排序方式: 共有49条查询结果,搜索用时 281 毫秒
1.
基于最大互信息指标的对偶控制研究 总被引:1,自引:0,他引:1
针对参数未知但恒定的随机系统, 研究了基于最大互信息指标的对偶控制. 运用了Kalman滤波器估计随机系统未知参数的方法; 研究了最大互信息指标所具有的对偶特性, 即跟踪理想的目标以及探测未知参数的不确定性; 采用了两级优化算法获得次优对偶控制律. 算例验证了此算法的有效性和可行性. 相似文献
2.
3.
4.
针对现有的故障诊断方法在处理高维度且动态特征明显的化工生产过程中观测的数据时,存在无法识别长时间依赖关系、精确度不够的问题,本文对长短时记忆模型进行改进,提出了一种基于深度学习与attention机制的分类模型,以田纳西-伊斯曼仿真平台的仿真数据作为研究对象,通过小波阈值去噪法对数据进行预处理,再对模型分类效果进行验证,比较了本文模型与改进前的模型,最后通过t-sne算法绘制样本数据及在模型各层输出特征向量在二维空间的分布图。实验结果表明,改进后的深度学习模型,对故障分类时能达到92.71%的召回率与93.05%的准确率,相对改进前的模型分别提高了16.84%与13.66%,对数据特征的学习效果更好,更适用于化工数据。 相似文献
5.
6.
7.
8.
9.
非线性随机系统完全统计特征控制优于低阶矩控制,但往往因为算法的复杂性难以实际应用.本文针对受高斯白噪声激励的标量非线性随机系统,针对状态响应提出了一种完全统计特征控制方法.首先将刻画完全统计特征的概率密度函数表示成指数函数,利用FPK(Fokker-Planck-Kolmogorov)方程求出概率密度函数的各阶导数,进而建立指数函数Taylor展开的系数与待求反馈控制增益间的关系.然后,依据控制目标给出了求解反馈增益的优化问题.针对目标概率密度函数的不同情况,分别给出了跟踪控制策略:对于指数函数Taylor展开为有限项形式的情况,能够直接得到控制增益并完全跟踪目标概率密度函数;其他情况下,也能够达到较好的控制效果.仿真验证了本文方法的有效性. 相似文献
10.