一种非奇异预设时间四旋翼无人机姿态跟踪控制方法

    公开(公告)号:CN113325861A

    公开(公告)日:2021-08-31

    申请号:CN202110613502.1

    申请日:2021-06-02

    Abstract: 本发明公开了一种非奇异预设时间四旋翼无人机姿态跟踪控制方法,包含:S1、基于无人机安装的陀螺仪等传感器测量得到的包括滚转角、俯仰角和偏航角的姿态数据,引入四旋翼无人机姿态控制系统的拉格朗日系统模型,结合误差变量,得到误差动力学模型;S2、根据步骤S1的数据,生成非奇异预设时间控制器;S3、基于所述非奇异预设时间控制器,控制四旋翼无人机姿态在预设时间内跟踪上期望姿态。其优点是:该方法基于反馈控制技术,通过预设时间控制概念生成非奇异预设时间控制器,保证存在外部干扰情况下四旋翼无人机的姿态误差能在预设时间内收敛到原点的一个邻域内,实现高精度的姿态跟踪。

    基于生产数据的汽油辛烷值预测方法

    公开(公告)号:CN112560930B

    公开(公告)日:2024-01-19

    申请号:CN202011450056.9

    申请日:2020-12-09

    Abstract: 本发明提供一种基于生产数据的汽油辛烷值预测方法。预先采集汽油脱硫装置的数据,并对该数据进行预处理。根据预处理后的生产数据特征集,通过使用Boruta算法进行特征选择,并在创建阴影特征时按照比例P对阴影特征进行随机重排,并通过多次循环标记得到最优子特征,最后使用XGboost模型,对汽油辛烷值进行预测。基于生产数据的汽油辛烷值预测方法将机器学习算法模型应用于化工生产领域,通过改进的Boruta算法来提取特征,在提高了运行效率的同时,提取出了所有重要的特征且保留特征的独立性,在特征提取的基础上使用XGboost模型准确预测汽油辛烷值。

    一种基于强化学习的自动化集装箱码头AGV最优控制方法

    公开(公告)号:CN114609907A

    公开(公告)日:2022-06-10

    申请号:CN202210247663.8

    申请日:2022-03-14

    Abstract: 本发明公开了一种基于强化学习的自动化集装箱码头AGV最优控制方法,包括以下步骤:一、建立AGV的运动学模型,二、使用前馈控制转换系统模型,三、设计基于强化学习的最优控制律。针对自动化港口AGV的最优轨迹跟踪控制问题,本发明将AGV最优的轨迹跟踪控制问题转化为最优的镇定问题。基于强化学习的近似最优控制策略及其神经网络权值更新律不仅削弱了对持续激励条件的依赖,而且还可以保证AGV的轨迹跟踪误差和权值更新误差一致最终有界稳定。

    基于生产数据的汽油辛烷值预测方法

    公开(公告)号:CN112560930A

    公开(公告)日:2021-03-26

    申请号:CN202011450056.9

    申请日:2020-12-09

    Abstract: 本发明提供一种基于生产数据的汽油辛烷值预测方法。预先采集汽油脱硫装置的数据,并对该数据进行预处理。根据预处理后的生产数据特征集,通过使用Boruta算法进行特征选择,并在创建阴影特征时按照比例P对阴影特征进行随机重排,并通过多次循环标记得到最优子特征,最后使用XGboost模型,对汽油辛烷值进行预测。基于生产数据的汽油辛烷值预测方法将机器学习算法模型应用于化工生产领域,通过改进的Boruta算法来提取特征,在提高了运行效率的同时,提取出了所有重要的特征且保留特征的独立性,在特征提取的基础上使用XGboost模型准确预测汽油辛烷值。

    一种非奇异预设时间四旋翼无人机姿态跟踪控制方法

    公开(公告)号:CN113325861B

    公开(公告)日:2023-03-24

    申请号:CN202110613502.1

    申请日:2021-06-02

    Abstract: 本发明公开了一种非奇异预设时间四旋翼无人机姿态跟踪控制方法,包含:S1、基于无人机安装的陀螺仪等传感器测量得到的包括滚转角、俯仰角和偏航角的姿态数据,引入四旋翼无人机姿态控制系统的拉格朗日系统模型,结合误差变量,得到误差动力学模型;S2、根据步骤S1的数据,生成非奇异预设时间控制器;S3、基于所述非奇异预设时间控制器,控制四旋翼无人机姿态在预设时间内跟踪上期望姿态。其优点是:该方法基于反馈控制技术,通过预设时间控制概念生成非奇异预设时间控制器,保证存在外部干扰情况下四旋翼无人机的姿态误差能在预设时间内收敛到原点的一个邻域内,实现高精度的姿态跟踪。

Patent Agency Ranking