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
2
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
Mecanum轮全向AGV轨迹跟踪级联控制器设计
1
作者
文生平
苏毅龙
瞿弘毅
《华南理工大学学报(自然科学版)》
北大核心
2025年第1期49-61,共13页
针对四Mecanum轮驱动的自动导引车(AGV)的轨迹跟踪控制问题,设计了一种模型预测控制(MPC)和自适应滑模控制(SMC)级联的控制器,来改善控制精度和稳定性,提高控制过程的层次性、针对性和有效性。在运动学层面,建立了AGV轨迹跟踪误差模型,...
针对四Mecanum轮驱动的自动导引车(AGV)的轨迹跟踪控制问题,设计了一种模型预测控制(MPC)和自适应滑模控制(SMC)级联的控制器,来改善控制精度和稳定性,提高控制过程的层次性、针对性和有效性。在运动学层面,建立了AGV轨迹跟踪误差模型,将其转化为二次规划问题,并加入约束条件,配合模型预测控制的滚动优化来在线求解二次规划的最优解,将AGV位姿误差转化为轮子转速的期望输出;在动力学层面,采用滑模控制得到轮子的输出力矩,实现轮子对期望转速的跟踪,引入具有快速准确逼近能力的极限学习机(ELM)神经网络对模型不确定性和未知干扰进行在线观测,并与滑模控制相结合自适应抵消干扰,进一步提高控制器的鲁棒性。在余弦扰动和脉冲干扰下对控制器进行仿真验证,并将结果与PID控制结果进行对比,发现MPC+SMC级联控制器的跟踪效果具有明显优势;与采用径向基函数(RBF)神经网络观测的级联控制器的对比表明,采用ELM观测器的控制器对干扰的鲁棒性更强,在各转速条件下与干扰曲线的拟合度均超过95%,其跟踪误差在多项指标上相比其他方法小1个数量级,最大位置偏差仅为毫米级。轨迹跟踪样机实验结果验证了该控制器的实用性和可行性。
展开更多
关键词
MECANUM轮
轨迹跟踪
模型预测控制
滑模控制
极限学习机
在线阅读
下载PDF
职称材料
基于Stacking集成学习的注塑件尺寸预测方法
被引量：
9
2
作者
宋建
王文龙
+1 位作者
李东
梁家睿
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2022年第6期19-26,共8页
机器学习算法能够处理高维和多变量数据,并在复杂和动态环境中提取数据中的隐藏关系,在注塑件尺寸预测中具有很好的应用前景。注塑件尺寸预测系统的性能取决于机器学习算法的选择,然而,传统的机器学习算法在实际应用中不能达到很好的预...
机器学习算法能够处理高维和多变量数据,并在复杂和动态环境中提取数据中的隐藏关系,在注塑件尺寸预测中具有很好的应用前景。注塑件尺寸预测系统的性能取决于机器学习算法的选择,然而,传统的机器学习算法在实际应用中不能达到很好的预测效果。为此,文中提出了一种基于Stacking集成学习的融合模型,首先采用优化的特征选择方法获得最佳的特征数量,然后通过对比分析单一模型的关联度和预测效果、不同Stacking学习器组合方式下模型的预测效果,得到预测性能最佳的模型,该模型的基学习器为极端梯度提升树(XGB)、轻量级梯度提升树(LGB)、核岭回归,元学习器为弹性网络回归。测试结果表明:该模型在注塑件尺寸预测方面的均方根误差和平均绝对误差较XGB和LGB模型分别降低了16%和20%左右,较传统支持向量机模型分别降低了45.22%和46.48%,同时模型预测结果可根据特征解释回溯到实际生产中,为制造工艺和工序的优化提供决策指导。
展开更多
关键词
注塑成型
预测
机器学习
集成学习
STACKING
在线阅读
下载PDF
职称材料
题名
Mecanum轮全向AGV轨迹跟踪级联控制器设计
1
作者
文生平
苏毅龙
瞿弘毅
机构
华南理工大学广东省高分子先进制造技术及装备重点实验室/聚合物成型加工工程教育部重点实验室
广东省
科学院智能
制造
研究所/
广东省
现代控制
技术
重点
实验室
出处
《华南理工大学学报(自然科学版)》
北大核心
2025年第1期49-61,共13页
基金
国家重点研发计划项目(2019YFC1908201)。
文摘
