自回归神经网络在主汽温控制中的应用 被引量：3

1

作者 辛开远 金秀章 杨玉华 《华北电力大学学报（自然科学版）》 CAS 北大核心 2001年第1期43-48,共6页

提出了自回归神经网络拓朴结构及其训练算法，把具有两个“自回归神经网络”的复合控制系统用于主汽温控制，一个作为辨识器，另一个作为控制器。仿真结果验证了该控制系统的优越性能，可知在过程控制领域中，神经网络在处理困难问题上... 提出了自回归神经网络拓朴结构及其训练算法，把具有两个“自回归神经网络”的复合控制系统用于主汽温控制，一个作为辨识器，另一个作为控制器。仿真结果验证了该控制系统的优越性能，可知在过程控制领域中，神经网络在处理困难问题上，有良好的发展潜力。 展开更多

关键词 自回归神经网络 DBP算法 辨识器 主汽温控制 锅炉

在线阅读 下载PDF 职称材料

自回归神经网络的电离层总电子含量预报 被引量：10

2

作者 吉长东 王强 +1 位作者 沈祎凡 潘飞 《导航定位学报》 CSCD 2018年第4期96-101,共6页

为了进一步提高TEC的预报精度,针对TEC时间序列高噪声、非平稳、包含线性和非线性动态序列的特性,运用经验模态分解和非线性自回归动态神经网络,基于分解-预测-重构的思想构建EMD-NAR预测模型;并对比分析EMD-NAR组合模型和单一模型的预... 为了进一步提高TEC的预报精度,针对TEC时间序列高噪声、非平稳、包含线性和非线性动态序列的特性,运用经验模态分解和非线性自回归动态神经网络,基于分解-预测-重构的思想构建EMD-NAR预测模型;并对比分析EMD-NAR组合模型和单一模型的预报精度,同时运用EMD-NAR预测模型分析不同环境下的电离层TEC时间序列。实验结果表明EMD-NAR动态神经网络模型能很好地反映电离层TEC的变化特性,平静期和活跃期的预测平均相对精度分别为94%和88.3%,预报残差小于1个TECu的分别占71%和68.5%,小于3个TECu的分别占90.3%和87.5%。 展开更多

关键词 非线性自回归神经网络 电离层预报 时间序列 经验模态分解 总电子含量

在线阅读 下载PDF 职称材料

自回归神经网络稳定性的超声波电机伺服控制

3

作者 傅平 《振动．测试与诊断》 EI CSCD 北大核心 2013年第S2期55-58,218,共5页

针对超声波电机的速度/位置伺服控制,提出使用基于自回归神经网络和Lyapunov稳定性的控制算法,可以在一定程度上反映超声波电机的输入输出非线性关系。由于自回归神经网络可以在线调整其参数值,因此当电机运行参数发生变化时,可以通过... 针对超声波电机的速度/位置伺服控制,提出使用基于自回归神经网络和Lyapunov稳定性的控制算法,可以在一定程度上反映超声波电机的输入输出非线性关系。由于自回归神经网络可以在线调整其参数值,因此当电机运行参数发生变化时,可以通过改变神经网络辨识参数来实现速度和位置的快速跟踪,并通过Lyapunov稳定性进行控制参数调整。研究表明,使用此算法的伺服系统对超声波电机进行伺服控制,可以达到快速响应和良好的控制效果。 展开更多

