李军
- 作品数：79 被引量：445H指数：12
- 供职机构：兰州交通大学自动化与电气学院更多>>
- 发文基金：国家自然科学基金甘肃省自然科学基金兰州交通大学“青蓝”人才工程基金更多>>
- 相关领域：自动化与计算机技术理学电气工程电子电信更多>>
- 基于ELM的机器人逆动力学建模研究被引量：1
- 2013年
- 极限学习机(extreme learning machine,ELM)是一种新型的前馈神经网络,可有效的处理复杂的非线性的回归拟合问题。本文提出了基于极限学习机的机器人逆动力学模型的建模方法,阐述了基本的设计思想和具体的算法过程,通过对二自由度刚性机器人的仿真,结果验证了该方法的有效性和可行性,与RBF神经网络相比极限学习机的优点在于训练时间短,能极快的达到全局收敛,且非线性系统建模精度和模型泛化能力都得到提高。
- 罗仲梦李军
- 关键词：极限学习机机器人RBF神经网络
- 基于KRLS的pH中和过程建模被引量：1
- 2019年
- 针对典型的pH酸碱中和过程,提出基于核递推最小二乘(KRLS)的核学习动态模型。KRLS方法采用基于近似线性依赖技术的稀疏化算法,降低了计算复杂度及存储量,能适用于较大规模数据集的训练以及动态时变过程的建模。将所提方法应用到具有缓冲流的双输出中和过程实例中,为验证其有效性,在同等条件下,还与核偏最小二乘(KPLS)、核主成分分析—支持向量机(KPCA-SVM)、核极限学习机(KELM)、极限学习机(ELM)、支持向量机(SVM)等方法进行比较。实验结果表明:作为一种在线自适应方法,KRLS方法具有很高的动态建模精度,为研究pH中和过程的控制奠定了基础。
- 朱瑞鹤李军
- 关键词：PH中和过程非线性系统动态建模稀疏化
- 高效液相色谱法纤维素类手性固定相分离手性化合物被引量：1
- 2006年
- 在手性柱OJ-H上直接分离了三种手性化合物,并初步探讨了手性化合物在不同流动相的组分———醇的种类及结构对手性拆分的影响,结果发现,溶质与固定相分子之间的氢键作用、π-π作用对溶质的手性分离有一定的影响。另外,不同直链醇作为流动相也影响着手性化合物的保留与分离。
- 刘峻韩小茜李军魏燕
- 关键词：手性固定相手性化合物手性分离
- 基于极限学习机的机械臂自适应神经控制被引量：13
- 2015年
- 针对刚性机械臂系统的控制问题,提出基于极限学习机(ELM)的自适应神经控制算法.极限学习机随机选择单隐层前馈神经网络(SLFN)的隐层节点及其参数,仅调整其网络的输出权值,以极快的学习速度获得良好的推广性.采用李亚普诺夫综合法,使所提出的ELM控制器通过输出权值的自适应调整能够逼近系统的模型不确定性部分,从而保证整个闭环控制系统的稳定性.将该自适应神经控制器应用于2自由度平面机械臂控制中,并与现有的径向基函数(RBF)神经网络自适应控制算法进行比较.实验结果表明,在同等条件下,ELM控制器具有良好的跟踪控制性能,表明了所提出控制算法的有效性.
- 乃永强李军
- 关键词：机械臂
- 基于CEEMDAN-排列熵和泄漏积分ESN的中期电力负荷预测研究被引量：75
- 2015年
- 针对中期电力负荷预测,提出一种具有自适应噪声的完整集成经验模态分解(CEEMDAN)-排列熵和泄漏积分回声状态网络(LIESN)的组合预测方法。CEEMDAN方法在负荷序列分解的每一阶段添加特定的白噪声,通过计算唯一的余量信号以获取各个模态分量,与EEMD方法相比,其分解过程是完整的。为降低负荷非平稳性对预测精确度的影响以及减小计算规模,采用CEEMDAN-排列熵方法将负荷时间序列分解为具有复杂度差异的不同子序列,通过分析各个子序列的内在特性,分别构建相应的LIESN预测模型,最终对预测结果进行叠加。将该方法应用于不同地区的中期峰值电力负荷预测实例中,并与其他组合预测以及单一预测方法进行比较。实验结果表明,所提出的方法有很高的预测精确度,显示出其有效性和应用潜力。
- 李军李青
- 关键词：负荷预测回声状态网络
- KPCA-LSSVM方法在视频时间序列预测中应用被引量：2
- 2018年
- 为提高时间序列预测精度及降低预测过程中的计算复杂度,提出一种基于核主成分分析(KPCA)与最小二乘支持向量机(LSSVM)相结合的预测方法.首先,将输入数据通过核方法映射至高维特征空间;然后,在特征空间上提取有效非线性主元;最终,通过LSSVM建立时间序列模型.为验证KPCA-LSSVM方法的有效性,将其应用于交通流及视频流预测中,在同等条件下,与单一的LSSVM及神经网络等预测方法进行比较.实验结果表明:基于KPCA-LSSVM建立的模型具有较好的推广性及较高的辨识精度.
