基于分数阶滤波器和BiGRU神经网络的Wiener非线性系统建模与辨识

1

作者 李峰 杨岳松 李生权 《控制理论与应用》 北大核心 2025年第6期1181-1190,共10页

本文提出了一种基于分数阶滤波器和双向门控循环单元(BiGRU)神经网络的Wiener非线性系统建模与辨识方法,并应用于永磁同步电机的电流和电压预测.首先,通过Grünwald-Letnikov方法计算分数阶滤波器的未知系数,并利用该滤波器对输入... 本文提出了一种基于分数阶滤波器和双向门控循环单元(BiGRU)神经网络的Wiener非线性系统建模与辨识方法,并应用于永磁同步电机的电流和电压预测.首先,通过Grünwald-Letnikov方法计算分数阶滤波器的未知系数,并利用该滤波器对输入数据进行滤波,去除高频噪声,增强数据的稳健性;其次,为了提升对序列深层次特征的捕捉能力,使用BiGRU神经网络同时获取序列数据的过去和未来信息,并通过自适应动量估计技术更新BiGRU网络的参数.仿真结果表明,提出的Wiener系统能够有效建立永磁同步电机系统模型,取得了较好的预测效果.与整数阶滤波器BiGRU-attention神经网络相比,电压预测值的均方误差降低了30.87%,平均绝对误差降低了26.97%;电流预测值的均方误差降低了34.42%,平均绝对误差降低了14.88%. 展开更多

关键词 非线性Wiener系统 分数阶滤波器 双向gru神经网络 参数辨识 永磁同步电机

在线阅读 下载PDF 职称材料

粒子滤波和GRU神经网络融合的锂电池RUL预测 被引量：4

2

作者 贺宁 张思媛 +2 位作者 李若夏 高峰 王家栋 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2024年第5期142-151,共10页

随着锂电池在移动电子设备和电动汽车等领域中得到广泛应用,其剩余使用寿命(remaining useful life,RUL)的精确预测对锂电池的健康管理更具重要意义。本文提出一种基于粒子滤波(particle filter,PF)和门控循环单元(gated recurrent unit... 随着锂电池在移动电子设备和电动汽车等领域中得到广泛应用,其剩余使用寿命(remaining useful life,RUL)的精确预测对锂电池的健康管理更具重要意义。本文提出一种基于粒子滤波(particle filter,PF)和门控循环单元(gated recurrent unit,GRU)神经网络融合(PF-GRU)的预测方法预测锂电池的RUL。这种融合方法结合了PF在估计RUL概率分布上的优势以及GRU能够进行时间序列长期预测的能力,获得融合的预测结果。再利用每个预测周期的容量预测结果,采用带移动窗口迭代更新训练数据集的方法对GRU模型进行再训练,提高了GRU的长期预测性能。以上预测步骤迭代进行,直到容量衰减至寿命阈值以下。最后将粒子代表的预测结果外推至寿命阈值,得到电池RUL分布直方图。本文采用美国NASA卓越诊断学中心(PCoE)实验室所提供的锂电池数据对所提方法进行验证,将所提出的融合方法与GRU、PF和无窗口移动融合方法进行RUL预测比较。实验结果表明,本文所提出的融合方法具有良好的性能,在状态和参数估计、RUL预测方面明显优于PF和无窗口移动融合方法,预测精度均高于其他3种预测方法。 展开更多

关键词 锂电池 剩余使用寿命 粒子滤波 gru神经网络 融合方法

在线阅读 下载PDF 职称材料

基于GRU神经网络和遗传算法的飞机装配站位物料配置方案优化

3

作者 张琦 蒋昌健 +1 位作者 韩嘉威 刘金炜 《航空制造技术》 CSCD 北大核心 2024年第17期78-82,92,共6页

装配站位是飞机装配线基础管理单元,由于飞机装配作业过程繁杂并存在大量随机扰动,其管理者需要根据不断变化的工况频繁对在装架次的物料配置方案进行优化。为此,提出一种基于门控循环单元(Gated recurrent unit,GRU)神经网络和遗传算... 装配站位是飞机装配线基础管理单元,由于飞机装配作业过程繁杂并存在大量随机扰动,其管理者需要根据不断变化的工况频繁对在装架次的物料配置方案进行优化。为此,提出一种基于门控循环单元(Gated recurrent unit,GRU)神经网络和遗传算法的优化方法。为了克服离散事件仿真在评估效率方面的局限性,以仿真历史数据为学习样本,采用GRU神经网络构建物料配置方案评估仿真代理模型,模型以物料配置方案为输入,以在装架次预计完工时间和关键物料平均滞留时间为输出。将仿真代理模型作为目标函数评估模型与遗传算法相结合,实现物料配置方案全局优化。仿真验证结果表明,基于GRU神经网络的仿真代理模型能够准确、高效地评估物料配置方案,输出的优化方案能够有效缩短在装架次的预计完工时间和关键物料平均滞留时间。 展开更多

