部状态挖掘不充分、基模型间多样性不足等问题。其次,... 详细信息

集成软测量方法已被广泛应用于流程工业关键质量参数实时估计。但是,常规集成建模方法在基模型构建过程中往往局限于挖掘样本之间的空间关系,忽略了样本间的时序关系,从而导致过程局部状态挖掘不充分、基模型间多样性不足等问题。其次,传统软测量方法由于缺乏自适应机制而无法有效处理过程时变特征,从而导致模型性能发生退化。为此,提出一种基于时空局部学习(STLL)的集成自适应软测量方法。该方法首先通过移动窗口、即时学习技术分别挖掘样本间的时序关系和空间关系,并采用统计假设检验实现冗余状态剔除,进而构建多样性的时空局部高斯混合回归(GMR)模型。然后,基于在线选择性集成策略实现局部预测结果的自适应融合。此外,引入双重自适应机制以缓解模型性能退化问题。实验结果显示,相较于非自适应全局GMR模型、时间局部学习集成GMR模型、空间局部学习集成GMR模型,所提方法在金霉素发酵过程中的预测精度分别提升了70.3%,14.9%,27.8%;在脱丁烷塔过程中,分别提升了31.9%,21.2%,19.3%。

关键词：软测量集成学习自适应机制概念漂移局部状态辨识高斯混合回归

在线全文

学校读者我要写书评

暂无评论

机器人操作技能模仿学习研究

机器人操作技能模仿学习研究

作者：李孟阳太原理工大学

学位级别：硕士

随着机器人技术得到愈加广泛的研究和应用,在人们生活中机器人参与的领域逐渐增加,利用机器人节省劳动力从而提高工作效率已经成为人类社会生活的趋势。人们对机器人要求越来越高,机器人智能化的程度也越来越高。作为机器学习的一个研... 详细信息

随着机器人技术得到愈加广泛的研究和应用,在人们生活中机器人参与的领域逐渐增加,利用机器人节省劳动力从而提高工作效率已经成为人类社会生活的趋势。人们对机器人要求越来越高,机器人智能化的程度也越来越高。作为机器学习的一个研究方向,模仿学习得到了越来越广泛的应用。本文以机器人的运动轨迹作为研究对象,对机器人运动轨迹的模仿学习方法展开分析研究。本文的主要研究内容如下:首先,本文对基于高斯混合模型(GMM)的模仿学习方法进行研究,并针对当前存在的示教过程中无法避免的人为误差以及进行模仿学习时易出现回归轨迹回归效果过好或者过差的问题,提出了一种基于高斯混合模型(GMM)的模仿学习优化方法。首先该方法设计了基于高斯噪声的优化策略,用来分散演示数据,消除示教轨迹中的不平滑特征;其次,提出了一种新的评价准则,用来平衡回归模型中回归效果过好或者过差的问题。并通过仿真验证所提出方法的有效性。其次,本文对基于动态运动基元(DMP)的模仿学习方法进行研究,并针对当前基于动态运动基元(DMP)的模仿学习方法参数较多以至于容易引起运算效率低下的问题以及通过动态运动基元(DMP)进行模仿学习时易出现示教轨迹运动特征丢失的问题,分析了一种基于动态运动基元-高斯混合模型(DMP-GMM)的模仿学习优化方法。该方法通过将高斯混合模型(GMM)、高斯混合回归(GMR)以及动态运动基元(DMP)相结合,先通过高斯混合模型以及高斯混合回归获得最优的示教轨迹,再对示教轨迹建立动态运动基元(DMP)进行模仿学习获得新的轨迹。并设计仿真,验证所提出方法的有效性。最后,设计机械臂拖动示教的实验,通过实验验证了基于高斯混合模型(GMM)的模仿学习方法和基于动态运动基元(DMP)的模仿学习方法的有效性,并通过实验结果对比,确认基于高斯混合模型(GMM)的模仿学习方法具有更大的优越性。

关键词：模仿学习高斯混合模型高斯混合回归动态运动基元拖动示教

按摩机器人轨迹示教学习策略与作业位置优化方法研究

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

按摩机器人轨迹示教学习策略与作业位置优化方法研究

作者：路东伟华南理工大学

学位级别：硕士

机器人在对人体进行康复、推拿和美容等按摩操作过程中,作业轨迹和按摩力度直接影响到机器人的作业效果。针对作业对象面貌个性化差异,提出了融合优化示教策略的神经网络与动态运动基元模型集成的轨迹学习方法。进一步,研究了机器人相... 详细信息

机器人在对人体进行康复、推拿和美容等按摩操作过程中,作业轨迹和按摩力度直接影响到机器人的作业效果。针对作业对象面貌个性化差异,提出了融合优化示教策略的神经网络与动态运动基元模型集成的轨迹学习方法。进一步,研究了机器人相对人体按摩区域的作业系统优化。首先,设计了机器人按摩作业系统框架,建立专业和成功的按摩轨迹案例库。提出优化示教策略,基于按摩区域Mediapipe特征点计算作业对象间相似度,为后续的示教学习筛选匹配度高的轨迹,提高学习的效果和效率。其次,为提高机器人按摩位置、姿态和力轨迹学习精度,在动态运动基元(DMPs)模型基础上,引入高斯混合回归,算法综合多次按摩信息以加强学习能力;构建反向传播神经网络(BPNN)模型拟合DMPs算法的强迫项,以此改变原本模型的局限性。第三,结合机器人作业区域按摩轨迹,建立了机器人的可达性约束和避碰约束,同时建立与机器人灵巧性相关的全局各向同性指标和与关节运动灵活性相关的关节角度指标,提出了基于多目标粒子群优化算法的机器人作业位置多目标优化设计方法。最后,以面部和背部按摩轨迹为例,开展融合优化示教策略的BPNN-DMPs轨迹学习模型实验,结果表明,BPNN-DMPs模型改变了现有DMPs模型的改进思路,大大降低了轨迹误差;选取相似度排名前30%-50%的范例进行示教学习,可以有效地提高轨迹精度。多目标作业系统优化仿真证明了多目标优化问题求解方案的有效性。

