检索结果-南通市图书馆

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

在线全文

学校读者我要写书评

暂无评论

基于即时学习的改进条件高斯回归软测量

化工学报 2024年第6期75卷 2299-2312页

作者：黎宏陶王振雷王昕华东理工大学能源化工过程智能制造教育部重点实验室上海200237 上海交通大学电工与电子技术中心上海200240

基于数据驱动的在线软测量是当前工业智能化感知的重要研究方向。在算法实际部署中,过程模态切换以及数据漂移都会导致软测量性能下降,传统自适应方法又存在模型单一、模态遗忘等不足。针对上述问题提出一种基于即时学习的样本时空加权... 详细信息

基于数据驱动的在线软测量是当前工业智能化感知的重要研究方向。在算法实际部署中,过程模态切换以及数据漂移都会导致软测量性能下降,传统自适应方法又存在模型单一、模态遗忘等不足。针对上述问题提出一种基于即时学习的样本时空加权条件高斯回归(STWCGR)软测量算法。该方法用概率密度估计和条件概率计算实现软测量建模和预测:首先根据即时学习思想通过样本时空混合加权方法筛选局部建模数据,然后结合高斯混合回归思想累积局部单高斯概率密度模型对数据分布进行拟合,最后引入预测动量更新和模态更新策略提高预测稳定性并赋予模型对新工况的学习适应能力。通过仿真实验验证了所提方法在预测精度、稳定性以及新模态适应能力上的有效性。

关键词：智能感知数据驱动软测量预测即时学习高斯混合回归

维普期刊数据库博看期刊

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

基于独立电驱动履带车辆的地面参量估计方法研究

在线全文

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

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

在书写任务中的基于轨迹匹配的模仿学习

北京工业大学学报 2016年第8期42卷 1144-1152页

作者：于建均门玉森阮晓钢徐骢驰北京工业大学电子信息与控制工程学院北京100124

针对书写任务中运动轨迹较复杂的问题,引入基于轨迹匹配的模仿学习算法对书写轨迹进行表征和泛化,进而实现机器人书写技能的获取.机器人从示教者处获取示教数据,利用高斯混合模型(Gaussian mixture model,GMM)进行编码,学习示教行为的... 详细信息

针对书写任务中运动轨迹较复杂的问题,引入基于轨迹匹配的模仿学习算法对书写轨迹进行表征和泛化,进而实现机器人书写技能的获取.机器人从示教者处获取示教数据,利用高斯混合模型(Gaussian mixture model,GMM)进行编码,学习示教行为的本质特征,通过高斯混合回归进行泛化处理,实现行为再现.实验结果表明:该方法具有良好的行为编码能力和抗干扰性,能够实现轨迹可连续的汉字书写,通过对GMM的扩展能够进行多任务学习,进而实现轨迹不可连续汉字的书写,泛化效果较好.

关键词：机器人模仿学习书写任务高斯混合模型高斯混合回归

基于Kinect的Nao机器人动作模仿系统的研究与实现

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2016年第2期11卷 180-187页

作者：于建均门玉森阮晓钢赵少琼北京工业大学电子信息与控制工程学院

为避开复杂繁琐的底层运动控制,使机器人能够通过学习实现运动技能的获取,有效提高其智能性,将体态感知技术与仿人机器人Nao相结合,以机器人的模仿学习框架为指导,开发并实现了基于Kinect的Nao机器人动作模仿系统。利用Kinect体感摄像... 详细信息

为避开复杂繁琐的底层运动控制,使机器人能够通过学习实现运动技能的获取,有效提高其智能性,将体态感知技术与仿人机器人Nao相结合,以机器人的模仿学习框架为指导,开发并实现了基于Kinect的Nao机器人动作模仿系统。利用Kinect体感摄像机的骨骼跟踪技术,采集示教者骨骼点信息,经预处理后得到示教数据,通过高斯混合模型(GMM)对示教数据进行表征学习,经高斯混合回归(GMR)泛化处理后,映射到Nao机器人中,实现动作的模仿。实验结果表明,Nao机器人能够进行实时和离线的动作模仿,运动轨迹平滑而稳定,动作模仿的效果较好。

关键词：模仿学习机器人控制体态感知概率模型高斯混合模型高斯混合回归

在线全文

学校读者我要写书评

暂无评论

协作机器人运动轨迹模仿学习方法研究

组合机床与自动化加工技术 2024年第10期 120-125页

作者：李平李利娜侯志利山西经济管理干部学院机电工程系太原030024 太原理工大学机械与运载工程学院太原030024 太原理工大学新型传感器与智能控制教育部重点实验室太原030024

在人机协作领域,模仿学习是广泛使用的机器人编程方法。在机器人对运动轨迹进行技能学习过程中,针对基于动态运动基元方法(dynamic movement primitives,DMP)只能从单条示教轨迹建模动作的局限性,提出了一种新的将高斯混合模型(gaussian... 详细信息

在人机协作领域,模仿学习是广泛使用的机器人编程方法。在机器人对运动轨迹进行技能学习过程中,针对基于动态运动基元方法(dynamic movement primitives,DMP)只能从单条示教轨迹建模动作的局限性,提出了一种新的将高斯混合模型(gaussian mixture model,GMM)、高斯混合回归(gaussian mixture regression,GMR)和改进的DMP三者相结合的运动轨迹模仿学习方法。该方法先将高斯噪声引入示教轨迹,消除由于示教数据中不可避免存在噪声等不平滑特征带来的不利影响;然后,为了减少单条示教轨迹的不确定性带来的动作建模误差,采用GMM从多条示教轨迹中对运动特征进行编码,使用GMR进行概率轨迹回归;其次,利用改进的DMP算法将轨迹进行泛化,提高机器人技能学习的适应性;最后,通过手写字母轨迹和协作机器人拖动轨迹技能学习试验验证了所提算法的有效性。

关键词：模仿学习轨迹建模动态运动基元高斯混合模型高斯混合回归