-
Patent Agency Ranking
公开(公告)号：CN116050615B
公开(公告)日：2024-10-25
申请号：CN202310032596.2
申请日：2023-01-10
Applicant: 山东科技大学
Abstract: 本发明公开了一种基于超混沌储备池集成计算的钢铁企业副产煤气系统流量预测方法，将钢铁企业现场已有的副产煤气系统不同的产生和消耗用户流量数据作为实验对象，首先，将某一用户的原始流量数据按滑动时间窗进行等时间间隔划分，获得数据样本；其次，根据数据样本的特点，选择合适的忆阻混沌映射系统，辨识系统的参数使系统具有超混沌特性；再次，设计储备池集成计算网络模型，基于忆阻混沌映射系统计算储备池输出状态，并对状态进行精简；最后，基于贝叶斯线性回归方法辨识网络模型的权值参数，完成预测；本发明有效辨识钢铁企业副产煤气流量数据内部蕴含的动态，对副产煤气系统流量进行准确预测，进而辅助现场调度专家进行煤气平衡调整工作。
-
公开(公告)号：CN118778642A
公开(公告)日：2024-10-15
申请号：CN202410761206.X
申请日：2024-06-13
Applicant: 山东科技大学
IPC: G05D1/43 , G05D1/65 , G05D1/644 , G05D109/10
Abstract: 本发明公开了一种基于模糊推理与强化学习的移动机器人轨迹跟踪控制方法，包括：建立移动机器人运动学模型，基于所述移动机器人运动学模型，获取移动机器人实际轨迹；基于移动机器人期望轨迹和所述机器人实际轨迹，获取轨迹误差和误差变化率；将所述轨迹误差和误差变化率输入到模糊PID控制器和强化学习控制器，输出前轮转向角；基于所述前轮转向角，对所述移动机器人进行控制。本发明能够在不改变参数的前提下应对各种轨迹。
-
公开(公告)号：CN118168549A
公开(公告)日：2024-06-11
申请号：CN202410189981.2
申请日：2024-02-21
Applicant: 山东科技大学
Abstract: 本发明公开了一种基于ε‑UCB和栅格图奖励函数的移动机器人路径规划方法，首先设计基于栅格图环境的深度强化学习M‑DQN的模型；根据深度强化学习M‑DQN模型设计ε‑UCB动作决策方法，以提高探索效率；根据栅格图环境设计奖励函数，充分利用有效信息，为智能体提供引导。本发明设计了一种ε‑greedy和UCB思维相结合的ε‑UCB动作决策方法，可以有效提高探索效率并减少无意义的探索；设计了基于栅格图环境的特别奖励函数，可以对强化学习智能体起到充分的引导作用，加快收敛速度。整体算法基于M‑DQN框架，引入了动作对数信号，减小了自举问题的影响。
-
公开(公告)号：CN116050615A
公开(公告)日：2023-05-02
申请号：CN202310032596.2
申请日：2023-01-10
Applicant: 山东科技大学
Abstract: 本发明公开了一种基于超混沌储备池集成计算的钢铁企业副产煤气系统流量预测方法，将钢铁企业现场已有的副产煤气系统不同的产生和消耗用户流量数据作为实验对象，首先，将某一用户的原始流量数据按滑动时间窗进行等时间间隔划分，获得数据样本；其次，根据数据样本的特点，选择合适的忆阻混沌映射系统，辨识系统的参数使系统具有超混沌特性；再次，设计储备池集成计算网络模型，基于忆阻混沌映射系统计算储备池输出状态，并对状态进行精简；最后，基于贝叶斯线性回归方法辨识网络模型的权值参数，完成预测；本发明有效辨识钢铁企业副产煤气流量数据内部蕴含的动态，对副产煤气系统流量进行准确预测，进而辅助现场调度专家进行煤气平衡调整工作。
-
公开(公告)号：CN118778642B
公开(公告)日：2025-04-04
申请号：CN202410761206.X
申请日：2024-06-13
Applicant: 山东科技大学
IPC: G05D1/43 , G05D1/65 , G05D1/644 , G05D109/10
Abstract: 本发明公开了一种基于模糊推理与强化学习的移动机器人轨迹跟踪控制方法，包括：建立移动机器人运动学模型，基于所述移动机器人运动学模型，获取移动机器人实际轨迹；基于移动机器人期望轨迹和所述机器人实际轨迹，获取轨迹误差和误差变化率；将所述轨迹误差和误差变化率输入到模糊PID控制器和强化学习控制器，输出前轮转向角；基于所述前轮转向角，对所述移动机器人进行控制。本发明能够在不改变参数的前提下应对各种轨迹。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
