检索结果-内蒙古大学图书馆

计算机工程与应用 2023年第11期59卷 285-293页

作者：黄杰张永宏马光义朱灵龙田伟南京信息工程大学自动化学院南京210044 南京信息工程大学气象灾害预报预警与评估协同创新中心南京210044 南京信息工程大学电子与信息工程学院南京210044 南京信息工程大学计算机与软件学院南京210044

针对强对流天气条件下利用卫星图像进行降水量估计时精度不高、时空分辨率低的问题,提出了一种改进U-Net的降水量估计算法。将U-Net模型的编码器通过残差模块与解码器相结合,使得模型参数可以共享,避免深层网络模型梯度消失的情况。在... 详细信息

针对强对流天气条件下利用卫星图像进行降水量估计时精度不高、时空分辨率低的问题,提出了一种改进U-Net的降水量估计算法。将U-Net模型的编码器通过残差模块与解码器相结合,使得模型参数可以共享,避免深层网络模型梯度消失的情况。在此结构基础上引入了空间金字塔模块进行多尺度特征提取,保留更多的图像特征,加强对细小降水云团信息的特征提取能力;引入了注意力机制模块,提取重要降水特征信息。实验结果表明,该算法在命中率、虚警率、相关系数分别为0.84、0.48、0.59;均方根误差、平均绝对误差分别为1.354 mm/h、0.432 mm/h。与PERSIANN-CNN、U-Net算法相比,有效地提升了降水量估计精度。与其他降水产品对比,能更好地识别出降水区。该算法可以实现近实时的降水估计,能够有效地提升降水估计精度,对低时间分辨率的降水估计研究具有一定的价值。

关键词：降水量估计风云四号卫星卷积神经网络语义分割

来源：评论

学校读者我要写书评

暂无评论

基于深度强化学习的无人机姿态控制器设计

引用

科学技术与工程 2023年第34期23卷 14888-14895页

作者：王伟吴昊刘鸿勋杨溢南京信息工程大学自动化学院南京210000

为了能让四旋翼无人机的姿态控制器具有强大的目标值追踪与抗外部干扰的能力,提出了一种基于参考模型的深度确定性策略梯度的四旋翼无人机姿态控制器设计。该方法通过神经网络,将四旋翼无人机的状态直接映射到输出。本文的强化学习算法... 详细信息

为了能让四旋翼无人机的姿态控制器具有强大的目标值追踪与抗外部干扰的能力,提出了一种基于参考模型的深度确定性策略梯度的四旋翼无人机姿态控制器设计。该方法通过神经网络,将四旋翼无人机的状态直接映射到输出。本文的强化学习算法是结合深度确定性策略(deep deterministic policy gradient,DDPG)和深度神经网络所设计的。在DDPG算法结构中,进一步加入参考模型,规避控制量太大造成的系统超调,增强了系统的稳定性以及鲁棒性。同时,修改了强化学习中奖励的构成,成功消除了系统的稳态误差。经过研究实验表明,该控制方法可以对目标值进行快速地追踪且有着较强的鲁棒性,可见该控制器相比于传统的控制器,提高了其目标值追踪能力以及抗干扰能力。

关键词：深度强化学习姿态控制神经网络参考模型

来源：评论

学校读者我要写书评

暂无评论

2000—2020年北疆地区积雪时空变化趋势及影响要素

引用

科技导报 2023年第3期41卷 72-80页

作者：张永宏宋凯达王剑庚朱灵龙田丰南京信息工程大学自动化学院南京210044 南京信息工程大学大气物理学院南京210044 南京信息工程大学电子与信息工程学院南京210044

基于北疆地区29个气象站点2000—2020年积雪数据集,分析了北疆地区20个水文年的积雪天数、年最大雪深、年均雪深、降雪次数、雪物候和气象要素变化,并对其影响要素进行了分析。结果表明,北疆地区近20年来冬季的积雪天数呈显著上升趋势,... 详细信息

基于北疆地区29个气象站点2000—2020年积雪数据集,分析了北疆地区20个水文年的积雪天数、年最大雪深、年均雪深、降雪次数、雪物候和气象要素变化,并对其影响要素进行了分析。结果表明,北疆地区近20年来冬季的积雪天数呈显著上升趋势,超过58%的气象站点降雪次数下降趋势显著,这与最低气温和降水量的显著增加密切相关。有72%的站点表现出了温度升高的趋势,近20年北疆地区降水量出现显著增加。雪物候方面,积雪持续天数呈现弱下降趋势,初雪日的出现时间明显推迟,增幅为0.17 d/a。终雪日的推迟并不显著。地理和气象因素与积雪密切相关,尤其是气温和降水量的变化会导致积雪深度发生显著变化,海拔对雪物候的影响程度比气象因素更加明显。