- 张观东李军
- 关键词：时间序列预测交通流量视频流量核主成分分析
- 硒代和硫代缩水甘油醚的高效液相色谱手性直接拆分
- 2006年
- 在Chiralcel OJ和Chiralpak AD两种手性色谱柱上对两种外消旋化合物进行了直接拆分,初步考察了色谱柱填料以及流动相中的醇在手性识别过程中对手性拆分的影响.
- 李军韩小茜赵延龄刘峻郭慧萍马晓明
- 关键词：液相色谱手性拆分硒代缩水甘油醚
- 基于PCA-区间二型FLS的短期风电功率预测被引量：5
- 2019年
- 针对短期风电功率预测,提出一种基于主成分分析(PCA)和一型非单值区间二型模糊逻辑系统(FLS)相结合的方法。PCA一型非单值区间二型FLS预测模型,应用反向传播(BP)算法设计预测模型前件和后件的参数,进一步将SVD-QR算法应用到BP方法应用于不同地区的风电场风电功率预测实例中,在同等条件下还分别与SVM(支持向量机)、一型非单值FLS、一型非单值区间二型FLS、PCA-单值区间二型FLS等其他预测方法进行比较。实验结果表明,所提方法取得了较高的预测精度,具有很好的预测效果,同时,模型的模糊规则数少,较好地解决了模糊模型的规则"爆炸"问题,这使得PCA-区间二型FLS方法在风电功率预测领域具有较好的应用潜力。
- 李军王星辉
- 关键词：风电功率主成分分析BP算法
- 基于互补型集成经验模态分解-模糊熵和回声状态网络的短期电力负荷预测被引量：6
- 2014年
- 为了提高短期电力负荷预测的精度,提出一种噪声互补型集成经验模态分解(CEEMD)-模糊熵和泄漏积分型ESN(Li ESN)的组合预测方法。为降低对负荷序列进行局部分析的计算规模以及提高负荷预测的准确性,首先采用CEEMD-模糊熵将负荷时间序列分解为具有明显复杂度差异的负荷子序列;然后,通过对各子序列进行特性分析,分别构建相应的子Li ESN预测模型;最后将各子序列的预测结果叠加得到最终预测值。将CEEMD-模糊熵结合Li ESN的组合预测方法应用于美国新英格兰地区短期电力负荷实例中,仿真结果表明,所提出的组合预测方法具有很高的预测精度。
- 李青李军马昊
- 关键词：回声状态网络负荷预测
- KPCA-KPLS方法在pH中和过程建模中的应用
- 2018年
- 针对化工过程中的具有严重非线性、不确定性、时变性的复杂pH中和过程系统建模问题,提出一种基于核主元分析(KPCA)与核偏最小二乘(KPLS)相结合的建模方法.在高维特征空间内,该方法通过KPCA有效地提取输入数据的非线性主元,利用KPLS方法将输入变量投影在潜在变量上,再用输入与输出变量之间的协方差信息提取潜在特征建立pH中和过程模型.为验证其有效性,将KPCA-KPLS方法应用到弱酸强碱中和过程、强酸强碱中和过程实例中,并与核偏最小二乘、核主元分析_支持向量机(KPCA-SVM)、核极限学习机(KELM)、极限学习机(ELM)、最小二乘支持向量机(LSSVM)、SVM等方法进行比较.实验结果表明:KPCA-KPLS方法具有很高的动态建模精度.
- 朱瑞鹤李军
- 关键词：PH中和过程核主成分分析核偏最小二乘
