检索结果-维普期刊中文期刊服务平台

基于电磁阀特性补偿的海水液压可调压载系统广义模型预测控制研究被引量：1: 1; 作者赵旭峰吴德发 +2 位作者李超刘银水李晓晖《液压与气动》北大核心 2017年第7期22-28,共7页; 海水液压是目前最具竞争力的可调压载系统实现方式之一,因其诸多优点,可调压载系统(WHVBS)被公认为是大深度载人潜水器浮力调节的理想方式。为提高现有WHVBS在较高采样频率下的流量控制精度,提出一种基于电磁阀特性补偿(SVC)的广义模型... 展开更多; 关键词潜器可调压载系统浮力调节系统广义模型预测控制特性补偿; 在线阅读下载PDF 职称材料

液位系统的多模型广义预测控制研究被引量：2: 2; 作者李灿军彭辉《计算机工程与应用》 CSCD 北大核心 2011年第27期236-238,242,共4页; 用多模型的广义预测控制器对复杂的非线性液位系统进行仿真控制。通过在覆盖工况的若干个平衡点采用最小二乘法离线辨识建立多个线性模型,形成非线性系统的多模型表示,然后对各个子模型分别设计子控制器,采用基于相对残差的方法来实现... 展开更多; 关键词多模型预测控制非线性系统多模型广义预测控制; 在线阅读下载PDF 职称材料

基于小脑模型的广义预测控制快速算法: 3; 作者王一晶左志强《燕山大学学报》 CAS 2001年第z1期64-66,共3页; 从状态空间的角度推导出广义预测控制算法,并利用小脑模型(CMAC)提出了一种新型广义预测控制快速算法,解决了传统GPC算法计算量大的问题.仿真结果表明该算法的有效性.; 关键词广义预测控制快速算法小脑模型.; 在线阅读下载PDF 职称材料

基于通道选择和多维特征融合的脑电信号分类被引量：2: 4; 作者杨淑莹国海铭李欣《计算机应用》 CSCD 北大核心 2023年第11期3418-3427,共10页; 针对多通道脑电信号(EEG)相互干扰、存在个体差异性导致分类结果不同和单域特征识别率低等问题,提出一种通道选择和特征融合的方法。首先,对获取到的EEG进行预处理,使用梯度提升决策树(GBDT)选出重要通道;其次,采用广义预测控制(GPC)模... 展开更多; 关键词脑电信号特征融合通道选择图卷积网络时序卷积网络广义预测控制模型; 在线阅读下载PDF 职称材料

