检索结果-内蒙古大学图书馆

供用电 2025年第2期42卷 90-99页

作者：张鹏辉肖东亮华栋陈皓勇唐渊华南理工大学电力学院广东广州510641 广东工业大学自动化学院广东广州510006 广东电网有限公司广州供电局氢能源研究中心广东广州510630

随着高比例可再生能源的并网,电力系统的惯量响应和一次调频能力有所下降,因此在机组组合规划中需纳入动态频率安全约束条件。首先,提出了一种简单实用的动态频率安全约束建模方法,通过将频率响应分为两段,对备用容量不完全充足时的频... 详细信息

随着高比例可再生能源的并网,电力系统的惯量响应和一次调频能力有所下降,因此在机组组合规划中需纳入动态频率安全约束条件。首先,提出了一种简单实用的动态频率安全约束建模方法,通过将频率响应分为两段,对备用容量不完全充足时的频率响应进行深入分析,充分考虑了惯量、备用容量以及单位调节功率对系统频率最小值的影响。其次,进一步将频率响应分为两种情况,以构建模频率最小值的安全约束模型。将所构建的动态频率安全约束应用在机组组合中,为使优化模型便于求解,对其中的非线性部分进行线性化变换。最后,通过算例验证了所提模型的有效性,结果表明该模型能够保证在发生最严重意外事件的任意时段内,均能确保故障后的频率响应符合频率安全要求。通过与无频率安全约束的机组组合对比,展示了频率安全约束的作用机理。与两种常用的频率安全约束对比,所提频率安全约束能在保证频率安全的情况下,找到相对更优的调频资源配置方案。

关键词：频率安全约束高比例可再生能源机组组合一次调频动态频率响应

来源：评论

学校读者我要写书评

暂无评论

自适应模糊系统理论在负荷预测中的应用研究

引用

控制与决策 1999年第3期14卷 223-228页

作者：郁滨张昊吴捷钟慕良毛宗源华南理工大学自动控制工程系广东省科学院自动化工程研制中心华南理工大学

应用自适应模糊系统理论的最新成果实现实用化的预测系统，并以电力电负荷预测为具体应用背景完成了实验研究。系统的建立和运行分别依赖于对历史数据和实时数据的离线和在线学习，具有明显的自适应性和鲁棒性。通过合理的设计实现简洁... 详细信息

应用自适应模糊系统理论的最新成果实现实用化的预测系统，并以电力电负荷预测为具体应用背景完成了实验研究。系统的建立和运行分别依赖于对历史数据和实时数据的离线和在线学习，具有明显的自适应性和鲁棒性。通过合理的设计实现简洁的系统结构，通过在线训练确定优化的系统设置，短期负荷预测的日均相对误差小于２％，可以满足现场的实用化要求。

关键词：模糊系统负荷预测自适应学习电力系统

来源：评论

学校读者我要写书评

暂无评论

一类非线性切换系统的自适应神经动态面控制

引用

控制理论与应用 2017年第10期34卷 1396-1402页

作者：王加朋胡跃明罗家祥华南理工大学自动化科学与工程学院广东广州510640 河南理工大学电气与自动化学院河南焦作454000 华南理工大学精密电子制造装备教育部工程研究中心广东广州510640

针对一类严格反馈型不确定非线性切换系统,提出了一种鲁棒自适应神经动态面跟踪控制方案.该方案在基于共同Lyapunov函数的后推法设计中引入动态面控制(dynamic surface control,DSC)技术,利用径向基神经网络逼近构造的未知共同上界函数... 详细信息

针对一类严格反馈型不确定非线性切换系统,提出了一种鲁棒自适应神经动态面跟踪控制方案.该方案在基于共同Lyapunov函数的后推法设计中引入动态面控制(dynamic surface control,DSC)技术,利用径向基神经网络逼近构造的未知共同上界函数,并将滤波器输出导数取代传统中间变量作为神经网络输入,降低了网络输入维度;同时利用Young’s不等式技术有效减少了神经网络控制器的可调参数数目.此外,理论证明了该控制方案可以保证在任意切换下闭环系统所有信号半全局一致终结有界,且跟踪误差在有限时间收敛到零的小邻域内.实验结果表明了所提方法达到了很好的跟踪性能.

关键词：神经网络控制切换系统动态面控制共同Lyapunov法后推法

来源：评论

学校读者我要写书评

暂无评论

基于视觉伺服的室内三维定位算法

引用

控制工程 2023年

作者：柯佳颖乔宇鹏华南理工大学自动化科学与工程学院华南理工大学控制与优化中心

目前室内移动机器人应用在了智能仓储、安防系统等行业，而高精度的定位技术在其中发挥着重要的作用。为此，设计了一种基于视觉伺服的室内三维定位技术，为了达到高精度的定位误差的同时摆脱视觉图像处理定位技术中相机摆放位置和视场... 详细信息