关键词 装配站位 物料配置方案 离散事件仿真 gru神经网络 遗传算法

在线阅读 下载PDF 职称材料

基于自注意力机制和双向GRU神经网络的深度知识追踪优化模型 被引量：14

4

作者 李浩君 方璇 戴海容 《计算机应用研究》 CSCD 北大核心 2022年第3期732-738,共7页

针对现有深度知识追踪模型存在输入习题间复杂关系捕获能力弱、无法有效处理长序列输入数据等问题,提出了基于自注意力机制和双向GRU神经网络的深度知识追踪优化模型(KTSA-BiGRU)。首先,将学习者的历史学习交互序列数据映射为实值向量序... 针对现有深度知识追踪模型存在输入习题间复杂关系捕获能力弱、无法有效处理长序列输入数据等问题,提出了基于自注意力机制和双向GRU神经网络的深度知识追踪优化模型(KTSA-BiGRU)。首先,将学习者的历史学习交互序列数据映射为实值向量序列;其次,以实值向量序列作为输入训练双向GRU神经网络,利用双向GRU神经网络建模学习者的学习过程;最后,使用自注意力机制捕获练习题之间的关系,根据双向GRU神经网络输出的隐向量和注意力权重计算学习者正确回答下一问题的概率。实验在三个公共数据集上的性能分析优于现有的知识追踪模型,能提高深度知识追踪的预测精度。 展开更多

关键词 知识追踪 深度学习 双向gru神经网络 自注意力机制

在线阅读 下载PDF 职称材料

基于改进词向量GRU神经网络模型的藏语实体关系抽取 被引量：5

5

作者 孙媛 王丽客 郭莉莉 《中文信息学报》 CSCD 北大核心 2019年第6期35-41,共7页

互联网数据的爆炸式增长,使得研究热点更多转向Web内容结构化分析。如果将藏语知识以结构化形式表示,那么将会有利于藏语知识的结构化分析和深度挖掘。该文提出了一种优化词向量的GRU神经网络模型进行藏语实体关系抽取的方法。在模型的... 互联网数据的爆炸式增长,使得研究热点更多转向Web内容结构化分析。如果将藏语知识以结构化形式表示,那么将会有利于藏语知识的结构化分析和深度挖掘。该文提出了一种优化词向量的GRU神经网络模型进行藏语实体关系抽取的方法。在模型的训练中,加入了优化的词向量,在传统的词向量模型中结合藏语音节向量、音节位置向量、词性向量等特征对词向量进一步优化,并且选取了藏语词汇特征和藏语句子特征。实验证明,通过使用改进词向量F1值达到了78.43%。 展开更多

关键词 实体关系抽取 词向量 gru神经网络

在线阅读 下载PDF 职称材料

利用GRU神经网络预测横波速度 被引量：22

6

作者 孙宇航 刘洋 《石油地球物理勘探》 EI CSCD 北大核心 2020年第3期484-492,503,467,共11页

储层参数与横波速度之间存在一定的相关关系,但是这种复杂关系很难得到解析解。为此,构建了GRU(gated recurrent unit)神经网络方法,主要包括神经网络构建、数据预处理、样本训练和数据预测四个部分,通过训练神经网络逼近横波速度与储... 储层参数与横波速度之间存在一定的相关关系,但是这种复杂关系很难得到解析解。为此,构建了GRU(gated recurrent unit)神经网络方法,主要包括神经网络构建、数据预处理、样本训练和数据预测四个部分,通过训练神经网络逼近横波速度与储层参数之间的关系,利用纵波速度、密度和自然伽马等储层参数直接预测横波速度。采用D区的30口井的测井数据训练和测试神经网络,结果表明:①纵波速度、密度和电阻率对数与横波速度呈较好的正相关关系,自然伽马值、孔隙度与横波速度呈负相关关系。②对于多数井训练、少数井验证,训练数据预测的横波速度与真实值的相对误差和相关系数分别约为3.00%和0.9837,测试数据预测的横波速度与真实值的相对误差和相关系数分别约3.19%和0.9805;对于少数井训练、多数井验证,训练数据预测的横波速度与真实值的相对误差和相关系数分别约为2.49%和0.9867,测试数据预测的横波速度与真实值的相对误差和相关系数分别约3.92%和0.9686。因此所提方法具有较高预测精度和较强泛化能力。 展开更多

