-
公开(公告)号：CN105259754B
公开(公告)日：2018-07-10
申请号：CN201510665952.X
申请日：2015-10-16
Applicant: 华北理工大学
Abstract: 本发明涉及一种基于主动学习的板厚智能控制方法，属于智能控制技术领域，以神经网络可自学习的性能为理论依据，将动态神经网络与主动学习相结合，在线调整PID控制器参数，构建基于主动学习的发育模型，从而建立带钢厚度的智能控制系统，使板厚控制系统能够适时地进行自我调节，通过不断的训练动态神经网络优化板厚控制系统的控制性能。该方法为系统可在线调整控制参数提供了一种泛化能力强，适用范围广的数学模型；其次该方法将主动学习与动态神经网络相结合，通过主动学习采集网络训练样本，提高了网络自学习能力从而提高了系统的自适应能力，实现真正意义上的“智能”。
-
公开(公告)号：CN110231811B
公开(公告)日：2020-07-28
申请号：CN201910532635.9
申请日：2019-06-19
Applicant: 华北理工大学
IPC: G05B19/418 , G06N3/063 , G06N3/08
Abstract: 本发明涉及一种基于层级实时记忆算法的连铸下渣智能预报系统，属于人工智能技术领域。基于层级实时记忆算法的连铸下渣智能预报系统通过模拟新大脑皮层神经元结构与组织形式来构建，包括变量输入部分、序列预测部分、浇注状态评估部分和下渣预报部分。本发明提供的基于层级实时记忆算法的连铸下渣智能预报系统，以一种新型神经网络为基础，对现有的连铸生产检测数据进行预测，引出下渣预报机制，能够有效捕捉数据在时间维度上的特征信息，准确、快速地预报出下渣时间，解决了时间滞后的问题并其提高了下渣识别精度。
-
公开(公告)号：CN105700526A
公开(公告)日：2016-06-22
申请号：CN201610020090.X
申请日：2016-01-13
Applicant: 华北理工大学
IPC: G05D1/02
CPC classification number: G05D1/0221 , G05D2201/0217
Abstract: 本发明涉及了一种具有自主学习能力的在线序列极限学习机方法，属于智能机器人技术领域，一共分为九个部分，分别为外部状态集合、外部动作集合、奖赏信号、值函数、状态转移方程、极限学习机网络隐含层输出集合、中间参数转移方程、极限学习机输出集合、极限学习机输出权值转移方程。本发明提供的具有自主学习能力的在线序列极限学习机方法，以在线序列极限学习机为框架，结合强化Q学习，提出了一种具有自主学习能力的在线序列极限学习机方法，并将该模型运用到移动机器人路径规划研究中，使机器人根据外部环境的状态与奖励，实现自主学习导航，提高机器人在未知环境中的自主学习能力。
-
公开(公告)号：CN105205533B
公开(公告)日：2018-01-05
申请号：CN201510628233.0
申请日：2015-09-29
Applicant: 华北理工大学
IPC: G06N3/08
Abstract: 本发明涉及了具有脑认知机理的发育自动机及其学习方法，属于智能机器人技术领域。具有脑认知机理的发育自动机，包括内部状态集合，系统输出集合，内部操作行为集合，状态转移方程，奖赏信号，系统评价函数，系统动作选择概率，多巴胺响应差分信号。本发明提供的具有脑认知机理的发育自动机及其学习方法，以学习自动机为基础框架为系统自主发育过程提供了一种泛化能力强，适用范围广的数学模型；该方法将感觉运动系统与内在动机机制相结合，提高系统的自学习与自适应能力，实现真正意义上的智能。
-
公开(公告)号：CN105259754A
公开(公告)日：2016-01-20
申请号：CN201510665952.X
申请日：2015-10-16
Applicant: 华北理工大学
Abstract: 本发明涉及一种基于主动学习的板厚智能控制方法，属于智能控制技术领域，以神经网络可自学习的性能为理论依据，将动态神经网络与主动学习相结合，在线调整PID控制器参数，构建基于主动学习的发育模型，从而建立带钢厚度的智能控制系统，使板厚控制系统能够适时地进行自我调节，通过不断的训练动态神经网络优化板厚控制系统的控制性能。该方法为系统可在线调整控制参数提供了一种泛化能力强，适用范围广的数学模型；其次该方法将主动学习与动态神经网络相结合，通过主动学习采集网络训练样本，提高了网络自学习能力从而提高了系统的自适应能力，实现真正意义上的“智能”。
