期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
带结构风险最小化的最优区间回归模型辨识
被引量：
3
1
作者
刘小雍
方华京
陈孝玉
《控制理论与应用》
EI
CAS
CSCD
北大核心
2020年第3期560-573,共14页
针对来自模型结构、参数以及测量数据的不确定性等因素,传统的辨识方法获取的是确定性数学模型的点输出,其鲁棒性差,易受外界干扰.因此,采用区间输出比点输出更易于实际问题的研究.基于复杂系统的不确定性测量数据以及系统参数的不确定...
针对来自模型结构、参数以及测量数据的不确定性等因素,传统的辨识方法获取的是确定性数学模型的点输出,其鲁棒性差,易受外界干扰.因此,采用区间输出比点输出更易于实际问题的研究.基于复杂系统的不确定性测量数据以及系统参数的不确定性,提出了最优区间回归模型辨识的一种新方法,该方法将逼近误差的L∞范数思想与结构风险最小化理论相结合,建立求解区间模型的最优化问题,应用线性规划独立求解区间模型的上界和下界模型.该方法在保证模型辨识精度的同时,其泛化性能得到进一步提高.实验分析表明,提出的方法对来自噪声以及参数不确定性的数据,可以从区间模型的辨识精度和泛化性能之间取其平衡.
展开更多
关键词
结构风险最小化
不确定性分析
逼近误差的L∞范数
优
化
最优
区间
回归
模型
线性规划
在线阅读
下载PDF
职称材料
带稀疏特性的最优区间回归模型辨识方法
2
作者
刘小雍
方华京
+2 位作者
杨航
张强
张南庆
《探测与控制学报》
CSCD
北大核心
2020年第1期94-103,共10页
传统的系统辨识方法主要是针对确定性数学模型辨识,其输出为确定的点输出,鲁棒性差,易受外界干扰。本文针对此问题,提出了最优区间回归模型(OIRM)辨识的方法。该方法将逼近误差的?1范数思想与结构风险最小化理论相结合,建立求解区间模...
传统的系统辨识方法主要是针对确定性数学模型辨识,其输出为确定的点输出,鲁棒性差,易受外界干扰。本文针对此问题,提出了最优区间回归模型(OIRM)辨识的方法。该方法将逼近误差的?1范数思想与结构风险最小化理论相结合,建立求解区间模型的最优化问题,应用线性规划独立求解区间模型的上界和下界模型。实验分析表明,对来自测量以及参数不确定性的数据,从均方根误差(RMSE)以及支持向量的百分数(SVs%)两个指标论证了,提出的方法不仅可以获取最优区间输出,还能确定区间模型的辨识精度和泛化性能之间的平衡。
展开更多
关键词
逼近误差的l1范数
结构风险最小化
最优
区间
回归
模型
线性规划
稀疏性
在线阅读
下载PDF
职称材料
自适应区间模型的非线性系统参数故障检测
3
作者
刘小雍
《控制工程》
CSCD
北大核心
2020年第9期1626-1635,共10页
针对传统的非线性动态系统参数故障检测方法存在检测阈值事先设定不具自适应性、模型结构复杂致泛化性能差等问题,采用基于最优区间模型进行非线性系统参数不确定性的自适应故障检测。将逼近误差的无穷范数思想、结构风险最小化理论以...
针对传统的非线性动态系统参数故障检测方法存在检测阈值事先设定不具自适应性、模型结构复杂致泛化性能差等问题,采用基于最优区间模型进行非线性系统参数不确定性的自适应故障检测。将逼近误差的无穷范数思想、结构风险最小化理论以及线性规划相结合,从而保证用于故障检测的区间模型的最优性。当非线性系统参数不确定性所引起的实际输出越过无故障时的最优区间模型时,则检测到系统发生故障。最后,通过对来自线性、非线性动态控制系统参数不确定性的实验分析,论证了区间模型应用于故障检测上的最优性和有效性。
展开更多
关键词
最优区间模型
自适应故障检测
参数不确定性
在线阅读
下载PDF
职称材料
题名
带结构风险最小化的最优区间回归模型辨识
被引量：
3
1
作者
刘小雍
方华京
陈孝玉
机构
遵义师范学院工学院
华中科技大学自动化学院
出处
《控制理论与应用》
EI
CAS
CSCD
北大核心
2020年第3期560-573,共14页
基金
国家自然科学基金项目(61473127)
贵州省科技计划项目(黔科合基础[2018]1179,黔科合LH字[2016]7002号,黔科合LH字[2016]7004号)
+1 种基金
贵州省教育厅科技人才成长项目(黔教合KY字[2016]254)
贵州省高层次创新人才项目([2017]19)资助.
