-
公开(公告)号：CN109991849A
公开(公告)日：2019-07-09
申请号：CN201910269377.X
申请日：2019-04-03
Applicant: 哈尔滨理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种时滞LPV系统有记忆H∞输出反馈控制器设计方法，包括以下步骤：首先将铣床铣削过程的振动控制系统抽象为时滞LPV模型，通过模型转换得到有记忆H∞输出反馈控制器求解问题的标准形式；其次，引入松弛矩阵变量与二次Lyapunov泛函，将满足期望性能指标的有记忆H∞输出反馈控制问题转化为基于线性矩阵不等式的凸优化的问题；然后，选择一种新的凸优化的方法，在给定的多胞LPV系统的顶点处，给出有限维的参数化线性矩阵不等式；最后，通过所述线性矩阵不等式，得到有记忆H∞输出反馈控制器K。通过使用本发明所提供的方法，可以设计具有干扰衰减、鲁棒稳定的有记忆H∞输出反馈控制器，使刀具在切削过程中始终具有良好的动态性能。
-
公开(公告)号：CN109991849B
公开(公告)日：2022-05-24
申请号：CN201910269377.X
申请日：2019-04-03
Applicant: 哈尔滨理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种时滞LPV系统有记忆H∞输出反馈控制器设计方法，包括以下步骤：首先将铣床铣削过程的振动控制系统抽象为时滞LPV模型，通过模型转换得到有记忆H∞输出反馈控制器求解问题的标准形式；其次，引入松弛矩阵变量与二次Lyapunov泛函，将满足期望性能指标的有记忆H∞输出反馈控制问题转化为基于线性矩阵不等式的凸优化的问题；然后，选择一种新的凸优化的方法，在给定的多胞LPV系统的顶点处，给出有限维的参数化线性矩阵不等式；最后，通过所述线性矩阵不等式，得到有记忆H∞输出反馈控制器K。通过使用本发明所提供的方法，可以设计具有干扰衰减、鲁棒稳定的有记忆H∞输出反馈控制器，使刀具在切削过程中始终具有良好的动态性能。
-
Patent Agency Ranking
公开(公告)号：CN109992004B
公开(公告)日：2022-04-22
申请号：CN201910382619.6
申请日：2019-05-08
Applicant: 哈尔滨理工大学
IPC: G05D1/10
Abstract: 本发明公开了一种LPV系统异步切换状态反馈控制器设计方法，包括以下步骤：首先将飞行器的机翼掠角的变化速率设为时变参数，将攻角、俯仰速度设为状态状态变量，设升降舵偏转角为控制输入，抽象出飞行器纵向短周期的LPV模型；其次把时变参数划分为有限个子区间，把各子系统运行的区间划分为控制器与子系统匹配的区间和不匹配的区间；然后根据各控制器模型依赖的滞后时间、系统参数和Lyapunov稳定性条件推导出合适的驻留时间设计参数，利用模型依赖的平均驻留时间策略设计出各个子区间的控制器；最后，将设计的控制器转化成为可解的线性矩阵不等式形式，利用凸优化的思想求解线性矩阵不等式，获得控制器控制增益。通过使用本发明所提供的方法，可以设计鲁棒稳定的异步切换状态反馈控制器，使飞行器在飞行过程中的飞行控制始终具有良好的性能。
-
公开(公告)号：CN109992004A
公开(公告)日：2019-07-09
申请号：CN201910382619.6
申请日：2019-05-08
Applicant: 哈尔滨理工大学
IPC: G05D1/10
Abstract: 本发明公开了一种LPV系统异步切换状态反馈控制器设计方法，包括以下步骤：首先将飞行器的机翼掠角的变化速率设为时变参数，将攻角、俯仰速度设为状态状态变量，设升降舵偏转角为控制输入，抽象出飞行器纵向短周期的LPV模型；其次把时变参数划分为有限个子区间，把各子系统运行的区间划分为控制器与子系统匹配的区间和不匹配的区间；然后根据各控制器模型依赖的滞后时间、系统参数和Lyapunov稳定性条件推导出合适的驻留时间设计参数，利用模型依赖的平均驻留时间策略设计出各个子区间的控制器；最后，将设计的控制器转化成为可解的线性矩阵不等式形式，利用凸优化的思想求解线性矩阵不等式，获得控制器控制增益。通过使用本发明所提供的方法，可以设计鲁棒稳定的异步切换状态反馈控制器，使飞行器在飞行过程中的飞行控制始终具有良好的性能。
-
公开(公告)号：CN109766825A
公开(公告)日：2019-05-17
申请号：CN201910015205.X
申请日：2019-01-08
Applicant: 哈尔滨理工大学
IPC: G06K9/00
Abstract: 本发明公开了基于神经网络的手写签名识别系统，鉴于实际领域，本发明旨在解决现如今身份验证时确保手写签名识别的可靠性和实时性等问题。系统包括：手写签名采集模块；CPU模块；显示模块；接口芯片模块。通过所述手写签名采集模块采集大量实际手写签名数据并将数据传输到存储模块，然后将存储模块中的数据经所述接口芯片模块导入所述CPU模块中，所述CPU模块采用已搭建好的卷积神经网络算法模型对导入的训练数据进行有、无监督的多次迭代训练之后保存模型，实时数据传入此模型中能够快速精确的识别新输入的手写签名是否为签名人本人所签，并将识别结果显示在所述显示模块上，达到实时鉴别手写签名真伪的效果。
-
公开(公告)号：CN109190641A
公开(公告)日：2019-01-11
申请号：CN201810993450.3
申请日：2018-08-29
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于LDA和迁移学习的宫颈细胞特征提取方法，其特征在于：基于深度学习网络模型的特征提取方法，首先利用大数据集训练一个深度学习网络模型并保存模型；然后利用迁移学习，把宫颈细胞数据集输入到训练好的深度学习网络模型中，提取到原始特征集；最后利用LDA对原始特征集进行降维处理，得到最终的特征集，该特征集涵盖了数据集的更多信息，提高了数据分类的准确率。
-
公开(公告)号：CN208673310U
公开(公告)日：2019-03-29
申请号：CN201821601192.1
申请日：2018-09-29
Applicant: 哈尔滨理工大学
IPC: G06F3/0488 , G06F3/046
Abstract: 本实用新型公开了一种基于大数据的手写签名识别系统，系统包括:手写签名采集模块，用于采集大量手写签名数据；CPU模块，用于数据的训练与识别；显示模块，用于识别之后显示真伪结果；接口芯片模块，用于手写签名采集模块、CPU模块和显示模块之间的数据衔接。通过手写签名采集模块采集大量手写签名数据并将数据传输到存储模块，然后存储模块中的数据经接口芯片模块将数据导入CPU模块，并且数据在CPU模块中通过卷积神经网络算法模型进行多次迭代训练后，能够快速精确的识别新输入的手写签名是否为签名人本人所签，达到鉴别真伪的效果。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