关键词 横波速度预测 gru神经网络 储层参数

在线阅读 下载PDF 职称材料

基于双向GRU神经网络和双层注意力机制的中文文本中人物关系抽取研究 被引量：24

7

作者 张兰霞 胡文心 《计算机应用与软件》 北大核心 2018年第11期130-135,189,共7页

实体关系抽取是知识抽取的重要组成部分。与传统模式识别的方法相比,深度学习的方法在关系抽取任务中表现得更为突出。目前关于中文的关系抽取技术的研究主要是基于核函数和远程监督的方法,而且数据集中的噪音数据对实验结果带来的负面... 实体关系抽取是知识抽取的重要组成部分。与传统模式识别的方法相比,深度学习的方法在关系抽取任务中表现得更为突出。目前关于中文的关系抽取技术的研究主要是基于核函数和远程监督的方法,而且数据集中的噪音数据对实验结果带来的负面影响不可忽视。提出一种基于双向GRU神经网络和双层注意力机制的中文关系抽取模型。结合中文语言的结构特点,采用字向量的形式进行输入,针对遗忘性问题,采用双向的GRU神经网络对输入向量进行融合。从一个句子中提取出字级别的特征信息,并通过句子级别的注意力机制来提取句子特征。利用远程监督的方法在新闻网站上抽取约8 000条数据进行验证。实验结果表明,双层注意力机制的神经网络模型可以充分利用句子的所有特征信息,准确率和召回率相较于未加入注意力机制的神经网络模型都有显著提升。 展开更多

关键词 中文关系抽取 双向gru神经网络 注意力机制 字向量

在线阅读 下载PDF 职称材料

基于GA-GRU神经网络的光伏MPPT算法 被引量：13

8

作者 王冉冉 高慧敏 张昕宇 《太阳能学报》 EI CAS CSCD 北大核心 2023年第9期212-219,共8页

针对外界环境因素快速变化时,光伏发电系统难以保持在最大功率点输出的问题,提出遗传算法与GRU神经网络相结合的最大功率跟踪算法(GA-GRU-MPPT)。该算法在构建的最大功率点预测模型基础上,采用遗传算法对GRU神经网络的参数进行优化。考... 针对外界环境因素快速变化时,光伏发电系统难以保持在最大功率点输出的问题,提出遗传算法与GRU神经网络相结合的最大功率跟踪算法(GA-GRU-MPPT)。该算法在构建的最大功率点预测模型基础上,采用遗传算法对GRU神经网络的参数进行优化。考虑到数据的关联性,将前一时刻的太阳电池温度、太阳辐照度、最大功率点电压及当前时刻的太阳电池温度和太阳辐照度作为预测模型的输入变量,输出为当前时刻的最大功率点电压。针对3种不同气候情形的仿真结果表明,该算法跟踪精度可达99%,能显著提高光伏系统的能量转换效率。 展开更多