关键词：按摩机器人动态运动基元高斯混合回归反向传播神经网络作业位置优化

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

电力系统谐波阻抗估计方法研究

电力系统谐波阻抗估计方法研究

作者：唐文张西华大学

学位级别：硕士

科学技术的日新月异以及国民经济的稳步发展,“十四五”时期成为我国碳达峰的窗口期、关键期,风电光伏等新能源比例不断增加,电力系统面临“双高”、“双随机”两大难题。其中大功率电力电子设备广泛应用、非线性以及冲击性负荷大量接入... 详细信息

科学技术的日新月异以及国民经济的稳步发展,“十四五”时期成为我国碳达峰的窗口期、关键期,风电光伏等新能源比例不断增加,电力系统面临“双高”、“双随机”两大难题。其中大功率电力电子设备广泛应用、非线性以及冲击性负荷大量接入,催生出的各种电能质量问题一直是各电力部门、电力企业及多元用户侧关注的重点,亦是专家学者跟踪研究的热点。谐波发射水平估计始终是电能质量分析中绕不开的话题,其主要指标是谐波阻抗,因此准确合理地估计出谐波阻抗极其必要。本文围绕电力系统中谐波阻抗的估计方法,进行了以下研究:其一,提出一种基于最小二乘支持向量机(LS-SVM)估计系统谐波阻抗的新方法。利用最小二乘支持向量机构建回归模型,引入Lagrange乘子优化模型得到拉格朗日函数,从而得到模型参数。在公共连接点(Point of Common Coupling,PCC)处测量得到的谐波电压信号和谐波电流信号,代入最小二乘支持向量机模型,进而估计系统谐波阻抗。等值电路的仿真分析结果体现了该方法的准确性。误差分析证明了该方法相较于“二元线性回归法”和“支持向量机”具有更好的稳健性和精度。最后,通过对工程实测数据分析,对比其他谐波阻抗估计方法的计算结果,验证了该方法的有效性。其二,提出一种通过贝叶斯优化高斯过程回归(Bayesian Optimized Gaussian Process Regression,BO-GPR)的谐波阻抗计算方法,以PCC处获取的谐波电压和谐波电流为基础,采用贝叶斯优化的高斯过程回归对系统谐波阻抗进行计算。考虑背景谐波的影响,仿真分析中分别搭建带非高斯分布背景谐波和高斯分布背景谐波的谐波等效模型,分析不同背景谐波下此方法的准确性,通过误差对比分析评判其鲁棒性。实例分析进一步验证该方法的有效性。其三,提出一种基于高斯混合回归(Gaussian Mixture Regression,GMR)的谐波阻抗估计方法。通过测量公共连接点的谐波电压与谐波电流,引入高斯混合回归获得系统侧谐波阻抗。仿真分析中,为模拟电力系统中的不同系统结构导致谐波阻抗变化,分别搭建均匀分布和高斯分布的谐波阻抗估计模型,同时与现有方法进行误差比较,评判本章方法的准确性和稳健性。在实例分析中,采用均值、标准差、均方根误差等指标对本章方法进行评价,进一步证明其优越性。

关键词：谐波发射水平谐波阻抗最小二乘支持向量机拉格朗日函数高斯过程回归贝叶斯优化高斯混合回归

基于独立电驱动履带车辆的地面参量估计方法研究

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

兵工学报 2019年第6期40卷 1146-1153页

作者：梁文利陈慧岩王博洋北京理工大学机械与车辆学院

以独立电驱动履带车辆的大量试验数据为依托,提出一种基于驱动力统计学预测模型与车辆动力学模型相结合的算法,对道路阻力系数与转向阻力系数进行估计。根据过零航向角偏差点对车辆的行驶路径进行分割,并利用高斯混合模型对各路径段进... 详细信息

以独立电驱动履带车辆的大量试验数据为依托,提出一种基于驱动力统计学预测模型与车辆动力学模型相结合的算法,对道路阻力系数与转向阻力系数进行估计。根据过零航向角偏差点对车辆的行驶路径进行分割,并利用高斯混合模型对各路径段进行多元聚类,利用连续3个路径段的聚类标签表征运动基元的类型;以基元类型为依据实现数据的分组,利用高斯混合模型构建驱动力统计学预测模型。在进行地面参量估计时,当确定运动基元类型后,通过调用对应的驱动力统计学预测模型,利用高斯混合回归对两侧主动轮转矩进行预测。利用非线性最小二乘法,使得基于驱动力统计学预测模型得到的转矩预测值与基于动力学方程表征的转矩理论值误差最小,从而获得地面参量估计值。对实车采集到的数据进行处理,得到地面参量的测试值并与估计值进行对比,证明了该方法可以在使用较少传感器前提下,保证预测结果的精度与整体算法的效率。

关键词：履带车辆运动基元高斯混合模型高斯混合回归地面参量估计