一种基于改进Q学习算法的电机伺服系统无模型反馈控制器设计方法

    公开(公告)号:CN112034715A

    公开(公告)日:2020-12-04

    申请号:CN202010978195.2

    申请日:2020-09-17

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于改进Q学习算法的电机伺服系统无模型反馈控制器设计方法,包括以下步骤:步骤S1:设有离散电机伺服系统 ,步骤S2:针对步骤S1所述的系统给定一个初始的反馈矩阵 对系统进行控制,获得一组充分激励的数据,即由系统状态矢量 和输入信号矢量 组成的数据集;步骤S3:计算系统未知参数矩阵 ;将计算所得的参数按照将 作为矩阵对角线元素得到新的反馈阵;步骤S5:根据反馈阵 ,计算系统的性能指标;本发明采用岭回归代替现有算法中的最小二乘回归。由于岭回归能够处理数据集中存在的多重共线性,因此对于电机伺服系统,改进Q算法能够有效完成无模型控制器的设计。

    一种基于可视化标识的无线设备连接方法

    公开(公告)号:CN107371276B

    公开(公告)日:2019-11-12

    申请号:CN201710556363.7

    申请日:2017-07-10

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于可视化标识的无线设备连接方法。首先,移动设备通过扫描获取附近无线设备的列表;而后,移动设备执行标识分配方法,为每个无线设备分配可视化标识;再而,移动设备将可视化标识分配信息发送给无线设备,无线设备接收到信息之后,控制其显示模块显示所分配的可视化标识;同时,移动设备在用户界面上显示可视化标识的列表供用户选择;用户通过观察目标无线设备所显示的可视化标识,进而在用户界面中选择和目标无线设备一致的标识,即可实现移动设备和目标无线设备的连接。该方法通过可视化标识分配的方法,将无线设备连接过程中选择设备名称或地址,转换为选择可视化标识;相比传统的连接操作,更加直观,更加高效。

    一种基于RSSI差异性的移动设备与无线节点的连接方法

    公开(公告)号:CN105848305B

    公开(公告)日:2019-04-02

    申请号:CN201610332897.7

    申请日:2016-05-19

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于RSSI差异性的移动设备与无线节点的连接方法,用于简化移动设备与其临近无线节点的连接流程。该方法包括两个部分:离线测量和在线滤波,首先通过离线测量记录应用环境的RSSI差异性数据;接着基于RSSI差异性数据,采用在线滤波算法对通信范围内无线节点的RSSI信号进行处理,进而筛选出与移动设备距离最近的无线节点的候选者清单。基于候选者清单,本发明可实现动态的连接方法:当候选者数量唯一时,直接连接该节点;当候选者数量不唯一时,显示候选者清单,供用户自行选择。

    一种基于人员占用信息融合的商业楼宇短期负荷预测方法

    公开(公告)号:CN119692545A

    公开(公告)日:2025-03-25

    申请号:CN202411764022.5

    申请日:2024-12-03

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于人员占用信息融合的商业楼宇短期负荷预测方法,其特征在于,对于原始负荷数据,首先采用CEEMDAN算法将负荷数据前向分解为多个IMFs分量,去除高频噪声分量后再将剩余分量进行重构融合,以得到干净的负荷数据;然后,构建DWedRVFL神经网络模型,所述DWedRVFL神经网络模型采用基于预测的最新精度捕捉负荷序列的动态变化,并构建多样性指标来利用不同输出层的多尺度特征;此外,构建排序策略来整合最新精度和多样性的贡献,同时避免异常预测值对组合预测的影响;而后,将历史负荷、天气条件和人员占用等数据组成连接矩阵馈送入DWedRVFL神经网络模型进行学习,从而提高建筑负荷预测的准确性和稳定性。该方法有利于提高商业楼宇短期负荷预测的准确性。

    一种基于前向分解去噪和深度集成学习的建筑负荷预测方法

    公开(公告)号:CN119623749A

    公开(公告)日:2025-03-14

    申请号:CN202411764026.3

    申请日:2024-12-03

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于前向分解去噪和深度集成学习的建筑负荷预测方法,对于原始负荷数据,首先采用CEEMDAN算法将负荷数据前向分解为多个IMFs分量,去除高频噪声分量后再将剩余分量进行重构融合,得到干净的负荷数据;然后,构建DWedRVFL神经网络模型,所述DWedRVFL神经网络模型采用预测的最新精度捕捉负荷序列的动态变化,并构建多样性指标来利用不同输出层的多尺度特征;此外,构建排序策略来整合最新精度和多样性的贡献,同时避免异常预测值对组合预测的影响;而后,将历史负荷、天气条件和人员占用数据组成连接矩阵馈送入DWedRVFL神经网络模型进行学习,从而提高建筑负荷预测的准确性和稳定性。该方法有利于提高短期建筑负荷预测的精度和稳定性。

    一种融合机器视觉与邻近度估计的相似工业设备识别方法

    公开(公告)号:CN116503698A

    公开(公告)日:2023-07-28

    申请号:CN202310239753.7

    申请日:2023-03-14

    Applicant: 福州大学

    Abstract: 本发明提供了一种融合机器视觉与邻近度估计的相似工业设备识别方法,包括以下步骤:步骤S1:机器人将相机所获取工业设备的视频流切割为图片,将所获取的图片送入目标检测算法中进行检测,获取出最大预测盒的二维坐标,将二维坐标输入到位姿估计算法中计算机器人的位姿参数和;步骤S2:由位姿估计算法计算得到机器人相机的平移矩阵,进而根据计算出偏离角,通过调整机器人的偏离角使得机器人正对邻近的工业设备;应用本技术方案可有效地对相似工业设备进行区分,提高相似工业设备识别的精度。

    一种棒状金属表面图像采集方法

    公开(公告)号:CN115086522B

    公开(公告)日:2023-05-26

    申请号:CN202210659201.7

    申请日:2022-06-10

    Applicant: 福州大学

    Abstract: 本发明涉及一种棒状金属表面图像采集方法。通过传送带和拦截装置,实现棒状金属原地匀速旋转,减少棒状金属的抖动;同时传送带带动编码器转轴旋转,产生脉冲控制线阵相机连续扫描棒材金属,获取到棒材金属完整表面图像。本发明的有益效果在于采集方式方便快捷,提高了棒状金属表面图像采集的速度的同时,能够保证采集的棒状金属表面图像的真实和高清。

Patent Agency Ranking