检索结果-内蒙古大学图书馆

电子设计工程 2013年第18期21卷 127-129,135页

作者：李振伟张德众华南理工大学广东广州510641 中山大学软件学院广东广州510006

针对基于图像处理技术的虚拟键盘存在的按键定位准确度低的问题,提出了一种基于图像处理的离线建模的方法。该方法将摄像头和键盘距离保持固定,通过摄像头采集键盘图像,轮廓查找算法定位键盘的每一行,再进行一些简单的计算即可建立键盘... 详细信息

针对基于图像处理技术的虚拟键盘存在的按键定位准确度低的问题,提出了一种基于图像处理的离线建模的方法。该方法将摄像头和键盘距离保持固定,通过摄像头采集键盘图像,轮廓查找算法定位键盘的每一行,再进行一些简单的计算即可建立键盘在采集的图像中的位置信息。后续程序只需检测手指按下的位置,通过坐标转换即可定位用户按下的目标按键,实现输入功能。本文在VC6.0编程环境下,用开源机器视觉库(OpenCV),编写了软件算法,实验表明该方法能够高准确度定位键盘位置,为虚拟键盘的研究提供了新的设计方法。

关键词：虚拟键盘离线建模图像处理轮廓检测

来源：评论

学校读者我要写书评

暂无评论

一种基于EMFNL滤波器离线建模次级通道的有源降噪方法

一种基于EMFNL滤波器离线建模次级通道的有源降噪方法

引用

作者：郭新年季陈柯永斌王晓晖付成芳杨定礼杨玉东赵正敏 223005 江苏省淮安市经济技术开发区枚乘东路1号

本发明涉及有源噪声控制领域，公开了一种基于带线性部分偶镜像傅里叶非线性（EMFNL,Even Mirror Fourier Nonlinear with Linear section）滤波器离线建模次级通道的有源降噪方法，其包括S1：构建EMFNL滤波器抽头并采用自适应算法辨识... 详细信息

标准号: CN111326134B

本发明涉及有源噪声控制领域，公开了一种基于带线性部分偶镜像傅里叶非线性（EMFNL,Even Mirror Fourier Nonlinear with Linear section）滤波器离线建模次级通道的有源降噪方法，其包括S1：构建EMFNL滤波器抽头并采用自适应算法辨识其系数实现离线建模次级通道；S2：计算S1中辨识的次级通道系数对应的次级通道估计；S3：使用次级通道估计实现有源降噪方法。与现有技术相比，本发明基于二阶EMFNL滤波器非线性建模次级通道，同时使用EMFNL滤波器作为控制滤波器进行有源噪声控制。该方法建模出的次级通道估计为非线性模型，相比于线性次级通道，具有更强的非线性处理能力。

关键词：次级通道滤波器源噪声控制离线建模辨识降噪非线性处理非线性建模非线性模型控制滤波器滤波器抽头自适应算法傅里叶二阶构建建模

来源：评论

学校读者我要写书评

暂无评论

使用录音文件快速离线建模的方法、系统及主动降噪方法

使用录音文件快速离线建模的方法、系统及主动降噪方法

引用

作者：宁远贵刘亚敏 518000 广东省深圳市南山区粤海街道西北工业大学三航科技大厦2406室

本申请适用于汽车主动降噪技术领域，提供了使用录音文件快速离线建模的方法、系统及主动降噪方法，包括：根据目标新车，确定参考车辆；确定所述参考车辆内的声学路径；所述声学路径包括主路径和次级路径；分别获取所述参考车辆的发动... 详细信息

标准号: CN118335050A

本申请适用于汽车主动降噪技术领域，提供了使用录音文件快速离线建模的方法、系统及主动降噪方法，包括：根据目标新车，确定参考车辆；确定所述参考车辆内的声学路径；所述声学路径包括主路径和次级路径；分别获取所述参考车辆的发动机在不同的工作状态下所述主路径和所述次级路径上的录音文件，以及采集所述发动机的噪声数据；根据所述主路径上的录音文件、所述次级路径上的录音文件以及所述发动机的噪声数据，对预设降噪模型进行训练，得到训练后的预设降噪模型；本申请利于提高目标新车中有源降噪系统的开发效率。

关键词：录音文件次级路径主路径声学路径噪声数据主动降噪发动机降噪新车预设参考降噪系统开发效率离线建模申请采集汽车

来源：评论

学校读者我要写书评

暂无评论

无人机机动策略离线建模方法

无人机机动策略离线建模方法

引用

作者：林靖博付宇鹏肖媛 264001 山东省烟台市芝罘区二马路188号

本发明涉及一种无人机机动策略离线建模方法，属于无人机智能体决策控制建模技术领域。针对传统强化学习算法环境探索成本高、专家经验利用不足的问题，该方法包括以下步骤：s1：采集多条任务轨迹，构建示例数据集，其中表示第n条飞行... 详细信息

