-
公开(公告)号：CN111650834A
公开(公告)日：2020-09-11
申请号：CN202010546838.6
申请日：2020-06-16
Applicant: 湖南工业大学
IPC: G05B13/04
Abstract: 针对现有污水处理控制技术中所存在的不足，发明一种基于极限学习机(ELM)的预测控制方法，本发明提出的方法通过采集污水过程数据，利用极限学习机建立包含污水过程溶解氧和硝态氮系统模型，准确描述系统实时状态，采用预测控制算法进行滚动优化，将控制目标及各种约束体现在优化性能指标中，并根据实时数据在线更新模型。实现了污水处理过程的流程优化控制，能根据控制情况及时调整控制量，保证控制过程的稳定，而且能够根据过程的变化情况进行自适应优化控制，使污水处理过程能耗降低。利用极限学习机作为预测控制的预测模型，不仅提高了系统的泛化性，避免了局部最优解，还提高了模型预测的速度，在获得相对高的精度时计算时间更短。
-
公开(公告)号：CN107947650B
公开(公告)日：2020-08-11
申请号：CN201711169166.6
申请日：2017-11-22
Applicant: 湖南工业大学
Abstract: 本发明针对无刷直流电机转子位置检测问题，提出了一种基于极限学习机(ELM)分类的无刷直流电机无位置传感器控制方法。本发明提出的基于极限学习机的无位置传感器控制是将无刷直流电机定子电压和电流作为极限学习机网络的输入，转子位置信息作为输出，将直流电机转子位置分为6个区域，每个区域又对应相应开关管的开通，即换相逻辑信号。通过ELM网络的训练确定网络参数，再把训练好的网络模型运用到电机运行中，即可利用电机定子电压和电流求出转子位置信息。本发明的无位置传感器控制方法不仅具有动态性能好，鲁棒性高等优点，同时极限学习机的运用提高了控制器的精确度，算法的学习速率快，提高了控制器反应速度。
-
公开(公告)号：CN111488785A
公开(公告)日：2020-08-04
申请号：CN201911272409.8
申请日：2019-12-12
Applicant: 湖南工业大学
Abstract: 针对现在很多回转窑企业采用的“人工看火”方法具有消耗人力、物力且准确度不高等问题，提出一种基于窑内图像的回转窑工况检测方法，采用方向梯度直方图(HOG)+极限学习机(ELM)的方法对回转窑火焰图像进行识别。首先对现场采集的图片进行降噪，分割，然后使用HOG算法对图片进行特征提取，获取图片特征数据，最后使用极限学习机算法对图片特征进行分类训练，获取训练模型，并对获得的训练模型进行测试。
-
-
公开(公告)号：CN109245651A
公开(公告)日：2019-01-18
申请号：CN201811180619.X
申请日：2018-10-09
Applicant: 湖南工业大学
IPC: H02P21/18
Abstract: 本发明针对无刷直流电机转子位置检测问题，提出了一种基于最小二乘支持向量机(LSSVM)多分类的无刷直流电机位置传感方法。其主要特征是将无刷直流电机定子电压和电流作为LSSVM的输入，转子位置信息作为输出，将直流电机转子位置分为6个区域，转子位置用所在区域序号1-6表示，每个LSSVM输出对应不同区域，组合成15个LSSVM二分类器，通过网格优化法对LSSVM网络训练确定LSSVM最优参数，再把训练好的网络模型运用到电机运行中，采集电机定子电压和电流作为LSSVM的输入，输出则为转子位置信息，采用投票法确定最终位置结果，通过转子位置推算逻辑换相信号，确定每个区域对应相应开关管的通断，即换相逻辑信号。
-
Patent Agency Ranking
公开(公告)号：CN109120192A
公开(公告)日：2019-01-01
申请号：CN201811180668.3
申请日：2018-10-09
Applicant: 湖南工业大学
Abstract: 本发明针对无刷直流电机转子位置检测问题，提出了一种基于最小二乘支持向量机(LSSVM)一对多分类的无刷直流电机位置传感方法。本发明提出方法是将无刷直流电机定子电压和电流作为LSSVM的输入，转子位置信息作为输出，将直流电机转子位置分为6个区域，转子位置用所在区域序号表示，每个区域对应一个LSSVM一对多分类器正样本，通过网格优化算法对LSSVM网络训练确定LSSVM分类器参数，再把训练好的分类模型运用到电机运行中，电机定子电压和电流作为LSSVM的输入，输出则为转子位置信息，通过转子位置推算逻辑换相信号，确定每个区域对应相应开关管的通断，即换相逻辑信号。
