-
公开(公告)号：CN115609584B
公开(公告)日：2025-03-14
申请号：CN202211261371.6
申请日：2022-10-14
Applicant: 华南理工大学
IPC: B25J9/16
Abstract: 本发明提供了一种基于sigmoid型惩罚策略的机械臂运动规划方法，包括如下步骤：根据雅克比矩阵和预设的机械臂末端的目标轨迹，建立机械臂的逆运动学模型；根据机械臂实际的关节物理极限约束参数，建立机械臂的物理极限双端不等式约束；将机械臂的逆运动学模型、物理极限双端不等式约束制订为时变二次规划模型；设计基于sigmoid型惩罚策略的变参收敛微分神经网络求解时变二次规划模型；将求解得到的机械臂的各个角度信息传递给机械臂的下位机控制器，下位机控制器驱动机械臂运动，完成目标轨迹跟踪任务。本发明对冗余度机械重复运动进行求解具有计算效率高、实时性好、鲁棒性强的优点。
-
公开(公告)号：CN116500361A
公开(公告)日：2023-07-28
申请号：CN202310473006.X
申请日：2023-04-27
Applicant: 华南理工大学 , 佛山市顺德致可智能科技有限公司
Abstract: 本发明公开了一种基于BTO算法的避雷器老化在线监测方法、装置、设备及介质，该方法包括：根据能够反映避雷器老化状态的参数(即非线性系数k、α和电容C)建立适合的等效简化模型；搭建求解避雷器模型参数的BTO算法模型系统；获取避雷器的电压数据和泄漏电流数据；采用BTO算法模型系统寻求避雷器模型参数k、α、C的最优值；将求解出的模型参数最优值与避雷器初始安装时算法求解的模型参数值进行对比，即可对避雷器的老化情况做出准确评估。本发明采用的避雷器老化在线监测技术能够完全消除电网中谐波电压、电压波动和频率波动的干扰，所求解参数k、α、C的误差全部为0，具有优良的抗干扰性和稳定性，显著提高了避雷器老化在线监测的精度。
-
Patent Agency Ranking
公开(公告)号：CN114202059A
公开(公告)日：2022-03-18
申请号：CN202111408777.8
申请日：2021-11-24
Applicant: 华南理工大学
Abstract: 本发明提供了一种机器学习神经网络模型优化方法、系统与设备，所述方法包括下述步骤：1)建立系统的非凸损失函数，并将其一般化为非凸非线性优化问题；2)利用群搜索变参递归神经网络进行求解非凸非线性优化问题；3)根据步骤2中所求解的参数，优化机器学习中神经网络的参数，使损失函数最小。本发明结合双时间尺度神经动力学和粒子群算法的思想，得到一种新型的群体探索神经动态网络来求解机器学习中神经网络的非凸损失函数优化问题。本发明拥有在一次迭代中搜索全局最优解的能力，大大提高了模型求解效率，保证了损失函数达到最优值，从而可以得到优化后的机器学习模型，通过该机器学习模型可以有效提高在图像识别或图像分类中的精度。
-
公开(公告)号：CN114565028B
公开(公告)日：2024-11-29
申请号：CN202210143506.2
申请日：2022-02-16
Applicant: 华南理工大学
IPC: G06F18/241 , G06F18/213 , G06N3/04 , G06F18/10
Abstract: 本发明提供了一种运动想象脑电信号预测方法，包括如下步骤：对采集到用户运动想象脑电信号数据进行预处理；获取运动想象脑电信号数据的特征和标签，利用两类样本的间隔最大化准则建立一个二次规划问题；将二次规划问题通过拉格朗日乘子法和等价变换转换为分段线性投影方程；基于分段线性投影方程设计原对偶神经网络并求解问题；对偶神经网络的求解结果传递给运动想象脑电信号分类函数，从而得到脑电信号的预测结果。本发明用于运动想象脑电信号类别的预测问题，采用的支持向量神经网络方法是基于支持向量机模型发展而来的神经网络求解器，其预测准确率高、不涉及复杂的矩阵运算、收敛速度快，同时还具有实时性强、易于实现的优点。
-
公开(公告)号：CN114580513A
公开(公告)日：2022-06-03
申请号：CN202210178564.9
申请日：2022-02-24
Applicant: 华南理工大学
Abstract: 本发明提供了一种基于变参递归神经网络对脑电信号分类方法，包括以下步骤：通过电极帽采集用户脑电信号，然后对数据进行预处理；利用软间隔支持向量机原理，构建运动想象脑电信号分类器的凸二次规划问题；将凸二次规划问题引入罚函数以消除不等式约束；将带等式约束的凸二次规划问题通过变参递归神经网络进行求解；将凸二次规划问题的最优解代入分类器决策函数中，得到分类器决策函数；通过得到分类器决策函数判断新输入的运动想象脑电信号的类别，并将结果进行输出。本发明利用变参递归神经网络对运动想象脑电信号分类器的凸二次规划问题进行求解，具有收敛速度快，鲁棒性好，分类准率高的优点。
-
公开(公告)号：CN115609584A
公开(公告)日：2023-01-17
申请号：CN202211261371.6
申请日：2022-10-14
Applicant: 华南理工大学
IPC: B25J9/16
Abstract: 本发明提供了一种基于sigmoid型惩罚策略的机械臂运动规划方法，包括如下步骤：根据雅克比矩阵和预设的机械臂末端的目标轨迹，建立机械臂的逆运动学模型；根据机械臂实际的关节物理极限约束参数，建立机械臂的物理极限双端不等式约束；将机械臂的逆运动学模型、物理极限双端不等式约束制订为时变二次规划模型；设计基于sigmoid型惩罚策略的变参收敛微分神经网络求解时变二次规划模型；将求解得到的机械臂的各个角度信息传递给机械臂的下位机控制器，下位机控制器驱动机械臂运动，完成目标轨迹跟踪任务。本发明对冗余度机械重复运动进行求解具有计算效率高、实时性好、鲁棒性强的优点。
-
公开(公告)号：CN114565028A
公开(公告)日：2022-05-31
申请号：CN202210143506.2
申请日：2022-02-16
Applicant: 华南理工大学
Abstract: 本发明提供了一种运动想象脑电信号预测方法，包括如下步骤：对采集到用户运动想象脑电信号数据进行预处理；获取运动想象脑电信号数据的特征和标签，利用两类样本的间隔最大化准则建立一个二次规划问题；将二次规划问题通过拉格朗日乘子法和等价变换转换为分段线性投影方程；基于分段线性投影方程设计原对偶神经网络并求解问题；对偶神经网络的求解结果传递给运动想象脑电信号分类函数，从而得到脑电信号的预测结果。本发明用于运动想象脑电信号类别的预测问题，采用的支持向量神经网络方法是基于支持向量机模型发展而来的神经网络求解器，其预测准确率高、不涉及复杂的矩阵运算、收敛速度快，同时还具有实时性强、易于实现的优点。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
