检索结果-内蒙古大学图书馆

作者：王昊阮天承周琳婕侯宇轩董长印左泽文刘晓瀚卢云雪 211135 江苏省南京市麒麟科创园智识路26号启迪城立业园04幢

本发明公开了一种基于数据驱动模型的路侧单元驾驶辅助方法及装置，包括路侧单元通过三维激光雷达对监测区域的道路状态进行提取获得交通状态图；将获取的交通状态图经数据驱动模型预测未来可能的交通状态图；路侧单元经I2V通信技术将... 详细信息

标准号: CN114187759A

本发明公开了一种基于数据驱动模型的路侧单元驾驶辅助方法及装置，包括路侧单元通过三维激光雷达对监测区域的道路状态进行提取获得交通状态图；将获取的交通状态图经数据驱动模型预测未来可能的交通状态图；路侧单元经I2V通信技术将预测的交通状态图传输给搭载车载通讯单元的车辆作为驾驶辅助信息。本发明立足于自动驾驶车路协同技术背景，基于路侧单元检测区域的确定性以及海量历史数据，充分应用路侧单元边缘计算能力，利用卷积长短时记忆神经网络深度挖掘历史数据中潜藏的高度非线性特征，对未来的交通状态进行准确预测。提供车辆未来的交通状态也可以辅助单车智能的最优决策，从而实现在车路协同和单车智能两个层面助力自动驾驶的发展。

关键词：交通状态路侧单元数据驱动模型车路协同自动驾驶预测海量历史数据记忆神经网络驾驶辅助信息高度非线性道路状态激光雷达计算能力驾驶辅助监测区域检测区域历史数据通信技术通讯单元智能卷积确定性三维传输挖掘立足应用决策

来源：评论

学校读者我要写书评

暂无评论

结合过程先验和数据驱动模型的混合建模方法及系统

结合过程先验和数据驱动模型的混合建模方法及系统

引用

作者：李绍军成祥杨一航许文夕郑文静 200237 上海市徐汇区梅陇路130号

本发明揭示了一种结合过程先验和数据驱动模型的混合建模方法及系统，所述方法包括：从已知的数据驱动模型中选择数据驱动模型和合适的模型结构建立对应模型的数学关系表达式，将所有的模型参数按照一定的顺序排列；对模型过程先验进行... 详细信息

标准号: CN104915522B

本发明揭示了一种结合过程先验和数据驱动模型的混合建模方法及系统，所述方法包括：从已知的数据驱动模型中选择数据驱动模型和合适的模型结构建立对应模型的数学关系表达式，将所有的模型参数按照一定的顺序排列；对模型过程先验进行验证，得到检验模型违反过程先验程度的约束方程；将样本的模型输出和观测值比较，建立检验模型拟合训练样本程度的优化目标方程；将约束方程和优化目标方程联合，构建约束优化问题，采用约束处理智能算法求解最优参数解；将求解得到的最优参数解，作为S1的模型参数解，代入原模型中，用于模型预测或模型优化。本发明可以在少量数据样本的神经网络训练下得到更符合先验知识的模型，避免过拟合现象的发生。

关键词：先验数据驱动模型优化目标约束方程最优参数求解神经网络训练模型参数解混合建模模型参数模型过程模型结构模型拟合模型优化模型预测数据样本数学关系先验知识选择数据训练样本优化问题智能算法原模型构建拟合检验样本观测验证驱动输出违反联合

来源：评论

学校读者我要写书评

暂无评论

日本研究人员开发出氢化镁固态储氢数据驱动模型,推动储氢材料应用

引用

金属功能材料 2024年第3期31卷 128-128页

据Mass Device网5月27日消息,日本东北大学的研究人员开发了一种可以预测氢化镁脱氢的数据驱动模型。氢化镁是一种备受关注的固态储氢材料,储氢量高且天然储量丰富,这种储氢方法利用适度的热量和压力将气体与金属氢化物结合在一起,储氢... 详细信息