目前室内移动机器人应用在了智能仓储、安防系统等行业，而高精度的定位技术在其中发挥着重要的作用。为此，设计了一种基于视觉伺服的室内三维定位技术，为了达到高精度的定位误差的同时摆脱视觉图像处理定位技术中相机摆放位置和视场角的限制。首先，介绍了定位算法的框架与应用场景；然后，设计基于几何关系的三维定位算法并求解其最小二乘问题，利用图像处理和反馈控制技术解决视觉云台对目标的追踪瞄准问题；最后，对目标机器人的定位实验结果表明，提出的室内三维定位算法在实验室的场景下有4cm以内的定位精度，具有高精确性和稳定性。

关键词：室内定位伺服控制图像处理移动机器人

来源：评论

学校读者我要写书评

暂无评论

基于特征相似性和特征规范化的注意力模块

引用

华南理工大学学报（自然科学版） 2024年第7期52卷 62-71页

作者：杜启亮汪益民田联房华南理工大学自动化科学与工程学院广东广州510640 华南理工大学中新国际联合研究院广东广州510555 华南理工大学自主系统与网络控制教育部重点实验室广东广州510640 华南理工大学珠海现代产业创新研究院广东珠海519170 华南理工大学广东省发展改革委工程中心广东广州510031

近年来,注意力机制在图像分类、目标检测和语义分割等领域取得了巨大成功,但现有的注意力机制大多只能在通道或空间维度上实现特征融合,这极大限制了其在通道和空间维度上变化的灵活性,导致无法充分利用特征信息。为此,文中提出一种基... 详细信息

近年来,注意力机制在图像分类、目标检测和语义分割等领域取得了巨大成功,但现有的注意力机制大多只能在通道或空间维度上实现特征融合,这极大限制了其在通道和空间维度上变化的灵活性,导致无法充分利用特征信息。为此,文中提出一种基于特征相似性和特征规范化的、可同时利用特征图各维度信息的卷积神经网络注意力模块FSNAM。该模块由特征相似性模块(FSM)和特征规范化模块(FNM)两部分组成,FSM利用输入特征图的通道特征信息和局部空间特征信息生成一个二维的特征相似性权重图;FNM利用输入特征图的全局空间特征信息生成一个三维的特征规范化权重图;两个模块生成的权重图融合在一起,生成一个三维的注意力权重图,以此实现通道特征信息和空间特征信息的融合。为证明FSNAM的可行性和有效性,进行了消融实验,结果表明:在图像分类任务方面,FSNAM模块对分类网络在CIFAR数据集上的性能提升明显优于其他主流注意力模块;在目标检测任务方面,使用FSNAM模块的目标检测网络对VOC数据集中的小目标和中等大小目标的检测准确率分别提高了3.9和1.2个百分点;在语义分割任务方面,使用FSNAM模块可以提高HRNet模型的性能,在SBD数据集上模型的平均像素准确率提高了0.58个百分点。

关键词：卷积神经网络计算机视觉特征相似性特征规范化注意力模块

来源：评论

学校读者我要写书评

暂无评论

确定学习与基于数据的建模及控制

引用

自动化学报 2009年第6期35卷 693-706页

作者：王聪陈填锐刘腾飞华南理工大学自动化学院控制与优化中心广州510641 澳大利亚国立大学信息科学与工程研究院信息工程系堪培拉ACT 0200

确定学习运用自适应控制和动力学系统的概念与方法,研究未知动态环境下的知识获取、表达、存储和利用等问题.针对产生周期或回归轨迹的连续非线性动态系统,确定学习可以对其未知系统动态进行局部准确建模,其基本要素包括:1)使用径向基函... 详细信息

确定学习运用自适应控制和动力学系统的概念与方法,研究未知动态环境下的知识获取、表达、存储和利用等问题.针对产生周期或回归轨迹的连续非线性动态系统,确定学习可以对其未知系统动态进行局部准确建模,其基本要素包括:1)使用径向基函数(Radial basis function,RBF)神经网络;2)对于周期(或回归)状态轨迹满足部分持续激励条件;3)在周期(或回归)轨迹的邻域内实现对非线性系统动态的局部准确神经网络逼近(局部准确建模);4)所学的知识以时不变且空间分布的方式表达、以常值神经网络权值的方式存储,并可在动态环境下用于动态模式的快速识别或者闭环神经网络控制.本文针对离散动态系统,扩展了确定学习理论,提出一个根据时态数据序列对离散动态系统进行建模与控制的框架.首先,运用确定学习原理和离散系统的自适应辨识方法,实现对产生时态数据的离散非线性系统的未知动态进行局部准确的神经网络建模,并利用此建模结果对时态数据序列进行时不变表达.其次,提出时态数据序列的基于动力学的相似性定义,以及对离散动态系统产生的时态数据序列(亦可称为动态模式)进行快速识别方法.最后,针对离散非线性控制系统,实现了基于时态数据序列对控制系统动态的闭环辨识(局部准确建模).所学关于闭环动态的知识可用于基于模式的智能控制.本文表明确定学习可以为时态数据挖掘的研究提供新的途径,并为基于数据的建模与控制等问题提供新的研究思路.