标准号: CN117970952A

本发明涉及一种无人机机动策略离线建模方法，属于无人机智能体决策控制建模技术领域。针对传统强化学习算法环境探索成本高、专家经验利用不足的问题，该方法包括以下步骤：s1：采集多条任务轨迹，构建示例数据集，其中表示第n条飞行轨迹，为模型训练提供数据支持；s2：采用基于策略引导的隐式Q学习算法即PIQL算法构建网络模型和定义损失函数；s3：采用步骤s1中的采样数据，计算策略梯度和价值梯度，进而计算步骤s2中的损失函数；s4：更新步骤s2中的网络模型参数，重复s3，直到回报函数R_t收敛或达到最大仿真步长；s5：部署策略网络和策略引导网络构成机动策略模型，基于飞行仿真平台验证机动策略模型；完全利用离线数据，无需与环境交互。

关键词：策略模型损失函数网络模型强化学习算法采样数据策略网络仿真步长飞行仿真飞行轨迹环境交互计算步骤建模技术决策控制离线建模离线数据模型训练平台验证数据支持算法构建专家经验数据集引导的智能体构建隐式收敛采集回报重复更新部署探索网络

来源：评论

学校读者我要写书评

暂无评论

无人机机动策略离线建模方法

无人机机动策略离线建模方法

引用

作者：林靖博付宇鹏肖媛 264001 山东省烟台市芝罘区二马路188号

标准号: CN117970952B

来源：评论

学校读者我要写书评

暂无评论

一种用于拉曼光谱测试的多算法联合离线建模方法

一种用于拉曼光谱测试的多算法联合离线建模方法

引用

作者：王昊杨飞李琮举 710100 陕西省西安市高新区细柳街办毕原二路3000号硬科技企业社区6号楼二层

本发明涉及建模方法技术领域，且公开了一种用于拉曼光谱测试的多算法联合离线建模方法，包括以下步骤：S1、样本库更新在拉曼光谱测试范畴内，样本数据包括两个组成部分，样本光谱数据与样本参数标签；S2、相关度筛选；S3、多算法建模... 详细信息

标准号: CN116882151A

本发明涉及建模方法技术领域，且公开了一种用于拉曼光谱测试的多算法联合离线建模方法，包括以下步骤：S1、样本库更新在拉曼光谱测试范畴内，样本数据包括两个组成部分，样本光谱数据与样本参数标签；S2、相关度筛选；S3、多算法建模运算；S4、建模结果评估；S5、调参；S6、模型权重计算；S7、模型输出。本发明提出一种用于拉曼光谱测试的多算法联合离线建模方法，本发明具有完全脱离网络或其他传输介质，完全独立实现全部测试功能，且能随测试次数和样本的增多，在用户操作下，离线完善模型的预测精度；使用多种回归算法，根据当前数据库的建模评估结果，动态选择建模回归算法，并计算叠加权重，形成新的预测模型。

关键词：算法建模拉曼光谱测试离线建模测试功能传输介质动态选择建模结果评估结果权重计算样本参数样本光谱样本数据用户操作预测模型相关度样本库回归离线加权运算样本数据库标签筛选测试联合输出评估脱离预测更新网络

来源：评论

学校读者我要写书评

暂无评论

一种基于EMFNL滤波器离线建模次级通道的有源降噪方法

一种基于EMFNL滤波器离线建模次级通道的有源降噪方法

引用

作者：郭新年季陈柯永斌王晓晖付成芳杨定礼杨玉东赵正敏 223005 江苏省淮安市经济技术开发区枚乘东路1号

标准号: CN111326134A

关键词：次级通道滤波器源噪声控制离线建模辨识降噪非线性处理非线性建模非线性模型控制滤波器滤波器抽头自适应算法傅里叶二阶构建建模

来源：评论

学校读者我要写书评

暂无评论

基于RBF神经网络的开关磁阻电机在线建模及其实验验证

引用

航空学报 2012年第4期33卷 705-714页

作者：蔡永红齐瑞云蔡骏邓智泉南京航空航天大学自动化学院江苏南京210016

为了获取开关磁阻电机(SRM)的精确模型,提出了一种基于径向基函数(RBF)神经网络对SRM进行建模的方法,主要包括离线建模和在线建模两部分。离线建模通过实验测量得到SRM的磁链特性曲线,并利用该数据训练RBF神经网络,实现SRM磁链的离线建... 详细信息

为了获取开关磁阻电机(SRM)的精确模型,提出了一种基于径向基函数(RBF)神经网络对SRM进行建模的方法,主要包括离线建模和在线建模两部分。离线建模通过实验测量得到SRM的磁链特性曲线,并利用该数据训练RBF神经网络,实现SRM磁链的离线建模;在线建模是指当SRM的运行状态发生变化时,离线模型的估计磁链与实际磁链会产生误差,通过对神经网络的输出权值进行在线调节,实现具有在线动态调节功能的SRM在线模型。为了验证该方法的可行性,针对一台12/8结构的SRM样机进行仿真和实验,结果表明SRM的离线模型和在线模型在仿真和实验条件下均能正确地估计SRM的磁链特性,而且在线模型的估计精度高于离线模型,验证了本文的研究方法合理有效。