文摘
针对来自模型结构、参数以及测量数据的不确定性等因素,传统的辨识方法获取的是确定性数学模型的点输出,其鲁棒性差,易受外界干扰.因此,采用区间输出比点输出更易于实际问题的研究.基于复杂系统的不确定性测量数据以及系统参数的不确定性,提出了最优区间回归模型辨识的一种新方法,该方法将逼近误差的L∞范数思想与结构风险最小化理论相结合,建立求解区间模型的最优化问题,应用线性规划独立求解区间模型的上界和下界模型.该方法在保证模型辨识精度的同时,其泛化性能得到进一步提高.实验分析表明,提出的方法对来自噪声以及参数不确定性的数据,可以从区间模型的辨识精度和泛化性能之间取其平衡.
关键词
结构风险最小化
不确定性分析
逼近误差的L∞范数
优
化
最优
区间
回归
模型
线性规划
Keywords
structural risk minimization
uncertain analysis
L∞-norm optimization on approximation errors
optimal interval regression model
linear programming
分类号
O231 [理学—运筹学与控制论]
在线阅读
下载PDF
职称材料
题名
带稀疏特性的最优区间回归模型辨识方法
2
作者
刘小雍
方华京
杨航
张强
张南庆
机构
遵义师范学院工学院
华中科技大学自动化学院
出处
《探测与控制学报》
CSCD
北大核心
2020年第1期94-103,共10页
文摘
传统的系统辨识方法主要是针对确定性数学模型辨识,其输出为确定的点输出,鲁棒性差,易受外界干扰。本文针对此问题,提出了最优区间回归模型(OIRM)辨识的方法。该方法将逼近误差的?1范数思想与结构风险最小化理论相结合,建立求解区间模型的最优化问题,应用线性规划独立求解区间模型的上界和下界模型。实验分析表明,对来自测量以及参数不确定性的数据,从均方根误差(RMSE)以及支持向量的百分数(SVs%)两个指标论证了,提出的方法不仅可以获取最优区间输出,还能确定区间模型的辨识精度和泛化性能之间的平衡。
关键词
逼近误差的l1范数
结构风险最小化
最优
区间
回归
模型
线性规划
稀疏性
Keywords
approximation error on l1-norm
structural risk minimization
optimal interval regression model
linear programming
sparsity
分类号
TP391.9 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
自适应区间模型的非线性系统参数故障检测
3
作者
刘小雍
机构
遵义师范学院工学院
出处
《控制工程》
CSCD
北大核心
2020年第9期1626-1635,共10页
基金
贵州省科学技术项目(黔科合基础[2018]1179号)
贵州省教育厅青年项目(黔教合KY字[2016]254)
贵州省千层次创新人才项目(遵市科合人才[2017]19号)。
文摘
针对传统的非线性动态系统参数故障检测方法存在检测阈值事先设定不具自适应性、模型结构复杂致泛化性能差等问题,采用基于最优区间模型进行非线性系统参数不确定性的自适应故障检测。将逼近误差的无穷范数思想、结构风险最小化理论以及线性规划相结合,从而保证用于故障检测的区间模型的最优性。当非线性系统参数不确定性所引起的实际输出越过无故障时的最优区间模型时,则检测到系统发生故障。最后,通过对来自线性、非线性动态控制系统参数不确定性的实验分析,论证了区间模型应用于故障检测上的最优性和有效性。
关键词
最优区间模型
自适应故障检测
参数不确定性
Keywords
Optimal interval model
adaptive fault detection
parameter uncertainties
分类号
TP391 [自动化与计算机技术—计算机应用技术]
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
带结构风险最小化的最优区间回归模型辨识
刘小雍
方华京
陈孝玉
《控制理论与应用》
EI
CAS
CSCD
北大核心
2020
3
在线阅读
下载PDF
职称材料
2
带稀疏特性的最优区间回归模型辨识方法
刘小雍
方华京
杨航
张强
张南庆
《探测与控制学报》
CSCD
北大核心
2020
0
在线阅读
下载PDF
职称材料
3
自适应区间模型的非线性系统参数故障检测
刘小雍
《控制工程》
CSCD
北大核心
2020
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