关键词：新疆北部积雪地面观测时空变化结构方程模型

来源：评论

学校读者我要写书评

暂无评论

基于扰动观测器的机械臂阻抗复合控制研究

引用

南京信息工程大学学报（自然科学版） 2023年第2期15卷 225-230页

作者：张明瑞苗国英姜琛南京信息工程大学自动化学院南京210044

针对机械臂系统模型中存在未知扰动的问题,提出了基于扰动观测器的机械臂阻抗复合控制方法.针对二阶阻抗动态模型,采用由扰动观测器(DOB)、阻抗控制器和位置控制器构成的复合控制策略,其中扰动观测器用来估计机械臂模型中的未知扰动,阻... 详细信息

针对机械臂系统模型中存在未知扰动的问题,提出了基于扰动观测器的机械臂阻抗复合控制方法.针对二阶阻抗动态模型,采用由扰动观测器(DOB)、阻抗控制器和位置控制器构成的复合控制策略,其中扰动观测器用来估计机械臂模型中的未知扰动,阻抗控制器用于修正输入角度,位置控制器对修正后的角度进行跟踪控制.复合控制保证阻抗误差可以收敛到一个小的邻域,最终实现期望二阶阻抗模型的动态跟踪.仿真算例验证了该控制方法的有效性.

关键词：机械臂阻抗控制扰动观测器位置控制

来源：评论

学校读者我要写书评

暂无评论

基于自适应神经网络的异构多智能体系统一致性控制

引用

扬州大学学报（自然科学版） 2023年第6期26卷 51-56,64页

作者：李小萌刘心怡郑柏超南京信息工程大学自动化学院南京210044

针对由一阶线性和二阶非线性组成的异构多智能体系统,提出一种基于自适应神经网络的分布式控制协议.利用每个智能体之间的通信信息调整分布式控制协议中的参数,使径向基函数(radial basis function,RBF)神经网络逼近二阶多智能体系统中... 详细信息

针对由一阶线性和二阶非线性组成的异构多智能体系统,提出一种基于自适应神经网络的分布式控制协议.利用每个智能体之间的通信信息调整分布式控制协议中的参数,使径向基函数(radial basis function,RBF)神经网络逼近二阶多智能体系统中的未知非线性项,进而使得异构多智能体系统实现自适应一致,并通过Lyapunov稳定性理论给予证明.MATLAB/Simulink仿真实验结果验证了该方法的有效性.

关键词：异构多智能体系统自适应神经网络分布式控制一致性

来源：评论

学校读者我要写书评

暂无评论

基于多智能体强化学习值分解的优化算法

引用

电子测量技术 2023年第7期46卷 73-79页

作者：王慧琴苗国英孙英博南京信息工程大学自动化学院南京210044

当前多智能体强化学习在值分解的算法中无法充分考虑到多智能体间的协作关系,并且使用的随机策略在探索过程中容易出现越过最优点,陷入局部最优解的情况。针对以上问题,本文提出了一种深度交流多智能体强化学习算法。本文通过使用卷积... 详细信息

当前多智能体强化学习在值分解的算法中无法充分考虑到多智能体间的协作关系,并且使用的随机策略在探索过程中容易出现越过最优点,陷入局部最优解的情况。针对以上问题,本文提出了一种深度交流多智能体强化学习算法。本文通过使用卷积和全连接结构在值分解网络中设计了一种通信机制以此来增强多智能体之间的协作。接着,本文提出了一种新的自适应探索策略,为了平衡数据探索与利用之间的矛盾,加入了周期性的衰减策略。最后,通过仿真结果验证了本文提出方法在部分场景中达到25.8%的性能提升,提高了多智能体的合作能力。

关键词：多智能体强化学习深度交流探索策略

来源：评论

学校读者我要写书评

暂无评论

基于多标签零样本学习的滚动轴承故障诊断

引用

振动与冲击 2022年第11期41卷 55-64,89页

作者：张永宏邵凡赵晓平王丽华吕凯扬张中洋南京信息工程大学自动化学院南京210044 南京信息工程大学计算机与软件学院南京210044 南京信息工程大学江苏省网络监控中心南京210044

近年来,数据驱动的方法在滚动轴承故障诊断领域发展迅速,但面对工程实际中没有历史记录的故障类型,仍存在故障特征学习不充分、误诊率高等不足。针对上述问题,提出了多标签零样本学习(multi-label zero-shot learning,MLZSL)故障诊断方... 详细信息

近年来,数据驱动的方法在滚动轴承故障诊断领域发展迅速,但面对工程实际中没有历史记录的故障类型,仍存在故障特征学习不充分、误诊率高等不足。针对上述问题,提出了多标签零样本学习(multi-label zero-shot learning,MLZSL)故障诊断方法。首先,使用短时傅里叶变换(short-time Fourier transform,STFT)对可见类和未见类样本进行预处理,将得到的时频图像输入残差深度可分离卷积神经网络(residual depthwise separable convolutional neural network,RDSCNN)进行特征提取,再使用可见类故障特征训练属性学习网络,依靠属性学习网络预测未见类故障样本的属性向量,最终实现对未见类故障的诊断。设计了零样本条件下的故障诊断试验,结果表明MLZSL能将可见类故障属性迁移到未见类,并有效诊断未见类故障。

