期刊文献+
共找到917篇文章
< 1 2 46 >
每页显示 20 50 100
基于深度学习的自适应控制算法在工业机器人中的应用研究
1
作者 朱士林 吴中华 +1 位作者 庄子游 刘晓倩 《计算机应用文摘》 2025年第2期88-90,共3页
随着工业自动化技术的迅速发展,人们对工业机器人控制系统的需求日益增加。传统控制系统存在环境适应性和灵活性不足等问题。基于此,文章提出了一种基于深度学习的自适应控制算法,并在工业机器人上进行了应用。该算法通过结合卷积神经网... 随着工业自动化技术的迅速发展,人们对工业机器人控制系统的需求日益增加。传统控制系统存在环境适应性和灵活性不足等问题。基于此,文章提出了一种基于深度学习的自适应控制算法,并在工业机器人上进行了应用。该算法通过结合卷积神经网络(CNN)和强化学习(RL),使得机器人能够实时学习并适应动态变化的操作环境。实验结果显示,相较于传统算法,该算法在任务执行效率和适应性方面有显著提升。 展开更多
关键词 深度学习 自适应控制 工业机器人 卷积神经网络 强化学习
下载PDF
复杂工况下基于深度强化学习的挖掘机器人自适应控制方法
2
作者 曹宏利 《中国设备工程》 2025年第2期46-48,共3页
在山地作业时,挖掘机器人需要适应不同的坡度,保证自身的稳定性。但挖掘作业通常在山地、丘陵、沟壑等复杂地形中进行,难以根据坡面的起伏调整挖掘动作,导致机器人出现不稳定甚至损坏的情况。因此,引入深度强化学习方法,提出复杂工况下... 在山地作业时,挖掘机器人需要适应不同的坡度,保证自身的稳定性。但挖掘作业通常在山地、丘陵、沟壑等复杂地形中进行,难以根据坡面的起伏调整挖掘动作,导致机器人出现不稳定甚至损坏的情况。因此,引入深度强化学习方法,提出复杂工况下的挖掘机器人自适应控制方法。计算机器人的线速度和角速度,提前预测质心的变化趋势,精确计算最小安全距离。引入了避障最小安全距离控制系数作为深度确定性策略梯度(DDPG)算法的输入,构建状态空间,设置与速度跟踪效果相关的奖励函数,避免陷入局部最优解的重置条件,实现挖掘机器人在复杂工作环境下的自适应控制。实验结果表明,所提方法在复杂工况下能有效地规划出平滑且最短的避障路径,并保持最小的安全距离,显著优于对比方法。 展开更多
关键词 复杂工况 深度强化学习 挖掘机器人 自适应控制
下载PDF
基于数字孪生和深度强化学习的矿井超前液压支架自适应抗冲支护方法 被引量:1
3
作者 张帆 邵光耀 +1 位作者 李昱翰 李玉雪 《工矿自动化》 CSCD 北大核心 2024年第6期23-29,45,共8页
受深部开采冲击地压等地质灾害扰动的影响,存在矿井超前支护系统自感知能力差、智能抗冲自适应能力弱、缺乏决策控制能力等问题。针对上述问题,提出了一种基于数字孪生和深度强化学习的矿井超前液压支架自适应抗冲支护方法。通过多源传... 受深部开采冲击地压等地质灾害扰动的影响,存在矿井超前支护系统自感知能力差、智能抗冲自适应能力弱、缺乏决策控制能力等问题。针对上述问题,提出了一种基于数字孪生和深度强化学习的矿井超前液压支架自适应抗冲支护方法。通过多源传感器感知巷道环境和超前液压支架支护状态,在虚拟世界中创建物理实体的数字孪生模型,其中物理模型精确展现超前液压支架的结构特征和细节,控制模型实现超前液压支架的自适应控制,机理模型实现对超前液压支架自适应支护的逻辑描述和机理解释,数据模型存储超前液压支架实体运行数据和孪生数据,仿真模型完成超前液压支架立柱仿真以实现超前液压支架与数字孪生模型虚实交互。根据基于深度Q网络(DQN)的超前液压支架自适应抗冲决策算法,对仿真环境中巷道抗冲支护进行智能决策,并依据决策结果对物理实体和数字孪生模型下达调控指令,实现超前液压支架智能控制。实验结果表明:立柱位移与压力变化一致,说明超前液压支架立柱仿真模型设计合理,从而验证了数字孪生模型的准确性;基于DQN的矿井超前液压支架自适应抗冲决策算法可通过调节液压支架控制器PID参数,自适应调控立柱压力,提升巷道安全等级,实现超前液压支架自适应抗冲支护。 展开更多
