孙明 作品数:66 被引量:183 H指数:8 供职机构: 齐齐哈尔大学 更多>> 发文基金: 国家自然科学基金 黑龙江省教育厅科学技术研究项目 黑龙江省自然科学基金 更多>> 相关领域: 自动化与计算机技术 电子电信 理学 电气工程 更多>>
移动机器人编队的递归模糊神经网络滑模控制 被引量:1 2013年 研究非完整移动机器人编队控制优化问题,由于动态模型存在诸多不稳定性,针对领航者-跟随者I-ψ控制结构,提出了一种Back stepping运动学控制器与自适应神经滑模控制器相结合的新型控制策略。采用动态递归模糊神经网络(dynam-ic recurrent fuzzy neural network,DRFNN)对跟随者及领航者动力学非线性不确定部分进行在线估计,并通过自适应鲁棒控制器对神经网络建模误差进行补偿。所提方法不但解决了移动机器人编队控制的参数与非参数不确定性问题,同时也确保了机器人编队在期望队形下对指定轨迹的跟踪;根据Lyapunov方法的设计过程,保证了控制系统的稳定;仿真结果表明了改进方法对机器人编队优化控制的有效性。 李艳东 朱玲 孙明关键词:编队控制 滑模控制 动态递归模糊神经网络 非完整移动机器人 不确定性 一种面向OFDMA蜂窝网络的动态信道分配方法 本专利提出了一种面向OFDMA蜂窝网络的信道分配方法,属移动通信技术领域。其实现步骤是:(1)用3种颜色对蜂窝网络进行着色,并找到彼此相邻的、信道需求数之和为最大的3色小区的信道需求数;(2)根据所找到的3色小区的信道需... 孙明 张辉 王淑梅 马媛媛文献传递 电脑自动关机控制器 一种电脑自动关机控制器,主要为了解决目前在高校实验室内许多学生离开后电脑不能实现自动关机的问题。其特征在于:座垫上固定有压力传感器,接收盒内置有由A/D转换模块、单片机以及APC250无线发送模块连接后构成的控制单元,在... 朱玲 李艳东 孙明文献传递 采样迭代学习发电机的励磁控制器设计 被引量:1 2013年 为了提高电力系统的暂态稳定性,采用采样迭代学习方法,在不需要已知被控系统精确数学模型和对机端电压误差进行求导运算的情况下,设计出了一种同步发电机的励磁控制器,给出了励磁控制系统范数形式的收敛条件.研究结果表明:该控制器避免了以往采用PD型迭代学习控制算法的不足,显著提高了同步发电机功角和机端电压的稳定性.该成果不仅解决了在实际应用中迭代学习励磁控制算法的计算机实现问题,而且还将可能成为发电机的励磁控制方式发展的一种趋势. 曹伟 孙明 赵丽娜关键词:采样迭代学习控制 励磁控制 发电机功角 机端电压 大干扰 基于角度修正迭代学习的离散时变系统故障诊断 被引量:4 2012年 针对一类非线性离散时变系统的故障诊断问题,提出了一种新的故障检测与估计算法.该算法在选取的优化时域内,利用残差信号通过迭代学习方法调整引入的虚拟故障,并利用实际输出和故障跟踪估计器输出向量空间的角度关系,来修正虚拟故障的迭代学习律,以此来加快算法的收敛速度.该算法不仅能够实现不同类型故障信号的检测与估计,而且还充分利用了估计器输出信号中的新信息,使得算法的收敛速度得到明显提高.最后仿真结果验证了该方法的有效性. 曹伟 孙明关键词:迭代学习 角度修正 故障估计 基于混合遗传算法的OFDMA资源分配方法 2023年 现有的OFDMA资源分配算法无法在保障公平度阈值的前提下有效地最大化系统和速率。针对上述问题,提出了一种基于混合遗传算法的OFDMA资源分配方法。