您的位置： 专家智库 > >

张少宇

作品数：6 被引量：32H指数：3
供职机构：燕山大学电气工程学院河北省工业计算机控制工程重点实验室更多>>
发文基金：国家自然科学基金更多>>
相关领域：自动化与计算机技术金属学及工艺更多>>

合作作者

文献类型

  • 5篇期刊文章
  • 1篇学位论文

领域

  • 6篇自动化与计算...
  • 2篇金属学及工艺

主题

  • 4篇板形
  • 2篇多输出
  • 2篇影响矩阵
  • 2篇支持向量
  • 2篇支持向量回归
  • 2篇支持向量回归...
  • 2篇最小二乘
  • 2篇最小二乘支持...
  • 2篇模糊推理
  • 2篇模式识别
  • 1篇倒立摆
  • 1篇云模型
  • 1篇轧机
  • 1篇三级倒立摆
  • 1篇神经模糊
  • 1篇神经网
  • 1篇神经网络
  • 1篇神经网络控制
  • 1篇识别方法
  • 1篇前馈

机构

  • 6篇燕山大学

作者

  • 6篇张少宇
  • 5篇张秀玲
  • 2篇徐腾
  • 2篇赵文保
  • 1篇逄宗鹏
  • 1篇田力勇
  • 1篇谭光忠
  • 1篇窦春霞
  • 1篇李少清

传媒

  • 1篇模糊系统与数...
  • 1篇中国机械工程
  • 1篇中国电机工程...
  • 1篇中南大学学报...
  • 1篇智能系统学报

年份

  • 2篇2013
  • 1篇2012
  • 2篇2011
  • 1篇2010
共 6 条 记 录，以下是 1-6
全选 清除 导出
排序方式：
ANFIS的板形控制动态影响矩阵方法被引量：1
2010年
针对板形控制系统的非线性和强耦合性,以及传统效应函数法和板形静态影响矩阵法的不足,通过对大量生产实测数据的计算和分析,提出了板形控制的动态影响矩阵法.通过基于减法聚类的ANFIS(自适应神经模糊推理系统)的板形动态矩阵预测模型,在线求得不断变化的影响矩阵,兼顾了板带生产的实时性与复杂性,仿真实验验证了其有效性.
张秀玲逄宗鹏李少清张少宇
关键词：板形控制自适应神经模糊推理系统影响矩阵聚类
采用模糊推理最优梯度法的风力发电系统最大功率点跟踪研究被引量：18
2011年
在随机风条件下,风力发电系统的输出特性随外界环境的变化而变化,并可能出现明显的振荡现象,采用最大功率点跟踪(maximum power point tracking,MPPT)可充分发挥风力发电机组的效能。根据传统三点比较法应用在风力发电系统中的不足及最大功率点跟踪的基本原理,将模糊推理最优梯度法引入风力发电系统中,以提高风力发电系统的最大功率跟踪性能。该方法通过对风力发电机转速步长进行指数倍调整,能够有效地提高最大功率点的追踪精度,具有良好的收敛性和抗干扰性。通过MATLAB仿真结果表明,该方法具有比传统三点比较法更为精确的追踪性能。
张秀玲谭光忠张少宇窦春霞
关键词：风力发电系统模糊推理最大功率点跟踪仿真
基于改进LS-SVR的冷带轧机板形智能控制研究
板带钢是主要的钢材产品之一，广泛应用于汽车制造、食品包装等行业，对国民经济发展有着举足轻重的影响。随着科技的进步，用户对板带钢质量的要求越来越高。板形是带钢的重要质量指标，也是轧制领域研究的热点。近年来，人工智能方法以其...
张少宇
关键词：板形影响矩阵
文献传递
板形模式识别的多输出最小二乘支持向量回归机新方法被引量：6
2013年
为了克服最小二乘支持向量回归机(LS-SVR)算法不能直接应用于多输入多输出(MIMO)系统建模的缺点,通过在目标函数中加入样本绝对误差项,提出了一种多输出最小二乘支持向量回归机(MLSSVR)新算法。将MLSSVR算法应用于板形模式识别研究,提出了一种基于MLSSVR的板形模式识别新方法,将该方法与LS-SVR合成识别方法进行对比实验,并对MLSSVR识别模型的识别能力进行了测试和分析,结果证明了MLSSVR算法的有效性。MLSSVR板形模式识别方法不仅避免了LS-SVR合成方法的复杂组合运算,具有更高的识别速度,而且具有更高精度和很强的泛化能力。
张秀玲张少宇赵文保徐腾
关键词：最小二乘支持向量回归机板形模式识别
基于改进TS云推理网络的板形模式识别方法被引量：7
2013年
将云模型与T S模糊神经网络相结合,利用正态云代替模糊神经网络的隶属度函数,构成T S云推理网络。该网络综合考虑了模糊逻辑的快速性和云模型处理数据的不确定性,增强了网络处理数据的能力,同时分析了T S云推理网络的结构和稳定性。在超熵确定的情况下,使用最速下降法辨识了T S云推理网络的参数,将该网络应用于板形模式识别,并与T S模糊神经网络作了对比。仿真结果表明:T S云推理网络抗干扰能力较强,能够识别出常见的板形缺陷,并且识别精度较高。
张秀玲赵文保张少宇徐腾
关键词：云模型最速下降法板形模式识别
三级倒立摆的T-S型前馈补偿模糊神经网络控制被引量：1
2011年
为解决T akag i-Sugeno型模糊神经网络在控制多变量系统时的规则组合爆炸问题,提出一种误差前馈补偿的模糊神经网络控制方案,有效实现了三级倒立摆的稳定控制。该控制方案适用对状态变量可按性质和重要程度划分的多变量系统的控制,大大减少了模糊神经网络控制器的规则数,有利于利用专家的控制经验,具有良好的鲁棒性和非线性适应能力。
张秀玲田力勇张少宇
关键词：三级倒立摆模糊神经网络
全选 清除 导出
共1页<1>
聚类工具0