-
公开(公告)号：CN117627616B
公开(公告)日：2024-03-26
申请号：CN202410105303.3
申请日：2024-01-25
Applicant: 中国矿业大学 , 中国矿业大学(北京)
Abstract: 本发明公开了一种液压锚杆钻机自适应抗扰动全局终端滑模转速控制方法，属于锚杆钻机自动控制技术领域，包括以下步骤：S1、建立液压锚杆钻机转速系统模型；S2、基于液压锚杆钻机转速系统的跟踪误差和自适应扩张状态观测器的估计误差，构建自适应扩张状态观测器；S3、根据液压锚杆钻机转速系统的跟踪误差和自适应扩张状态观测器的估计误差，构建全局终端滑模控制律；S4、将自适应扩张状态观测器估计的扰动在全局终端滑模控制律中加以补偿，构成控制器。本发明采用上述的一种液压锚杆钻机自适应抗扰动全局终端滑模转速控制方法，有效提升了转速系统的跟踪性能和估计性能。
-
公开(公告)号：CN117627616A
公开(公告)日：2024-03-01
申请号：CN202410105303.3
申请日：2024-01-25
Applicant: 中国矿业大学 , 中国矿业大学(北京)
Abstract: 本发明公开了一种液压锚杆钻机自适应抗扰动全局终端滑模转速控制方法，属于锚杆钻机自动控制技术领域，包括以下步骤：S1、建立液压锚杆钻机转速系统模型；S2、基于液压锚杆钻机转速系统的跟踪误差和自适应扩张状态观测器的估计误差，构建自适应扩张状态观测器；S3、根据液压锚杆钻机转速系统的跟踪误差和自适应扩张状态观测器的估计误差，构建全局终端滑模控制律；S4、将自适应扩张状态观测器估计的扰动在全局终端滑模控制律中加以补偿，构成控制器。本发明采用上述的一种液压锚杆钻机自适应抗扰动全局终端滑模转速控制方法，有效提升了转速系统的跟踪性能和估计性能。
-
公开(公告)号：CN117784622B
公开(公告)日：2024-05-03
申请号：CN202410214488.1
申请日：2024-02-27
Applicant: 中国矿业大学 , 中国矿业大学(北京)
IPC: G05B13/04
Abstract: 本发明公开了一种基于二阶观测器的电液伺服系统全局滑模控制方法，属于电液伺服系统控制的技术领域；针对电液伺服系统，首先，建立系统的模型；其次，构建一种二阶自适应扩展状态观测器，该观测器具有简单的结构，且能够协同改善系统的跟踪性能和估计性能；然后，提出了一种改进的全局滑模控制律，该控制律不仅能够克服现有方法收敛性差、鲁棒性弱的缺点，而且能够有效提高控制精度；最后，将二阶自适应扩展状态观测器估计的扰动在全局滑模控制律中加以补偿，构成控制器，并证明了在该控制器作用下，系统的有限时间稳定性；本发明采用上述控制方法，能够简化对电液伺服系统的控制器设计，且有效提高控制精度、保证系统的有限时间稳定性。
-
公开(公告)号：CN117784622A
公开(公告)日：2024-03-29
申请号：CN202410214488.1
申请日：2024-02-27
Applicant: 中国矿业大学 , 中国矿业大学(北京)
IPC: G05B13/04
Abstract: 本发明公开了一种基于二阶观测器的电液伺服系统全局滑模控制方法，属于电液伺服系统控制的技术领域；针对电液伺服系统，首先，建立系统的模型；其次，构建一种二阶自适应扩展状态观测器，该观测器具有简单的结构，且能够协同改善系统的跟踪性能和估计性能；然后，提出了一种改进的全局滑模控制律，该控制律不仅能够克服现有方法收敛性差、鲁棒性弱的缺点，而且能够有效提高控制精度；最后，将二阶自适应扩展状态观测器估计的扰动在全局滑模控制律中加以补偿，构成控制器，并证明了在该控制器作用下，系统的有限时间稳定性；本发明采用上述控制方法，能够简化对电液伺服系统的控制器设计，且有效提高控制精度、保证系统的有限时间稳定性。
-
公开(公告)号：CN117436576B
公开(公告)日：2024-08-09
申请号：CN202311315635.6
申请日：2023-10-11
Applicant: 中国矿业大学
IPC: G06Q10/04 , G06Q50/06 , G06F18/241 , G06N3/0442 , G06N3/098
Abstract: 本发明公开了不同时间尺度下多节点多元负荷联邦协同预测方法，包括如下三个阶段，第一阶段使用样条插值法对时间尺度较大的负荷数据进行插值补充，将负荷数据统一至相同的时间尺度，第二阶段利用每个节点自身数据得到它的本地多元负荷预测模型；第三阶段在不泄露数据隐私的前提下，对各节点模型进行联邦学习融合训练；训练完成后，在节点内对模型进行微调。使用本方法的模型得到的负荷预测结果更接近真实值。特别地，针对负荷波动幅度较大、负荷波动幅度小但频率高等复杂场景，本文所提算法都有最好的电气负荷预测结果。
-
Patent Agency Ranking
公开(公告)号：CN116894169B
公开(公告)日：2024-01-02
申请号：CN202310765773.8
申请日：2023-06-27
Applicant: 中国矿业大学
IPC: G06F18/2111 , G06F18/23 , G06N3/006 , G06N3/126
