公共文化服务平台

搜索到16980篇“ 自适应迭代“的相关文章

一种挤压机挤压杆的速度跟踪自适应迭代学习控制方法: 本发明属于智能控制技术领域，公开了一种挤压机挤压杆的速度跟踪自适应迭代学习控制方法，包括以下步骤：根据挤压杆的物理性质，以及挤压杆的运动方式，确定挤压杆的动力学模型，确定控制目标；基于逼近理论，对挤压杆运动模型中不确定部...; 张春丽谢宇伟吴亚丽钱富才

一种柔性关节机器人神经网络自适应迭代学习控制方法: 本发明公开了一种柔性关节机器人神经网络自适应迭代学习控制方法，包括：S1：建立受约束柔性关节机器人，初始化系统状态、采样时间以及控制参数；S2：补偿输入饱和约束；S3：计算系统跟踪误差，构造期望误差轨迹；S4：定义误差变...; 施卉辉

自适应迭代学习的调度自动化系统运行指标预测方法: 2025年; 在调度自动化系统运行智能风险预警场景下,针对海量指标使用单一算法存在准确率不高以及未根据实时数据特征变化迭代更新等问题,提出一种自适应迭代学习的调度自动化系统运行指标预测方法。基于电力系统业务应用不同行为模式下运行指标时序数据特征,提出基于傅里叶变换和自相关系数的运行指标分类方法。根据分类结果采用自适应选择策略构建运行指标时序预测模型。动态捕捉实时运行指标数据变化,自适应迭代更新模型和预测结果。选取某系统部分运行指标数据进行算例分析,验证了所提方法在精确性与时效性方面均显著优于单一算法,消除了实时数据特征变化对系统运行指标趋势预测的影响。; 沈嘉灵季学纯高尚王宇冬陈子韵李昊; 关键词：调度自动化系统自适应选择迭代学习自适应更新

一种基于自适应迭代学习的挤压机动梁位置跟踪控制方法: 本发明公开了一种基于自适应迭代学习的挤压机动梁位置跟踪控制方法，属于位置控制技术领域。基于自适应迭代学习的挤压机动梁位置跟踪控制方法，包括以下步骤：根据动梁的物理性质，通过对动梁的运动方式进行分析，构建非线性参数化动梁系...; 张春丽谢宇伟吴亚丽钱富才

刚性机械臂系统的非一致轨迹自适应迭代学习控制方法: 一种刚性机械臂系统的非一致轨迹自适应迭代学习控制方法，针对机械臂系统的期望轨迹在每次迭代时都是变化的情况下，首先利用多项式修正函数构造修正参考信号，修正参考信号的设计保证系统每次迭代的初值误差为零。在此基础上，设计自适应...; 管海娃陈凯杰陈忠海

基于事件触发机制的永磁同步电机数据驱动自适应迭代学习控制方法: 一种基于事件触发机制的永磁同步电机数据驱动自适应迭代学习控制方法，构建永磁同步电机系统的动力学模型，确定电机离散状态空间模型，基于优化的思想设计数据驱动自适应迭代学习控制器和事件触发机制设置等四个步骤。本发明能够在永磁同...; 陈强王守勤施卉辉程慧敏何熊熊

自适应迭代学习控制的发展现状与展望被引量：1: 2024年; 本文在不同问题框架下阐述了自适应迭代学习控制方法的研究现状,并介绍了该领域未来的一些研究方向.首先,简要概述了自适应迭代学习控制的分析方法与控制器结构;其次,从系统的结构特征和运行特征两个角度,讨论了近年来自适应迭代学习控制领域的研究热点,包括非参数型不确定性、输入不确定性、状态受限、状态不可测、非重复运动等关键问题.针对每一类问题,指出了自适应迭代学习控制器的设计和分析特点;然后,探讨了数据驱动自适应迭代学习控制的设计方法;最后,提出了自适应迭代学习控制领域的一些开放性的、具有挑战性的关键问题,亟待进一步研究和探索.; 李雪芳李晓东刘万泉; 关键词：迭代学习控制自适应迭代学习控制数据驱动非线性系统

基于无模型自适应迭代学习的液压锚杆钻机转速控制: 2024年; 针对存在参数不确定、非线性约束液压锚杆钻机回转系统的转速高精度控制问题,利用钻机作业的重复性,提出了一种基于无模型自适应迭代学习的液压锚杆钻机回转系统转速控制方案。首先,搭建钻机回转控制系统关于转速的状态空间模型。其次,利用动态线性化技术,构造钻机回转系统液压马达与伺服阀电流在迭代域的等价线性映射关系,并根据系统采集的历史伺服阀电流输入、液压马达转角输出数据,提出无模型自适应迭代学习转速控制设计方法。然后在理论上给出液压锚杆钻机回转系统转速跟踪误差沿数据方向以及重复作业方向的渐近收敛性。最后,利用MATLAB软件和AMEsim平台联合仿真验证算法的有效性。结果表明,相比于传统PID算法和迭代学习控制算法,所提出的算法在不需要已知锚杆钻机系统模型的情况下,能够仅利用可测数据实现钻机转速的高精度控制,并且在面对突加外部干扰、油温波动情况下仍具备良好的自适应、抗干扰能力。; 朱敏卜旭辉梁嘉琪; 关键词：无模型自适应控制迭代学习控制

一种基于大型语言模型自适应迭代的智能反欺诈技术和系统: 本发明公开了一种基于大型语言模型自适应迭代的智能反欺诈技术和系统，其涉及计算机技术领域，旨在解决一方面，由于LLMs生成的虚假内容非常真实和可信，很难通过传统的人工或机器学习方法来识别和鉴别；另一方面，LLMs具有强大的...; 莫程辉

基于自适应迭代学习的多智能体系统编队控制: 2024年; 针对带未知时变参数的非线性多智能体系统的编队问题,提出一种分布式自适应迭代学习控制策略。首先,通过傅里叶级数对系统的不确定参数进行展开,采用一个收敛级数序列处理傅里叶级数展开产生的截断误差,结合多智能体运行过程中的编队误差推导自适应迭代学习控制律和参数更新律;其次,针对领导者动态对大部分智能体都是未知的情况,设计新的辅助控制来补偿未知动态和避免未知有界干扰;然后,基于李亚普诺夫能量函数证明了在所设计控制律作用下多智能体系统编队误差随着迭代次数的增加在有限时间内趋于0;最后,将该控制策略运用到多无人机编队系统中,并通过搭建半物理实验平台,验证了控制方法的有效性。实验结果表明该控制方法可以确保多智能体快速形成所需编队,并且每个智能体在有限时间内可以精确跟踪期望轨迹。所提方法充分考虑了多智能体系统的参数不确定性以及抗干扰的能力,为实际应用中复杂多智能体系统的精确控制提供了有效的方法。; 蔡军潘锡山; 关键词：多智能体系统自适应迭代学习控制时变参数

相关作者