公共文化服务平台

搜索到1085篇“ 小脑神经网络“的相关文章

一种基于小脑神经网络模型的表面肌电信号分类方法: 本发明涉及一种基于小脑神经网络模型的表面肌电信号分类方法，包括以下步骤：步骤S1：采用包括胫骨前肌、腓肠肌在内的相关肌肉的表面肌电信号数据，提取上述表面肌电信号的特征参数，将提取的特征参数及其分类结果作为训练数据，训练小...; 姜海燕于守艳高跃明杜民

小脑神经网络用于不确定时滞系统的鲁棒非脆弱控制被引量：1: 2020年; 针对不确定时滞系统的鲁棒跟踪控制问题,设计了一种基于小脑神经网络CMAC的鲁棒非脆弱控制器。首先,给出小脑模型神经网络控制系统的算法。其次针对一类不确定时滞系统,根据李雅普诺夫稳定理论,进行了鲁棒非脆弱控制器的设计。假设反馈控制中即含有状态反馈不确定性,也具有状态时滞的不确定性。证明不确定时滞系统鲁棒非脆弱控制存在的条件。该条件可以利用Matlab的线性矩阵不等式LMI工具箱来求解鲁棒控制器的参数。之后利用CMAC神经网络较强的学习能力和鲁棒非脆弱控制器对参数摄动抑制作用的特点,将鲁棒非脆弱控制器与小脑模型神经网络CMAC相结合,构成小脑模型神经网络与鲁棒非脆弱控制器的复合控制,实现对不确定时滞系统的跟踪控制。仿真结果显示,对于输入端扰动和一定程度的参数摄动,经过复合控制器的作用,被控系统能在短时间的抖动后逐渐趋于稳定,不仅具有较快的响应速度,还具有较短的收敛时间和令人满意的跟踪精度。该种复合控制表现出较强抗干扰能力及鲁棒性。; 付兴建郭宏梅; 关键词：小脑模型神经网络非脆弱控制时滞线性矩阵不等式

风力发电机风向小脑神经网络软测量方法研究被引量：2: 2020年; 风向测量值是控制风力发电机偏航的依据。风向测量值和原始风向值之间通常会存在偏差,这是影响风力发电机风能捕捉效率的主要因素之一。受风力发电机结构限制,机舱上的风向标难以准确测量风向。分析了风向测量误差产生原因,叙述了风向测量值和原始风向值之间的数学关系。风向软测量技术是降低风向测量偏差的有效方法。简述了风向软测量技术的传统方法。传统风向软测量方法可以显著减小测量误差,但计算量大,风力发电机翼型参数精度要求高,不适合工程使用。针对传统风向软测量技术的不足,提出了小脑神经网络(CMAC)软测量方法。该方法降低了风向测量的计算量,进一步提高了风向测量精度。实践证明了该方法的可行性。; 徐奉友岳红轩刘伟鹏; 关键词：风力发电机偏航尾流软测量小脑神经网络

一种基于小脑神经网络模型的表面肌电信号分类方法: 本发明涉及一种基于小脑神经网络模型的表面肌电信号分类方法，包括以下步骤：步骤S1：采用包括胫骨前肌、腓肠肌在内的相关肌肉的表面肌电信号数据，提取上述表面肌电信号的特征参数，将提取的特征参数及其分类结果作为训练数据，训练小...; 姜海燕于守艳高跃明杜民; 文献传递

