一类具有Leakage时滞的惯性Cohen-Grossberg神经网络的全局指数稳定性和Hopf分支 被引量：3

1

作者 田晓红 徐瑞 王志丽 《高校应用数学学报（A辑）》 CSCD 北大核心 2016年第4期428-440,共13页

研究一类具有Leakage时滞的惯性Cohen-Grossberg神经网络模型.通过构造适当的Lyapunov泛函得到了平衡点全局指数稳定的充分条件.通过分析特征方程,讨论了系统平衡点的局部稳定性,得出了系统Hopf分支存在的充分条件.最后对所得理论结果... 研究一类具有Leakage时滞的惯性Cohen-Grossberg神经网络模型.通过构造适当的Lyapunov泛函得到了平衡点全局指数稳定的充分条件.通过分析特征方程,讨论了系统平衡点的局部稳定性,得出了系统Hopf分支存在的充分条件.最后对所得理论结果进行了数值模拟. 展开更多

关键词 惯性cohen-grossberg神经网络模型 Leakage时滞 HOPF分支 全局指数稳定性

在线阅读 下载PDF 职称材料

基于传感器的操作臂惯性参数在线识别神经网络模型

2

作者 干方建 刘正士 《机械科学与技术》 CSCD 北大核心 2003年第1期168-170,共3页

机器人惯性参数识别是机器人精确建模以及机器人控制和仿真的关键问题之一。机器人腕力传感器的接入将影响机器人系统的动力学特性 ,同时腕力传感器的输出也真实地反映了机器人的力作用和机器人末端的动力学特性。本文基于腕力传感器的... 机器人惯性参数识别是机器人精确建模以及机器人控制和仿真的关键问题之一。机器人腕力传感器的接入将影响机器人系统的动力学特性 ,同时腕力传感器的输出也真实地反映了机器人的力作用和机器人末端的动力学特性。本文基于腕力传感器的输出信号 ,对在线识别机器人操作臂末端的惯性参数的方法进行了分析和研究 ,并建立了惯性参数在线识别的神经网络模型 ,网络学习后其权值即为辨识的惯性参数。 展开更多

关键词 神经网络模型 腕力传感器 机器人操作臂 惯性参数 识别

在线阅读 下载PDF 职称材料

Cohen-Grossberg神经网络稳定性分析 被引量：4

3

作者 武怀勤 秦雷杰 +2 位作者 石蕊 冯涛 贺丽君 《辽宁工程技术大学学报（自然科学版）》 CAS 北大核心 2011年第3期451-454,共4页

为了研究具有逆Lipschitz激励函数的Cohen-Grossberg神经网络的稳定性,应用Brouwer拓扑度性质和线性矩阵不等式技术,探讨了Cohen-Grossberg神经网络的平衡点的存在性及唯一性。通过构造合适的Lyapunov函数和利用Lyapunov对角稳定性矩阵... 为了研究具有逆Lipschitz激励函数的Cohen-Grossberg神经网络的稳定性,应用Brouwer拓扑度性质和线性矩阵不等式技术,探讨了Cohen-Grossberg神经网络的平衡点的存在性及唯一性。通过构造合适的Lyapunov函数和利用Lyapunov对角稳定性矩阵,给出了唯一平衡点全局指数稳定的充分条件。 展开更多

关键词 神经网络 cohen-grossberg模型 逆Lipschitz函数 Brouwer拓扑度 稳定性分析

在线阅读 下载PDF 职称材料

基于灰色模型与小波神经网络的卫星钟差预报方法 被引量：12

4

作者 王宇谱 吕志平 +1 位作者 陈正生 黄令勇 《大地测量与地球动力学》 CSCD 北大核心 2014年第3期155-159,共5页

提出一种基于灰色模型和小波神经网络相结合的卫星钟差预报方法。首先通过灰色模型对钟差进行拟合并确定钟差预报的灰色模型,然后根据拟合残差对小波神经网络进行建模,最后将两种模型对应的预报结果结合得到钟差预报值。使用IGS精密钟... 提出一种基于灰色模型和小波神经网络相结合的卫星钟差预报方法。首先通过灰色模型对钟差进行拟合并确定钟差预报的灰色模型,然后根据拟合残差对小波神经网络进行建模,最后将两种模型对应的预报结果结合得到钟差预报值。使用IGS精密钟差进行实验,证明该方法的预报效果优于二次多项式模型和灰色模型,特别是对于ⅡR型铷钟和ⅡF型铷钟,其预报精度可以提高2倍以上。 展开更多