关键词 太阳电池 最大功率点跟踪 遗传算法 gru神经网络 仿真

在线阅读 下载PDF 职称材料

基于GRU神经网络模型的冷链运输温度时序预测 被引量：4

9

作者 陈谦 杨涵 +2 位作者 王宝刚 李文生 钱建平 《农业大数据学报》 2022年第1期82-88,共7页

冷链可以有效维持易腐食品品质、保障质量安全、降低过程损耗,冷链环境监控对于充分发挥冷链物流效能至关重要。当前,冷链环境监控技术可以满足多点、无线、实时等监测需求,并通过与新一代智能信息技术结合开始向冷链物流环境精准预测... 冷链可以有效维持易腐食品品质、保障质量安全、降低过程损耗,冷链环境监控对于充分发挥冷链物流效能至关重要。当前,冷链环境监控技术可以满足多点、无线、实时等监测需求,并通过与新一代智能信息技术结合开始向冷链物流环境精准预测方向快速发展。本文针对冷链运输温度预测问题,从挖掘历史数据时序信息角度出发,提出了一种基于门控循环单元网络(Gated recurrent unit,GRU)的冷链运输温度时序预测方法。首先,滤除冷链运输温度时序数据的异常值和缺失值,利用拉格朗日插值法进行填补修正后归一化处理;然后,根据三种不同时间序列预测尺度的GRU神经网络模型预测性能对比结果,选择构建GRU时序预测模型用于预测冷链中实验冷藏厢体未来10 min的温度变化,并与循环神经网络(Recurrent neural network,RNN)模型、反向传播神经网络(Back propagation,BP)模型进行预测准确性对比试验。对比冷链厢体温度真实值与预测值发现,基于GRU神经网络模型的对应厢体预测温度均方根误差和平均绝对误差分别为0.156和0.760℃,平均绝对百分比误差为0.236%,与其他模型相比,以上误差指标值均处于相对最低水平;在温度时间序列预测模型中,GRU时序预测模型表现出更优的预测效果。该研究成果对于食品冷链物流中预测预警食品安全、精细控制冷链环境具有重要的实际指导意义。 展开更多

关键词 易腐食品 冷链运输温度 时序预测 gru神经网络 食品安全 冷链运输

在线阅读 下载PDF 职称材料

一种基于GRU神经网络的语音增强方法 被引量：4

10

作者 彭月 蒙祖强 杨丽娜 《广西大学学报（自然科学版）》 CAS 北大核心 2021年第6期1533-1548,共16页

对语音增强的方法研究开始于20世纪70年代,目前形成了4大类传统的语音增强方法,包括谐波增强法、谱减法、基于语音生成模型的算法和基于短时谱估计的算法。但语音信号本身为非平稳信号,无论时域分析或者频域分析,其本身的信号特征均不明... 对语音增强的方法研究开始于20世纪70年代,目前形成了4大类传统的语音增强方法,包括谐波增强法、谱减法、基于语音生成模型的算法和基于短时谱估计的算法。但语音信号本身为非平稳信号,无论时域分析或者频域分析,其本身的信号特征均不明显,同时噪声信号常常多个叠加,特征复杂、频带宽,现有语音增强效果并不理想,甚至容易引入音乐噪声。语音交流是人类的基本沟通交流方式,用途广泛,但是在语音通讯的过程中不可避免的会受到来自环境噪声、电气噪声、传输介质等干扰,干扰后将影响人的收听辨识效果或者影响其他语音信号的处理(如语音识别)。因此,有必要在音频数字化后实行适当的增强措施来提高辨识度。基于此,提出一种综合了多种方法的新语音增强处理结构。该结构结合短时傅里叶变换、谱减法、噪声谱估计和机器学习技术等,实现更强的语音增强效果。通过与前馈BP网络及LSTM网络对比,实验证明了该方法的有效性。并验证使用GPU计算技术加速的可行性。 展开更多

关键词 语音增强 gru神经网络 GPU计算

在线阅读 下载PDF 职称材料

基于PSO算法优化GRU神经网络的短期负荷预测 被引量：26

11

作者 王康 龚文杰 +1 位作者 段晓燕 张智晟 《广东电力》 2020年第4期90-96,共7页

为了实现高精度的电力系统短期负荷预测,提出了基于粒子群优化(particle swarm optimization,PSO)算法优化门控循环单元(gated recurrent unit,GRU)神经网络的电力系统短期负荷预测模型。首先建立GRU神经网络,GRU神经网络采用了门控循... 为了实现高精度的电力系统短期负荷预测,提出了基于粒子群优化(particle swarm optimization,PSO)算法优化门控循环单元(gated recurrent unit,GRU)神经网络的电力系统短期负荷预测模型。首先建立GRU神经网络,GRU神经网络采用了门控循环单元,与采用传统循环单元的传统循环神经网络相比,克服了传统循环神经网络中可能出现的梯度爆炸和梯度消失问题;继而采用具有较强全局优化能力的改进粒子群算法对GRU神经网络参数进行优化,有效提高模型的预测精度。通过实际算例仿真分析,并与传统的GRU神经网络预测模型以及反向传播(back propagation,BP)神经网络预测模型进行对比,验证了所提电力系统短期负荷预测模型具有较好的精度和稳定性。 展开更多