关键词：开关磁阻电机径向基函数神经网络离线建模在线建模实验验证

来源：评论

学校读者我要写书评

暂无评论

基于高斯过程的机械臂逆动力学建模方法研究

基于高斯过程的机械臂逆动力学建模方法研究

引用

作者：胡小乔武汉理工大学

学位级别：硕士

精确的机械臂逆动力学模型可以提高机械臂的控制精度,具有广泛的应用价值及研究意义。传统的基于动力学原理的建模方法无法明确表述机械臂系统中存在的未知非线性,导致建立的模型精度不高。基于数据驱动的建模方法直接学习传感器数据得... 详细信息

精确的机械臂逆动力学模型可以提高机械臂的控制精度,具有广泛的应用价值及研究意义。传统的基于动力学原理的建模方法无法明确表述机械臂系统中存在的未知非线性,导致建立的模型精度不高。基于数据驱动的建模方法直接学习传感器数据得到逆动力学近似模型,其中高斯过程回归(Gaussian Process Regression,GPR)凭借着预测精度高、输出具有概率意义等特性,广泛应用于机械臂逆动力学建模。标准GPR算法的计算复杂度与训练样本个数的立方成正比,而预测误差与训练样本数成反比,随着模型预测精度的提升,模型训练和预测速度必将显著下降。针对此问题,本文提出基于局部GPR的离线建模算法以及自适应的局部GPR在线建模算法,实现对机械臂逆动力学快速、精确以及在线建模的目的。本文的主要研究工作如下:(1)预处理。针对机械臂关节运动状态量包含关节角度、角速度和角加速度三个量纲的问题,对其进行标准化处理。为了减少GPR模型的超参数,对关节驱动力矩采用去均值化处理。(2)机械臂逆动力学离线建模。针对标准GPR算法处理大规模训练样本时计算量过大的问题,本文提出一种基于概率模型划分的局部GPR建模方法:通过高斯混合模型(Gaussian Mixture Model,GMM)聚类将训练样本划分为多个局部子集,对每个局部子集建立单独的GPR模型。在预测阶段,以测试样本隶属于各个局部模型的后验概率作为权值,对所有的局部预测值进行加权计算得出最终的预测值。实验结果表明,本文方法比标准GPR建模方法的预测速度更快、预测精度更高。(3)机械臂逆动力学在线建模。由于机械臂的动力学特性会随着内部结构和外部环境的变化而改变,离线模型的预测精度会随着时间的推移而降低。为了解决这一问题,本文提出一种基于局部GPR的在线建模方法:首先提出一种在线稀疏化策略选择性的增加新样本和删除旧样本,以控制局部模型的复杂程度,并确保更新后的模型能够充分反映当前的动力学特性;然后通过递推更新的方式对GMM的参数以及局部GPR模型进行更新,从而降低模型更新过程的计算量。实验结果表明,本文方法能够快速、精确的建立机械臂逆动力学在线模型。本文采用Sarcos、SL＿Sarcos和Barrett三种公开的数据集评估本文所提出的基于局部GPR的机械臂逆动力学离线建模算法和在线建模算法。实验结果表明,与其他文献相比,本文所提两种方法建立的模型具有更高的预测精度。

关键词：逆动力学模型高斯过程回归高斯混合模型离线建模在线建模

来源：评论

学校读者我要写书评

暂无评论

目标大机动建模与空空导弹导引律设计

目标大机动建模与空空导弹导引律设计

引用

作者：常立凡南京航空航天大学

学位级别：硕士

随着第五代战斗机以及新一代无人机陆续装备,其强调的高机动性和低可探测性对空空导弹提出了新的挑战。本文从新形势下空战目标的特性入手,对目标规避导弹的典型机动以及噪声环境下的制导问题进行了研究。首先建立了弹目三维追逃模型,... 详细信息

随着第五代战斗机以及新一代无人机陆续装备,其强调的高机动性和低可探测性对空空导弹提出了新的挑战。本文从新形势下空战目标的特性入手,对目标规避导弹的典型机动以及噪声环境下的制导问题进行了研究。首先建立了弹目三维追逃模型,并调研了高机动目标规避导弹时执行的典型机动,对其建立了运动学模型,构成了目标机动模型库。其次对目标机动模型库进行了统计和分析,确定了三种最常见的函数作为拟合函数,并优化了拟合顺序。根据目标机动特性设计了采样器、辨识流程以及预测器,三者组成了目标机动辨识预测器。接着研究了目标执行机动的实际情况,利用公开数据,建立了目标动力学模型,并执行模型库中的机动,以替换原有的运动学模型。根据仿真结果,扩展了机动辨识预测器中的函数库,提高了预测精度。然后探究了高噪声下的导弹制导问题,结合仿真分析了噪声对脱靶量的影响。对有测量噪声的目标信息,结合空战的特殊需求,设计了自适应卡尔曼滤波器以降低噪声,仿真结果表明通过滤波器降噪的目标信息可以满足机动辨识的需要。最后针对复杂电磁环境下可能带来的欠观测问题,对导弹制导回路进行了更深入的研究,在无法获得距离信息的情况下,设计了修正比例导引律,仅通过弹目视线角速度就可以获得足够的制导信息。

关键词：目标机动导引规律离线建模在线辨识动力学模型自适应滤波

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：