-
题名融合神经网络GRU和RRT算法的机械臂路径规划
被引量：2
- 1
-
-
作者
周哲
欧阳勇
-
机构
湖北工业大学计算机学院
-
出处
《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
-
基金
国家自然基金项目(61902116)。
-
文摘
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。
-
关键词
RRT^(*)算法
gru门控神经网络
分段三次样条
轨迹规划
-
Keywords
RRT algorithm
gru gated neural network
piecewise cubic spline
trajectory planning
-
分类号
TH165
[机械工程—机械制造及自动化]
TG659
[金属学及工艺—金属切削加工及机床]
-
-
题名无相位远场数据反演散射障碍的神经网络方法
被引量：1
- 2
-
-
作者
尹伟石
杨文红
曲福恒
-
机构
长春理工大学理学院
长春理工大学计算机科学技术学院
-
出处
《吉林大学学报（理学版）》
CAS
北大核心
2020年第6期1357-1365,共9页
-
基金
国家自然科学基金(批准号:11671107)。
-
文摘
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.
-
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
-
Keywords
inverse scattering problem
phaseless data
gated recurrent unit(gru)neural network
convergence
-
分类号
O242.2
[理学—计算数学]
-
-
题名基于优化VMD-GRU的滚动轴承剩余使用寿命预测
被引量：2
- 3
-
-
作者
郗涛
王锴
王莉静
-
机构
天津工业大学机械工程学院
天津城建大学控制与机械工程学院
-
出处
《中国工程机械学报》
北大核心
2024年第1期101-106,共6页
-
基金
国家科技重大专项子课题资助项目(2019zx04055-001-014)
2020年天津市科委企业科技特派员资助项目(20YDTPJC00840)。
-
文摘
为了提高滚动轴承剩余使用寿命(RUL)的预测精度,提出了一种变分模态分解(VMD)和门控循环神经网络(GRU)融合算法的滚动轴承RUL预测模型VMD-GRU。首先,该模型通过阿基米德优化算法(AOA)优化的VMD算法对原始振动信号进行分解;然后,利用最小包络熵准则选择最佳模态分量进行退化特征提取;再通过核主成分分析进行特征降维;最后,为保证模型准确率,通过鹈鹕优化算法(POA)优化GRU中的超参数,并根据不同故障类型建立GRU剩余寿命预测模型。使用XJTU-SY标准数据集进行剩余寿命预测验证,实验结果表明:与传统未结合故障类型提取退化特征和建立预测模型方法相比,VMD-GRU模型均方根误差和平均绝对误差分别降低了26.28%和27.17%。
-
关键词
滚动轴承
剩余寿命预测
变分模态分解(VMD)
门控循环神经网络(gru)
阿基米德优化算法(AOA)
鹈鹕优化算法(POA)
-
Keywords
rolling bearing
residual life prediction
variational mode decomposition(VMD)
gated recurrent neural network(gru)
archimedes optimization algorithm(AOA)
pelican optimization algorithm(POA)
-
分类号
TH133.3
[机械工程—机械制造及自动化]
-
-
题名油茶气象灾害预测模型的构建与应用
- 4
-
-
作者
钟东良
黄帅
曾钦文
曾凡敏
-
机构
广东省河源市气象局
-
出处
《农业与技术》
2025年第17期94-102,共9页
-
基金
广东省气象局科学技术研究项目(项目编号:GRMC2023Q12,GRMC2024M38)。
-
文摘