小脑神经网络在矿工疲劳监测控制系统中的应用被引量：3: 2018年; 针对矿工井下疲劳监测与控制难题,探索矿工疲劳务工的生理指标状况,降低矿工疲劳状态下务工的可能性,指导煤矿高层管理者对矿工疲劳生产的管理与控制,并为新设计的矿工疲劳监测控制系统提供新的方法与依据。采用多元信息融合技术,提取了皮电、肌电、脑电等12个疲劳水平监测信号,对矿工务工期间进行半接触式肢体图像和信号分析,构建了矿工疲劳监测信号体系;结合CMAC神经网络理论,提出矿工疲劳务工期间的疲劳检测控制系统模型,并通过收集矿工务工期间的多生理指标对构建的模型进行验证。结果表明:矿工疲劳监测与控制系统监测结果与实际矿工疲劳水平的平均偏差为0.2,偏差为0.1~0.3的约占51.7%,0.4~0.7的约占32.2%,0.8~1.0的约占16.1%,比传统的单一信号监测精度更高,偏差更小,更能满足实际生产中的矿工监测与控制的精度需求。为缓解当前矿工疲劳生产的现状,依据矿工疲劳监测结果,结合金融风险管理理论,应采用的方法是:当矿工疲劳水平超出生理负荷值时,机械自启强迫停止功能;当矿工疲劳水平严重时,提醒班组长强迫矿工换班(岗);当矿工出现疲劳迹象时,报警提示矿工调整自身疲劳状态等。为后期中国煤矿人员安全与高效生产的电子监测与控制领域提供一种新的设计参考。; 李红霞黄已芯田水承侯媛彬; 关键词：小脑神经网络

基于递归小脑神经网络模型控制的空间机器人关节抗死区及摩擦控制被引量：6: 2018年; 探讨了存在关节力矩输出死区、摩擦与外部干扰的载体位姿均不受控的漂浮基空间机器人系统的动力学控制问题。设计了一种递归小脑模型关节控制器(CMAC)神经网络与死区估计补偿器,使两关节铰能够跟踪期望运动轨迹。该控制器利用摩擦双观测器估计不可测的内部摩擦状态,利用死区预补偿器消除关节力矩输出死区的影响;应用递归小脑神经网络模型逼近了包含摩擦误差及外部干扰的动力学方程不确定项。仿真结果表明了该控制方法的有效性。; 黄小琴陈力; 关键词：空间机器人死区

区间值型直觉模糊小脑神经网络模型: 本发明公开一种区间值型直觉模糊小脑神经网络模型，包括按照逻辑顺序连接的输入空间<Image file="DDA0001123042700000011.GIF" he="62" imgContent="drawing" i...; 赵晶林志民张达敏黄江茵; 文献传递

基于模糊算法的多小脑神经网络在混凝投药系统中的应用被引量：3: 2016年; 净水工艺中的混凝投药是一个受多变量影响的非线性系统,无法建立准确的数学模型,且滞后时间较长。为了将混凝投药后的出水浊度控制在设定的范围内,并且有效地减少投药量,通过对混凝投药过程的分析,设计一种基于模糊算法的多小脑神经网络(CMAC神经网络)前馈控制器,并设计控制器离线建模和在线学习的方法。最后使用MATLAB进行仿真验证,结果表明,该前馈控制器能够在原水浊度和原水温度变化的情况下,有效地将浊度控制在设定的范围内,并且能够实现投药量的优化。; 徐少川刘东昆刘宝伟; 关键词：混凝投药前馈控制器

超磁致伸缩致动器的小脑神经网络前馈逆补偿-模糊PID控制被引量：13: 2015年; 针对超磁致伸缩致动器(GMA)在精密致动控制中存在的迟滞和位移非线性,提出了小脑神经网络(CMAC)前馈逆补偿结合模糊PID控制的新策略。通过小脑神经网络(CMAC)学习获得超磁致伸缩致动器动态逆模型用于对超磁致伸缩致动器迟滞非线性进行补偿;利用模糊PID控制降低小脑神经网络(CMAC)学习时的误差和抑制扰动,提高系统的跟踪控制性能,从而实现超磁致伸缩致动器的精密致动控制。仿真和实验结果表明:所采用的控制策略有效地消除了迟滞非线性的影响,系统的跟踪误差降低到了5%以下,而位移跟踪误差均方差仅为0.58。此外,这种策略的特点是学习和控制同时进行,控制系统能够适应被控对象动态特性的变化,使系统具有较强的鲁棒性,同时也能够有效地抑制外界的干扰,提升系统的自适应控制性能。; 孟爱华刘成龙陈文艺杨剑锋李明范; 关键词：超磁致伸缩致动器小脑神经网络模糊PID控制

适用于DIVA模型的小脑神经网络模型的构建: 本文在反馈误差小脑学习模型的基础上,提出一种适用于DIVA(Directions Into Velocities of Articulators)模型的反馈误差小脑学习模型,并构建基于神经解剖学的小脑神经网络模型,即由9...; 吴媛媛张少白; 文献传递

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