Abstract: 本发明公开了基于动态特征聚类和粒子群优化的在线流特征选择方法，属于数据处理领域，包括以下步骤：S1、输入一个新的特征组GT；S2、在线相关性分析；S3、增量式特征聚类：将经步骤S2处理后的特征划分到已有特征簇中或创建新簇；S4、判断是否满足启动条件，若满足则执行步骤S5，否则从每个特征簇中选取最重要的特征并作为输出特征子集ST；S5、历史信息驱动的整型粒子群算法：在聚类的基础上，采用历史信息驱动的粒子群算法搜索最优特征子集，并输出特征子集ST；S6、判断有无新的特征组到来，若有则返回步骤S1，否则结束。本发明采用上述基于动态特征聚类和粒子群优化的在线流特征选择方法，可在多数数据集中获得最佳的分类精度。
-
公开(公告)号：CN118153760A
公开(公告)日：2024-06-07
申请号：CN202410324192.5
申请日：2024-03-21
Applicant: 中国矿业大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q50/02 , G06N3/006
Abstract: 本发明公开了一种基于多任务学习的CMIES日前调度方案智能生成方法，确定CMIES的实际生产需求；根据实际生产需求建立CMIES日前调度问题的多目标混合整数规划模型，以及确定CMIES安全生产时需要满足的约束条件；根据多目标混合整数规划模型构建CMIES日前调度问题的单目标混合整数规划模型；利用多任务框架求解多目标混合整数规划模型的最优调度方案集合；根据CMIES的实际生产状况生成最优调度方案。本发明将单目标混合整数规划模型作为辅助任务，利用多任务框架求解多目标混合整数规划模型的最优调度方案集合，能够得到一组理论最优的调度方案；本发明在计算过程中计算代价小、运行时间短，更加满足实际生产需求，为管理人员提供实时决策方案。
-
公开(公告)号：CN108288048B
公开(公告)日：2021-11-23
申请号：CN201810131130.7
申请日：2018-02-09
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于改进头脑风暴优化算法的面部情绪识别特征选择方法，步骤如下：(1)利用方向梯度直方图HOG从面部图像中提取表情特征，组成初始特征向量；(2)计算情绪特征向量与中性情绪特征向量之间的差异值，找到因情绪变化而出现差异的所有特征，构建出差异特征向量，并传递到特征选择模块；(3)在特征选择模块使用基于改进头脑风暴优化的特征选择方法，找到特征个数最少、分类器精度最高的一个特征子集；(4)以上述特征子集确定出的支持向量机作为情绪分类器，对新进面部图像进行分类，进而完成面部情绪的识别；本发明显著提高了算法的识别精度；降低了头脑风暴优化技术的搜索空间，明显提高了对面部情绪识别问题的处理速度。
-
公开(公告)号：CN119251865A
公开(公告)日：2025-01-03
申请号：CN202411239415.4
申请日：2024-09-05
Applicant: 中国矿业大学
IPC: G06V40/10 , G06V40/40 , G06V10/25 , G06V10/764 , G06V10/82 , G06V10/52 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于图像融合和改进YOLOv9的死鸡检测方法，首先，利用PIAFusion技术实现热红外与可见光图像的融合，以提高死鸡目标特征的显著性并消除光照不均的影响；其次，在YOLOv9的颈部引入EMA注意力机制，以有效区分低光环境下的目标和死鸡目标，从而提高模型的准确性和泛化能力；接着引入Rep‑DCNv3模块增强主干特征提取网络，更好地提取在部分遮挡情况下的死鸡特征；最后，采用MPDIoU替代YOLOv9的损失函数，更精确地评估目标之间的重叠程度。本发明死鸡检测方法解决了规模化养殖环境下死鸡巡检自动化程度低和人工巡检费时费力等问题，不仅保证了高效的检测速度，还显著提升了目标检测的精度，能够满足实际生产中对死鸡实时检测的需求。
-
公开(公告)号：CN116451577B
公开(公告)日：2024-04-02
申请号：CN202310380037.0
申请日：2023-04-11
Applicant: 中国矿业大学
IPC: G06F30/27 , G06N3/045 , G06N3/092 , G06N3/086 , G06Q10/047 , G06F111/06
Abstract: 本发明公开了融合强化学习和差分进化的产品变更路径多目标优选方法，包括以下步骤：建立复杂产品网络模型，表明设计变更在产品网络模型中的传播过程；建立设计变更传播路径的多目标优化模型；利用双深度Q‑网络(Double Deep Q‑Network，DDQN)帮助种群在不同阶段选择适合的进化策略，建立强化学习引导的差分进化算法(Differential evolution，DE)即DDQN‑DE算法，进行多目标优化模型的求解。本发明采用上述的产品变更路径多目标优选方法，当产品零件发生变更时，可以精准地找到一个变更成本、变更工期、产品综合性能影响较小的变更方案，解决现有方法中收敛速度慢、易于局部收敛等问题。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.017 seconds)