油茶在生长过程中常受多种气象灾害的影响,为实现对不同油茶气象灾害指标出现天数、等级的预测。以河源地区为例,对该地区油茶气象灾害指标筛选与等级进行划分,以5个国家基本气象站1963—2024年日降雨量、日最高气温、日平均气温等气象数据为基础,标记整理出数据集;通过LSTM、GRU模型进行训练和推理,以提前30d作为起报时间点,预测出不同油茶气象灾害指标可能出现天数,通过对比得出最优模型,最优模型参数和实测值与预测值对比分析结果,推理出最优模型下油茶气象灾害指标天数结果,并判断灾害指标等级,对预测结果进行可视化应用。结果表明:结合当地气候特征和相关灾害定义标准,筛选得出当地油茶气象灾害主要分为5种类型;LSTM模型训练过程中的学习和泛化能力较GRU模型更优,更能有效捕捉数据规律;LSTM模型对于油茶气象灾害预测最优参数权重结果隐藏层为96,学习率为0.001,训练轮数为150,在此参数结果下模型对花期低温阴雨寡照危害指标的预测精度表现最优;油茶气象灾害指标预测可视化应用,可生成5种指标下的灾害等级、灾害天数结果,可直观了解油茶可能面临的气象灾害情况,为油茶种植户在灾害来临前提供科学有效的防范依据。
-
关键词
广东河源
油茶气象灾害
长短期记忆网络(LSTM)
门控循环神经网络(gru)
RMSE检验
R^(2)检验
理想拟合对比
-
分类号
S166
[农业科学—农业气象学]
-
-
题名基于门控循环单元的全断面掘进机稳定段掘进性能预测
被引量：2
- 5
-
-
作者
张弛
李艳
王鹏
刘沛
梁科森
-
机构
中南大学机电工程学院
-
出处
《科学技术与工程》
北大核心
2022年第32期14443-14450,共8页
-
基金
国家重点研发计划(2018YFB1702500)。
-
文摘
全断面隧道掘进机(tunnel boring machine, TBM)一个正常掘进循环分为空推段、上升段和稳定段3个阶段,其中稳定掘进段为主要施工阶段,稳定段掘进性能的好坏是TBM掘进的关键。为实现TBM安全高效掘进,建立一种基于门控循环单元(gated recurrent unit, GRU)神经网络的预测模型,预测TBM稳定段掘进性能。模型以新疆某供水工程Ⅱ标段TBM施工数据为依托,5种掘进循环上升段主要参数的时间序列数据作为主要输入,围岩等级作为辅助输入来考虑岩体对掘进性能的影响,输出为稳定段的总推进力和刀盘扭矩,为稳定段TBM性能预判提供参考。为显示预测效果,对比传统循环神经网络(recurrent neural network, RNN)预测模型,并分析不同长度时间序列输入对模型预测精度的影响。结果表明:GRU模型预测拟合优度均在0.9以上,平均绝对百分比误差均小于12.25%,同时能够适用不同长度时序输入。由此可见,所建模型具有较高预测精度,泛化能力较好,能够辅助预判掘进机稳定段性能。
-
关键词
地下工程
全断面掘进机(TBM)
门控循环单元(gru)神经网络
掘进性能预测
围岩等级
-
Keywords
underground engineering
tunnel boring machine(TBM)
gated recurrent unit(gru)neural network
tunneling performance prediction
surrounding rock grade
-
分类号
U455
[建筑科学—桥梁与隧道工程]
-
-
题名基于RF-GRU风速预测的风电MPPT控制
被引量：7
- 6
-
-
作者
金俊喆
武鹏
董祥祥
葛传九
陈蓓
-
机构
上海工程技术大学电子电气工程学院
-
出处
《传感器与微系统》
CSCD
北大核心
2021年第5期38-41,共4页
-
基金
上海市自然科学基金资助项目(18ZR141670)。
-
文摘
针对风能最大功率点跟踪(MPPT)的问题,提出了一种基于风速预测的改进粒子群优化(IPSO)算法的MPPT控制策略。该策略包含两部分:基于门控循环单元(GRU)神经网络的风速预测和IPSO算法的MPPT控制。首先,建立GRU风速预测模型,并通过随机森林(RF)算法进行特征提取,作为模型的输入,实现风速预测;然后,以预测的风速作为基础,从粒子群优化(PSO)算法的粒子分布、种群规模、惯性权重等多个方面进行优化,实现风能MPPT;最后,使用MATLAB/SIMULINK软件对所提策略进行仿真。仿真结果表明:基于RF-GRU预测的风速较为精确,基于风速预测的IPSO算法可以快速搜索到最大功率点,避免了局部最优和在风速突变时最大功率点滑落的问题。
-
关键词
最大功率点跟踪(MPPT)
随机森林
门控循环单元(gru)神经网络
风速预测
粒子群优化算法
-
Keywords
maximum power point tracking(MPPT)
random forest(RF)
gated recurrent unit(gru)neural network
wind speed prediction
particle swarm optimization(PSO)algorithm
-
分类号
TM315
[电气工程—电机]
-
-
题名结合深度学习和分解算法的股票价格预测研究
被引量：21
- 7
-
-
作者
张倩玉
严冬梅
韩佳彤
-
机构