关键词 超声波电机 自回归神经网络 LYAPUNOV稳定性 伺服控制

在线阅读 下载PDF 职称材料

基于粒子群-变分模态分解、非线性自回归神经网络与门控循环单元的滑坡位移动态预测模型研究 被引量：21

4

作者 姜宇航 王伟 +3 位作者 邹丽芳 王如宾 刘世藩 段雪雷 《岩土力学》 EI CAS CSCD 北大核心 2022年第S01期601-612,共12页

以三峡库区八字门阶跃型滑坡为例,针对静态机器学习模型在周期项位移预测中的不足以及高频随机项位移预测困难等问题,提出了一种新的滑坡位移预测方法。基于时间序列分解思想,采用粒子群算法(PSO)对变分模态分解(VMD)进行参数寻优,并将... 以三峡库区八字门阶跃型滑坡为例,针对静态机器学习模型在周期项位移预测中的不足以及高频随机项位移预测困难等问题,提出了一种新的滑坡位移预测方法。基于时间序列分解思想,采用粒子群算法(PSO)对变分模态分解(VMD)进行参数寻优,并将位移时间序列分解为趋势项、周期项和随机项。趋势项主要受滑坡内部因素影响,采用傅里叶曲线进行拟合预测;周期项由外部因素导致,基于格兰杰因果检验进行成因分析,并引入一种对时间序列历史状态具有较高敏感性的非线性自回归神经网络(NARX)进行预测;随机项频率较高且影响因素无法判定,采用一维门控循环单元(GRU)进行预测。最后将各分量预测位移进行叠加重构,实现滑坡累计位移的预测。结果表明,提出的(PSO-VMD)-NARX-GRU滑坡位移动态预测模型精度较高,且各位移分量预测精度明显高于静态模型中BP神经网络、支持向量机(SVM)和传统自回归模型ARIMA,可为阶跃型滑坡位移预测提供参考。 展开更多

关键词 滑坡位移预测 粒子群算法 变分模态分解 格兰杰因果检验 非线性自回归神经网络 门控循环单元

在线阅读 下载PDF 职称材料

基于优化非线性自回归神经网络模型的水质预测 被引量：13

5

作者 唐亦舜 徐庆 +1 位作者 刘振鸿 高品 《东华大学学报（自然科学版）》 CAS 北大核心 2022年第3期93-100,共8页

针对突发性水污染事件频发的问题,以上海市某支流具有代表性的监测断面为研究对象,通过优化调整输入数据段以及延迟阶数与隐含层神经元数等模型参数,构建基于历史水质时间序列的优化非线性自回归(NAR)神经网络模型,预测分析pH、溶解氧(... 针对突发性水污染事件频发的问题,以上海市某支流具有代表性的监测断面为研究对象,通过优化调整输入数据段以及延迟阶数与隐含层神经元数等模型参数,构建基于历史水质时间序列的优化非线性自回归(NAR)神经网络模型,预测分析pH、溶解氧(DO)质量浓度和浊度3项水质指标的变化趋势。结果表明:优化后的NAR神经网络模型具有较好的非线性处理能力;当输入数据量为180,pH、DO质量浓度和浊度的神经网络模型的延迟阶数分别为2、3、9,隐含层神经元数为10时,NAR神经网络模型对pH、DO质量浓度和浊度的预测均方根误差分别为0.053、0.382 mg/L和17.300 NTU,平均绝对百分比误差分别为0.53%、3.97%和18.01%,预测效果较好。 展开更多

关键词 水质预测 非线性自回归神经网络 PH 溶解氧 浊度 模型优化

在线阅读 下载PDF 职称材料

基于自回归小波神经网络的机械臂自适应滑模控制 被引量：1

6

作者 杨佳 吴佩林 +2 位作者 杨理 寇东山 余斌 《空间控制技术与应用》 CSCD 北大核心 2024年第3期68-76,共9页

针对机械臂存在模型不确定和未知扰动的问题,提出一种动力学模型参数分块逼近的神经网络非奇异终端滑模(nonsingular terminal sliding mode, NTSM)控制方法.为加快系统跟踪误差的收敛速度,避免传统终端滑模存在的奇异性问题,采用一种... 针对机械臂存在模型不确定和未知扰动的问题,提出一种动力学模型参数分块逼近的神经网络非奇异终端滑模(nonsingular terminal sliding mode, NTSM)控制方法.为加快系统跟踪误差的收敛速度,避免传统终端滑模存在的奇异性问题,采用一种非奇异终端滑模面.利用多组自回归小波神经网络(self-recurrent wavelet neural network, SRWNN)分块逼近系统未知的动力学模型参数,并采用自适应更新律调整权重.通过积分控制项补偿SRWNN的逼近误差,并使用Lyapunov稳定性理论证明了系统稳定性.使用MATLAB进行仿真分析,分块SRWNN滑模控制与滑模控制、整体SRWNN滑模控制相比,关节角度跟踪误差的平均稳态误差分别降低了31.9%、76.5%,表明此方法是一种可靠、有效的轨迹跟踪控制方法. 展开更多