关键词 卫星钟差预报 灰色模型 小波神经网络 惯性制导系统 组合预报模型

在线阅读 下载PDF 职称材料

基于LSTM深度神经网络的MEMS-IMU误差模型及标定方法 被引量：18

5

作者 李荣冰 鄢俊胜 +1 位作者 刘刚 刘建业 《中国惯性技术学报》 EI CSCD 北大核心 2020年第2期165-171,共7页

针对微惯性传感器受热、力学等环境的影响显著,传统的多项式误差模型补偿效果不理想的问题,建立一种基于长短时记忆(LSTM)深度神经网络的MEMS-IMU误差模型。模型输入信息为MEMS-IMU输出的角速度、加速度、温度,输出为角速度误差、加速... 针对微惯性传感器受热、力学等环境的影响显著,传统的多项式误差模型补偿效果不理想的问题,建立一种基于长短时记忆(LSTM)深度神经网络的MEMS-IMU误差模型。模型输入信息为MEMS-IMU输出的角速度、加速度、温度,输出为角速度误差、加速度误差。同时,设计了基于长短时记忆神经网络的MEMS-IMU误差模型标定流程,构建了MEMS-IMU热、线运动、角运动等多维误差因素的综合激励训练集,对长短时记忆神经网络模型进行训练。对训练得到的模型进行验证,结果表明,相对于传统方法,采用所提出的模型对加速度和角速度进行误差补偿后残差均值减小约70%,均方差分别减小39%和64%,补偿效果更好。 展开更多

关键词 微惯性测量单元 长短时记忆神经网络 误差模型 标定

在线阅读 下载PDF 职称材料

基于惯性传感器和LSTM神经网络的人体运动识别方法 被引量：14

6

作者 佟丽娜 马航航 彭亮 《传感技术学报》 CAS CSCD 北大核心 2020年第11期1536-1543,共8页

面向人体惯性运动捕捉系统,提出一种基于长短期记忆网络(LSTM)的人体运动模式识别方法。设计1个包含2层LSTM层的深度学习神经网络对人体三维加速度信息进行自动特征提取并对多类运动模式进行时序建模,从而实现对运动模式的快速实时识别... 面向人体惯性运动捕捉系统,提出一种基于长短期记忆网络(LSTM)的人体运动模式识别方法。设计1个包含2层LSTM层的深度学习神经网络对人体三维加速度信息进行自动特征提取并对多类运动模式进行时序建模,从而实现对运动模式的快速实时识别。实验基于WISDM公开数据集,对人体右腿前口袋部位的三维加速度信息进行分析,验证模型识别人体慢跑、步行、坐、站、上楼、下楼运动过程的准确率为97.5%,并通过对比实验验证了该方法的有效性。为基于移动设备及可穿戴设备的人体运动识别研究提供了一个可行的方法。 展开更多

关键词 人体运动识别 惯性运动信息 LSTM神经网络 时序模型

在线阅读 下载PDF 职称材料

基于RBF神经网络的MEMS惯性传感器误差补偿方法 被引量：15

7

作者 刘宇 付乐乐 +2 位作者 邹新海 崔巍 文丹丹 《重庆理工大学学报（自然科学）》 CAS 北大核心 2021年第1期197-202,共6页

传统的微机电系统(MEMS)惯性传感器误差补偿技术通常采用多元线性回归误差模型,未考虑传感器误差的非线性特性,不能实现精确的误差补偿。针对以上问题,提出了一种基于径向基函数神经网络的微惯性测量单元误差补偿模型,将MEMS惯性传感器... 传统的微机电系统(MEMS)惯性传感器误差补偿技术通常采用多元线性回归误差模型,未考虑传感器误差的非线性特性,不能实现精确的误差补偿。针对以上问题,提出了一种基于径向基函数神经网络的微惯性测量单元误差补偿模型,将MEMS惯性传感器三轴测量值和真实值作为样本,对网络进行训练,利用训练好的网络对MEMS加速度计和陀螺仪进行误差补偿。实验结果表明:与多元线性回归误差模型相比,神经网络对惯性传感器具有更好的降噪滤波效果;且基于径向基函数神经网络的惯性传感器误差补偿精度较另外2种模型提升了1~2个数量级。所提方案能够有效地补偿MEMS惯性传感器误差。 展开更多