据Mass Device网5月27日消息,日本东北大学的研究人员开发了一种可以预测氢化镁脱氢的数据驱动模型。氢化镁是一种备受关注的固态储氢材料,储氢量高且天然储量丰富,这种储氢方法利用适度的热量和压力将气体与金属氢化物结合在一起,储氢后的氢化材料可以在常温常压下安全储存,不会有氢气逸出,需要时在不同的压力和温度条件下重复该工艺以进行脱氧。目前,计算脱氢能垒(决定储氢效率的一个关键因素)的复杂性限制了对其性能的评估。研究人员开发出一种更快、更有效的方法来预测氢材料的脱氢性能,与传统的过渡态搜索方法相比,该方法能够以更少的计算量捕捉基本化学反应。

关键词：数据驱动模型日本东北大学氢化镁金属氢化物储氢材料安全储存常温常压脱氢性能

来源：评论

学校读者我要写书评

暂无评论

数据驱动的金属疲劳寿命模型研究进展

引用

力学进展 2025年第1期55卷 30-79页

作者：甘磊吴昊仲政哈尔滨工业大学(深圳)理学院广东深圳518055 同济大学航空航天与力学学院上海200092

金属疲劳寿命模型是开展工程结构完整性和可靠性评估的基础.传统的知识驱动模型关注疲劳机理和数理逻辑,一般具有明确的物理意义,并且可高度概括疲劳失效过程.然而,随着对结构安全性要求的日益提高以及新兴工程材料的不断涌现,传统模型... 详细信息

金属疲劳寿命模型是开展工程结构完整性和可靠性评估的基础.传统的知识驱动模型关注疲劳机理和数理逻辑,一般具有明确的物理意义,并且可高度概括疲劳失效过程.然而,随着对结构安全性要求的日益提高以及新兴工程材料的不断涌现,传统模型在预测能力、应用场景、工程适用性等方面都逐渐显现出局限性.近年来,由人工智能赋能的数据驱动模型在金属疲劳寿命研究领域受到了广泛关注,相关研究成果正逐步应用于解决包括单轴疲劳、多轴疲劳、变幅疲劳在内的各类经典疲劳问题.数据驱动模型能够在最小化人因误差的情况下,从多变量作用中解析出对疲劳寿命的最优显\隐式表达,可揭示传统方法难以发现的失效规律,已然成为领域内新的研究热点.本文综述了当前数据驱动模型在金属疲劳寿命预测方面的研究进展,首先总结了纯数据驱动模型的一般应用流程及其应用现状,其次归纳了各类知识-数据混合驱动模型的实现方式及应用优势,最后对未来潜在研究方向及挑战进行了探讨与展望.

关键词：疲劳寿命预测金属数据驱动模型知识-数据混合驱动模型

来源：评论

学校读者我要写书评

暂无评论

一种风电机组数据驱动模型预测控制方法

一种风电机组数据驱动模型预测控制方法

引用

作者：叶林冯翔宇周峰屠劲林王建国王介昌陈兆圣吴伯双梁思超张琪 100036 北京市海淀区复兴路甲23号10、11层

一种新的数据驱动模型预测控制方法，其采用两阶段模糊曲线方法从风电场中所获得的输入变量中给出各输入变量与输出之间的关联度权重，根据输入变量指标快速选择出重要的输入变量,然后采用模糊聚类和高斯型隶属函数确定模糊模型前提参... 详细信息

标准号: CN114336588A

一种新的数据驱动模型预测控制方法，其采用两阶段模糊曲线方法从风电场中所获得的输入变量中给出各输入变量与输出之间的关联度权重，根据输入变量指标快速选择出重要的输入变量,然后采用模糊聚类和高斯型隶属函数确定模糊模型前提参数，采用递推最小二乘辨识出模糊模型结论参数；利用辨识得到的模型去参与数据驱动模型预测控制，使得风电场能够顺利进行一次调频，完成了用于风电场频率控制的MPC问题，可以快速得到较为准确的解。