关键词 自回归小波神经网络 非奇异终端滑模 动力学模型 轨迹跟踪

在线阅读 下载PDF 职称材料

柔性铰接板振动视觉测量与小波神经网络控制

7

作者 邱志成 刘一鸿 李旻 《光学精密工程》 EI CAS CSCD 北大核心 2024年第7期998-1010,共13页

为了解决航天器上用于供能的太阳帆板类柔性薄板结构的振动问题,针对一种移动柔性铰接板系统构建了双目视觉系统的振动测控实验平台,采用双目立体视觉方法来检测振动,并设计了自回归小波神经网络控制器(Self-Recurrent Wavelet Neural N... 为了解决航天器上用于供能的太阳帆板类柔性薄板结构的振动问题,针对一种移动柔性铰接板系统构建了双目视觉系统的振动测控实验平台,采用双目立体视觉方法来检测振动,并设计了自回归小波神经网络控制器(Self-Recurrent Wavelet Neural Network Controller,SRWNNC)来抑制振动。对双目视觉系统进行了标定,基于视差原理和图像处理算法,通过解算标志点的三维坐标来获取振动信号。建立了系统的有限元模型,并通过辨识得到校正后的系统模型参数。基于辨识得到的模型在仿真环境中训练SRWNNC,用于实验系统的振动主动控制。分别针对移动柔性铰接板系统固定基座和平移轨迹运动两种情况,进行了双目视觉振动检测和振动控制仿真和实验研究。仿真和实验结果表明,双目视觉传感器对振动信号的检测精度小于0.1 mm,SRWNNC也展现出比大增益PD控制器更好的抑振效果,验证了双目视觉振动检测和SRWNNC抑制振动的准确性和有效性。 展开更多

关键词 双目视觉 移动柔性铰接板 自回归小波神经网络 振动抑制

在线阅读 下载PDF 职称材料

EMD与NARX神经网络的风电场总功率组合预测 被引量：6

8

作者 张振华 马超 +1 位作者 徐瑾辉 欧阳泽拯 《计算机工程与应用》 CSCD 北大核心 2016年第12期265-270,共6页

探索构建对风电场总功率进行直接预测的高精度组合预测算法。考虑到风速的非平稳性导致风电总功率表现为非平稳时间序列,采用NARX神经网络作为初步预测模型,提出了经验模态分解与NARX神经网络相结合的混合预测模型。对风电场总功率非平... 探索构建对风电场总功率进行直接预测的高精度组合预测算法。考虑到风速的非平稳性导致风电总功率表现为非平稳时间序列,采用NARX神经网络作为初步预测模型,提出了经验模态分解与NARX神经网络相结合的混合预测模型。对风电场总功率非平稳时间序列进行经验模态分解,得到不同频带本征模式分量的平稳序列。对不同频带的平稳分量建立相应的NARX神经网络预测模型,并将各分量模型的预测值进行等权求和得到最终预测值。此外,为研究不同时间间隔对预测结果的影响,采用某大型风电场时间间隔为5 min与15 min的数据进行实验。预测结果表明,提出的组合预测模型适合于总功率预测,其预测效果比传统模型的效果更佳,且时间间隔为5 min的数据比时间间隔为15 min的数据预测精度更高。 展开更多

关键词 经验模态分解 非线性自回归神经网络(带外部输入的)(NARX) 非平稳时间序列 风电场 总功率

在线阅读 下载PDF 职称材料

基于自回归小波神经网络的感应电动机滑模反推控制 被引量：9

9

作者 王家军 《自动化学报》 EI CSCD 北大核心 2009年第1期1-8,共8页

为了提高感应电动机控制的鲁棒性,提出了一种新颖的感应电动机解耦模型.基于感应电动机的解耦模型,利用滑模控制和反推控制设计电动机的虚拟转矩和磁链电压控制器.滑模开关增益的大小是造成系统抖振的关键,采用自回归小波神经网络(Self-... 为了提高感应电动机控制的鲁棒性,提出了一种新颖的感应电动机解耦模型.基于感应电动机的解耦模型,利用滑模控制和反推控制设计电动机的虚拟转矩和磁链电压控制器.滑模开关增益的大小是造成系统抖振的关键,采用自回归小波神经网络(Self-recurrent wavelet neural networks,SRWNN)在线估计滑模开关增益的大小可以有效降低滑模控制造成的抖振.仿真结果表明基于SRWNN在线估计滑模开关增益的滑模反推控制方案可以有效提高感应电动机控制的鲁棒性,同时降低了滑模控制造成的抖振. 展开更多