关键词 惯性传感器 多元线性回归 RBF神经网络 误差补偿模型

在线阅读 下载PDF 职称材料

多层局部回归神经网络在激光陀螺捷联惯导系统惯性敏感器误差补偿中的应用 被引量：2

8

作者 吴美平 胡小平 《国防科技大学学报》 EI CAS CSCD 北大核心 2001年第6期104-108,共5页

惯导系统误差补偿技术对提高武器装备的性能具有重要的意义 ,而误差补偿的关键在于误差模型的辨识。探讨将多层局部回归神经网络引入到惯性敏感器误差建模中 ,详细介绍了网络结构和对应的自适应动态梯度算法。仿真算例说明 ,多层局部回... 惯导系统误差补偿技术对提高武器装备的性能具有重要的意义 ,而误差补偿的关键在于误差模型的辨识。探讨将多层局部回归神经网络引入到惯性敏感器误差建模中 ,详细介绍了网络结构和对应的自适应动态梯度算法。仿真算例说明 ,多层局部回归神经网络在惯性敏感器输出误差建模时具有一定的优点 :网络收敛速度快、较好的跟踪性能、稳定性好。 展开更多

关键词 误差模型 多层局部回归神经网络 动态梯度算法 激光陀螺捷联惯导系统 惯性敏感器 误差补偿

在线阅读 下载PDF 职称材料

车载惯性稳定平台的神经网络滑模控制 被引量：5

9

作者 贾桐 李秀智 张祥银 《控制理论与应用》 EI CAS CSCD 北大核心 2021年第1期13-22,共10页

三轴车载惯性稳定平台为复杂的MIMO非线性系统,针对其在不确定扰动下的伺服控制问题,本文设计了一种神经网络反演滑模控制器(NNBSMC).首先,选用反演法对其解耦,同时引入滑模控制律增加系统的抗干扰性;其次针对框架间的非线性摩擦力与系... 三轴车载惯性稳定平台为复杂的MIMO非线性系统,针对其在不确定扰动下的伺服控制问题,本文设计了一种神经网络反演滑模控制器(NNBSMC).首先,选用反演法对其解耦,同时引入滑模控制律增加系统的抗干扰性;其次针对框架间的非线性摩擦力与系统耦合选用RBF神经网络作为扰动估计器,以便实时估计与补偿;然后采用前向增稳通道应对建模参数不精确以保证系统的稳定性.最后,利用Lyapunov定理分析了闭环系统的稳定性,在伺服控制与姿态锁定的仿真实验中分别与双环PID、滑模控制和反演滑模控制作对比,结果验证了提出的控制算法的有效性和鲁棒性. 展开更多

关键词 神经网络控制 反演控制 滑模控制 斯特里贝克模型 惯性稳定平台

在线阅读 下载PDF 职称材料

基于神经网络的高超声速飞行器惯导系统精度提高方法 被引量：6

10

作者 胥涯杰 鲜勇 +3 位作者 李邦杰 任乐亮 李少朋 郭玮林 《系统工程与电子技术》 EI CSCD 北大核心 2022年第4期1301-1309,共9页

针对目前惯性系统误差补偿模型对静态误差和动态误差处理能力不足的问题,为适应高超声速飞行器长航时、高精度的惯性导航要求,基于神经网络提出一种加速度计拟合模型。在高超声速飞行器飞行前期有准确的卫星导航信息时,收集导航信息和... 针对目前惯性系统误差补偿模型对静态误差和动态误差处理能力不足的问题,为适应高超声速飞行器长航时、高精度的惯性导航要求,基于神经网络提出一种加速度计拟合模型。在高超声速飞行器飞行前期有准确的卫星导航信息时,收集导航信息和加速度计脉冲信息,利用神经网络强大的非线性拟合能力,在飞行过程中进行在线训练,得到精确的惯性系统模型。仿真结果表明,在存在逐次通电误差和不考虑二次项误差系数的误差补偿模型方法位置导航偏差在数公里和数百米量级的情况下,相同时间内所提方法的位置导航偏差仅为数十米量级,有效提高了高超声速飞行器的导航精度。 展开更多