关键词：输入变量风电场数据驱动模型模糊模型预测控制最小二乘辨识结论参数快速选择隶属函数模糊聚类模糊曲线频率控制前提参数一次调频关联度两阶段辨识递推高斯权重输出

来源：评论

学校读者我要写书评

暂无评论

一种风电机组数据驱动模型预测控制方法

一种风电机组数据驱动模型预测控制方法

引用

作者：叶林冯翔宇周峰屠劲林王建国王介昌陈兆圣吴伯双梁思超张琪 100036 北京市海淀区复兴路甲23号10、11层

标准号: CN114336588B

来源：评论

学校读者我要写书评

暂无评论

基于Koopman算子的灌溉系统数据驱动模型预测控制方法

基于Koopman算子的灌溉系统数据驱动模型预测控制方法

引用

作者：岑丽辉孙磊陈晓方 410000 湖南省长沙市岳麓区麓山南路932号

本发明提供了一种基于Koopman算子的灌溉系统数据驱动模型预测控制方法，包括：S1，基于圣维南方程组描述单渠道灌溉系统，将方程组离散化后进行数据采样；S2，数据升维，利用扩展动力学模式分解方法近似Koopman算子，求解出灌溉系统Koo... 详细信息

标准号: CN114779634A

本发明提供了一种基于Koopman算子的灌溉系统数据驱动模型预测控制方法，包括：S1，基于圣维南方程组描述单渠道灌溉系统，将方程组离散化后进行数据采样；S2，数据升维，利用扩展动力学模式分解方法近似Koopman算子，求解出灌溉系统Koopman模型；S3，建立升维空间下的灌溉系统全局化线性状态空间模型；S4，设计Koopman模型预测控制器，得到闭环内每一步最优控制序列并作用于灌溉系统，实现自动控制灌溉系统闸门，快速跟踪目标水位。本发明仅需要采集灌溉系统水位和流量数据即可完成建模，该模型是全局线性化模型，较局部线性化简化模型精度更高，且计算复杂度低，泛化能力强，采用本方法设计的Koopman模型预测控制器不会随时间而降低控制精度。

关键词：灌溉系统模型预测控制器算子线性状态空间模型圣维南方程组数据驱动模型自动控制灌溉方程组闭环动力学模式计算复杂度局部线性化线性化模型简化模型快速跟踪流量数据目标水位数据采样预测控制最优控制单渠道离散化能力强求解建模全局近似闸门水位采集分解

来源：评论

学校读者我要写书评

暂无评论

基于数据驱动模型预测控制的飞行器轨迹跟踪方法及装置

基于数据驱动模型预测控制的飞行器轨迹跟踪方法及装置

引用

作者：谢芳芳於怿丰陆宇峰季廷炜杜昌平 310058 浙江省杭州市西湖区余杭塘路866号

本发明提供一种基于数据驱动模型预测控制的飞行器轨迹跟踪方法及装置。本发明首先在飞行器飞行过程中实时捕获最新的飞行器状态响应数据，利用数据驱动模型预测控制器最优化求解得到的下一时刻的期望滚转角参考信号作为飞行器的飞控的... 详细信息

标准号: CN116301023A

本发明提供一种基于数据驱动模型预测控制的飞行器轨迹跟踪方法及装置。本发明首先在飞行器飞行过程中实时捕获最新的飞行器状态响应数据，利用数据驱动模型预测控制器最优化求解得到的下一时刻的期望滚转角参考信号作为飞行器的飞控的输入，实现飞行器的平面横向轨迹跟踪；同时依据实时捕获并存储的飞行器状态响应数据在线辨识、动态调整数据驱动模型预测控制器所用模型参量。本发明能够在飞行器飞行过程中实时捕获最新响应数据，并在线辨识、动态调整模型预测控制器所用的模型参量，以提高不同环境工况下飞行器的飞行鲁棒性。基于数据驱动的模型预测控制方法，可以充分利用被控系统的输入输出数据，增强控制器对系统的自适应能力。