关键词 矿井智能抗冲 超前液压支架 自适应支护 数字孪生 深度强化学习 深度Q网络 DQN
下载PDF
基于深度域适应迁移学习的滚动轴承故障诊断方法研究 被引量:1
4
作者 徐承军 于佰宁 秦懿 《起重运输机械》 2024年第7期65-72,共8页
在实际工业生产中,滚动轴承故障数据稀疏,构建的小样本数据集易导致模型过拟合,需要进行数据增强构成训练域。由于机械设备在运行中存在工况时变性,导致训练数据和测试数据之间存在差异,进而造成轴承故障诊断准确率不高,故提出一种基于... 在实际工业生产中,滚动轴承故障数据稀疏,构建的小样本数据集易导致模型过拟合,需要进行数据增强构成训练域。由于机械设备在运行中存在工况时变性,导致训练数据和测试数据之间存在差异,进而造成轴承故障诊断准确率不高,故提出一种基于生成对抗网络和多核最大均值差异(MK-MMD)的深度域适应迁移学习方法。文中通过有限元模拟获得大量带有标签的仿真故障数据,在此基础上构建深度域适应迁移学习的故障诊断模型,并利用凯斯西储大学的轴承数据集对轴承故障诊断模型进行测试。此外,通过与卷积神经网络(CNN)、深度适配网络(DAN)和深度域自适应网络(DANN)的故障诊断结果对比,证明基于有限元模拟的数据增强和迁移学习的轴承故障诊断方法可有效提高轴承故障诊断的准确度。 展开更多
关键词 滚动轴承 迁移学习 深度适应 数据增强 有限元模拟
下载PDF
基于自适应权重优化的多任务深度学习模型在甘蔗病害识别中的应用
5
作者 李冬睿 邱尚明 杨善友 《智能计算机与应用》 2024年第3期163-167,共5页
针对农业领域中甘蔗病害识别的准确率和任务间平衡的问题,提出一种基于自适应权重优化的多任务深度学习模型。该模型采用包含3种病害和1种健康状态的甘蔗叶片图像数据集,通过卷积神经网络(CNN)和多任务学习(MTL)实现病害识别。在模型训... 针对农业领域中甘蔗病害识别的准确率和任务间平衡的问题,提出一种基于自适应权重优化的多任务深度学习模型。该模型采用包含3种病害和1种健康状态的甘蔗叶片图像数据集,通过卷积神经网络(CNN)和多任务学习(MTL)实现病害识别。在模型训练过程中,为应对不同任务间的不平衡问题,引入了自适应权重优化方法。实验结果表明,该模型能显著提高甘蔗病害识别准确率,并在多任务之间实现平衡,为甘蔗智能化种植发展提供一定的借鉴。 展开更多
关键词 深度学习 甘蔗病害识别 多任务学习 自适应权重优化
下载PDF
自适应过滤预测模型的深度学习探究
6
作者 刘媛华 《理论数学》 2024年第10期248-254,共7页
随着信息量的激增,深度学习已成为深化知识信息处理和提高学习效率的关键途径。本文基于深度学习理论,探讨了教育学领域中深度学习的内涵,并针对自适应过滤预测法设计了深度学习的实施框架。将这一教学模式应用于自适应过滤预测法的实... 随着信息量的激增,深度学习已成为深化知识信息处理和提高学习效率的关键途径。本文基于深度学习理论,探讨了教育学领域中深度学习的内涵,并针对自适应过滤预测法设计了深度学习的实施框架。将这一教学模式应用于自适应过滤预测法的实践教学中,旨在通过深度学习技术提升学生的学习成效和满意度,进而为学生实践技能的提高、创新能力的培养以及终身学习能力的构建打下坚实的基础。With the surge of information, deep learning has become a key way to deepen knowledge and information processing and improve learning efficiency. Based on the theory of deep learning, this paper discusses the connotation of deep learning in the field of pedagogy, and designs the implementation framework of deep