关键词 神经网络 捷联惯性系统 加速度计 高超声速飞行器 误差补偿模型

在线阅读 下载PDF 职称材料

短时交通流组合模型预测 被引量：19

11

作者 沈国江 朱芸 +1 位作者 钱晓杰 胡越 《南京理工大学学报》 EI CAS CSCD 北大核心 2014年第2期246-251,共6页

针对城市道路流量的非线性和不确定性特点,为避免单一模型预测准确率不高的缺陷,该文提出了一种短时交通流组合模型。该模型包含卡尔曼滤波模型和径向基函数神经网络模型2个子模型,较好地解决了神经网络不能反映大流量下的稳态性问题,... 针对城市道路流量的非线性和不确定性特点,为避免单一模型预测准确率不高的缺陷,该文提出了一种短时交通流组合模型。该模型包含卡尔曼滤波模型和径向基函数神经网络模型2个子模型,较好地解决了神经网络不能反映大流量下的稳态性问题,以及卡尔曼滤波在流量不稳定时预测准确率不高的问题。在组合模型中引入惯性因子,确保了模型的稳定性。仿真结果表明该方法是可行有效的。 展开更多

关键词 间断流 短时交通流预测 卡尔曼滤波模型 径向基函数神经网络 惯性因子

在线阅读 下载PDF 职称材料

考虑热惯性的热电联产系统两阶段优化调度方法 被引量：5

12

作者 骆钊 刘德文 +3 位作者 刘兴琳 贾芸睿 梁俊宇 喻品钦 《电力工程技术》 北大核心 2022年第5期58-66,共9页

热电联产(CHP)系统具有环保、经济、运行方式灵活的突出优势,有较好的发展前景。文中基于电、热在传输和存储方式上的不同特性,提出一种考虑热惯性的CHP系统两阶段优化调度方法。第一阶段考虑供热网络结构和运行特性,建立基于模型预测控... 热电联产(CHP)系统具有环保、经济、运行方式灵活的突出优势,有较好的发展前景。文中基于电、热在传输和存储方式上的不同特性,提出一种考虑热惯性的CHP系统两阶段优化调度方法。第一阶段考虑供热网络结构和运行特性,建立基于模型预测控制(MPC)的CHP系统优化调度模型,优化日内可控设备出力及电网交互功率策略;第二阶段以CHP系统内各单元出力调整量最小为目标,综合考虑可再生能源及负荷的实时预测误差,动态调整第一阶段日内调度策略。算例表明,该两阶段优化调度模型可提高系统运行的经济性,弥补供需不平衡;结合系统热惯性,建筑物根据负荷需求和分时电价进行蓄热或放热可降低可再生能源及负荷不确定性对调度的影响,平抑功率波动,促进热电互补。 展开更多

关键词 热电联产(CHP) 热惯性 模型预测控制(MPC) 两阶段优化 动态优化调度 卷积神经网络

在线阅读 下载PDF 职称材料

双层双向长短期记忆应用于云轨精确定位 被引量：3

13

作者 姚顺宇 王志武(指导) 颜国正 《光学精密工程》 EI CAS CSCD 北大核心 2020年第1期166-173,共8页

目前国内出现了一种新型云轨,云轨有着造价低、能耗小以及施工周期较短等优点。然而云轨的各项指标要求很高,其中轨道定位尤为重要。为了实现了云轨检测的精确定位,本文设计了一种新型轨道检测车,并开发了基于双层双向长短期记忆模型(LS... 目前国内出现了一种新型云轨,云轨有着造价低、能耗小以及施工周期较短等优点。然而云轨的各项指标要求很高,其中轨道定位尤为重要。为了实现了云轨检测的精确定位,本文设计了一种新型轨道检测车,并开发了基于双层双向长短期记忆模型(LSTM)的云轨SIN-GPS定位算法。首先,介绍了轨道检测车的机械结构和各项传感器参数。接着,分析了传统的SIN-GPS定位算法及其缺点,在GPS信号消失后会出现误差积累。然后,引出双层双向长短期记忆模型,说明了该模型对GPS信号消失时的误差动态学习和补偿。最后,通过3组实验分析算法在云轨检测车的不同运动状态下的准确率。证明了长短期记忆模型均优于传统算法模型和其他智能算法模型。实验结果表明:在运动状态下LSTM算法比SINS误差小79.8%,静止状态下SINS误差最小。设定速度阈值为0.2 m/s,大于此阈值采用LSTM算法,小于此阈值直接用SINS的数据,可以得到最准确的位置预测结果。 展开更多

关键词 捷联惯性导航/全球定位系统 信号丢失 长短期记忆模型 神经网络

在线阅读 下载PDF 职称材料