公开(公告)号：CN119002236B

公开(公告)日：2025-03-07

申请号：CN202411406722.7

申请日：2024-10-10

Applicant: 上海交通大学宁波人工智能研究院

Inventor： 裴国锦 ,  卫慧慧 ,  徐晨 ,  罗鹏程 ,  杨根科 ,  褚健

IPC: G05B11/42

Abstract: 本发明公开了一种基于KAN的分数阶PID控制器与参数整定方法，涉及PID控制技术领域，包括：步骤1、确定两个KAN子网络的结构并初始化网络，两个KAN子网络为整定网络KAN1和辨识网络KAN2；步骤2、采样得到被控对象的实际输出#imgabs0#，并与目标输出#imgabs1#进行对比，计算误差#imgabs2#；步骤3、将#imgabs3#、#imgabs4#、#imgabs5# 输入KAN1，KAN1输出分数阶PID控制器的五个可调参数#imgabs6#、#imgabs7#、#imgabs8#、#imgabs9#、#imgabs10#，其中，#imgabs11#是比例系数，#imgabs12#是积分系数，#imgabs13#是微分系数；步骤4、计算分数阶PID控制器的控制输出#imgabs14#，并输入给被控对象；步骤5、KAN1和KAN2调整不同节点的激活函数，实现分数阶PID控制器的自适应整定；步骤6、令#imgabs15#，返回步骤2；步骤7、对KAN1和KAN2进行剪枝。

公开(公告)号：CN119002236A

公开(公告)日：2024-11-22

申请号：CN202411406722.7

申请日：2024-10-10

Applicant: 上海交通大学宁波人工智能研究院

Inventor： 裴国锦 ,  卫慧慧 ,  徐晨 ,  罗鹏程 ,  杨根科 ,  褚健

IPC: G05B11/42

Abstract: 本发明公开了一种基于KAN的分数阶PID控制器与参数整定方法，涉及PID控制技术领域，包括：步骤1、确定两个KAN子网络的结构并初始化网络，两个KAN子网络为整定网络KAN1和辨识网络KAN2；步骤2、采样得到被控对象的实际输出#imgabs0#，并与目标输出#imgabs1#进行对比，计算误差#imgabs2#；步骤3、将#imgabs3#、#imgabs4#、#imgabs5# 输入KAN1，KAN1输出分数阶PID控制器的五个可调参数#imgabs6#、#imgabs7#、#imgabs8#、#imgabs9#、#imgabs10#，其中，#imgabs11#是比例系数，#imgabs12#是积分系数，#imgabs13#是微分系数；步骤4、计算分数阶PID控制器的控制输出#imgabs14#，并输入给被控对象；步骤5、KAN1和KAN2调整不同节点的激活函数，实现分数阶PID控制器的自适应整定；步骤6、令#imgabs15#，返回步骤2；步骤7、对KAN1和KAN2进行剪枝。

公开(公告)号：CN117253472B

公开(公告)日：2024-01-26

申请号：CN202311526608.3

申请日：2023-11-16

Applicant: 上海交通大学宁波人工智能研究院

Inventor： 卫慧慧 ,  徐晨 ,  裴国锦 ,  杨根科 ,  褚健

IPC: G10K11/178 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G10L25/30 ,  B60R16/037

Abstract: 本发明公开了一种基于生成式深度神经网络的多区域声场重建控制方法，涉及多区域声场重建和汽车分区域声场控制领域，包括：步骤1、设置若干个多区域声场重建控制的目标区域，测量得到最终的传递函数矩阵；步骤2、为每个目标区域设置通过扬声器阵列模拟出来的虚拟声源，得到每个目标区域的期望声场；步骤3、设计包括编码器、解码器和隐向量层的生成式深度神经网络，其中，隐向量层位于编码器和解码器之间，通过控制隐向量层得到扬声器阵列的滤波器或者驱动信号；步骤4、将目标区域的期望声场作为输入，对生成式深度神经网络进行训练；步骤5、使

公开(公告)号：CN117253472A

公开(公告)日：2023-12-19

申请号：CN202311526608.3

申请日：2023-11-16

Applicant: 上海交通大学宁波人工智能研究院

Inventor： 卫慧慧 ,  徐晨 ,  裴国锦 ,  杨根科 ,  褚健

IPC: G10K11/178 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G10L25/30 ,  B60R16/037

Abstract: 本发明公开了一种基于生成式深度神经网络的多区域声场重建控制方法，涉及多区域声场重建和汽车分区域声场控制领域，包括：步骤1、设置若干个多区域声场重建控制的目标区域，测量得到最终的传递函数矩阵；步骤2、为每个目标区域设置通过扬声器阵列模拟出来的虚拟声源，得到每个目标区域的期望声场；步骤3、设计包括编码器、解码器和隐向量层的生成式深度神经网络，其中，隐向量层位于编码器和解码器之间，通过控制隐向量层得到扬声器阵列的滤波器或者驱动信号；步骤4、将目标区域的期望声场作为输入，对生成式深度神经网络进行训练；步骤5、使用生成式深度神经网络生成扬声器阵列的滤波器或驱动信号。