关键词 感应电动机 自回归小波神经网络 滑模控制 反推控制

在线阅读 下载PDF 职称材料

神经网络自回归模型在丙肝发病趋势和预测研究中的应用 被引量：14

10

作者 张欣 刘振球 +3 位作者 袁黄波 吴学福 吴明山 张铁军 《中国卫生统计》 CSCD 北大核心 2020年第4期524-526,共3页

目的探讨神经网络自回归模型在丙肝发病趋势和预测研究中的应用。方法通过神经网络自回归模型对2004年1月至2015年12月我国全国丙肝发病率进行拟合建模,估计丙肝的发病趋势,并对2016年我国丙肝发病率进行预测,与实际值对比,根据相对误... 目的探讨神经网络自回归模型在丙肝发病趋势和预测研究中的应用。方法通过神经网络自回归模型对2004年1月至2015年12月我国全国丙肝发病率进行拟合建模,估计丙肝的发病趋势,并对2016年我国丙肝发病率进行预测,与实际值对比,根据相对误差、平均绝对误差(MAE)、平均绝对百分误差(MAPE)和均方根误差(RMSE)对模型的预测效果进行评价。结果神经网络自回归模型能够识别出我国丙肝在过去13年的发病趋势,逐年增长并具有季节性,且相对误差、MAE、MAPE和RMSE均较小,尤其RMSE<10%。结论神经网络自回归模型可以运用于丙肝的时间序列数据的分析中,其预测精度较高。 展开更多

关键词 神经网络自回归模型 丙肝 趋势 预测

在线阅读 下载PDF 职称材料

基于NARX神经网络的热负荷预测中关键影响因素分析 被引量：10

11

作者 谢吉洋 闫冬 +1 位作者 谢垚 马占宇 《计算机应用》 CSCD 北大核心 2018年第11期3180-3187,共8页

在区域供热(DH)网络中,精确预测热负荷已被认为是提高效率和节省成本的重要环节。为了提高预测精度,研究不同影响因素对热负荷预测的影响极为重要。使用引入不同影响因素的数据集训练得到带外部输入的非线性自回归(NARX)神经网络模型,... 在区域供热(DH)网络中,精确预测热负荷已被认为是提高效率和节省成本的重要环节。为了提高预测精度,研究不同影响因素对热负荷预测的影响极为重要。使用引入不同影响因素的数据集训练得到带外部输入的非线性自回归(NARX)神经网络模型,并比较其预测性能,以讨论直接太阳辐射和风速对热负荷预测的影响程度。实验结果表明,直接太阳辐射和风速都是热负荷预测中的关键影响因素。只引入风速时,预测模型的平均绝对百分比误差(MAPE)和均方根误差(RMSE)均低于只引入直接太阳辐射,同时引入风速和直接太阳辐射能够得到最佳的模型预测性能,但是对于MAPE和RMSE降低的贡献不大。 展开更多

