-
公开(公告)号：CN118963702B
公开(公告)日：2025-01-03
申请号：CN202411437688.X
申请日：2024-10-15
Applicant: 湘江实验室
Abstract: 本申请涉及一种基于注意力机制的局部线性展开系统辨识方法，该方法包括：对离散的一般形式的非线性系统进行数学描述，并以多种电路参数作为非线性系统的输入输出数据；基于非线性系统，并通过卡尔曼滤波器理论构建状态观测器；对非线性系统中的状态方程进行一阶泰勒级数展开，得到局部展开的非线性系统；基于局部展开的非线性系统和状态观测器，构建时间‑局部泰勒观测器；将时间‑局部泰勒观测器与深度注意力网络模块进行拟合处理，得到精确的时间‑局部泰勒观测器；将待预测的数据输入至精确的时间‑局部泰勒观测器，得到输出预测值，输出预测值为负载电压预测值。该方法实现了对具有一般形式或具体机理模型未知的非线性系统的观测与辨识。
-
公开(公告)号：CN118963702A
公开(公告)日：2024-11-15
申请号：CN202411437688.X
申请日：2024-10-15
Applicant: 湘江实验室
Abstract: 本申请涉及一种基于注意力机制的局部线性展开系统辨识方法，该方法包括：对离散的一般形式的非线性系统进行数学描述，并以多种电路参数作为非线性系统的输入输出数据；基于非线性系统，并通过卡尔曼滤波器理论构建状态观测器；对非线性系统中的状态方程进行一阶泰勒级数展开，得到局部展开的非线性系统；基于局部展开的非线性系统和状态观测器，构建时间‑局部泰勒观测器；将时间‑局部泰勒观测器与深度注意力网络模块进行拟合处理，得到精确的时间‑局部泰勒观测器；将待预测的数据输入至精确的时间‑局部泰勒观测器，得到输出预测值，输出预测值为负载电压预测值。该方法实现了对具有一般形式或具体机理模型未知的非线性系统的观测与辨识。
-
公开(公告)号：CN118789557A
公开(公告)日：2024-10-18
申请号：CN202411264530.7
申请日：2024-09-10
Applicant: 湘江实验室
IPC: B25J9/16
Abstract: 本发明公开了一种柔性关节空间机器人无速度反馈分散容错控制方法，包括以下步骤：S1：构建载体位姿均不受控的柔性关节空间机器人系统的动力学模型；S2：引入柔性补偿器；基于奇异摄动法，将模型分解为表示关节柔性振动的快变子系统和表示臂杆轨迹跟踪的慢变子系统；S3：对于快变子系统，设计力矩微分反馈控制器；S4：对于慢变子系统，利用速度观测器识别关节角速度，并借助分散神经网络识别模型的不确定项和故障项，据此设计一种无速度反馈分散容错控制方法；本发明的有益技术效果为：解决了奇异摄动法无法应用于关节刚度较小的机器人系统的问题、借助分散神经网络重构模型提升空间机器人的任务执行效率和机械臂可以稳定跟踪期望轨迹。
-
公开(公告)号：CN118690792A
公开(公告)日：2024-09-24
申请号：CN202411159541.9
申请日：2024-08-22
Applicant: 湘江实验室
IPC: G06N3/0455 , G06N3/06 , G06N3/08
Abstract: 本申请涉及一种基于特性正则化堆叠自编码器的多输出软测量方法，收集并归一化处理工业生产过程数据；训练集根据质量变量的采样率不同构建多输出特性学习训练集；将多输出特性学习训练集输入至特性正则化堆叠自编码器，计算出隐含特征；计算隐含特征与质量变量的平均斯皮尔曼系数；基于平均斯皮尔曼系数计算出特性正则化目标函数，更新特性正则化堆叠自编码器的网络参数，得到深度共性特征；基于深度共性特征训练多输出特性学习网络，得到基于特性正则化堆叠自编码器的多输出软测量模型；将测试集中的过程变量输入至多输出软测量模型，输出过程变量对应的多输出质量变量的预测值。该方法可以提高工业过程多采样率多输出过程质量变量的预测准确度。
-
公开(公告)号：CN117875398A
公开(公告)日：2024-04-12
申请号：CN202410278737.3
申请日：2024-03-12
Applicant: 湘江实验室
Abstract: 本申请涉及一种可学习极点配置的一类非线性系统灰箱辨识方法，该方法包括：构建出系统的状态空间方程；基于系统的状态空间方程构建状态观测器；对状态观测器进行迭代，得到状态观测策略并学习到状态可重构性映射；采用全连接神经网络，并基于状态可重构性映射构建状态重构网络；对状态重构网络进行极点配置以及训练，得到完备的状态重构网络；基于一类非线性系统的输入、输出数据，并通过完备的状态重构网络对系统的状态空间方程进行系统状态估计及参数辨识。该方法具有较好的可解释性，且在状态可重构网络训练过程中在达到最小化损失的同时可实现极点的自适应配置，能够有效地对一类非线性系统进行状态估计及参数辨识。
-
Patent Agency Ranking
公开(公告)号：CN119202557B
公开(公告)日：2025-03-14
申请号：CN202411677300.3
申请日：2024-11-22
