检索结果-南通市图书馆

基于混合算法下RBF神经网络的执行机构非线性特性在线辨识与补偿

在线全文

学校读者我要写书评

暂无评论

动力工程学报 2024年第5期44卷 792-801页

作者：刘鑫屏陈艺文董子健华北电力大学控制与计算机工程学院河北保定071003

针对控制系统中执行机构非线性特性在线辨识及补偿问题,研究了一种基于变步长核最小均方(SVSKLMS)和遗传算法结合的混合径向基(VHRBF)神经网络。利用径向基(RBF)神经网络不依赖于精确的数学模型即可得到被控对象信息的特点,建立了控制... 详细信息

针对控制系统中执行机构非线性特性在线辨识及补偿问题,研究了一种基于变步长核最小均方(SVSKLMS)和遗传算法结合的混合径向基(VHRBF)神经网络。利用径向基(RBF)神经网络不依赖于精确的数学模型即可得到被控对象信息的特点,建立了控制系统执行机构的非线性特性模型;为解决传统RBF神经网络辨识性能差的问题,使用遗传算法(GA)对神经网络的中心向量和方差进行优化,利用SVSKLMS算法对RBF神经网络模型中的权重进行优化,进而得到最佳的RBF神经网络。基于VHRBF神经网络及其逆模型补偿器对执行机构非线性特性进行在线辨识及补偿。仿真结果表明:与其他算法训练下的RBF神经网络相比,所提出的VHRBF神经网络能够精确辨识并补偿执行机构的非线性特性,并且具有更快的收敛速度、更优的收敛性能。

关键词： RBF神经网络在线辨识与补偿执行机构非线性特性

在线全文

学校读者我要写书评

暂无评论

结构未知系统降维辨识方法——变量消去算法

控制与决策 2024年第1期39卷 171-179页

作者：陈晶程连元李俊红朱全民江南大学理学院江苏无锡214122 南通大学电气工程学院江苏南通226019 西英格兰大学工业设计和数学系英国布里斯托BS161QY

针对结构未知的系统提出一种新的降维辨识方法.借助核函数方法,利用一个高维Volterra模型逼近未知系统.由于Volterra模型未知参数维数较高,为避免高阶矩阵求逆和求特征值,提出变量消去算法,将高维系统的辨识问题转化为两个低维系统辨识... 详细信息

针对结构未知的系统提出一种新的降维辨识方法.借助核函数方法,利用一个高维Volterra模型逼近未知系统.由于Volterra模型未知参数维数较高,为避免高阶矩阵求逆和求特征值,提出变量消去算法,将高维系统的辨识问题转化为两个低维系统辨识问题.通过理论证明采用降维算法后降维系统信息矩阵条件数变小,参数收敛速度得到提高.进一步引入Aitken加速方法提高算法收敛速度,增强算法对步长的鲁棒特性.最后通过仿真例子验证所提出方法的有效性.

关键词：参数估计降维算法变量消去算法 Volterra模型结构未知系统矩阵条件数

在线全文

学校读者我要写书评

暂无评论

变负载机械手轨迹跟踪控制器设计

控制理论与应用 2024年第4期41卷 738-744页

作者：赵兴强刘振朱全民青岛大学自动化学院山东青岛266071 青岛大学山东省工业控制技术重点实验室山东青岛266071 英国西英格兰大学工程设计与数学系英国布里斯托BS161QY

本文针对具有变负载的不确定刚性机械手系统,提出了一种依赖平均驻留时间的神经网络自适应切换控制策略.本控制方案将夹持不同负载的刚性机械手系统视为切换系统,即根据负载的不同将整个系统分为若干子系统,并基于平均驻留时间原则对每... 详细信息

本文针对具有变负载的不确定刚性机械手系统,提出了一种依赖平均驻留时间的神经网络自适应切换控制策略.本控制方案将夹持不同负载的刚性机械手系统视为切换系统,即根据负载的不同将整个系统分为若干子系统,并基于平均驻留时间原则对每个子系统分别设计控制器.在各子系统中,分别采用径向基函数(RBF)神经网络逼近系统结构参数,以避免控制器对系统精确模型的依赖.同时,基于神经网络设计鲁棒补偿项,以抑制集总扰动对系统的影响.然后,利用多Lyapunov函数方法证明了轨迹跟踪误差的一致最终有界性.最后,通过仿真验证,所提出的控制方案不仅可实现变负载机械手期望轨迹的高精度跟踪,而且可有效削弱输入力矩的抖振.

