国产精品天干天干在线播放,大尺度揉捏胸床戏视频,樱花草www日本在线观看,狠狠躁夜夜躁人人爽天天天天97

Document
拖動滑塊完成拼圖
個人中心

預訂訂單
服務訂單
發布專利 發布成果 人才入駐 發布商標 發布需求

在線咨詢

聯系我們

龍圖騰公眾號
首頁 專利交易 科技果 科技人才 科技服務 國際服務 商標交易 會員權益 IP管家助手 需求市場 關于龍圖騰
 /  免費注冊
到頂部 到底部
清空 搜索
當前位置 : 首頁 > 專利喜報 > 恭喜華北電力大學;國網遼寧省電力有限公司;國電電力大連莊河發電有限責任公司;吉林電力股份有限公司杜鳴獲國家專利權

恭喜華北電力大學;國網遼寧省電力有限公司;國電電力大連莊河發電有限責任公司;吉林電力股份有限公司杜鳴獲國家專利權

買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!

龍圖騰網恭喜華北電力大學;國網遼寧省電力有限公司;國電電力大連莊河發電有限責任公司;吉林電力股份有限公司申請的專利一種基于神經網絡預測的線性自抗擾控制器的設計方法獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN113268919B

龍圖騰網通過國家知識產權局官網在2025-05-13發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202110508816.5,技術領域涉及:G06F30/27;該發明授權一種基于神經網絡預測的線性自抗擾控制器的設計方法是由杜鳴;牛玉廣;康俊杰;張庭;胡博;周桂平;李泓;周振華;張金祥;王洪剛;趙曉明;牛國君設計研發完成,并于2021-05-11向國家知識產權局提交的專利申請。

一種基于神經網絡預測的線性自抗擾控制器的設計方法在說明書摘要公布了:本發明公開了一種基于神經網絡預測的線性自抗擾控制器的設計方法,包括:步驟1、獲取和預處理樣本數據,構建樣本訓練集和樣本測試集;步驟2、利用樣本訓練集構造ELMAN神經網絡預測模型,并用樣本測試集進行驗證;步驟3、輸入工況數據到ELMAN神經網絡預測模型獲取輸出值改造擴張狀態觀測器。通過線性自抗擾控制器的設計提升該被控對象在多種干擾下的控制效果。

本發明授權一種基于神經網絡預測的線性自抗擾控制器的設計方法在權利要求書中公布了:1.一種基于神經網絡預測的線性自抗擾控制器的設計方法,其特征在于,包括:步驟1、獲取和預處理樣本數據,構建樣本訓練集和樣本測試集:步驟101、將采集到的歷史樣本數據劃分為訓練樣本和測試樣本,訓練樣本和測試樣本均包括不同工況下被控制對象干擾因素、被控制對象控制量和控制對象輸出值;步驟102、將訓練樣本和測試樣本分別代入控制對象模型計算訓練樣本延遲時間和測試樣本延遲時間,分別定義為有標簽數據和無標簽數據,控制對象模型如下式1: 上式1中,y為控制對象輸出值,s為拉普拉斯算子,K為過程的靜態增益,u為控制對象輸入值,τ為被控對象的遲延時間,T為過程的慣性時間;步驟103、根據額定工況條件下的被控制對象干擾因素、被控制對象控制量和控制對象輸出值代入控制對象模型計算式1獲取額定工況延遲時間;步驟104、根據標簽輸出值計算模型,利用額定工況延遲時間和有標簽數據計算有標簽輸出向量;利用額定工況時間和無標簽數據計算無標簽輸出向量,作為檢驗構建模型是否滿足預先設定的要求,標簽輸出值計算模型如下式2:fd,uk=τk-τ0.......2,上式2中,fd,uk為第k個因擾動影響d造成的遲延時間偏差量,τk為第k個過程中通過參數辨識得到的遲延時間估計值,k為次數,k∈1..n,n代表進行參數辨識的次數;步驟2、利用樣本訓練集構造ELMAN神經網絡預測模型,如下式3, 上式3中,WUk,WCk和WOk為輸入層的權重值,承接層和輸出層的權重矩陣,uink為包含主要擾動因素和控制量的第k個輸入向量,vink為隱藏層的輸入向量,youtk為第k個輸出變量,xHk為隱藏層的輸出向量,xck為承接層的輸出向量,f1和f2為輸入層和輸出層的函數,α為承接層的增益;并用樣本測試集對ELMAN神經網絡預測模型進行驗證,包括:步驟201、構建訓練數據集X=uin,yout,輸入向量為利用訓練樣本中被控制對象干擾因素d和控制對象輸入值u構成,輸出向量為由標簽輸出向量構成,步驟202、將訓練數據集X=uin,yout代入ELMAN神經網絡預測模型求解各個參量數值,確定ELMAN神經網絡預測模型;步驟203、模型檢驗,構建測試數據集X'=uintest,youttest,利用無標簽數據構建用于測試的輸入向量,為uintest,利用無標簽輸出向量構建用于測試的輸出向量為youttest,將測試的輸入向量uintest代入ELMAN神經網絡預測模型求解預測輸出向量y'outtest;步驟204、將預測輸出向量y'outtest和測試的輸出向量youttest代入檢驗模型,判斷ELMAN神經網絡預測分析模型是否滿足預先設定的要求,若不滿足預先設定要求,則從新選取樣本數據對ELMAN神經網絡預測模型進行訓練,確定最優參量數值,若滿足預先設定要求,ELMAN神經網絡預測分析模型構建完成;步驟3、輸入工況數據到ELMAN神經網絡預測模型,獲取輸出值改造擴張狀態觀測器,如下式4: 上式4中,ε為預先設置的數值;輸入工況數據到ELMAN神經網絡預測模型獲取輸出值,改造擴張狀態觀測器包括:步驟301、獲取當前狀態下的控制對象干擾因素和控制對象輸入值;步驟302、將當前狀態下的控制對象干擾因素和控制對象輸入值代入ELMAN神經網絡預測分析模型,求解當前工況的遲延時間估計值;步驟303、將當前工況的遲延時間估計值輸入擴張狀態觀測器進行改造,改造后的擴張狀態觀測器為下式5: 上式5中,L0=[β1β2…βnβn+1]T表示狀態觀測器增益,C0=[10…00]T,zt為擴張狀態觀測器中的狀態變量,為擴張狀態觀測器中狀態變量的導數,為狀態擴張觀測器對對象輸出yt的估計值,ut-τ0+youtk為輸入量u過去τ0+youtk時刻的值。

如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人華北電力大學;國網遼寧省電力有限公司;國電電力大連莊河發電有限責任公司;吉林電力股份有限公司,其通訊地址為:102206 北京市昌平區北農路2號華北電力大學;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。

免責聲明
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。
主站蜘蛛池模板: 梅河口市| 象州县| 同心县| 武鸣县| 靖西县| 襄城县| 托克逊县| 克拉玛依市| 金塔县| 岳阳市| 道孚县| 鲁甸县| 玉环县| 鹤庆县| 肥东县| 柳江县| 临高县| 吉林市| 张家界市| 潞城市| 桃江县| 习水县| 囊谦县| 新宁县| 进贤县| 扶沟县| 新丰县| 都江堰市| 邹平县| 皋兰县| 游戏| 当涂县| 临湘市| 洞头县| 麻城市| 隆德县| 阿合奇县| 丁青县| 特克斯县| 都江堰市| 清丰县|