learning for the adaptive filter prediction method. By applying this teaching mode to the practical teaching of adaptive filtering and prediction method, the purpose is to improve students’ learning effectiveness and satisfaction through deep learning technology, and then lay a solid foundation for the improvement of students’ practical skills, the cultivation of innovation ability and the construction of lifelong learning ability. 展开更多
关键词 自适应过滤法 预测模型 深度学习 实践路径
下载PDF
基于深度学习的云平台动态自适应任务调度
7
作者 任明 沈达 《计算机技术与发展》 2024年第8期17-22,共6页
云计算环境下任务调度是优化云应用服务质量的热点研究问题,目前工业界和学术界重点关注任务调度策略。然而,现有方法依赖运维人员的系统实现知识或复杂的深度神经网络,需要较高计算资源,产生更高执行成本,难以适应动态变化的多样化任... 云计算环境下任务调度是优化云应用服务质量的热点研究问题,目前工业界和学术界重点关注任务调度策略。然而,现有方法依赖运维人员的系统实现知识或复杂的深度神经网络,需要较高计算资源,产生更高执行成本,难以适应动态变化的多样化任务类型。针对该问题,提出一种基于深度学习的云计算平台动态自适应任务调度策略。首先,从待处理任务、可用云资源及系统运行状态等三方面提取任务调度特征;其次,构建深度学习模型对特征编码,通过多头图注意力机制推理解码以预测策略的任务处理和调度执行成本;最后,根据调度收益从策略集中选择当前最优任务调度策略,同时基于迭代反馈机制计算损失函数以在线优化模型。建立虚拟化云计算服务器集群,实现典型的多种任务调度策略,模拟真实AI任务工作负载。实验结果表明,所提出策略与现有实验选取方法相比能够有效降低响应时间、执行成本及运行能耗。 展开更多
关键词 云计算 深度学习 任务调度 自适应策略 多头注意力 模型选择
下载PDF
基于深度学习的多模式公交线网乘客路径诱导策略研究
8
作者 郝赫 姚恩建 +2 位作者 陈荣升 潘龙 王月 《交通工程》 2025年第2期1-10,共10页
近年来,有限的城市轨道交通运力逐渐无法满足日益增长的乘客出行需求。考虑到当前大城市公共汽车运力闲置的现状,为充分利用地铁与公交组成的多模式公交线网的运力资源,本文提出一种强化学习(Reinforcement Learning,RL)算法生成多模式... 近年来,有限的城市轨道交通运力逐渐无法满足日益增长的乘客出行需求。考虑到当前大城市公共汽车运力闲置的现状,为充分利用地铁与公交组成的多模式公交线网的运力资源,本文提出一种强化学习(Reinforcement Learning,RL)算法生成多模式公交线网中的乘客路径诱导策略。提出的RL算法结合卷积神经网络和自注意力机制生成乘客路径诱导策略,旨在缓解多模式公交线网的拥堵,同时改善乘客的出行体验并减少二氧化碳排放。基于北京多模式公交线网的实例验证表明,提出的RL算法能很好地捕捉网络运营状态,并生成自适应路径诱导策略,从而降低路段负载率,改善全网乘客的出行体验,并减少二氧化碳排放。对诱导接受度的分析表明,即使在乘客不完全遵守路径诱导的情况下,算法仍然有效。 展开更多
关键词 深度强化学习 乘客路径诱导 多项Logit模型 多模式公交线网 自适应运营策略
下载PDF
基于改进深度学习的主动式通信网络入侵行为自适应识别算法
9
作者 伍均玺 林峰 高红云 《微型电脑应用》 2024年第4期9-12,共4页