-
Patent Agency Ranking
公开(公告)号：CN108283777B
公开(公告)日：2023-03-14
申请号：CN201810363918.0
申请日：2018-04-22
Applicant: 华北理工大学
IPC: A63B21/055
Abstract: 本发明公开了一种改进的拉力器，包括两个手柄，两个手柄之间连接有若干条拉力弹簧，所述拉力弹簧外侧套设有橡胶套，橡胶套的任意一端固定连接在手柄上，橡胶套的内侧固定连接有基座，基座上安装有两个棘轮，两个棘轮的安装方向相反，棘轮的外侧轴接有若干个橡胶摩擦片，橡胶摩擦片与拉力弹簧选择性接触。本发明能够改进现有技术的不足，提高拉力器的使用便利性。
-
公开(公告)号：CN110231811A
公开(公告)日：2019-09-13
申请号：CN201910532635.9
申请日：2019-06-19
Applicant: 华北理工大学
IPC: G05B19/418 , G06N3/063 , G06N3/08
Abstract: 本发明涉及一种基于层级实时记忆算法的连铸下渣智能预报系统，属于人工智能技术领域。基于层级实时记忆算法的连铸下渣智能预报系统通过模拟新大脑皮层神经元结构与组织形式来构建，包括变量输入部分、序列预测部分、浇注状态评估部分和下渣预报部分。本发明提供的基于层级实时记忆算法的连铸下渣智能预报系统，以一种新型神经网络为基础，对现有的连铸生产检测数据进行预测，引出下渣预报机制，能够有效捕捉数据在时间维度上的特征信息，准确、快速地预报出下渣时间，解决了时间滞后的问题并其提高了下渣识别精度。
-
公开(公告)号：CN105700526B
公开(公告)日：2018-07-27
申请号：CN201610020090.X
申请日：2016-01-13
Applicant: 华北理工大学
IPC: G05D1/02
Abstract: 本发明涉及了一种具有自主学习能力的在线序列极限学习机方法，属于智能机器人技术领域，一共分为九个部分，分别为外部状态集合、外部动作集合、奖赏信号、值函数、状态转移方程、极限学习机网络隐含层输出集合、中间参数转移方程、极限学习机输出集合、极限学习机输出权值转移方程。本发明提供的具有自主学习能力的在线序列极限学习机方法，以在线序列极限学习机为框架，结合强化Q学习，提出了一种具有自主学习能力的在线序列极限学习机方法，并将该模型运用到移动机器人路径规划研究中，使机器人根据外部环境的状态与奖励，实现自主学习导航，提高机器人在未知环境中的自主学习能力。
-
公开(公告)号：CN105205533A
公开(公告)日：2015-12-30
申请号：CN201510628233.0
申请日：2015-09-29
Applicant: 华北理工大学
IPC: G06N3/08
Abstract: 本发明涉及了具有脑认知机理的发育自动机及其学习方法，属于智能机器人技术领域。具有脑认知机理的发育自动机，包括内部状态集合，系统输出集合，内部操作行为集合，状态转移方程，奖赏信号，系统评价函数，系统动作选择概率，多巴胺响应差分信号。本发明提供的具有脑认知机理的发育自动机及其学习方法，以学习自动机为基础框架为系统自主发育过程提供了一种泛化能力强，适用范围广的数学模型；该方法将感觉运动系统与内在动机机制相结合，提高系统的自学习与自适应能力，实现真正意义上的智能。
-
公开(公告)号：CN110276490A
公开(公告)日：2019-09-24
申请号：CN201910546354.9
申请日：2019-06-20
Applicant: 华北理工大学
Abstract: 本发明涉及连铸技术领域，具体是一种基于LSTM模型的连铸下渣智能预测方法。包括：按照预设的数据采集周期控制数据采集设备分别采集连铸钢包浇注过程中的与钢水液面位置相关的若干组参数；将若干组参数划分为输入数据组和真实数据组；将输入数据组和真实数据组作为原始数据以形成LSTM模型的训练集；使用局部加权回归方法对LSTM模型框架的原始数据进行平滑处理；将经过平滑处理后的原始数据输入LSTM模型框架，得到LSTM模型的输出结果；根据输出结果确定下渣预测数据。本发明不需要对钢包浇注系统结构进行改造，也不需要额外添加检测设备进行下渣检测，解决了现有的下渣检测方法需要对钢包浇注系统结构进行改造，额外添加检测设备才能进行下渣检测的问题。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.017 seconds)
