-
公开(公告)号：CN118050639A
公开(公告)日：2024-05-17
申请号：CN202311333832.0
申请日：2023-10-16
Applicant: 南京邮电大学通达学院
IPC: G01R31/367 , G01R31/387 , G01R31/378 , G06N3/006
Abstract: 本发明公开了基于改进的鲸鱼优化算法优化极限学习机估计锂离子电池荷电状态的方法。通过非线性收敛因子和差分进化算法改进鲸鱼优化算法，用以优化传统ELM输入层和隐藏层的权值和阈值，提高模型的稳定性和预测精度，引入差分进化算法以增强鲸鱼优化算法的全局寻优能力。本发明所提出的改进非线性收敛因子在迭代的早期具有强大的全局搜索能力，同时保持快速收敛速度，并且在后期避免陷入局部最优，保持高收敛率；提出的差分进化算法通过变异和交叉保持种群的多样性，提高算法跳出局部最优的可能性。本发明能够以更高的精确度完成锂离子电池荷电状态的估计，平均绝对误差达到，与单独使用极限学习机进行估计相比性能显著提升。
-
公开(公告)号：CN111780759B
公开(公告)日：2023-11-28
申请号：CN202010466077.3
申请日：2020-05-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于改进遗传算法的移动机器人路径规划方法，步骤包括：使用栅格地图对机器人移动空间进行环境建模；设置算法参数并初始化种群；利用路径长度函数和平滑度函数构造适应度函数；引入精英保留策略，即在进行轮盘赌选择时，将最优个体保留至下一代，继续进行交叉变异操作；采用自适应交叉率和变异率对种群进行动态调整；判断进化次数是否达到最大，若是，则输出最优解，若不是，则重复上述步骤。本发明在应用于移动机器人路径规划时不仅增强了其寻找最优解的能力，而且提高了其收敛速度，减少了转弯次数。
-
公开(公告)号：CN111722634B
公开(公告)日：2022-09-23
申请号：CN202010466106.6
申请日：2020-05-28
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于非线性扰动观测器的四旋翼飞行器滑模控制方法，考虑到四旋翼飞行器存在系统不确定性和外部扰动的影响，首先建立起考虑外部扰动的四旋翼动力学模型，并提出了一种非线性扰动观测器来估计外部扰动的实际值，本发明为了保证四旋翼飞行器的稳定性，根据双环的设计思想，将四旋翼动力学分解为姿态子系统和位置子系统，分别对两个子系统设计控制器，针对内环设计的非奇异快速终端滑模控制器能够保证姿态快速收敛，将backstepping和非奇异快速终端滑模相结合应用于外环，保证了跟踪的性能，本发明对具有系统不确定性和外部扰动的四旋翼飞行器具有良好的跟踪性能和较强的鲁棒性。
-
公开(公告)号：CN113139336A
公开(公告)日：2021-07-20
申请号：CN202110395388.X
申请日：2021-04-13
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于模糊分数阶神经网络的水质系统参数辨识方法，首先根据水质等级和影响水质等级的因素，收集系统模型的输入输出数据；然后根据水质等级和影响因素之间的关系设计模糊神经网络系统输入输出变量的数目和基本结构；接着利用数据训练搭建好的模糊神经网络模型，并且计算网络模型和实际输出的误差；根据误差，采用分数阶梯度下降法修改模型的系数以及隶属度函数的参数；当训练的误差达到期望的数值时停止训练。本发明可以实现水质系统模型参数的快速、在线、高精度辨识，计算方法简单、高效。
-
公开(公告)号：CN112946481A
公开(公告)日：2021-06-11
申请号：CN202110134380.8
申请日：2021-01-29
Applicant: 南京邮电大学
IPC: G01R31/367 , G01R31/388
Abstract: 本发明公开了一种基于联合H∞滤波的滑模观测器锂离子电池SOC估计方法及电池管理系统，包括步骤S1、利用二阶戴维南等效电路模型作为锂离子电池的等效电路模型；S2、通过基尔霍夫定律建立二阶戴维南等效电路模型的电气特性表达式；S3、根据安时积分法和电气特性表达式建立二阶戴维南等效电路模型的状态空间方程，并离散化状态空间方程；S4、通过间歇放电实验对二阶戴维南等效电路模型的参数进行识别，并建立开路电压和SOC之间的函数关系；S5、将滑模观测器与H∞滤波器结合，实现对带有噪声信号的滤波，减小离散滑模观测器抖动问题，为滑模观测器的估计状态提供更准确的估计值。本发明能够提升SOC估算的精度，且简单易于实现。
-
Patent Agency Ranking
公开(公告)号：CN109087388A
公开(公告)日：2018-12-25
申请号：CN201810762485.6