关键词 短期负荷预测 门控循环单元 gru神经网络 粒子群优化 预测精度

在线阅读 下载PDF 职称材料

基于GRU神经网络的WGAN短期负荷预测模型 被引量：12

12

作者 高翱 王帅 +1 位作者 韩兴臣 张智晟 《电气工程学报》 CSCD 2022年第2期168-175,共8页

为了提高短期负荷预测模型的精度,提出了一种基于门控循环单元(Gated recurrent unit,GRU)神经网络的Wasserstein生成对抗网络(Wasserstein generative adversarial network,WGAN)短期负荷预测模型。将Wasserstein距离作为生成对抗网络(... 为了提高短期负荷预测模型的精度,提出了一种基于门控循环单元(Gated recurrent unit,GRU)神经网络的Wasserstein生成对抗网络(Wasserstein generative adversarial network,WGAN)短期负荷预测模型。将Wasserstein距离作为生成对抗网络(Generative adversarial network,GAN)的损失函数,与传统GAN相比,可以解决其训练过程中存在的梯度消失、模式崩溃等问题。同时,其生成器和判别器模型采用GRU神经网络,用以解决循环神经网络中存在的梯度问题。通过与GRU神经网络模型、传统GAN模型、采用KL散度作为损失函数且生成器和判别器采用GRU的GAN模型进行对比试验,证明了所提出的新模型具有更好的预测精度和稳定性。 展开更多

关键词 短期负荷预测 生成对抗网络 Wasserstein距离 gru神经网络 电力系统

在线阅读 下载PDF 职称材料

基于改进门控循环神经网络的机械臂逆运动学解 被引量：1

13

作者 陈富安 侯宇杰 李苏阳 《机械设计与制造》 北大核心 2025年第1期365-368,373,共5页

针对传统神经网络和智能算法在机械臂逆运动学求解过程中求解精度低和泛化能力弱的问题,提出一种利用注意力机制改进门控循环(Gated Recurrent Unit,GRU)神经网络的逆运动学求解模型。该模型利用GRU神经网络对机械臂逆向运动过程中时序... 针对传统神经网络和智能算法在机械臂逆运动学求解过程中求解精度低和泛化能力弱的问题,提出一种利用注意力机制改进门控循环(Gated Recurrent Unit,GRU)神经网络的逆运动学求解模型。该模型利用GRU神经网络对机械臂逆向运动过程中时序性的分析,学习各个关节运动前后变化的约束关系。然后通过注意力机制突出重要节点数据变化对关节角的影响,提高求解精度,增强模型泛化能力。本仿真以六自由度串联机械臂为研究对象,对其运动学进行建模分析,将机械臂的逆运动学求解问题转换为误差最小化的研究。仿真结果表明,利用该神经网络模型求解逆运动学相比于PSO-BP和LSTM网络,模型的求解精度得到了明显提高。 展开更多

关键词 逆运动学 注意力机制 gru神经网络 求解精度

在线阅读 下载PDF 职称材料

基于GRU改进RNN神经网络的飞机燃油流量预测 被引量：30

14

作者 陈聪 候磊 +1 位作者 李乐乐 杨鑫涛 《科学技术与工程》 北大核心 2021年第27期11663-11673,共11页

利用从飞机快速存储记录器(quick access recorder,QAR)中获取的大量数据设计研究了一种利用循环神经网络(recurrent neural network,RNN)及其改进网络门控循环单元(gate recurrent unit,GRU)进行飞机燃油流量预测的模型。首先使用基于... 利用从飞机快速存储记录器(quick access recorder,QAR)中获取的大量数据设计研究了一种利用循环神经网络(recurrent neural network,RNN)及其改进网络门控循环单元(gate recurrent unit,GRU)进行飞机燃油流量预测的模型。首先使用基于时间的反向传播算法(back propagation trough time,BPTT)训练网络,Adam优化算法加速迭代更新神经网络权重。在参数调整实验中发现循环神经网络对历史信息利用能力不足,极易发生梯度消失与梯度爆炸,遂提出改进网络结构,引入GRU重构燃油流量预测模型。在最优的超参数条件下,重构模型在训练集和测试集上的损失函数均方误差(mean squared error,MSE)值分别为0.00108、0.00097。通过与朴素RNN的预测曲线和MSE对比可以发现,改进后的GRU网络能够“记忆”更多历史信息而不易出现梯度消失或梯度爆炸的问题,预测精度与曲线拟合能力显著提高。因此,GRU重构模型显著改善了预测能力,并通过实际案例验证该预测模型在故障诊断等领域的应用。 展开更多

