您的位置: 专家智库 > >

李家佳

作品数:2 被引量:5H指数:2
供职机构:南昌航空大学信息工程学院更多>>
发文基金:江西省科技支撑计划项目更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 2篇神经网
  • 2篇神经网络
  • 2篇参数辨识
  • 1篇电动
  • 1篇电动机
  • 1篇电机
  • 1篇直流电机
  • 1篇子群
  • 1篇自适应PID...
  • 1篇网络
  • 1篇粒子群
  • 1篇量子粒子群
  • 1篇故障诊断
  • 1篇光伏
  • 1篇光伏组件
  • 1篇BP神经
  • 1篇BP神经网
  • 1篇BP神经网络

机构

  • 2篇南昌航空大学
  • 1篇上海海事大学

作者

  • 2篇李家佳
  • 1篇程若发
  • 1篇杨宏超

传媒

  • 1篇工业控制计算...
  • 1篇计算机测量与...

年份

  • 1篇2018
  • 1篇2017
2 条 记 录,以下是 1-2
排序方式:
直流电机角位置系统的参数辨识与自适应PID控制被引量:3
2017年
根据工业上机器人手爪控制系统的一个子爪,按照其控制系统的控制规律和实现目标,首先建立直流电机角位置系统的数学模型,然后根据该模型进行系统的参数辨识。在实际生产过程中,被控量爪间角度(θ)是变化的,为了在生产过程中保持良好控制效果,通过BP神经网络对该系统进行自适应PID控制,使其达到控制器参数在线调整和优化的目的。
李新想李家佳
关键词:神经网络自适应PID控制
基于光伏组件内部参数辨识的故障诊断模型被引量:2
2018年
光伏组件出现故障时,其内部参数应该最能反映其故障特性,基于此通过比较不同故障状况下的光伏组件内部参数特性,提取相应的故障特征;首先通过MATLAB建立光伏组件各故障模型,通过改进量子粒群算法对不同故障类型下的光伏组件进行参数辨识并获取相应的数据,利用数据建立BP神经网络故障诊断模型并对故障类型进行诊断;仿真结果证明所用参数辨识方法可以准确对光伏组件内部参数进行辨识,诊断结果也表明所选取的故障特征是合理的,通过此模型可以准确的对光伏组件故障进行诊断。
杨宏超程若发吕彩艳李家佳
关键词:光伏组件参数辨识量子粒子群BP神经网络故障诊断
共1页<1>
聚类工具0