题名基于电磁阀特性补偿的海水液压可调压载系统广义模型预测控制研究被引量：1: 1; 作者赵旭峰吴德发李超刘银水李晓晖; 机构华中科技大学机械学院液压气动技术中心厦门大学深圳研究院; 出处《液压与气动》北大核心 2017年第7期22-28,共7页; 基金国家自然科学基金(51575200) 国家重点研发计划(2016YFC0300600 2016YFC0304800); 文摘海水液压是目前最具竞争力的可调压载系统实现方式之一,因其诸多优点,可调压载系统(WHVBS)被公认为是大深度载人潜水器浮力调节的理想方式。为提高现有WHVBS在较高采样频率下的流量控制精度,提出一种基于电磁阀特性补偿(SVC)的广义模型预测控制方法(GPC),并进行仿真验证。结果表明,较GPC所提出的GPCSVC方法能实现较高频率下的小流量精确跟踪,并能避免流量控制元件非线性带来的辨识参数振荡问题。; 关键词潜器可调压载系统浮力调节系统广义模型预测控制特性补偿; Keywords submersible vehicle, variable ballast system, buoyancy control system, GPC, model-based compensation; 分类号 TH137 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名液位系统的多模型广义预测控制研究被引量：2: 2; 作者李灿军彭辉; 机构湖南网络工程职业学院信息工程系中南大学信息科学与工程学院; 出处《计算机工程与应用》 CSCD 北大核心 2011年第27期236-238,242,共4页; 文摘用多模型的广义预测控制器对复杂的非线性液位系统进行仿真控制。通过在覆盖工况的若干个平衡点采用最小二乘法离线辨识建立多个线性模型,形成非线性系统的多模型表示,然后对各个子模型分别设计子控制器,采用基于相对残差的方法来实现控制增量的加权以获取控制增量。通过对单容液位系统的仿真,表明该方法的有效性。; 关键词多模型预测控制非线性系统多模型广义预测控制; Keywords multiple model predictive control nonlinear system multiple-model generalized predictive control; 分类号 TP273 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于小脑模型的广义预测控制快速算法: 3; 作者王一晶左志强; 机构燕山大学电气工程学院; 出处《燕山大学学报》 CAS 2001年第z1期64-66,共3页; 文摘从状态空间的角度推导出广义预测控制算法,并利用小脑模型(CMAC)提出了一种新型广义预测控制快速算法,解决了传统GPC算法计算量大的问题.仿真结果表明该算法的有效性.; 关键词广义预测控制快速算法小脑模型.; 分类号 TP1 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于通道选择和多维特征融合的脑电信号分类被引量：2: 4; 作者杨淑莹国海铭李欣; 机构天津理工大学计算机科学与工程学院; 出处《计算机应用》 CSCD 北大核心 2023年第11期3418-3427,共10页; 基金 2019年天津市教育科学规划院教学成果奖重点培育项目(PYGJ-015) 2020年天津理工大学校级重点教学基金资助项目(ZD20-04)。; 文摘针对多通道脑电信号(EEG)相互干扰、存在个体差异性导致分类结果不同和单域特征识别率低等问题,提出一种通道选择和特征融合的方法。首先,对获取到的EEG进行预处理,使用梯度提升决策树(GBDT)选出重要通道;其次,采用广义预测控制(GPC)模型构建重要通道的预测信号,辨析多维相关信号之间的细微差别,再使用SE-TCNTA(Squeeze and Excitation block-Temporal Convolutional Network-Temporal Attention)模型提取不同帧之间的时序特征;然后,使用皮尔逊相关系数计算通道间的关系,提取EEG的频域特征和预测信号的控制量作为输入,建立空间图结构,并采用图卷积网络(GCN)提取频域、空域的特征;最后,将上述二者特征输入全连接层进行特征融合,实现EEG的分类。在公共数据集BCICIV_2a上的实验结果表明,在进行通道选择的情况下,与首个用于ERP检测的EEGInception模型以及同样采用双分支提取特征的DSCNN(Shallow Double-branch Convolutional Neural Network)模型方法相比,所提方法的分类准确率分别提升了1.47%和1.69%,Kappa值分别提升了1.25%和2.53%。所提方法能够提高EGG的分类精度,同时减少冗余数据对特征提取的影响,因此更适用于脑机接口(BCI)系统。; 关键词脑电信号特征融合通道选择图卷积网络时序卷积网络广义预测控制模型; Keywords ElectroEncephaloGraphy(EEG) feature fusion channel selection Graph Convolution Network(GCN) Temporal Convolutional Network(TCN) Generalized Predictive Control(GPC)model; 分类号 TP301.6 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于电磁阀特性补偿的海水液压可调压载系统广义模型预测控制研究	赵旭峰吴德发李超刘银水李晓晖	《液压与气动》北大核心	2017	1	在线阅读下载PDF 职称材料
2	液位系统的多模型广义预测控制研究	李灿军彭辉	《计算机工程与应用》 CSCD 北大核心	2011	2	在线阅读下载PDF 职称材料
3	基于小脑模型的广义预测控制快速算法	王一晶左志强	《燕山大学学报》 CAS	2001	0	在线阅读下载PDF 职称材料
4	基于通道选择和多维特征融合的脑电信号分类	杨淑莹国海铭李欣	《计算机应用》 CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料