关键词 燃油流量预测 RNN神经网络 gru神经网络 BPTT算法

在线阅读 下载PDF 职称材料

基于GRU 神经网络的巷道平均风速获取研究 被引量：5

15

作者 邵良杉 闻爽爽 《黄金科学技术》 CSCD 2021年第5期709-718,共10页

针对矿井智能通风系统不能及时获取风速进而影响后续通风系统解算及优化的问题,利用ANSYS巷道风速分布模拟获取神经网络所需训练集,在人工测量与风速传感器监测数据的基础上,构建基于门控循环单元(Gated Recurrent Unit)神经网络的巷道... 针对矿井智能通风系统不能及时获取风速进而影响后续通风系统解算及优化的问题,利用ANSYS巷道风速分布模拟获取神经网络所需训练集,在人工测量与风速传感器监测数据的基础上,构建基于门控循环单元(Gated Recurrent Unit)神经网络的巷道平均风速预测模型。首先,提出神经网络模型,然后采用Adam优化算法对ANSYS模拟的点风速进行异常值和归一化等预处理,通过对不同形状巷道的监测点风速进行结构化处理后用于训练神经网络,找出各点风速与平均风速之间的强非线性关系,使预测风速逼近巷道实际平均风速,最后构建基于GRU神经网络的巷道平均风速预测模型。以王家岭煤矿实测数据作为测试集,将其应用于预测模型中,结果表明GRU神经网络模型具有较高精度和较强的泛化能力,能够获取巷道平均风速。矿井通风巷道平均风速预测模型在煤矿领域的成功应用,将为其他金属矿山智能通风系统及时准确获取风速参数提供新思路。 展开更多

关键词 智慧矿山 gru神经网络 监测监控系统 平均风速 智能通风系统

在线阅读 下载PDF 职称材料

基于GRU循环神经网络辅助的组合导航算法 被引量：15

16

作者 陶毅峰 江金光 方伟 《计算机工程与设计》 北大核心 2021年第2期370-376,共7页

针对复杂场景下GPS信号失锁导致的INS/GPS组合导航系统定位精度严重下降问题,提出基于GRU(门控循环单元)循环神经网络辅助的方法。在GPS信号锁定的情况下,使用GRU循环神经网络对IMU传感器数据、组合导航信息、GPS信息进行训练;GPS信号... 针对复杂场景下GPS信号失锁导致的INS/GPS组合导航系统定位精度严重下降问题,提出基于GRU(门控循环单元)循环神经网络辅助的方法。在GPS信号锁定的情况下,使用GRU循环神经网络对IMU传感器数据、组合导航信息、GPS信息进行训练;GPS信号失锁后,利用训练好的模型进行预测,继续补偿INS结果。通过实际跑车采得的数据进行验证,在GPS信号失锁时,使用GRU循环神经网络辅助相较于纯惯导系统精度有较大提高。与MLP(多层感知器)辅助的方法进行比较,验证了循环神经网络对于连续时间轨迹推算的优越性。 展开更多

关键词 组合导航 全球定位系统/惯性导航系统 卡尔曼滤波 GPS失锁 gru循环神经网络

在线阅读 下载PDF 职称材料

融合神经网络GRU和RRT算法的机械臂路径规划 被引量：2

17

作者 周哲 欧阳勇 《组合机床与自动化加工技术》 北大核心 2023年第9期7-10,共4页

针对求解机械臂最优路径规划问题,提出一种融合卷积神经网络GRU的RRT^(*)算法(GRU-RRT^(*))。将门控循环单元GRU应用于采样的规划器(GRU_Sampler),利用神经网络规划器为快速探索随机树提供节点,预测下一次随机采样最有希望的可达状态,... 针对求解机械臂最优路径规划问题,提出一种融合卷积神经网络GRU的RRT^(*)算法(GRU-RRT^(*))。将门控循环单元GRU应用于采样的规划器(GRU_Sampler),利用神经网络规划器为快速探索随机树提供节点,预测下一次随机采样最有希望的可达状态,显著降低了算法的运行时间,提高了改进的RRT^(*)算法的规划效率。此外,采用自适应可变步长,利用环境信息生成合适的步长,避免因固定步长导致的收敛速度降低的问题,最后使用三次样条插值算法对机械臂运动轨迹进行平滑,减少机械臂的冲击损耗。将GRU-RRT^(*)算法分别在二维、三维和Rviz地图中进行仿真,实验结果表明,改进算法有效的降低了搜索的时间,提高了机械臂规划的效率,平滑性良好。 展开更多