-
公开(公告)号：CN104595106B
公开(公告)日：2018-11-06
申请号：CN201410209306.8
申请日：2014-05-19
Applicant: 湖南工业大学
IPC: F03D7/00
Abstract: 本发明针对风力发电系统变桨距控制问题，提出了一种基于强化学习补偿算法的滑模变桨距控制方法。本专利提出的强化学习补偿算法是将滑模变结构控制和强化学习算法结合起来，基于模型的滑模变结构控制具有强鲁棒性和快速动态响应的特点，在滑模控制信号上叠加一个利用RBF神经网络实现的Actor‑Critic强化学习算法，该强化学习算法可以对系统中的不确定性、扰动和未建模部分进行动态补偿，滑模变结构控制保证初始控制性能，加快了整体算法收敛速度，利用梯度下降法更新网络的各项参数。本发明具有抗干扰好、对变化参数鲁棒性强以及速度快等优点,在保证功率输出稳定在额定值附近的同时，实现桨距角的平稳调节，减轻了机组疲劳度和组件间的磨损。
-
公开(公告)号：CN107085372A
公开(公告)日：2017-08-22
申请号：CN201710323347.3
申请日：2017-05-10
Applicant: 湖南工业大学
IPC: G05B13/04
CPC classification number: G05B13/042
Abstract: 本发明公开了一种基于自适应惯性权重萤火虫算法和多核最小二乘支持向量机预测模型的污水处理节能优化控制方法，属于智能型控制领域。包括：用多核最小二乘支持向量机对污水处理厂的能耗和出水水质建模、用改进的萤火虫算法对建立的模型参数进行优化、用改进的萤火虫算法对控制器的设定值进行优化。本发明用最小支持二乘向量机对污水处理厂的能耗和出水水质进行建模，引入多核的思想，用改进的萤火虫算法对模型参数寻优，使得能耗模型和出水水质模型的精度得到较大的提高；用改进的萤火虫算法对控制器的溶解氧浓度和硝态氮浓度设定值进行在线寻优，使得在满足出水水质的前提下，污水处理厂的能耗得到降低，达到污水处理过程节能优化的目的，相比较于其他算法，具有算法简单，使用参数少，收敛精度高等特点。
-
公开(公告)号：CN113359468B
公开(公告)日：2024-04-23
申请号：CN202110749367.3
申请日：2021-07-01
Applicant: 湖南工业大学
IPC: G05B13/04
Abstract: 本发明针对风力发电系统执行器恒偏差故障等两种常见故障引起的安全问题，发明了一种基于鲁棒自适应控制和滑模变结构控制的故障风机控制方法。首先采用多模型预测控制作为风力发电系统的故障容错策略，当风电系统发生故障时，根据故障类型切换相对应的控制策略，达到容错的目的。在此基础上，考虑到控制律应该具有泛用性，而非仅针对特定模型结构或特定参数，并考虑到故障风机模型误差以及障风机的参数具有不确定性，通过鲁棒自适应控制与滑模变结构控制增加故障容错控制的鲁棒性、自适应程度。该方法能够有效根据故障类型切换相对应的控制策略，达到稳定容错的目的。
-
公开(公告)号：CN107085372B
公开(公告)日：2024-03-19
申请号：CN201710323347.3
申请日：2017-05-10
Applicant: 湖南工业大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于自适应惯性权重萤火虫算法和多核最小二乘支持向量机预测模型的污水处理节能优化控制方法，属于智能型控制领域。包括：用多核最小二乘支持向量机对污水处理厂的能耗和出水水质建模、用改进的萤火虫算法对建立的模型参数进行优化、用改进的萤火虫算法对控制器的设定值进行优化。本发明用最小支持二乘向量机对污水处理厂的能耗和出水水质进行建模，引入多核的思想，用改进的萤火虫算法对模型参数寻优，使得能耗模型和出水水质模型的精度得到较大的提高；用改进的萤火虫算法对控制器的溶解氧浓度和硝态氮浓度设定值进行在线寻优，使得在满足出水水质的前提下，污水处理厂的能耗得到降低，达到污水处理过程节能优化的目的，相比较于其他算法，具有算法简单，使用参数少，收敛精度高等特点。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.028 seconds)