首先将遗传算法的种群个体进行分组并为个体分组设置个体更新量,然后在此基础上采用贪婪子载波分配初始化种群个体,并通过个体更新量降低个体的待优化的维度数量,充分发挥遗传算法的寻优能力。仿真结果表明,所提出的方法能够在等功率的子载波分配阶段即可实现所要求的公平度阈值并能最大化系统和速率,证明了所提出方法的有效性。 孙明 翟康乐 曹伟 张辉关键词:遗传算法 子载波分配 基于迭代学习的部分非正则多智能体编队控制 被引量:5 2018年 针对一类具有任意初始状态的部分非正则多智能体系统,提出一种迭代学习控制算法.该算法将具有固定拓扑结构的多智能体编队控制问题转化为广义上的跟踪问题,即让领导者跟踪给定的期望轨迹,而跟随者要始终保持预定队形对某一智能体进行跟踪,并将该智能体作为自身的领导者.同时,为了使每个智能体在任意初始状态下都能按照期望队形进行编队,对每个智能体的初始状态设计迭代学习律,并从理论上对算法的收敛性进行严格证明,给出算法收敛的充分条件.所提出的算法对于各个智能体在任意初始位置条件下均能实现在有限时间区间内系统的稳定编队.最后,通过仿真算例进一步验证了所提出算法的有效性. 曹伟 孙明关键词:多智能体系统 迭代学习控制 非正则 编队控制 移动机器人编队的神经网络滑模控制 被引量:15 2014年 针对非完整移动机器人编队控制问题,基于领航者-跟随者l-ψ控制结构,提出了一种运动学控制器与自适应神经滑模控制器相结合的新型控制策略。采用径向基神经网络(radial basis function neural network,RBFNN)对跟随者及领航者动力学非线性不确定部分进行在线估计,并通过自适应鲁棒控制器对神经网络建模误差进行补偿。实验结果表明所提方法不但解决了移动机器人编队控制的参数与非参数不确定性问题,还确保了机器人编队在期望队形下对指定轨迹的跟踪;基于Lyapunov方法的设计过程,保证了控制系统的稳定。 朱玲 李艳东 孙明 王宗义关键词:编队控制 滑模控制 非完整移动机器人 不确定性 动力学 基于深度强化学习的正交频分复用多小区蜂窝网资源分配方法 被引量:3 2023年 针对正交频分复用的多蜂窝网络系统,提出了一种基于深度强化学习的通信资源分配算法,该算法在满足资源分配高速率、低延时要求的前提下,同时产生信道分配方案和功率控制方案,从而最大化系统的能量效率。首先,在确定好基于正交频分复用的多蜂窝网络系统模型的基础上,将最大化能量效率的约束优化问题同深度Q强化学习算法进行问题映射。其次,将构建的深度Q神经网络(DQN)的多个隐藏层作为状态值函数,用以输出信道分配方案和功率控制方案,并实时与外界环境保持交互,不断迭代更新网络参数用以最大化系统能量效率。通过仿真对比实验可得,所提出的深度强化学习算法在保证低计算时延的同时,可获得接近于或高于其他算法的系统能量效率,且蜂窝网络规模越大,该算法优势越突出。 孙明 胡良进 郝冰 于颖关键词:正交频分复用 蜂窝网 资源分配 神经网络 基于新型迭代学习的不确定系统故障诊断 被引量:1 2013年 针对一类线性不确定系统的故障诊断问题,提出了一种新的故障检测与估计算法.采用阈值限定技术,在选取的优化时域内,利用残差信号以及迭代轴上相邻两次残差的差分信号,对引入的虚拟故障信号进行逐次修正,使虚拟故障逼近系统中实际发生的故障,从而达到对系统故障估计的目的,并给出了算法在λ范数度量意义下收敛的充分条件.该算法不仅实现了不确定系统的故障检测与估计,还避免了因使用微分运算给系统带来的不良影响,取得了比单纯比例型迭代学习算法更快的收敛速度. 曹伟 孙明 王妍玮关键词:故障诊断 迭代学习 残差