关键词 RRT^(*)算法 gru门控神经网络 分段三次样条 轨迹规划

在线阅读 下载PDF 职称材料

基于自编码器和门限循环单元神经网络的滚动轴承退化趋势预测 被引量：18

18

作者 王鹏 邓蕾 +1 位作者 汤宝平 韩延 《振动与冲击》 EI CSCD 北大核心 2020年第17期106-111,133,共7页

针对现有滚动轴承性能退化趋势预测方法存在退化指标选取困难、预测精度较低的问题,提出基于自编码器和门限循环单元神经网络的滚动轴承退化趋势预测方法。首先,构建轴承振动信号混合域高维特征集,采用指标综合评价值初步筛选敏感性高... 针对现有滚动轴承性能退化趋势预测方法存在退化指标选取困难、预测精度较低的问题,提出基于自编码器和门限循环单元神经网络的滚动轴承退化趋势预测方法。首先,构建轴承振动信号混合域高维特征集,采用指标综合评价值初步筛选敏感性高、趋势性好的性能退化指标;然后,利用自编码器融合高维特征集,消除混合域特征之间的冗余信息;在此基础上,将融合后的特征输入门限循环单元(gated recurrent unit,GRU)神经网络模型以完成滚动轴承退化趋势预测。试验结果表明,所提方法能获得更加准确的滚动轴承退化趋势预测结果。 展开更多

关键词 滚动轴承 退化趋势预测 自编码器(AE) gru神经网络

在线阅读 下载PDF 职称材料

基于GRU网络的多模型椭圆机动群目标跟踪方法

19

作者 陈烨 梁苑 +2 位作者 陈黎 李银伢 戚国庆 《兵器装备工程学报》 北大核心 2025年第6期253-259,共7页

针对机动群目标跟踪问题,提出一种基于GRU网络的多模型椭圆机动群目标跟踪方法。基于时间序列量测数据,提取群目标运动线速度、线加速度、角速度、角加速度特征参数,输入所提GRU网络,实现群目标运动子模型概率的精确估计。基于此,根据... 针对机动群目标跟踪问题,提出一种基于GRU网络的多模型椭圆机动群目标跟踪方法。基于时间序列量测数据,提取群目标运动线速度、线加速度、角速度、角加速度特征参数,输入所提GRU网络,实现群目标运动子模型概率的精确估计。基于此,根据随机矩阵群目标跟踪理论,提出一种基于贝叶斯状态估计架构的多模型椭圆机动群目标跟踪方法。仿真实验结果分析表明:所提方法可实现对机动椭圆群目标的精确稳健跟踪,相较于传统交互式多模型群目标跟踪方法,子模型概率估计精度提高35%,位置跟踪精度提高36.84%,速度跟踪精度提高58.09%。 展开更多

关键词 gru深度神经网络 椭圆群目标跟踪 多模型跟踪 机动目标跟踪 模型概率估计

在线阅读 下载PDF 职称材料

无相位远场数据反演散射障碍的神经网络方法 被引量：1

20

作者 尹伟石 杨文红 曲福恒 《吉林大学学报（理学版）》 CAS 北大核心 2020年第6期1357-1365,共9页

针对无相位信息反演障碍物位置及形状的问题,提出一种两层门控循环单元(GRU)神经网络对门控循环单元神经网络的方法(MGNN),并给出该方法的收敛性分析.首先,以无相位远场数据与障碍物边界曲线方程参数作为输入和输出,通过GRU神经网络控... 针对无相位信息反演障碍物位置及形状的问题,提出一种两层门控循环单元(GRU)神经网络对门控循环单元神经网络的方法(MGNN),并给出该方法的收敛性分析.首先,以无相位远场数据与障碍物边界曲线方程参数作为输入和输出,通过GRU神经网络控制门思想与长期记忆功能,有选择性地更新网络状态,保存数据特征;其次,应用梯度下降算法更新模型权重和偏置,解决了无相位信息的远场数据反演障碍物位置及形状的难题;最后,利用数值实验说明该方法的有效性. 展开更多

关键词 反散射问题 无相位数据 门控循环单元(gru)神经网络 收敛性

在线阅读 下载PDF 职称材料