针对四Mecanum轮驱动的自动导引车(AGV)的轨迹跟踪控制问题,设计了一种模型预测控制(MPC)和自适应滑模控制(SMC)级联的控制器,来改善控制精度和稳定性,提高控制过程的层次性、针对性和有效性。在运动学层面,建立了AGV轨迹跟踪误差模型,将其转化为二次规划问题,并加入约束条件,配合模型预测控制的滚动优化来在线求解二次规划的最优解,将AGV位姿误差转化为轮子转速的期望输出;在动力学层面,采用滑模控制得到轮子的输出力矩,实现轮子对期望转速的跟踪,引入具有快速准确逼近能力的极限学习机(ELM)神经网络对模型不确定性和未知干扰进行在线观测,并与滑模控制相结合自适应抵消干扰,进一步提高控制器的鲁棒性。在余弦扰动和脉冲干扰下对控制器进行仿真验证,并将结果与PID控制结果进行对比,发现MPC+SMC级联控制器的跟踪效果具有明显优势;与采用径向基函数(RBF)神经网络观测的级联控制器的对比表明,采用ELM观测器的控制器对干扰的鲁棒性更强,在各转速条件下与干扰曲线的拟合度均超过95%,其跟踪误差在多项指标上相比其他方法小1个数量级,最大位置偏差仅为毫米级。轨迹跟踪样机实验结果验证了该控制器的实用性和可行性。
关键词
MECANUM轮
轨迹跟踪
模型预测控制
滑模控制
极限学习机
Keywords
Mecanum wheel
trajectory tracking
model predictive control
sliding mode control
extreme learning machine
分类号
TP273.3 [自动化与计算机技术—检测技术与自动化装置]
TH187 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
基于Stacking集成学习的注塑件尺寸预测方法
被引量：
9
2
作者
宋建
王文龙
李东
梁家睿
机构
华南理工大学
金发科技股份有限公司企业
技术
中心
出处
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2022年第6期19-26,共8页
基金
国家重点研发计划项目(2019YFB1704900)。
文摘
机器学习算法能够处理高维和多变量数据,并在复杂和动态环境中提取数据中的隐藏关系,在注塑件尺寸预测中具有很好的应用前景。注塑件尺寸预测系统的性能取决于机器学习算法的选择,然而,传统的机器学习算法在实际应用中不能达到很好的预测效果。为此,文中提出了一种基于Stacking集成学习的融合模型,首先采用优化的特征选择方法获得最佳的特征数量,然后通过对比分析单一模型的关联度和预测效果、不同Stacking学习器组合方式下模型的预测效果,得到预测性能最佳的模型,该模型的基学习器为极端梯度提升树(XGB)、轻量级梯度提升树(LGB)、核岭回归,元学习器为弹性网络回归。测试结果表明:该模型在注塑件尺寸预测方面的均方根误差和平均绝对误差较XGB和LGB模型分别降低了16%和20%左右,较传统支持向量机模型分别降低了45.22%和46.48%,同时模型预测结果可根据特征解释回溯到实际生产中,为制造工艺和工序的优化提供决策指导。
关键词
注塑成型
预测
机器学习
集成学习
STACKING
Keywords
injection molding
prediction
machine learning
ensemble learning
Stacking
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
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
Mecanum轮全向AGV轨迹跟踪级联控制器设计
文生平
苏毅龙
瞿弘毅
《华南理工大学学报(自然科学版)》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于Stacking集成学习的注塑件尺寸预测方法
宋建
王文龙
李东
梁家睿
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2022
9
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
