基于遗传优化和数据滤波的分数阶超精密平台辨识方法

    公开(公告)号:CN119247768B

    公开(公告)日:2025-04-29

    申请号:CN202411262355.8

    申请日:2024-09-10

    Applicant: 南通大学

    Abstract: 本发明公开了一种基于遗传优化和数据滤波的分数阶超精密平台辨识方法,解决了在高精度运动控制中,因系统的非线性特性而导致的控制精度降低的技术问题。包括以下步骤:首先根据GL定义建立包含分数阶线性动态部分和静态非线性部分的超精密非线性平台系统模型。然后,对系统输入输出进行数据滤波处理,将复杂的有色噪声转化简单的滑动平均噪声来提高信噪比。接着,对交叉规则进行了改进,动态调整交叉概率,增强算法的全局搜索能力和收敛速度,提高了参数估计的精度和鲁棒性。本发明在处理分数阶非线性系统的参数估计问题上具有较高的精度和良好的抗干扰能力,适用于超精密平台复杂工业系统的建模和控制。

    一种基于改进型深度卷积的水下结构焊缝在线检测方法

    公开(公告)号:CN118130608B

    公开(公告)日:2025-02-18

    申请号:CN202410045063.2

    申请日:2024-01-12

    Applicant: 南通大学

    Abstract: 本发明涉及水下焊接检测技术领域,尤其涉及一种基于改进型深度卷积的水下结构焊缝在线检测方法,包括:S1、使用水听器传感器接收海洋水下结构焊接的声信号;S2、使用VMD算法对声信号进行去噪处理,从高阶IMF成分中提取微弱焊接声信号;S3、使用递归图对有效脉冲进行时空域转变,将一维信号从时域转到相空间域,提供更多潜在焊缝状态特征;S4、将递归图进一步生成梯度图,使用梯度图进行特征提取,提取图像X、Y和XY三个方向的特征;S5、使用VGG16深度卷积网络对图像样本进行分类,完成焊缝质量在线判定。本发明能够实现水下焊接焊缝质量在线检测,实时调整焊接质量,为水下焊接焊缝质量在线检测提供了一定思路。

    一种基于WPD-GMDH神经网络的BMS端电压辨识方法

    公开(公告)号:CN119128369A

    公开(公告)日:2024-12-13

    申请号:CN202311788701.1

    申请日:2023-12-22

    Applicant: 南通大学

    Abstract: 本发明提供了一种基于WPD‑GMDH神经网络的BMS端电压辨识方法,属于锂电池管理系统辨识技术领域。解决了辨识锂电池管理系统难度大和精度不高的技术问题。其技术方案为:包括以下步骤:步骤1)通过仿真实验,获得样本数据;步骤2)数据预处理并构建数据集,并将其分为训练集和测试集;步骤3)通过WPD‑GMDH神经网络对数据集进行训练,得到WPD‑GMDH模型用于实时估计。本发明的有益效果为:本发明使用的WPD‑GMDH神经网络通过WPD技术分离不同的频率的信号,从而找到不同特征的非线性关系,提升GMDH神经网络模型的学习能力。

    一种基于VMD-KF的道岔轨头损伤振动特征提取方法

    公开(公告)号:CN117851812B

    公开(公告)日:2024-12-06

    申请号:CN202410037211.6

    申请日:2024-01-10

    Applicant: 南通大学

    Abstract: 本发明涉及无损检测技术领域,尤其涉及一种基于VMD‑KF的道岔轨头损伤振动特征提取方法,包括:借助轨头与道岔的接头处的冲击,初步选取存在多处冲击的信号段用于分析;基于VMD得到冲击振动的平稳化本征模函数IMF分量,从低阶IMF分量中提取轮对信息确定列车速度,估计损伤信号的分布范围;基于KF,从包含冲击振动的高阶IMF分量中提取损伤导致的振动信号;最后,基于希尔伯特黄变换HTT提取损伤振动信号的特征。本发明用以监测和分析道岔区间振动特性,对保证轮对和道岔结构完整性具有重要意义;解决了常规方法对非平稳振动信号处理时难以提取和分析的问题。

    基于CUR-RBF-PF的锂离子电池SOH估计方法

    公开(公告)号:CN118759403A

    公开(公告)日:2024-10-11

    申请号:CN202410995761.9

    申请日:2024-07-24

    Applicant: 南通大学

    Abstract: 本申请公开了一种基于CUR‑RBF‑PF的锂离子电池SOH估计方法,包括以下步骤:基于锂离子电池的历史老化数据,通过CUR提取锂离子电池的健康指标数据;基于RBF神经网络模型以及健康指标数据,获取锂离子电池的第一SOH估计值;通过粒子滤波器对锂离子电池的SOH值进行滤波优化,获取锂离子电池的第二SOH估计值。本申请通过CUR的方法对锂离子电池的退化数据进行特征提取,易实现,且提取到的特征数据与SOH具有较高的相关性。本申请在利用RBF实现锂离子电池SOH估计的基础上引入PF滤波算法针对其估计结果中存在的噪声问题进行了优化,利用PF优化后的SOH估计结果具有更高的精度。

    一种基于深度强化学习的水下机器人机械臂抗扰控制方法

    公开(公告)号:CN118466201A

    公开(公告)日:2024-08-09

    申请号:CN202410569006.4

    申请日:2024-05-09

    Applicant: 南通大学

    Abstract: 本发明提供了一种基于深度强化学习的水下机器人机械臂抗扰控制方法,属于机器人控制技术领域。解决了现有的水下机器人机械臂系统在复杂水下环境中船体及机械臂轨迹跟踪和抗水流扰动精度低的技术问题。其技术方案为:包括以下步骤:S1、建立水下机器人机械臂系统的控制模型;S2、设计扩张状态观测器进行实时估计补偿系统的不确定性和外部扰动;S3、设计有限时间控制器以实现快速且精确的状态跟踪;S4、利用深度强化学习算法调整控制参数,以响应环境变化。本发明的有益效果为:在多变和复杂的水下作业环境下,通过深度强化学习算法使水下机器人机械臂系统高效、鲁棒、自适应地完成作业任务。

    无人机跟踪控制模型训练方法、使用方法及终端设备

    公开(公告)号:CN116974204B

    公开(公告)日:2024-04-09

    申请号:CN202311064634.9

    申请日:2023-08-23

    Applicant: 南通大学

    Abstract: 本发明提供了无人机跟踪控制模型的训练方法、使用方法及终端设备,属于无人机技术领域。解决了无人机在复杂动态环境下易丧失稳定性的技术问题。其技术方案为:训练方法包括以下步骤:步骤一、过自身传感器系统周期性感知双方无人机的态势信息;步骤二、使用深度强化学习算法在离线环境中对无人机进行训练;步骤三、计算出最优的控制输入,并进行实时更新,无人机持续调整自身动作和状态,达到稳定状态;使用方法应用于第一无人机;终端设备包括处理器、存储器、存储在存储器上由处理器执行的计算机程序以及用于处理器和存储器之间的连接通信的数据总线。本发明的有益效果为:本发明建立最优控制模型,提升了无人机作战能力。

Patent Agency Ranking