关键词 区域供热 热负荷预测 非线性自回归神经网络 直接太阳辐射 风速

在线阅读 下载PDF 职称材料

基于自回归RBF神经网络的帕金森状态预测 被引量：2

12

作者 苏斐 王红 祖林禄 《现代电子技术》 2021年第21期114-119,共6页

针对受控自回归模型辨识精度不高的问题,采用自回归径向基函数(RBF)神经网络辨识基底核(BG)模型的输入刺激频率与输出β频段(13~35 Hz)振荡功率之间的关系。采用梯度下降法确定模型参数,提高模型预测精度。在相同刺激条件下,以BG模型输... 针对受控自回归模型辨识精度不高的问题,采用自回归径向基函数(RBF)神经网络辨识基底核(BG)模型的输入刺激频率与输出β频段(13~35 Hz)振荡功率之间的关系。采用梯度下降法确定模型参数,提高模型预测精度。在相同刺激条件下,以BG模型输出与模型预测输出之间的均方根误差(RMSE)和相关系数作为PD状态的预测指标。受控自回归模型辨识相关系数为84.07%,RMSE为27.96;RBF预测模型辨识相关系数为92.78%,RMSE为17.89,结果表明RBF预测模型辨识精度更高。利用自回归RBF神经网络模型能够很好地辨识刺激频率与β功率之间的关系,为以后依据β功率的变化选择恰当的刺激频率参数提供了更好的方法,减轻PD患者的痛苦。 展开更多

关键词 帕金森疾病 自回归RBF神经网络 基底核模型 DBS疗法 预测指标 梯度下降法

在线阅读 下载PDF 职称材料

基于Kalman滤波的自适应离散递归神经网络模型的研究及应用 被引量：1

13

作者 王远景 《仪器仪表学报》 EI CAS CSCD 北大核心 2005年第z2期586-588,共3页

提出一种新基于自适应自回归神经网络控制模型,能够对未知的非线性动态系统进行预测控制,并成功地将其应用在化工热交换过程的流速与温度控制中,系统具有较好的鲁棒性。

关键词 自回归神经网络 非线性动态过程 模型预测控制 滤波

在线阅读 下载PDF 职称材料

基于EMD优化NAR动态神经网络的地铁客流量短时预测模型 被引量：10

14

作者 马飞虎 金依辰 孙翠羽 《应用科学学报》 CAS CSCD 北大核心 2020年第6期936-943,共8页

为了能够更加准确地实现地铁客流预测,提出了一种基于经验模态分解算法(empirical mode decomposition,EMD)优化非线性自回归(nonlinear auto regressive,NAR)动态神经网络的地铁客流量短时预测模型.分析地铁客流量数据后发现日客流量... 为了能够更加准确地实现地铁客流预测,提出了一种基于经验模态分解算法(empirical mode decomposition,EMD)优化非线性自回归(nonlinear auto regressive,NAR)动态神经网络的地铁客流量短时预测模型.分析地铁客流量数据后发现日客流量具有一定的变化规律,为此使用了基于时间序列的NAR动态神经网络,该网络具有优秀的非线性动态拟合能力和反馈记忆的功能.结合EMD经验模态分解算法优化NAR动态神经网络预测模型,以此来减少预测误差,提高预测精度.结果显示,EMD-NAR神经网络组合预测模型适用于地铁客流的短时预测,预测精度可达93%,具有较好的应用价值. 展开更多

关键词 地铁客流量 短时预测 非线性自回归动态神经网络 经验模态分解 组合模型

在线阅读 下载PDF 职称材料

一种自适应模糊小波神经网络及其在交流伺服控制中的应用 被引量：7

15

作者 侯润民 刘荣忠 +2 位作者 高强 王力 邓桐彬 《兵工学报》 EI CAS CSCD 北大核心 2015年第5期781-788,共8页

针对某武器大功率交流伺服系统所存在的大变负载、慢时变、强耦合的非线性特性和不确定扰动等问题,提出了模糊小波神经网络(FWNN)间接自适应控制器,该控制器的特点为Takagi-Sugeno-Kang(TSK)模糊模型的后件部分由自回归小波神经网络(SRW... 针对某武器大功率交流伺服系统所存在的大变负载、慢时变、强耦合的非线性特性和不确定扰动等问题,提出了模糊小波神经网络(FWNN)间接自适应控制器,该控制器的特点为Takagi-Sugeno-Kang(TSK)模糊模型的后件部分由自回归小波神经网络(SRWNN)构成。给出了SRWNN参数的迭代算法,利用SRWNN辨识器为控制器提供实时梯度信息,有效地克服了参数变化和负载扰动等不确定因素的影响,且具有良好的动态特性。采用Lyapunov稳定性理论方法证明了闭环系统的稳定性。仿真研究和样机试验结果证明了所提方案的有效性和正确性。 展开更多