天津财经大学理工学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第5期56-64,共9页
-
基金
国家自然科学基金青年项目(71901160)。
-
文摘
针对股票价格预测问题,实现对非平稳、非线性股票价格序列的预测,提出一种结合深度学习和分解算法的股票价格预测模型。该模型引入自适应噪声的完整集成经验模态分解(CEEMDAN)算法提取股票价格时间序列在时间尺度上的特征,利用注意力机制捕获输入特征参数的权重并结合门控循环单元(GRU)网络进行股票价格预测。实验对苹果、贵州茅台等国内外四家公司的股票价格和上证指数进行预测,结果表明与RNN、LSTM等模型相比,所提模型能有效减少预测误差,提高模型拟合能力。
-
关键词
股票预测
注意力机制
门控循环单元(gru)神经网络
信号分解算法
-
Keywords
stock forecasting
attention mechanism
Gated Recurrent Unit(gru)neural network
signal decomposition algorithm
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名桥梁结构挠度-温度-车辆荷载监测数据相关性模型
被引量：4
- 8
-
-
作者
鞠翰文
邓扬
李爱群
-
机构
北京建筑大学土木与交通工程学院
北京建筑大学北京节能减排与城乡可持续发展省部共建协同创新中心
-
出处
《振动与冲击》
EI
CSCD
北大核心
2023年第6期79-89,共11页
-
基金
国家自然科学基金(51878027)
北京市教委青年拔尖人才培育计划(CIT&TCD201904060)
北京建筑大学基本科研业务费(X20174,X21073)。
-
文摘
运营状态下桥梁结构挠度、车载和温度的相关性复杂,高精度的车载、温度与挠度相关性模型对桥梁结构健康监测具有重要意义。为此,提出了基于门控循环单元(gated recurrent unit,GRU)神经网络的桥梁挠度监测数据建模方法。为解决车辆荷载监测数据在时域内离散分布的问题,提出了基于挠度影响线的车载影响参数计算方法;在此基础上建立了基于GRU神经网络的车载影响参数、环境温度和桥梁挠度相关性模型。以一座悬索桥为例,分别建立了短时段、中长时段的相关性模型,考察了相关性模型对加劲梁挠度的预测能力,并利用相关性模型提出了一种温度和车载挠度分量的分离方法。悬索桥实例研究表明:短时段相关性模型的挠度预测值与实时监测数据基本吻合,而中长时段相关性模型则对一定时间窗口内的挠度极值具有精确的预测能力;采用相关性模型计算得到的温度与车载挠度分量与小波分解结果具有良好的一致性。
-
关键词
结构健康监测
门控循环单元(gru)神经网络
相关性模型
挠度
车辆荷载
环境温度
-
Keywords
structural health monitoring
gated recurrent unit(gru)neural network
correlation model
deflection
vehicle load
environmental temperature
-
分类号
U446
[建筑科学—桥梁与隧道工程]
-
-
题名采用多任务学习预测短时公交客流
- 9
-
-
作者
张鹏祯
左兴权
黄海
-
机构
北京邮电大学计算机学院
可信分布式计算与服务教育部重点实验室
-
出处
《计算机工程与应用》
CSCD
北大核心
2023年第24期360-366,共7页
-
基金
国家自然科学基金(61873040)。
-
文摘
现有公交线路短时客流预测方法主要依赖于单条线路的信息,忽略了多条线路之间的相关关系对客流预测的提升效果。针对这一问题,提出一种基于相关度分析和多任务学习的公交客流预测方法。利用灰色关联分析和皮尔逊相关系数获取公交线路之间的关联度系数,计算当前线路的相关线路集合;将相关线路的客流预测作为当前线路客流预测的辅助任务,建立基于门控循环单元(GRU)神经网络的多任务深度学习模型来预测客流。实验结果表明,该多任务学习模型在预测精度方面优于传统的时间序列预测模型以及仅考虑单条线路信息的神经网络预测模型。
-
关键词
公交短时客流预测
门控循环单元(gru)神经网络
多任务学习
灰色关联分析
-
Keywords
short-term bus passenger flow forecasting
gate recurrent unit(gru)neural network
multi-task learning
grey correlation analysis
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