关键词：切换控制器机械手神经网络平均驻留时间自适应控制

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

基于结构感知和全局上下文信息的小目标检测

计算机工程与应用 2024年第9期60卷 292-298页

作者：李钟华林初俊朱恒亮廖诗宇白云起福建理工大学计算机科学与数学学院福州350118

在小目标检测任务中,由于小目标像素值少、特征不丰富和难提取等局限性,容易导致模型漏检、误检以及精度低等问题,提出了一种基于多尺度结构感知和全局上下文信息的小目标检测算法。针对复杂场景设计了多尺度结构感知模块,可以更好地捕... 详细信息

在小目标检测任务中,由于小目标像素值少、特征不丰富和难提取等局限性,容易导致模型漏检、误检以及精度低等问题,提出了一种基于多尺度结构感知和全局上下文信息的小目标检测算法。针对复杂场景设计了多尺度结构感知模块,可以更好地捕获小目标的细节特征,以此增强模型识别不同尺寸物体的检测能力。为了获取更多的全局特征,借助Transformer捕获长距离依赖特征的优势设计了全局上下文信息模块,有效地建立起不同区域像素点之间的联系。针对模型训练时的梯度爆炸现象,设计了一种新的带权重损失函数W-CIoU,使得训练时的收敛速度有明显改善。大量的实验结果表明,提出的方法相较于其他经典的轻量级方法取得了较好的检测效果。与基准模型相比,提出的模型在VisDrone数据集上mAP50和mAP50:95分别提高了6.4和4.6个百分点,同时在TinyPerson数据集上也有着不错的表现。

关键词：小目标检测注意力机制上下文信息损失函数

在线全文

学校读者我要写书评

暂无评论

考虑新能源消纳的电动汽车有序充电控制策略

太阳能学报 2024年第8期45卷 94-103页

作者：马苗苗任智伟刘立成刘向杰华北电力大学控制与计算机工程学院北京102206 北京市电力公司北京100176

针对电动汽车集群入网进行无序充电会加剧峰谷差进而造成“峰上加峰”的问题,提出一种考虑新能源消纳的电动汽车分层式有序充电控制策略。首先,基于长短时间记忆神经网络理论,建立电动汽车充电负荷预测模型;其次,建立风光发电系统的数... 详细信息

针对电动汽车集群入网进行无序充电会加剧峰谷差进而造成“峰上加峰”的问题,提出一种考虑新能源消纳的电动汽车分层式有序充电控制策略。首先,基于长短时间记忆神经网络理论,建立电动汽车充电负荷预测模型;其次,建立风光发电系统的数学模型;最后,提出分层式有序充电控制策略,上层主控制系统制定电动汽车充电功率指导曲线,下层次级控制系统合理安排电动汽车充电计划,利用概率转移矩阵算法获得最佳充电控制策略。仿真结果表明,所提出的有序充电控制策略能够有效降低电网负荷峰谷差。

关键词：电动汽车神经网络新能源有序充电概率转移矩阵

在线全文

学校读者我要写书评

暂无评论

融合强化学习的三支治略选择及其有效性分析

计算机科学与探索 2024年第2期18卷 378-386页

作者：刘晓雪姜春茂哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025 福建理工大学计算机科学与数学学院福州350118

三支决策的“分、治、效”(TAO)模型包括构建三分、施加策略、结果评估三个部分。目前,关于结果评估的研究旨在衡量策略施加后结果的前后变化,还无法预测施加哪个策略能达到最大效果。为了解决这一问题,对TAO模型的“治”和“效”进行... 详细信息

三支决策的“分、治、效”(TAO)模型包括构建三分、施加策略、结果评估三个部分。目前,关于结果评估的研究旨在衡量策略施加后结果的前后变化,还无法预测施加哪个策略能达到最大效果。为了解决这一问题,对TAO模型的“治”和“效”进行了研究,提出一种基于强化学习的三支改变模型的策略选择与有效性预测的方法。首先将改变三支决策TAO模型中的改变三分状态和策略分别作为强化学习中的状态和动作,并将每次施加策略得到新的改变三分状态的过程看作一个周期,利用累积前景理论计算每个周期产生的奖励,将智能体与环境的交互过程用马尔可夫决策过程来表示;其次设置一个目标奖励,将各个周期的累计奖励达到目标奖励时的状态作为马尔可夫决策过程的终止状态;然后用Q-learning算法迭代出一个最短周期内达到目标奖励的策略序列,同时利用该策略序列预测当前改变三分状态的未来效用。最后使用一个实例体现出该方法实用性和有效性。

关键词：三支决策改变三支决策强化学习策略选择效用度量

基于平滑因子引入和神经网络优化的锂电池SOC估计方法

在线全文

学校读者我要写书评

暂无评论

电源技术 2024年第1期48卷 143-149页

作者：付炳喆李沂洹王玮李慷华北电力大学控制与计算机工程学院北京102206 利兹大学英国利兹LS29JT

为提高锂电池荷电状态(SOC)的估计精度,提出了一种基于平滑因子引入和神经网络优化的锂电池SOC估计方法。将黄金分割优选法和模糊C均值聚类算法应用于RBF神经网络,分别用来确定最佳隐含层神经元个数和径向基中心;采用遗传算法对高斯核... 详细信息