针对外界参数变化较大时会严重影响识别准确率的问题,设计一种基于改进深度学习的主动式通信网络入侵行为自适应识别算法。归一化主动式通信数据,将卷积神经网络和BGRU进行结合,构建一个端到端检测攻击的改进型的循环神经网络,优化激活... 针对外界参数变化较大时会严重影响识别准确率的问题,设计一种基于改进深度学习的主动式通信网络入侵行为自适应识别算法。归一化主动式通信数据,将卷积神经网络和BGRU进行结合,构建一个端到端检测攻击的改进型的循环神经网络,优化激活函数与逻辑回归分类器,稳定且自适应地识别主动式通信网络入侵行为。实验结果表明,所提算法在卷积核大小和学习率改变的情况下仍能保持较高的识别准确性,主动式通信网络入侵行为的识别结果具有自适应性。 展开更多
关键词 改进深度学习 网络入侵检测 通信网络入侵 自适应识别 混合卷积神经网络
下载PDF
基于深度学习的自适应优化算法研究及其在大数据处理中的应用
10
作者 王治学 马廷福 海小虎 《电脑知识与技术》 2024年第32期62-64,共3页
随着数据量的急剧增加,传统深度学习训练方法在效率和效果上遇到了限制,如数据异质性与非平稳性、计算资源的限制以及模型过拟合等问题。针对这些挑战,文章提出了一系列改进策略,包括动态正则化方法、资源感知的分布式处理框架以及基于... 随着数据量的急剧增加,传统深度学习训练方法在效率和效果上遇到了限制,如数据异质性与非平稳性、计算资源的限制以及模型过拟合等问题。针对这些挑战,文章提出了一系列改进策略,包括动态正则化方法、资源感知的分布式处理框架以及基于元学习的学习率自适应调整机制。这些策略旨在提升模型在大数据处理中的性能和泛化能力,同时保证计算资源的高效利用。 展开更多
关键词 深度学习 自适应优化算法 大数据处理
下载PDF
基于自适应学习率的深度信念网设计与应用 被引量:20
11
作者 乔俊飞 王功明 +2 位作者 李晓理 韩红桂 柴伟 《自动化学报》 EI CSCD 北大核心 2017年第8期1339-1349,共11页
针对深度信念网(Deep belief network,DBN)预训练耗时长的问题,提出了一种基于自适应学习率的DBN(Adaptive learning rate DBN,ALRDBN).ALRDBN将自适应学习率引入到对比差度(Contrastive divergence,CD)算法中,通过自动调整学习步长来提... 针对深度信念网(Deep belief network,DBN)预训练耗时长的问题,提出了一种基于自适应学习率的DBN(Adaptive learning rate DBN,ALRDBN).ALRDBN将自适应学习率引入到对比差度(Contrastive divergence,CD)算法中,通过自动调整学习步长来提高CD算法的收敛速度.然后设计基于自适应学习率的权值训练方法,通过网络性能分析给出学习率变化系数的范围.最后,通过一系列的实验对所设计的ALRDBN进行测试,仿真实验结果表明,ALRDBN的收敛速度得到了提高且预测精度也有所改善. 展开更多
关键词 深度信念网 自适应学习 对比差度 收敛速度 性能分析
下载PDF
基于深度学习的多孔材料渗透率预测研究进展 被引量:1
12
作者 钱淼 周骥 +3 位作者 向忠 王嘉琦 魏鹏郦 李俊 《计算机集成制造系统》 EI CSCD 北大核心 2024年第3期791-810,共20页
渗透率作为描述多孔材料流动性能的重要指标,在机械、能源等领域有着广泛的应用。经验关系式作为传统的多孔材料渗透率预测方法,往往通过实验统计法建立,在通用性、预测精度方面存在不足。近年来,基于深度学习构建渗透率预测模型的方法... 渗透率作为描述多孔材料流动性能的重要指标,在机械、能源等领域有着广泛的应用。经验关系式作为传统的多孔材料渗透率预测方法,往往通过实验统计法建立,在通用性、预测精度方面存在不足。近年来,基于深度学习构建渗透率预测模型的方法受到了众多学者的关注,在解决经验关系式存在的不足方面表现出很好的前景。为此,围绕基于深度学习的多孔材料渗透率预测建模方法,首先阐述了深度学习技术在结构模型重构中的应用及发展趋势,然后综述了结构参数-渗透率、图像-渗透率以及图像-流场-渗透率快速预测建模方法的基本原理和研究进展,最后展望了该领域的研究方向,以及对多孔材料制造系统性能提升方面的前景。 展开更多