关键词 兵器科学与技术 大功率交流伺服系统 自回归小波神经网络 模糊小波神经网络间接自适应控制器 模糊小波神经网络

在线阅读 下载PDF 职称材料

ARIMA-BP神经网络高速列车隧道压力波预测模型研究 被引量：7

16

作者 陈春俊 杨露 +1 位作者 何智颖 周林春 《中国测试》 CAS 北大核心 2021年第10期80-86,共7页

为更精准地进行车内压力波动控制,需要预测高速列车通过隧道时车外隧道压力波的实时变化值。在对列车历史运行重复隧道压力波数据的分析基础上,采用工况匹配(WCM)与加权K最近邻(WKNN)算法从数据库中选取若干与本次工况相接近的运行状态... 为更精准地进行车内压力波动控制,需要预测高速列车通过隧道时车外隧道压力波的实时变化值。在对列车历史运行重复隧道压力波数据的分析基础上,采用工况匹配(WCM)与加权K最近邻(WKNN)算法从数据库中选取若干与本次工况相接近的运行状态数据,并根据相似程度确定数据权重,构建预测用的历史数据。分别采用差分自回归滑动平均(ARIMA)与BP神经网络(BPNN)模型对隧道压力波进行预测,并将两种预测结果并联考虑,形成ARIMA-BPNN隧道压力波组合预测模型。利用武广客运专线某隧道压力波实测数据进行仿真。仿真结果表明:与WCM-WKNN-ARIMA及WCM-WKNN-BPNN单一预测模型以及WCM-ARIMA-BPNN组合预测模型相比,所建立组合模型能有效对隧道压力波进行预测,且能够取得更高精度的预测结果。 展开更多

关键词 高速列车 隧道压力波预测模型 差分自回归滑动平均-BP神经网络组合模型 工况匹配算法 加权K最近邻算法

在线阅读 下载PDF 职称材料

可重构功放的新颖NARX神经网络逆向建模研究 被引量：1

17

作者 南敬昌 臧净 +1 位作者 高明明 胡婷婷 《微波学报》 CSCD 北大核心 2019年第5期51-56,共6页

针对使用CAD软件设计射频微波电路繁琐且耗时长等缺点,提出一种新颖的带外部输入的非线性自回归(NARX)神经网络逆向建模方法。此方法采用具有激励函数的NARX神经网络(DAFNN)为模型以提高网络的泛化能力,利用支持向量机(SVM)替代模型的... 针对使用CAD软件设计射频微波电路繁琐且耗时长等缺点,提出一种新颖的带外部输入的非线性自回归(NARX)神经网络逆向建模方法。此方法采用具有激励函数的NARX神经网络(DAFNN)为模型以提高网络的泛化能力,利用支持向量机(SVM)替代模型的前馈部分完成数据分类,解决设计中的多解问题。然后应用于可以覆盖多个频段的可重构功率放大器中,实验表明,该方法在精度方面分别优于直接逆向建模方法和自适应η逆向建模方法99.86%和81.32%,计算速度方面优于直接逆向建模方法31.72%,可以降低射频微波可重构功率放大器的设计复杂度、缩短其设计时间。 展开更多

关键词 带外部输入的非线性自回归(NARX)神经网络 逆向建模 DAFNN神经元模型 支持向量机 可重构功率放大器

在线阅读 下载PDF 职称材料

基于PSO-NARX网络的司机驾驶行为分析方法 被引量：2

18

作者 王心仪 程剑锋 易海旺 《铁道学报》 EI CAS CSCD 北大核心 2024年第9期94-101,共8页

舒适性、准时性、节能性等是衡量高速铁路自动驾驶水平的重要指标,通过不断学习优秀司机的驾驶行为,可以优化列车自动驾驶性能,促进高速铁路自动驾驶技术的发展。基于现场列车运行数据,提出一种带有外部输入的非线性自回归(NARX)网络的... 舒适性、准时性、节能性等是衡量高速铁路自动驾驶水平的重要指标,通过不断学习优秀司机的驾驶行为,可以优化列车自动驾驶性能,促进高速铁路自动驾驶技术的发展。基于现场列车运行数据,提出一种带有外部输入的非线性自回归(NARX)网络的列车司机驾驶行为分析方法。该方法构建了具有时序特征的NARX网络模型,并选取多项影响司机决策的参数作为输入,利用粒子群优化算法(PSO)确定网络的权重和阈值,对下一时刻列车运行情况进行预测。仿真结果表明:本文提出的PSO-NARX网络分析模型的预测效果优于前馈型神经网络(BP)、PSO-BP、NARX,相比于BP算法,迭代步数降低了373步,误差降低了8382%,相关系数达到了90117%。通过此预测,可以优化列车的自动驾驶设备性能指标,保障列车准时的同时,提高了乘客乘坐的舒适性。 展开更多