关键词：零样本学习(ZSL) 特征提取多标签属性学习器滚动轴承

来源：评论

学校读者我要写书评

暂无评论

虚实特征融合与数据-机理驱动的变压器绕组小样本故障诊断

引用

电力自动化设备 2024年第9期44卷 212-218页

作者：段嘉珺吴晓欣何怡刚宋文斌殷奕恒南京信息工程大学自动化学院江苏南京210044 国网南京供电公司江苏南京210019 武汉大学电气与自动化学院湖北武汉430072 南京南瑞继保电气有限公司江苏南京211102

针对变压器绕组诊断的小样本场景,提出一种虚实特征融合的数据-机理驱动方法,通过引入仿真模型弥补实际样本特征不足的问题。提出虚实特征融合方法的原理,推导其基本公式,构建虚实特征融合的小样本故障诊断框架。搭建变压器绕组故障测... 详细信息

针对变压器绕组诊断的小样本场景,提出一种虚实特征融合的数据-机理驱动方法,通过引入仿真模型弥补实际样本特征不足的问题。提出虚实特征融合方法的原理,推导其基本公式,构建虚实特征融合的小样本故障诊断框架。搭建变压器绕组故障测试实验平台,采集包含不同故障位置、故障类型、故障程度的测试实验样本集,同时获得仿真模拟虚拟数据集。对比试验表明,所提数据-机理融合方法对多种智能算法在不同小样本程度下的诊断性能均有提升效果:在小样本程度为30%的小样本场景下,基于所提方法的平均诊断准确率提高了27.1%。针对虚实数据相似度对诊断结果的影响进行了探讨。

关键词：变压器故障诊断小样本数据-机理驱动虚实特征融合频率响应分析

来源：评论

学校读者我要写书评

暂无评论

基于属性描述的零样本滚动轴承故障诊断

引用

振动与冲击 2022年第15期41卷 105-115页

作者：赵晓平吕凯扬邵凡张中洋南京信息工程大学计算机与软件学院南京210044 南京信息工程大学江苏省网络监控中心南京210044 南京信息工程大学自动化学院南京210044

数据驱动方式是对故障诊断模型进行训练的主要方法,然而因为机器运转环境复杂,没有可用的目标故障样本供模型训练而导致特征学习不充分的情况时有发生。针对这一问题,结合零样本学习(zero-shot learning,ZSL)思想,从属性描述的角度出发... 详细信息

数据驱动方式是对故障诊断模型进行训练的主要方法,然而因为机器运转环境复杂,没有可用的目标故障样本供模型训练而导致特征学习不充分的情况时有发生。针对这一问题,结合零样本学习(zero-shot learning,ZSL)思想,从属性描述的角度出发,提出了一种基于Xception网络和卷积神经网络(convolutional neural networks,CNN)的零样本滚动轴承故障诊断方法,即X-CNN故障诊断模型。X-CNN模型首先使用Xception网络对故障信号时频图进行特征提取;根据故障类别的属性描述构建属性矩阵,使用CNN对提取的特征进行属性学习;最后通过属性矩阵的相似度比较完成诊断工作。通过零样本条件下的故障诊断试验,证明了X-CNN故障诊断模型可以在不使用测试类样本进行训练的情况下完成滚动轴承故障诊断工作。

关键词：零样本学习(ZSL) Xception 卷积神经网络(CNN) 故障诊断属性描述

来源：评论

学校读者我要写书评

暂无评论

基于多智能体的指挥控制系统协同作战模型

引用

指挥与控制学报 2024年第3期10卷 298-307页

作者：王建伟潘成胜南京信息工程大学电子与信息工程学院南京210044 南京理工大学自动化学院南京210044

针对传统线性机械的各种科学理论方法所开发的指挥控制系统作战模型对复杂战场环境的分析、处理和计算与实际情况存在很大误差的问题,提出一种基于多智能体(agent)的指挥控制系统协同作战模型。构建了基于多agent的作战建模仿真方法和多... 详细信息

针对传统线性机械的各种科学理论方法所开发的指挥控制系统作战模型对复杂战场环境的分析、处理和计算与实际情况存在很大误差的问题,提出一种基于多智能体(agent)的指挥控制系统协同作战模型。构建了基于多agent的作战建模仿真方法和多agent的作战模型建模流程,制定了作战想定;针对现阶段的多agent作战仿真模型太过简单、仿真模型内涉及的智能体种类太少的问题,扩充了作战仿真模型中agent的种类,强调了各个智能体之间的相互关系;基于Anylogic开发平台,创建一种新的复杂多智能体协同作战系统模型,模拟真实环境进行多智能体协同作战。实验结果表明,新构建的指挥控制系统多智能体作战模型中智能体种类更加全面,互相协同作战能力显著提高,更加真实地反映出现代化战争中复杂的作战环境。

关键词：多智能体协同作战作战想定智能体种类 Anylogic 平台

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：