关键词：飞行器实时捕获响应数据数据驱动模型飞行器状态预测控制器飞行过程轨迹跟踪模型参量在线辨识模型预测控制器动态调整模型动态调整数据模型预测控制输入输出数据期望滚转角增强控制器自适应能力被控系统环境工况平面横向数据驱动预测控制鲁棒性最优化求解存储驱动飞行

来源：评论

学校读者我要写书评

暂无评论

基于Koopman算子的全方位移动机械臂数据驱动模型预测控制方法

基于Koopman算子的全方位移动机械臂数据驱动模型预测控制方法

引用

作者：马书根张统任超 300072 天津市南开区卫津路92号

本发明提供一种基于Koopman算子的全方位移动机械臂数据驱动模型预测控制方法，包括步骤：步骤一：利用能够激发机器人动力学特性的控制输入进行全方位移动机械臂输入输出数据的采集，将控制输入数据与位姿输出数据建立为数据集；步骤... 详细信息

标准号: CN112016194A

本发明提供一种基于Koopman算子的全方位移动机械臂数据驱动模型预测控制方法，包括步骤：步骤一：利用能够激发机器人动力学特性的控制输入进行全方位移动机械臂输入输出数据的采集，将控制输入数据与位姿输出数据建立为数据集；步骤二：基于Koopman算子理论，在所述数据集的基础上，利用扩展动力学模态分解方法求解Koopman算子高维线性模型；步骤三：给定参考轨迹，然后设计性能指标函数和相应的约束条件，借助Koopman算子高维线性模型设计模型预测控制器,从而使得移动机械臂的各个状态跟随期望轨迹。本发明利用Koopman算子能够将非线性系统辨识为高维线性模型的特性，得到全方位移动机械臂这一强非线性系统的高维线性表示，并与模型预测控制技术结合，实现对全方位移动机械臂的有效控制。

关键词：算子全方位移动机械臂高维线性模型数据集模型预测控制技术机器人动力学控制输入数据强非线性系统设计性能指标输入输出数据数据驱动模型非线性系统移动机械臂预测控制器参考轨迹动力学模期望轨迹设计模型输出数据线性表示有效控制预测控制约束条件状态跟随辨识求解位姿采集分解激发

来源：评论

学校读者我要写书评

暂无评论

基于强化学习的线性系统数据驱动模型预测控制方法

基于强化学习的线性系统数据驱动模型预测控制方法

引用

作者：孙中奇王倩夏元清潘俊安张金会戴荔翟弟华崔冰詹玉峰邹伟东 100081 北京市海淀区中关村南大街5号

本发明公开一种基于强化学习的线性系统数据驱动模型预测控制方法，能够保证控制算法的稳定性，避免模型预测控制中复杂的终端约束、终端集、终端代价设计等。包括：在开环状态下，对线性系统施加随机的输入，并测量线性系统的输出，收... 详细信息

标准号: CN113721463A

本发明公开一种基于强化学习的线性系统数据驱动模型预测控制方法，能够保证控制算法的稳定性，避免模型预测控制中复杂的终端约束、终端集、终端代价设计等。包括：在开环状态下，对线性系统施加随机的输入，并测量线性系统的输出，收集N组输入‑输出轨迹，分别构建汉克尔矩阵；在采样时刻k，利用线性系统的历史轨迹求解所述汉克尔矩阵优化问题，预测得到线性系统未来的输入、输出和最小化目标函数；根据所述最小目标函数利用强化学习方法迭代更新权重直到终端代价函数收敛；将预测得到的最优控制输入中的第一个元素作为输入作用于系统，并观测系统输出，循环直到系统稳定。

关键词：线性系统强化学习终端输出矩阵模型预测控制数据驱动模型采样时刻测量线性代价函数迭代更新观测系统矩阵优化开环状态控制算法历史轨迹目标函数输出轨迹系统稳定预测控制终端约束最优控制小目标最小化求解预测构建权重收敛施加保证

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：