关键词：确定学习时态数据序列离散动态系统基于数据的建模部分持续激励条件时态数据挖掘动态模式识别基于模式的控制

来源：评论

学校读者我要写书评

暂无评论

微焦点X射线图像乘性加性混合噪声的去除

引用

光学精密工程 2014年第11期22卷 3100-3113页

作者：高红霞吴丽璇徐寒康慧胡跃明华南理工大学精密电子制造装备教育部工程研究中心广东广州510640 华南理工大学自动化科学与工程学院广东广州510640 广东技术师范学院自动化学院广东广州510665

考虑微焦点X射线仪成像信噪比低,混合噪声污染严重等问题,提出了一种乘性、加性混合噪声去除方法。首先,建立了含乘性、加性混合噪声的图像模型;其次,基于总变分和稀疏表示原理分别构造了滤除加性噪声和乘性噪声的目标函数;最后,应用显... 详细信息

考虑微焦点X射线仪成像信噪比低,混合噪声污染严重等问题,提出了一种乘性、加性混合噪声去除方法。首先,建立了含乘性、加性混合噪声的图像模型;其次,基于总变分和稀疏表示原理分别构造了滤除加性噪声和乘性噪声的目标函数;最后,应用显式差分算法和梯度投影算法分步滤除加性噪声和乘性噪声。实验结果显示,与总变分去加性噪声方法相比,该方法处理后的图像平滑区域均值与标准差比(MSR)平均提升了10.9%,细节区域拉普拉斯梯度模(LS)平均提升了15.6%。这些结果表明:本文算法不仅有效滤除了微焦点X射线图像的混合噪声,并且较好地保留了图像细节特征,能够满足集成电路内部缺陷检测对图像平滑度和细节清晰度的要求。

关键词：微焦点X射线检测 X射线图像总变分模型稀疏表示混合去噪

来源：评论

学校读者我要写书评

暂无评论

应用模糊神经网络进行负荷预测的研究

引用

自动化学报 1999年第1期25卷 60-67页

作者：张昊吴捷郁滨广东省科学院自动化工程研制中心华南理工大学电力学院自动控制工程系

应用模糊神经网络实现的预测系统通过对历史数据的自适应学习获得初始的模糊预测模型，借助等价结构的ＡＮＮ基于实时数据的梯度信息对系统参数进行ＢＰ训练，具有较强的适应性和自学习能力。以电力短期负荷预测（ＳＴＬＦ）为应用背景... 详细信息

应用模糊神经网络实现的预测系统通过对历史数据的自适应学习获得初始的模糊预测模型，借助等价结构的ＡＮＮ基于实时数据的梯度信息对系统参数进行ＢＰ训练，具有较强的适应性和自学习能力。以电力短期负荷预测（ＳＴＬＦ）为应用背景，进行了系统化的实验研究，结果表明这一智能化的预测系统的性能是令人满意的．

关键词：模糊神经网络负荷预测经济预测电力系统

来源：评论

学校读者我要写书评

暂无评论

基于Kalman滤波器的车式移动机器人跟踪方法

引用

自动化与仪表 2014年第2期29卷 1-4页

作者：张香竹余辉荣汪俊彬华南理工大学自动化科学与工程学院控制与优化中心广州510641

为了跟踪和优化车式移动机器人的运动轨迹,对四轮车式机器人进行了建模,再通过线性化和离散化得到系统模型,并对该模型引入Kalman滤波器。搭建实验平台,详细验证Kalman滤波算法对多目标跟踪的优化和平滑作用。实验结果验证了多个Kalman... 详细信息

为了跟踪和优化车式移动机器人的运动轨迹,对四轮车式机器人进行了建模,再通过线性化和离散化得到系统模型,并对该模型引入Kalman滤波器。搭建实验平台,详细验证Kalman滤波算法对多目标跟踪的优化和平滑作用。实验结果验证了多个Kalman滤波器对多目标进行实时轨迹和状态跟踪的有效性。

关键词：车式移动机器人建模 Kalman滤波器多目标跟踪轨迹优化

来源：评论

学校读者我要写书评

暂无评论

基于网络反馈的多移动机器人协同控制

引用

自动化与仪表 2012年第9期27卷 11-13,60页

作者：赵玲叶景志廖鑫江华南理工大学自动化科学与工程学院控制与优化中心广州510640

建立两轮移动机器人运动学模型,根据网络反馈主、从机器人的状态信息,经过数据预处理后构建偏差方程,通过调节从机器人速度输入使偏差趋近于零,来实现对给定运动状态的主机器人的有效协同控制。Matlab仿真实验结果证明了此控制律具有一... 详细信息

建立两轮移动机器人运动学模型,根据网络反馈主、从机器人的状态信息,经过数据预处理后构建偏差方程,通过调节从机器人速度输入使偏差趋近于零,来实现对给定运动状态的主机器人的有效协同控制。Matlab仿真实验结果证明了此控制律具有一定的控制效果,并且此控制律在实际无线传感器网络平台的运用中,从机器人接收网络反馈信息,计算得到主、从机器人的运动状态(位置、速度、轴相角等),实现了两个从机器人对匀速圆周运动的主机器人的协同控制。

关键词：多移动机器人运动学模型网络反馈协同控制无线传感器网络

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：