关键词 深度学习 多孔材料 模型重构 渗透 预测模型
下载PDF
结合自适应噪声完备集合经验模态分解的深度学习模型在电离层闪烁预报中的研究 被引量:1
13
作者 尹逊哲 岳东杰 +2 位作者 翟长治 陈雨田 程晓云 《甘肃科学学报》 2024年第1期117-124,共8页
电离层闪烁可能导致通信系统误码率增加和GNSS定位精度下降。由于电离层闪烁的偶发性,闪烁预报非常困难。为了提高对电离层闪烁的预测精度,提出了一种综合多种方法的混合预测模型,利用电离层闪烁标签值(S4label)进行辅助,结合“分解-集... 电离层闪烁可能导致通信系统误码率增加和GNSS定位精度下降。由于电离层闪烁的偶发性,闪烁预报非常困难。为了提高对电离层闪烁的预测精度,提出了一种综合多种方法的混合预测模型,利用电离层闪烁标签值(S4label)进行辅助,结合“分解-集成”思想的深度学习模型进行预测。首先采用CEEMDAN算法将原始数据分解为多个子信号,并基于样本熵指标,使用K-Means算法将这些子信号重构为高频、低频和趋势3种信号。后利用VMD法对高频信号进行二次分解,借助自注意力LSTM模型实现对高低频信号的逐步预测。实验结果表明,与传统的LSTM模型相比,混合模型预测精度明显提高。在地磁平静期,该模型的预测效果得到显著改善,R^(2)、RMSE、MAE、MAPE代表的精度分别提升了32.2%、58.7%、51.2%、44.7%。因此,该模型能更准确地预测电离层闪烁现象的发生,对电离层闪烁的预测研究具有很好的参考价值。 展开更多
关键词 电离层 电离层闪烁预报 自适应噪声完备集合经验模态分解 变分模态分解 深度学习
下载PDF
基于深度学习的无监督领域自适应语义分割算法综述 被引量:2
14
作者 应俊杰 楼陆飞 辛宇 《电子技术应用》 2024年第1期1-9,共9页
随着现代生活逐步智能化,越来越多的应用需要从图像中推断相应的语义信息再进行后续的处理,如虚拟现实、自动驾驶和视频监控等应用。目前的语义分割模型利用大量标注数据进行有监督训练能达到理想的性能,但模型对与训练数据不同分布的... 随着现代生活逐步智能化,越来越多的应用需要从图像中推断相应的语义信息再进行后续的处理,如虚拟现实、自动驾驶和视频监控等应用。目前的语义分割模型利用大量标注数据进行有监督训练能达到理想的性能,但模型对与训练数据不同分布的数据进行推理时,其性能严重下降。这意味着一旦应用场景发生变化,就需对新场景的数据进行标注。模型重新利用新数据进行训练,才能达到正常的性能。这无疑是耗时的、代价昂贵的。为此,领域自适应语义分割算法提供了解决模型在分布不一致数据上语义分割性能下降问题的思路。总结了领域自适应语义分割算法的前沿进展,并对未来研究方向进行展望。 展开更多
关键词 领域自适应 语义分割 深度学习
下载PDF
基于深度学习的自适应采样及记忆增强压缩感知方法
15
作者 罗成 张军 《广东工业大学学报》 CAS 2024年第4期114-121,共8页
深度学习技术在压缩感知重构中的应用显著提高了重构的速度和精度。然而现有的深度压缩感知算法通常采用相同的采样率来处理不同的块,忽视了不同图像块具有不同重构难度的事实。本文提出了一种自适应采样与记忆增强的压缩感知算法。首先... 深度学习技术在压缩感知重构中的应用显著提高了重构的速度和精度。然而现有的深度压缩感知算法通常采用相同的采样率来处理不同的块,忽视了不同图像块具有不同重构难度的事实。本文提出了一种自适应采样与记忆增强的压缩感知算法。首先,本文基于测量域的重构误差估计不同块的重构难度,然后设计规则来自适应分配采样率,采样矩阵则通过掩码实现在特定采样率下的图像块采样。进一步地,在重构网络中增加双支路融合模块来增强上下文记忆的交互,通过调整不同记忆支路的通道权重,提高了网络的重构能力。实验结果表明:与其他方法相比,所提出的算法在几个常用数据集上的平均结构相似性(Structural Similarity,SSIM)提高了0.0269,平均峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)提高了1.66 dB。 展开更多