关键词 高速铁路 非线性自回归神经网络 粒子群优化算法 驾驶行为 辨识

在线阅读 下载PDF 职称材料

基于深度自主学习的无缝惯性/地磁导航系统

19

作者 王晨光 赵天赏 申冲 《电光与控制》 北大核心 2025年第8期65-70,共6页

为了抑制惯性导航系统漂移并提高惯性导航系统/地磁导航系统在地磁失锁环境中的无缝导航能力,提出了一种结合深度自主学习的自适应容积卡尔曼滤波器(DSL-AdaptiveCKF)的混合无缝导航方法。其主要包括两个创新:1)结合基于残差与新息的自... 为了抑制惯性导航系统漂移并提高惯性导航系统/地磁导航系统在地磁失锁环境中的无缝导航能力,提出了一种结合深度自主学习的自适应容积卡尔曼滤波器(DSL-AdaptiveCKF)的混合无缝导航方法。其主要包括两个创新:1)结合基于残差与新息的自适应优化辅助方法,增强了量测噪声和过程噪声的初始误差的鲁棒性。Adaptive-CKF的航向均方根误差为2.78°,相比于传统的单惯性导航系统,航向精度提高89.51%,大大提高了组合导航系统的鲁棒性和航向测量精度。2)通过引入带有外生输入的非线性自回归(NARX)神经网络,为Adaptive-CKF提供深度自学习能力,这意味着即使在地磁导航系统失锁期间,也可以实现连续的高精度导航估计,其航向均方根误差为3.08°,与单惯导系统相比航向精度提高了88.38%。 展开更多

关键词 深度自主学习 惯性导航 地磁导航 容积卡尔曼滤波 自适应卡尔曼滤波 自回归神经网络

在线阅读 下载PDF 职称材料

具有预设性能的板球系统神经超扭曲滑模控制

20

作者 夏国锋 向凤红 《重庆大学学报》 CAS CSCD 北大核心 2024年第7期98-109,共12页

提出了一种新的具有预设性能的自回归小波神经网络(self-recurrent wavelet neural network,SRWNN)超扭曲非奇异快速终端滑模(super-twistingnon-singularfastterminalsliding mode,STNFTSM)控制方法(SRWNN_STNFTSM),在动力学不确定性... 提出了一种新的具有预设性能的自回归小波神经网络(self-recurrent wavelet neural network,SRWNN)超扭曲非奇异快速终端滑模(super-twistingnon-singularfastterminalsliding mode,STNFTSM)控制方法(SRWNN_STNFTSM),在动力学不确定性和未知扰动的情况下提高板球系统的跟踪控制性能。利用预设性能函数(prescribed performance function,PPF),将板球系统受约束的位置误差转换为无约束的误差模型。引入非奇异快速终端滑模(non-singular fast terminal sliding mode, NFTSM)面来消除常规终端滑模控制存在的奇异问题,并加入一个tanh函数的补偿项改进NFTSM滑模面,以调节轨迹跟踪的收敛速度和跟踪精度,同时结合超扭曲算法(super-twisting algorithm,STA)设计STNFTSM控制器,以削弱抖振和集总扰动的影响。针对系统存在的集总扰动,为了保证高跟踪精度,结合STNFTSM设计了自适应SRWNN补偿器来消除扰动,保证了鲁棒性。与现有常规滑模控制相比,仿真验证表明SRWNN_STNFTSM具有良好的跟踪性能和鲁棒性,能够对集总扰动下的板球系统进行准确跟踪。 展开更多

关键词 板球系统 预设性能控制 自回归小波神经网络 非奇异快速终端滑模 超扭曲算法

在线阅读 下载PDF 职称材料