为提高锂电池荷电状态(SOC)的估计精度,提出了一种基于平滑因子引入和神经网络优化的锂电池SOC估计方法。将黄金分割优选法和模糊C均值聚类算法应用于RBF神经网络,分别用来确定最佳隐含层神经元个数和径向基中心;采用遗传算法对高斯核函数宽度及连接权值进行优化,解决了RBF神经网络结构和初始参数难以确定的问题。将滑动时间窗口内的放电容量作为平滑因子引入神经网络模型,增强了RBF网络对锂离子电池非线性特性拟合的能力。基于实验获得的锂离子电池在联邦城市行车计划(FUDS)工况下的数据,对所提出的方法进行仿真和验证,结果表明,所提方法显著提升了锂电池SOC的估计精度。

关键词：电池荷电状态径向基神经网络遗传算法模糊C均值聚类黄金分割优选法

在线全文

学校读者我要写书评

暂无评论

格上基于身份的变色龙签名方案

电子与信息学报 2024年第2期46卷 757-764页

作者：张彦华陈岩刘西蒙尹毅峰胡予濮郑州轻工业大学计算机与通信工程学院郑州450001 福州大学数学与计算机科学学院福州350108 西安电子科技大学通信工程学院西安710071

变色龙签名(CS)是一种比较理想的指定验证者签名,其采用变色龙哈希函数来实现签名的不可传递性,使得任意第三方不信任指定验证者所披露的内容,且避免了不可否认签名必须在线交互验证的缺陷。在满足不可传递性的同时,变色龙签名还要求满... 详细信息

变色龙签名(CS)是一种比较理想的指定验证者签名,其采用变色龙哈希函数来实现签名的不可传递性,使得任意第三方不信任指定验证者所披露的内容,且避免了不可否认签名必须在线交互验证的缺陷。在满足不可传递性的同时,变色龙签名还要求满足不可伪造性以及签名者可拒绝性和不可抵赖性等。针对基于大整数分解或离散对数等数论难题的变色龙签名无法抵御量子计算机攻击,以及用户对公钥数字证书依赖的问题,该文给出了格上基于身份的变色龙签名(IBCS),新方案避免了已有方案存在的签名者无法拒绝指定验证者伪造的签名的安全性漏洞,并将最终签名的传输开销由平方级降为线性级;进一步地,针对变色龙签名在仲裁阶段不可传递性失效的问题,给出了格上抗消息暴露的基于身份的变色龙签名,新方案使得签名者能够在不暴露消息内容的条件下拒绝任意敌手伪造的变色龙签名。特别地,基于格上经典的小整数解问题,两个方案在随机预言机模型下是可证明安全的。

关键词：变色龙签名格基于身份的密码不可传递性抗消息暴露

在线全文

学校读者我要写书评

暂无评论

面向图神经网络的节点重要性排序研究进展

计算机科学与探索 2024年

作者：曹璐丁苍峰马乐荣延照耀游浩洪安琪延安大学数学与计算机科学学院

节点重要性排序作为一项关键的图数据分析任务，对于识别和排序图中的重要节点至关重要。图神经网络（Graph Neural Networks，GNNs）作为一种利用深度学习直接对图结构数据进行学习的框架，能够充分学习图结构数据中的节点和边的内在... 详细信息

节点重要性排序作为一项关键的图数据分析任务，对于识别和排序图中的重要节点至关重要。图神经网络（Graph Neural Networks，GNNs）作为一种利用深度学习直接对图结构数据进行学习的框架，能够充分学习图结构数据中的节点和边的内在规律及更深层次的语义特征。在节点重要性排序任务中，GNNs能够充分利用图结构信息和节点特征进行节点重要性的评估。相比于传统的节点排序方法，GNNs可以更好地处理图结构数据的多样性和复杂性，捕捉节点间的复杂关联和语义信息，并自动学习节点特征表示，减少手工特征工程的偏差，提升节点重要性排序任务的准确性。因此，基于图神经网络的方法已成为节点重要性研究的主流方向。基于此，本文对近年来图神经网络的节点排序方法进行分类和综述。首先，梳理了节点排序、图神经网络及经典节点重要性度量指标的核心概念。其次，全面总结了基于图神经网络的节点重要性方法的最新进展，并根据基础图神经网络及其衍生的变体，将节点重要性排序方法分为四类：基础图神经网络、图卷积神经网络、图注意力网络和图自编码器。同时，分析这些方法在社交网络、交通网络和知识网络等下游任务中的性能表现。最后，对现有研究进行全面总结，分析现有方法的时间复杂度、优点、局限性和性能，并根据现有研究的不足讨论未来的研究方向。

关键词：节点重要性节点排序图神经网络表示学习