-
公开(公告)号：CN118842385A
公开(公告)日：2024-10-25
申请号：CN202410974768.2
申请日：2024-07-19
Applicant: 淮阴工学院
IPC: H02P21/24 , H02P21/13 , H02P21/18 , H02P27/12 , H02P25/022
Abstract: 本发明针对卡尔曼滤波算法中噪声协方差矩阵参数难以整定的问题，提出一种基于噪声参数辨识的卡尔曼滤波无感控制策略。参数辨识算法采用改进的种群优化算法，结合了粒子群与天牛须思想，加入线性递减权重与学习因子同步化公式，使得优化算法收敛速度与搜索能力明显提高。在基于扩展卡尔曼滤波无刷直流电机矢量控制系统中，通过改进的种群算法对观测器中的过程噪声矩阵Q与测量噪声矩阵R参数优化，测试不同的适应度函数快速找到最优的噪声矩阵参数，通过仿真结果表明当转速超过1000速域时，稳态误差减小，观测器的估计性能有明显提升。
-
公开(公告)号：CN119051506A
公开(公告)日：2024-11-29
申请号：CN202411002245.8
申请日：2024-07-25
Applicant: 淮阴工学院
IPC: H02P21/14 , H02P25/022
Abstract: 一种基于改进黑翅鸢算法的永磁同步电机参数辨识方法，包括步骤：一、建立永磁同步电机在dq轴同步旋转坐标系下的电压方程，在电机稳态运行阶段注入负序直轴电流得到满秩的离散电压方程；二、采用多策略对黑翅鸢优化算法进行改进，在种群初始化阶段采用佳点集策略；在攻击行为阶段加入正态云模型平衡算法；在迁移行为阶段引入随机精英差分变异策略和非均匀变异；将自适应螺旋搜索算子同时应用于攻击行为阶段和迁移行为阶段；三、建立多策略改进黑翅鸢算法和永磁同步电机参数辨识的关系，对永磁同步电机中的4个关键参数进行辨识。本发明能增强永磁同步电机参数辨识能力，具有更高的辨识精度、更快的收敛速度以及更强的鲁棒性。
-
公开(公告)号：CN116662893A
公开(公告)日：2023-08-29
申请号：CN202310479905.0
申请日：2023-04-28
Applicant: 淮阴工学院
IPC: G06F18/2411 , G01N33/18 , G06N3/006 , G06Q50/06
Abstract: 一种基于改进的樽海鞘算法优化SVM的水质预测方法，利用传感器实时采集水质的数据，通过WIFI模块将数据上传给后台进行数据处理，后台采用改进的樽海鞘算法优化SVM的水质预测模型；将Fuch混沌映射引入樽海鞘算法并对其进行优化改进，利用改进后的Fuch‑Tent混沌映射初始化樽海鞘种群个体位置，生成新的混沌序列，使其避免后续出现局部最优值的情况；利用更高精度的寻优结果构建SVM模型，从而获得优化后的SVM模型；水质各参数的实时数据经过预处理输入优化后的SVM预测模型，可以对水质进行未来一段时间的预测；改进之后的樽海鞘算法相比于原算法降低了陷入极值的概率，具有更好的寻优能力，最后输出更佳的预测结果。本发明能提前预测水质参数变化，实现全局搜索。
-
公开(公告)号：CN116910542A
公开(公告)日：2023-10-20
申请号：CN202310793267.X
申请日：2023-06-30
Applicant: 淮阴工学院
IPC: G06F18/214 , G06N3/006 , G06N3/0464 , G06N3/08 , G06N7/08
Abstract: 一种基于改进蜣螂算法优化Elman神经网络的废气污染预测方法，通过对采集目标的尾气数据集信息进行处理；将处理好的数据集划分为训练集和测试集，并确定Elman神经网络模型的权值和阈值以及承接层值，设置网络参数；利用经过Logistic‑Tent‑Tan混沌映射公式和振荡算子改进后的蜣螂算法获取最优值，并将获取的最优值作为Elman神经网络的最优权值和阈值；最后输出预测结果。蜣螂算法通过加入振荡算子和logistic‑tent‑tan混沌映射进行优化改进，将具有比原算法更好的寻优性能。本发明克服了Elman神经网络训练周期长、精度不高、容易陷入局部最优值的问题。可以提前预测污染物浓度，及时向监测人员提供参考，制定应对措施，减少污染风险，降低人工成本。较原Elman神经网络预测效果更佳，误差值更小。
-
-
-
Search Results
4
records
(took 0.026 seconds)
