一种基于多参数自适应神经网络的滑模控制器设计方法

    公开(公告)号:CN113589689B

    公开(公告)日:2024-01-02

    申请号:CN202110780669.7

    申请日:2021-07-09

    Applicant: 南昌大学

    Abstract: 本发明公开了一种基于多参数自适应神经网络的滑模控制器设计方法,包括:1,建立n自由度旋转关节刚性机械臂动力学模型;2,将步骤1中模型系统转化为基于关节位置的二阶状态方程,并为其设计快速终端滑模面;3,利用RBF神经网络对系统未知动力学参数进行逼近;4,设计自适应非奇异快速终端滑模控制器,并基于步骤3中的动力学参数逼近结果,实现机械臂的无模型控制。本发明适用于受到模型不确定性和外部干扰的影响的机械臂的轨迹跟踪控制,减少了控制设计程序中给出的自适应设计参数的数量,使得机器人动力学的未知非线性函数在RBFNN基础上进行了近似;还提高了误差的收敛速度和跟踪精度,实现了基于李雅普诺夫定理的全局渐近稳

    一种基于多参数自适应神经网络的滑模控制器设计方法

    公开(公告)号:CN113589689A

    公开(公告)日:2021-11-02

    申请号:CN202110780669.7

    申请日:2021-07-09

    Applicant: 南昌大学

    Abstract: 本发明公开了一种基于多参数自适应神经网络的滑模控制器设计方法,包括:1,建立n自由度旋转关节刚性机械臂动力学模型;2,将步骤1中模型系统转化为基于关节位置的二阶状态方程,并为其设计快速终端滑模面;3,利用RBF神经网络对系统未知动力学参数进行逼近;4,设计自适应非奇异快速终端滑模控制器,并基于步骤3中的动力学参数逼近结果,实现机械臂的无模型控制。本发明适用于受到模型不确定性和外部干扰的影响的机械臂的轨迹跟踪控制,减少了控制设计程序中给出的自适应设计参数的数量,使得机器人动力学的未知非线性函数在RBFNN基础上进行了近似;还提高了误差的收敛速度和跟踪精度,实现了基于李雅普诺夫定理的全局渐近稳定。

    基于改进缎蓝园丁鸟算法的主动配电网双层优化调度方法

    公开(公告)号:CN113595080B

    公开(公告)日:2022-01-11

    申请号:CN202111139215.8

    申请日:2021-09-28

    Applicant: 南昌大学

    Abstract: 本发明提供了基于改进缎蓝园丁鸟算法的主动配电网双层优化调度方法,包括以下步骤:建立考虑需求响应下的主动配电网整体经济性的双层优化调度模型,该模型是以配电网系统的运行成本最低为目标的双层非线性规划数学模型。上层以配电网分时电价为变量,目标函数为总运行成本,下层以主动配电网的可调度分布式电源机组出力为变量,目标函数为调度运行成本。利用改进型缎蓝园丁鸟算法对上下层进行寻优,本发明通过引入非线性的自适应机制,提高缎蓝园丁鸟算法对于复杂双层非线性规划问题的全局寻优能力,可有效提高主动配电网运行的经济性,具有实用价值。

    一种监控数据筛选方法及系统

    公开(公告)号:CN119271972B

    公开(公告)日:2025-03-21

    申请号:CN202411793947.2

    申请日:2024-12-09

    Abstract: 本发明提供一种监控数据筛选方法及系统,方法包括:基于决策属性自决策机构中获取若干个决策属性值,并赋予第一ID编号,以形成第一数据对,进而获取第一等价集合;自包括若干个监测属性的监测机构中获取监测值,并赋予第二ID编号,以形成第二数据对,进而获取第二等价集合;通过第一等价集合获取决策信息熵;基于第一等价集合及第二等价集合确定获取监测条件熵;基于决策信息熵及监测条件熵确定监测属性的增益值,通过增益值判断是否需过滤监测属性。基于以上方式,分析了监测属性与决策记录之间的关联程度,筛选出关联程度较低的所述监测属性,排除了较多的冗余数据和无效数据,提升了监测效率及监测准确性。

    一种监控数据筛选方法及系统

    公开(公告)号:CN119271972A

    公开(公告)日:2025-01-07

    申请号:CN202411793947.2

    申请日:2024-12-09

    Abstract: 本发明提供一种监控数据筛选方法及系统,方法包括:基于决策属性自决策机构中获取若干个决策属性值,并赋予第一ID编号,以形成第一数据对,进而获取第一等价集合;自包括若干个监测属性的监测机构中获取监测值,并赋予第二ID编号,以形成第二数据对,进而获取第二等价集合;通过第一等价集合获取决策信息熵;基于第一等价集合及第二等价集合确定获取监测条件熵;基于决策信息熵及监测条件熵确定监测属性的增益值,通过增益值判断是否需过滤监测属性。基于以上方式,分析了监测属性与决策记录之间的关联程度,筛选出关联程度较低的所述监测属性,排除了较多的冗余数据和无效数据,提升了监测效率及监测准确性。

Patent Agency Ranking