Applicant: 湘江实验室
IPC: G06F18/15 , G06N3/044 , G06N3/047 , G06N3/0475 , G06N3/084 , G06F18/214
Abstract: 本发明属于工业数据补全方法技术领域，具体公开了一种基于位置编码自适应深度置信网络的数据补全方法，在将训练集的数据及其位置编码结合为位置编码数据层并从而预训练位置编码自适应深度置信网络，从而能够考虑到确实数据的位置信息，提高了预测模型的预测精度；并且能够筛选相似样本集在基础全局模型上进行快速微调，获得最优局部工业数据补全模型，从而在时变性较强的工业系统中能够不断保持较高的数据补全精度。
-
公开(公告)号：CN119202557A
公开(公告)日：2024-12-27
申请号：CN202411677300.3
申请日：2024-11-22
Applicant: 湘江实验室
IPC: G06F18/15 , G06N3/044 , G06N3/047 , G06N3/0475 , G06N3/084 , G06F18/214
Abstract: 本发明属于工业数据补全方法技术领域，具体公开了一种基于位置编码自适应深度置信网络的数据补全方法，在将训练集的数据及其位置编码结合为位置编码数据层并从而预训练位置编码自适应深度置信网络，从而能够考虑到确实数据的位置信息，提高了预测模型的预测精度；并且能够筛选相似样本集在基础全局模型上进行快速微调，获得最优局部工业数据补全模型，从而在时变性较强的工业系统中能够不断保持较高的数据补全精度。
-
公开(公告)号：CN118690791B
公开(公告)日：2024-10-29
申请号：CN202411157823.5
申请日：2024-08-22
Applicant: 湘江实验室
IPC: G06N3/0455 , G06N3/09
Abstract: 本申请涉及一种基于权值分块更新自编码器的多采样率软测量方法，采集并归一化处理工业过程中的历史数据；在训练集中，将采样率相同的过程变量作为一个组合，并按照采样率从高到低对多个组合进行排序，得到多采样率数据；构建权值分块更新自编码器，基于多采样率数据初步训练权值分块更新自编码器；在初步训练后的权值分块更新自编码器后端添加两层全连接神经网络，并通过带有质量变量的多采样率数据对其进行有监督调整，得到基于权值分块更新自编码器的多采样率软测量模型；将测试集中的过程变量输入至多采样率软测量模型，输出对应的质量变量估计值。该方法提高了多采样率数据的软测量性能，具有训练速度快，预测精度高的特点。
-
公开(公告)号：CN118690791A
公开(公告)日：2024-09-24
申请号：CN202411157823.5
申请日：2024-08-22
Applicant: 湘江实验室
IPC: G06N3/0455 , G06N3/09
Abstract: 本申请涉及一种基于权值分块更新自编码器的多采样率软测量方法，采集并归一化处理工业过程中的历史数据；在训练集中，将采样率相同的过程变量作为一个组合，并按照采样率从高到低对多个组合进行排序，得到多采样率数据；构建权值分块更新自编码器，基于多采样率数据初步训练权值分块更新自编码器；在初步训练后的权值分块更新自编码器后端添加两层全连接神经网络，并通过带有质量变量的多采样率数据对其进行有监督调整，得到基于权值分块更新自编码器的多采样率软测量模型；将测试集中的过程变量输入至多采样率软测量模型，输出对应的质量变量估计值。该方法提高了多采样率数据的软测量性能，具有训练速度快，预测精度高的特点。
-
公开(公告)号：CN117150243B
公开(公告)日：2024-01-30
申请号：CN202311405875.5
申请日：2023-10-27
Applicant: 湘江实验室
IPC: G06F18/20 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/096 , G06F18/213
Abstract: 本申请涉及一种基于故障影响解耦网络的故障隔离与估计方法，包括：获取真实正常样本，基于所述真实正常样本预先训练变分自编码器；基于并行前向传播原理构建解耦网络，基于解耦网络获取互不相关的输入‑输出变量；设计一迁移学习框架，随机生成故障数据集；基于所述真实正常样本以及所述故障数据集，并通过变分自编码器以及迁移损失辅助训练所述解耦网络学习一个故障移除映射关系；训练好的解耦网络所生成的特征作为故障检测指标，基于所述故障检测指标进行故障评估，并预测故障信号。该方法保障了模型的故障可隔离性。(56)对比文件Hanmin Lee等.Aircraft Actuator FaultDetection and Isolation using PiecewiseConstant Fault Estimation Scheme《.AIAASciTech》.2016,第1-9页.
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.019 seconds)
