公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

核主元回归模型间歇过程加权迭代学习的控制: 2013年; 间歇过程在生产中起到重要作用。针对间歇过程的控制提出了很多方法,迭代学习控制是其中一种。迭代学习控制需要合理的模型,目前数据驱动的建模方法受到重视。由于间歇过程通常为复杂的非线性过程,过程数据具有非线性相关性的特点。为了消除数据的非线性相关性,本文采用核主元回归方法对间歇过程进行建模,即在间歇过程的控制变量和终点质量之间建立间歇过程的模型。在此模型上,通过围绕标称轨迹线性化核主元回归模型,并最小化与终点质量相关的二次型目标函数,导出迭代学习控制算法从而计算控制策略。为了克服过程变化和扰动的不利影响,本文提出在批次间将最早的数据从训练数据集移除并加入最新的数据对核主元回归模型进行更新。由于迭代学习律中的增益矩阵反映的是过程的梯度信息,易使迭代学习控制过早收敛或偏离实际工况,为了获得更好的收敛效果,可对学习增益矩阵进行加权。通过对一个间歇聚合反应仿真过程的应用,加权迭代学习控制有良好的控制性能并显示出对过程变化和扰动的适应能力。该方法比基于主元回归模型的迭代学习控制方法具有更好的性能,因此基于核主元回归模型的加权迭代学习控制是一种有效的间歇过程控制方法。; 李赣平黄涛

一种基于LDAO的唇读特征提取算法: 2013年; 在语音与唇读识别应用中,传统的LDA(linear discriminant analysis)算法一般以音节、半音节、HMM状态等基元为类别进行数据分段,经线性判别分析后获得的特征投影方向与识别率不直接相关,影响了识别率。提出了一种新的基于LDAO(linear discriminant analysis based on object)的唇读特征提取算法,该算法以待识别对象为类别进行线性判别分析,在理论上保证了唇读特征矢量向最具判别能力的方向投影。基于唇读数据库的实验证明,该算法明显优于现有各种唇读特征提取算法,比DCT+LDA算法识别率提高了3%。; 何俊李赣平; 关键词：唇读特征提取

KICR在转炉炼钢终点温度预测中的应用被引量：4: 2017年; 转炉终点温度是决定钢质量的关键因素,在炼钢的恶劣环境中难以检测。建立了基于核独立元回归(KICR)方法的终点温度的预测模型。将核独立元分析(KICA)与回归分析相结合,利用KICA方法提取输入数据矩阵的独立元(KIC)矩阵;分别以KIC、实值矩阵为自变量和因变量进行训练,求取最小二乘回归(LSR)系数建立预测模型。工业现场生产数据仿真结果表明:与PCR,PLSR和ICR等预测模型相比,基于KICR的转炉终点温度预测模型,预测精度高、跟踪性能较好,可为实际生产中的终点控制提供参考,提高生产效益。; 严良涛李赣平赵学远李鸣; 关键词：转炉炼钢

核独立元分析的非线性多元回归方法研究: 2014年; 针对工业过程中多变量非高斯分布数据的回归预测问题,提出一种基于数据驱动的核独立元分析的非线性多元回归方法(KICR)。将非线性输入数据矩阵通过核独立元分析(KICA)算法提取核独立元矩阵(KIC),以KIC为自变量,目标真值矩阵为应变量进行训练组最小二乘回归(PLSR)系数的求取和测试组多元线性回归(MLR)预测模型的建立。该方法有效弥补了本质线性的快速独立元回归(Fast-ICR)方法在非高斯分布数据上预测精度的不足。通过非线性数值方程案例预测模型的仿真,表明该方法在合适的高斯基核函数映射下拥有比Fast-ICR更高的回归预测精度。; 李鸣倪智振李赣平

独立元回归在转炉终点温度预测中的应用: 2016年; 转炉终点温度是决定钢质量的关键因素,在炼钢的恶劣环境中难以检测。建立了基于ICR方法的终点温度的预测模型。该方法将独立元分析(ICA)与回归分析相结合,先利用ICA方法提取输入数据矩阵的独立元矩阵(IC);然后再分别以IC、实值矩阵为自变量和因变量进行训练,求取最小二乘回归(LSR)系数建立预测模型。工业生产数据仿真结果表明,与主元回归(PCR)和偏最小二乘回归(PLSR)方法相比,基于ICR的终点温度预测模型预测精度高,跟踪性能好。该方法可为实际生产中的终点控制提供参考,提高生产效益。; 李鸣严良涛李赣平; 关键词：独立元分析

全选清除导出

共1页<1>

国家自然科学基金(61064004)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家自然科学基金(61064004)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