公开(公告)号：CN114298382B

公开(公告)日：2025-03-14

申请号：CN202111521809.5

申请日：2021-12-13

Applicant: 燕山大学

Inventor： 张立杰 ,  陈夏非 ,  吴焕春 ,  苑雷扬 ,  强红宾 ,  薛大鹏

IPC: G06Q10/04 ,  G06N3/0499 ,  G06F17/18

Abstract: 本发明提供了一种船体运动位姿极短期实时预报方法，其包括：在满足香农采样定理的条件下，以较大采样周期采集船体运动位姿数据，建立AR模型，采用贝叶斯信息BIC准则确定AR模型的阶数，采用限定记忆的递推最小二乘算法进行AR模型参数的在线更新，采用滚动预报的方式进行船体运动位姿多步预报，将预报所得的数据与一定时长的历史数据组合在一起，建立RBF神经网络模型进行拟合插值，获取船体运动位姿极短期预报数据。本发明采用限定记忆的递推最小二乘算法进行在线更新，建立RBF神经网络模型进行拟合插值，可有效提高预报算法的实时性，具有较高的预报准确性。

公开(公告)号：CN114329825B

公开(公告)日：2024-08-16

申请号：CN202111566416.6

申请日：2021-12-20

Applicant: 燕山大学

Inventor： 张立杰 ,  吴焕春 ,  戴闯 ,  许磊涛

IPC: G06F30/17 ,  G06F30/27 ,  B25J9/16

Abstract: 本发明涉及一种改进的Stewart并联机构正运动学参数求解方法，其包括以下步骤，步骤一：搭建Stewart并联机构平台，根据平台的实际参数确定平台铰点的初始坐标；步骤二：根据给定随机位姿计算出训练样本；步骤三：利用SSA优化BP神经网络得到位置正解；步骤四：应用NAd1法求解并联机构平台正运动学的结果。本发明提出了NAd1法与SSA算法优化神经网络结合的混合算法，有效解决了Stewart并联机构平台正运动学求解问题；本发明的应用有效减小了Stewart并联机构平台正运动学计算结果的误差，并能解决局部最优问题；提高了算法整体迭代精度，减少了迭代次数。

公开(公告)号：CN114329825A

公开(公告)日：2022-04-12

申请号：CN202111566416.6

申请日：2021-12-20

Applicant: 燕山大学

Inventor： 张立杰 ,  吴焕春 ,  戴闯 ,  许磊涛

IPC: G06F30/17 ,  G06F30/27 ,  B25J9/16

Abstract: 本发明涉及一种改进的Stewart并联机构正运动学参数求解方法，其包括以下步骤，步骤一：搭建Stewart并联机构平台，根据平台的实际参数确定平台铰点的初始坐标；步骤二：根据给定随机位姿计算出训练样本；步骤三：利用SSA优化BP神经网络得到位置正解；步骤四：应用NAd1法求解并联机构平台正运动学的结果。本发明提出了NAd1法与SSA算法优化神经网络结合的混合算法，有效解决了Stewart并联机构平台正运动学求解问题；本发明的应用有效减小了Stewart并联机构平台正运动学计算结果的误差，并能解决局部最优问题；提高了算法整体迭代精度，减少了迭代次数。

公开(公告)号：CN114298382A

公开(公告)日：2022-04-08

申请号：CN202111521809.5

申请日：2021-12-13

Applicant: 燕山大学

Inventor： 张立杰 ,  陈夏飞 ,  吴焕春 ,  苑雷扬 ,  强红宾 ,  薛大鹏

IPC: G06Q10/04 ,  G06N3/08 ,  G06N3/04 ,  G06F17/18

Abstract: 本发明提供了一种船体运动位姿极短期实时预报方法，其包括：在满足香农采样定理的条件下，以较大采样周期采集船体运动位姿数据，建立AR模型，采用贝叶斯信息BIC准则确定AR模型的阶数，采用限定记忆的递推最小二乘算法进行AR模型参数的在线更新，采用滚动预报的方式进行船体运动位姿多步预报，将预报所得的数据与一定时长的历史数据组合在一起，建立RBF神经网络模型进行拟合插值，获取船体运动位姿极短期预报数据。本发明采用限定记忆的递推最小二乘算法进行在线更新，建立RBF神经网络模型进行拟合插值，可有效提高预报算法的实时性，具有较高的预报准确性。