申请日：2018-07-12
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于深度传感器的物体三维建模方法，包括：S1、数据采集步骤，从深度传感器中读取数据，获得三维点云数据；S2、预处理步骤，将物体的点云从整个场景中分割出来，再去除异常点、提取物体点云的边界，得到物体在各视角下的点云；S3、相邻视角下点云配准步骤，配准相邻视角下的物体点云，得到相邻视角下物体点云间的转换矩阵；S4、全局对齐步骤，利用转换矩阵，将各个视角下的点云融合进全局点云，得到三维点云模型；S5、网格化和纹理映射步骤，将三维点云模型转为网格模型，随后将色彩信息映射到网格模型的表面，得到三维纹理模型。本发明在保证建模精度的基础上，提升了建模速度，具有很高的使用及推广价值。
-
公开(公告)号：CN108762072A
公开(公告)日：2018-11-06
申请号：CN201810493692.6
申请日：2018-05-21
Applicant: 南京邮电大学
IPC: G05B13/04
CPC classification number: G05B13/048
Abstract: 本发明公开了一种基于核范数子空间法和增广向量法的预测控制方法，所述方法在MPC的基础上利用ADMM算法，用于构建CD播放器机械臂系统模型，方法利用收集ADMM算法对系统模型的历史输入输出数据求解出核范数优化问题，得到一组优化之后的输出值；并设定一测量输入值，运用子空间算法技术通过测量输入值与输出值构建得到系统的状态空间模型；根据测量输入值和输出值建立汉克尔矩阵，并基于增广向量法构建系统离散状态空间模型；将离散状态空间模型通过多步迭代的方式计算得到多步预测输出值；构建系统的代价函数，并设定系统的参考轨迹；计算系统的最优控制量，得到系统中控制器的输出值；本发明的系统模型，避免了对实测数据的大量需求，减少了计算时间。
-
公开(公告)号：CN116306870A
公开(公告)日：2023-06-23
申请号：CN202310281636.7
申请日：2023-03-21
Applicant: 南京邮电大学
IPC: G06N3/08 , G06N3/0499 , G06N3/006 , G06F17/11 , G01R31/367
Abstract: 本发明公开了一种基于算术优化算法的正则化极限学习方法，结合自适应卡尔曼滤波构造了SOC估计模型，包括：在极限学习机中引入正则化的概念，并且用算术优化算法对极限学习机进行优化，以避免过拟合的问题，同时提高了一定估计精度；利用数据融合技术，将优化后的正则化极限学习机估计值作为离散自适应卡尔曼滤波测量值对SOC估计模型进行估计，将结果进行去噪和预测得到最终的SOC估计值；从不同温度下的标准驱动循环、多个标准驾驶混合循环和不同温度下相应的充电过程中收集训练数据集和测试数据集，实验中均方根误差和平均绝对误差均小于1.2％。本发明可以减小对SOC的估计误差。
-
公开(公告)号：CN111669093B
公开(公告)日：2022-07-08
申请号：CN202010583697.5
申请日：2020-06-23
Applicant: 南京邮电大学
Abstract: 本发明公开了一种自适应扩展卡尔曼滤波的电机参数估计方法，包括：将在αβ静止参考坐标系下的电流方程作为电机的连续状态空间表达式描述电机的内部动态特性；离散化状态空间方程同时将所需辨识参数增广到系统状态中；仿真电机采用双闭环控制方式，通过从电流检测单元和电压检测单元获得相电流、相电压；用当前时刻状态估计值代替系统真实值，并考虑满足白噪声时刻无关的性质，估计出当前时刻的系统噪声协方差矩阵；对噪声协方差估计值进行加权，得到当前时刻估计的噪声协方差矩阵；通过获得的相电流、相电压，利用已计算得到噪声协方差矩阵的扩展卡尔曼滤波算法估计反电动势同时辨识电机参数。该方法可提升电机参数估计的精度。
-
公开(公告)号：CN110413001B
公开(公告)日：2022-05-17
申请号：CN201910624493.9
申请日：2019-07-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于智能优化预测控制的卫星编队队形保持方法，包括以下步骤：S1、引入考虑J2摄动的卫星编队相对动力学模型；S2、设计智能预测控制器，该控制器将自适应主从式并行遗传算法与传统的预测控制策略相结合；S3、利用智能预测控制器，滚动优化求解控制量，实现卫星编队队形控制。本发明的一种基于智能优化预测控制的卫星编队队形保持方法，考虑J2摄动的干扰，同时实时调节预测控制参数以提高预测控制器的控制性能，进而实现对卫星编队队形的实时、高精度控制。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.023 seconds)