关键词 深度学习 自适应采样 记忆增强
下载PDF
基于自适应结构学习的深度文本聚类
16
作者 潘伟 黄瑞章 +1 位作者 任丽娜 薛菁菁 《计算机工程》 CAS CSCD 北大核心 2024年第11期89-97,共9页
近年来,将结构信息应用于深度文本聚类中以提升聚类效果取得了较优的成果。然而,结构信息的构造方法大多只进行简单的距离测算且近邻数量固定,导致构建的图难以获得较精确的文本结构信息。另外,众多方法对近邻文本只进行一阶挖掘,使图... 近年来,将结构信息应用于深度文本聚类中以提升聚类效果取得了较优的成果。然而,结构信息的构造方法大多只进行简单的距离测算且近邻数量固定,导致构建的图难以获得较精确的文本结构信息。另外,众多方法对近邻文本只进行一阶挖掘,使图结构信息未得到完全挖掘,限制了结合结构信息的深度文本聚类性能。为此,提出一种基于自适应结构学习的深度文本聚类模型DCMBS。首先,设计一种阈值构图方法,动态调整近邻文本数量,解决因近邻文本固定存在结构信息不精确的问题;其次,引入一种拓扑探索近邻的方法,对近邻文本进行多阶挖掘,解决以往方法只进行一阶挖掘存在结构信息不完整的问题。此外,设计了1个阈值衰减策略,避免拓扑过程中因拓扑阶数增加导致学习泛化。在4个真实数据集的实验结果表明,DCMBS与现有较好的聚类模型相比,准确度、归一化互信息(NMI)和调整兰德指数(ARI)平均提高了6.83、2.93、6.23个百分点。 展开更多
关键词 阈值 深度文本聚类 文本结构信息 图神经网络 自适应结构学习
下载PDF
深度学习图像重建算法联合自适应滤波在减轻胸廓入口处伪影的应用
17
作者 刘泽群 贺松 马中玉 《中国医学计算机成像杂志》 CSCD 北大核心 2024年第6期755-759,共5页
目的:探究在胸部低剂量CT中应用深度学习图像重建算法(DLIR)联合自适应滤波(AF)在减少胸廓入口处伪影方面的临床价值。方法:回顾性收集行胸部低剂量CT筛查并偶发甲状腺疾病的患者150例。扫描完成后对原始数据进行图像重建。A组(常规组)... 目的:探究在胸部低剂量CT中应用深度学习图像重建算法(DLIR)联合自适应滤波(AF)在减少胸廓入口处伪影方面的临床价值。方法:回顾性收集行胸部低剂量CT筛查并偶发甲状腺疾病的患者150例。扫描完成后对原始数据进行图像重建。A组(常规组)采用常规迭代算法进行重建;B组采用DLIR进行重建,并根据DLIR 1~4等级分为B1~B4四个亚组;C组使用DLIR联合AF进行图像重建,也根据DLIR的等级分为C1~C4四个亚组。由2名观察者对图像伪影和病灶显示清晰度进行5分制主观评分。在胸廓入口的横断面上,选择伪影最明显的层面分别测量甲状腺、肌肉均匀处及肌肉伪影处的CT值和噪声(SD)值,并计算相应的信噪比(SNR)、对比度噪声比(CNR)及伪影指数(AI)。结果:2名观察者的主观评分一致性良好(Kappa值范围为0.751~0.953,P<0.05)。在图像伪影评估方面,B组内各亚组得分均低于A组,但C组得分相较于B组大幅度提高,其中C4组得分最高且优于A组(P<0.05)。在病灶显示清晰度方面,C3组得分最高并优于A组(P<0.05)。B1~B3组的SNR和CNR均低于A组,但C组SNR和CNR相较于B组有大幅度提升,其中C4组最高并优于A组(P<0.05)。C3组和C4组的AI值最低,且低于A组(P<0.05)。结论:随着人工智能和医学成像技术的不断发展与融合,在胸部低剂量CT中使用DLIR等级3联合AF可以明显减少胸廓入口处条状伪影,从而更准确地识别肺外甲状腺疾病。 展开更多
关键词 计算机体层成像 深度学习图像重建算法 自适应滤波 伪影
下载PDF
基于自适应学习率卷积神经网络的新型配电网源网荷储无功协调优化技术 被引量:1
18
作者 钱进宝 刘晓光 +2 位作者 蔡玺 刘熠 戴剑丰 《可再生能源》 CAS CSCD 北大核心 2024年第2期267-275,共9页
随着“双碳”目标的推进,分布式新能源接入电网的容量大幅度提升,配电网源网荷储协调优化策略是实现分布式新能源消纳的重要方法,其中无功优化能够保证电网安全稳定运行。文章提出了一种基于自适应学习率卷积神经网络的配电网源网荷储... 随着“双碳”目标的推进,分布式新能源接入电网的容量大幅度提升,配电网源网荷储协调优化策略是实现分布式新能源消纳的重要方法,其中无功优化能够保证电网安全稳定运行。文章提出了一种基于自适应学习率卷积神经网络的配电网源网荷储无功协调优化技术。首先以最小网络损耗和最低电压偏移为目标,构建无功优化模型;其次利用卷积神经网络强大的非线性拟合能力,挖掘出电网运行场景和无功调压设备、储能充放电策略之间的映射关系,引入自适应学习率的方式更新网络参数,提高了网络训练效率;再次通过控制无功调压设备和储能装置充放电情况协调分布式电源出力,实现电力系统无功电压主动优化控制;最后通过IEEE33节点电网模型进行了仿真验证。结果表明,文章所提的配电网源网荷储无功协调优化方法提高了电力系统电压调节能力,为配电网安全可靠运行奠定了良好基础。 展开更多
关键词 分布式新能源 源网荷储协调优化 无功优化 自适应学习 卷积神经网络
下载PDF
基于深度强化学习的分层自适应PID控制算法 被引量:1
19
作者 余文浩 齐立哲 +1 位作者 梁瀚文 孙云权 《计算机系统应用》 2024年第9期245-252,共8页
比例积分微分(PID)控制在工业控制和机器人控制领域应用非常广泛.然而,其在实际应用中存在参数整定复杂、系统无法精准建模以及对被控对象变化敏感的问题.为了解决这些问题,本文提出了一种基于深度强化学习算法的分层自适应PID控制算法,... 比例积分微分(PID)控制在工业控制和机器人控制领域应用非常广泛.然而,其在实际应用中存在参数整定复杂、系统无法精准建模以及对被控对象变化敏感的问题.为了解决这些问题,本文提出了一种基于深度强化学习算法的分层自适应PID控制算法,即TD3-PID,用于移动机器人的自动控制.其中,上层控制器通过实时观测当前环境状态和系统状态实现对下层PID控制器参数和输出补偿量进行调整,以实时补偿误差从而优化系统性能.本文将所提出的TD3-PID控制器应用于4轮移动机器人轨迹跟踪任务并和其他控制方法进行了真实场景实验对比.结果显示TD3-PID控制器表现出更优越的动态响应性能和抗干扰能力,整体响应误差显著减小,在提高控制系统性能方面具有显著的优势. 展开更多
关键词 深度强化学习 PID算法 自适应控制 确定性策略梯度算法 轨迹跟踪
下载PDF
基于无人机巡检、深度学习和自适应阈值的设备发热问题检测方法 被引量:2
20
作者 刘建辉 祁亚峰 《电工技术》 2024年第5期165-167,共3页
提出了一种基于无人机巡检、深度学习和自适应阈值的设备发热问题检测方法。该方法首先利用无人机搭载红外热像仪和高清可见光摄像头,对设备进行巡检并获取红外热成像和可见光图像。接着,采用卷积神经网络(CNN)对红外热成像和可见光图... 提出了一种基于无人机巡检、深度学习和自适应阈值的设备发热问题检测方法。该方法首先利用无人机搭载红外热像仪和高清可见光摄像头,对设备进行巡检并获取红外热成像和可见光图像。接着,采用卷积神经网络(CNN)对红外热成像和可见光图像进行特征提取、融合和分类,以识别设备及检测发热问题。然后,通过收集设备历史温度数据和实时监测数据,采用自适应阈值算法动态调整设备发热问题的识别阈值。实验结果表明,该方法在设备发热问题检测方面具有较高的准确性和实用性。 展开更多
关键词 无人机巡检 红外热成像 深度学习 自适应阈值
下载PDF
上一页 1 2 46 下一页 到第
使用帮助 返回顶部