迭代学习

摘要： 随着科技的日新月异、工业的快速发展,许多工业领域对控制系统的性能提出了更高的要求,普通平面控制系统已经无法满足日益复杂的空间作业任务,而三轴运动控制系统在三维空间任务中具有强大的优势。从制造业的角度出发,致力于研究一种面向三轴运动控制系统的交叉耦合迭代学习的轮廓误差控制方法,既能保证单轴的跟踪性能,又能减小各轴之间运动的不协调,从而减小轮廓误差。介绍传统的两轴误差模型和基于向量法的三轴误差模型,以及迭代学习控制和交叉耦合控制的概念;针对三轴运动控制系统的性能提升提出一种三轴交叉耦合-迭代学习控制算法;设计相关对比实验,实验结果表明该算法能有效减小轮廓误差。

摘要： 由于迭代学习前馈反馈控制方法面对具有重复运动性质系统时,既能加快收敛速度又能降低收敛误差,本研究将其引入到微纳操纵成像系统来提高扫描器的跟踪精度。首先,提出了开环比例微分(Proportional differential,PD)型迭代学习结合闭环反馈PD型学习律,并给出了学习律收敛条件,同时为了降低系统运行时间,提高学习效率,将传统的固定学习增益变为指数变增益。其次搭建了基于微纳操纵成像系统的迭代学习控制器,并进行了仿真分析。结果表明,相较于开环迭代学习控制、闭环迭代学习控制,迭代学习前馈反馈控制最大收敛误差最低,且鲁棒性强,算法易于实现,能有效地满足扫描时轨迹跟踪的精度要求。

摘要： 针对食盐定量包装生产称量精度低、自动化程度不高等问题,对高精度食盐定量包装设备进行研究,通过分析食盐本身的物理特性,设计了称量、传送、复检反馈装置。称量装置设计为可调式量杯结构,以量杯体积估计预包装的食盐质量;复检反馈装置设计为多传感器的皮带秤结构,克服自重与重物重量比大对称量精度的影响。通过对动态称重过程中存在的误差进行分析,设计了一种基于迭代学习和模糊算法的闭环寻优定量包装控制系统。通过联机运行实验,结果表明该系统可实现食盐的高精度定量包装,具有抗扰动和自适应能力,在误差变化率小于50%的工作环境下,经过3~4次的迭代学习补偿控制,可稳定达到定量包装允许短缺量为3%的精度要求。

摘要： 四旋翼无人机是一种非线性、强耦合、欠驱动系统.针对四旋翼存在参数不确定性和外部干扰等问题,本文提出了一种基于反步积分-迭代学习控制和自抗扰控制的位置-姿态控制算法.对于双闭环控制系统,内环采用自抗扰控制,通过扩张状态观测器可以实时观测和补偿内部耦合等建模时参数不确定性项和外部随机干扰.外环采用反步积分-迭代学习控制,因为反步法可以很好的进行轨迹跟踪但特别依赖模型的精确度且缺乏抗干扰能力,与迭代学习控制有机结合后,使得系统在有限时间内跟踪性能得到提高.仿真试验实现了四旋翼位置和姿态的跟踪控制,验证了所提控制算法的有效性.

摘要： 针对电磁式振动台对地震波信号复现精度低及复现过程中迭代次数较多的问题,在建立准确的振动台模型的基础上,提出了基于加速度模型的前馈逆模型补偿方法,主要提高电磁式振动台低频特性。此外,针对迭代学习控制算法在振动台波形复现中收敛速度慢的问题,提出了带遗忘因子的反馈辅助PD型迭代学习算法,并用改进自适应粒子群算法,离线优化控制律参数,达到提高复现精度减少迭代次数的目的。试验结果表明,该方法可在少量次数的迭代过程中有效的提高复现精度。

摘要： 非常规灾害防治实践面临难以及时有效应对的时空挑战,包括被动响应的时空动态挑战、碎片化治理的非耦合挑战、快速决策的时空数据挑战与复杂耦合系统的统筹挑战,灾害防治亟需一种敏捷高效、动态响应、协调耦合、全面统筹的顶层设计。该文系统考察了敏捷治理理论与灾害防治需求间的契合性,并构建了开放性的敏捷灾害防治“时空(Time-Space)”二维螺旋模型,应用敏捷方法为灾害防治工作的设计、实现和部署提供了一个全面的框架,为纾解灾害防治的时空挑战,并在灾害防治全流程中达成迭代学习、技术介入和松散耦合的高效治理提供了一条敏捷路径。

摘要： 以全尺寸飞机增压试验充放气控制过程为研究对象,引入基于迭代学习的非线性压力控制器,利用AMESim仿真软件建立增压试验控制器模型,并通过典型的气密舱充放气动作对控制器进行仿真验证。结果表明,与常规PID控制器相比,基于迭代学习的增压试验控制器在压力收敛速度、稳态精度等方面具有明显优势,充气过程中超调量较小,有利于保护试验件安全及降低试验风险,能够为结构强度试验工程应用提供技术储备。

摘要： 现实世界中不完整数据广泛存在,通常会增加数据分析与挖掘的难度,影响分析结果的可靠性.合理填补不完整数据的缺失值已经成为当前数据分析和挖掘中一个非常重要的环节.采用不完整数据属性关联建模的方法填补缺失值,鉴于不完整数据属性关联关系的复杂性,使用具有强大学习能力的单输出子网模型对不完整数据的缺失值进行填补,并针对由于缺失值的存在所导致的模型输入不完整问题,从缺失值的对待与描述切入,提出一种基于单输出子网迭代学习的缺失值填补方法.实验结果表明,通过单输出子网迭代学习能够取得更精确的填补结果,验证了所提方法的有效性.

摘要： 本文提出一种参数自适应修正、系统迭代自学习的智能算法,在混凝土生产过程中,系统依据实时生产工况自适应调整生产参数,自动匹配计量模式和卸料模式,旨在解决混凝土搅拌站参数众多且需要人工不断设定修正这一痛点,降低混凝土搅拌站生产操作员技能要求,在减少人为干预的同时提升了物料计量精度和生产效率,实现了混凝土智能化、数字化生产。

摘要： 经历了将近两年的项目学习,从最初的懵懂到渐渐明朗,从书籍工作坊各渠道理论学习到课堂生活多角度实践探寻,回望一路的磕绊和艰辛,感触很深。静思走过的路,这是一个让学生学会学习、发现自我的过程,也是老师迭代学习模式的过程。真实,是项目学习的生命。就项目的设计者和执行者视角而言,真实是项目学习带给我们的第一粒纽扣。学习素养视角下项目学习的特征之一,即是创建真实的驱动性问题和成果。我认为,这是将素养转化为持续的学习实践的基础。

摘要： 该文主要研究针对中文金融文本领域的命名实体识别.从汉字自身特点出发,设计了结合字形特征、迭代学习以及双向长短时记忆网络和条件随机场的神经网络模型.该模型完全端到端且不涉及任何特征工程,它将汉字的五笔表示进行编码以进行信息增强,同时利用迭代学习的策略不断对模型整体预测结果不断进行改进.由于现有的命名实体识别研究在金融领域缺乏高质量的有标注的语料库资源,对此,本文构建了一个大规模的金融领域命名实体语料库HITSZ-Finance,共计31210个文本句,包含4类实体.在语料库HITSZ-Finance进行一系列实验,实验结果均表明模型的有效性.

摘要： 针对实际控制系统设计过程中有时难以且不需要确定被控对象具体模型的问题,介绍了一种基于a-LMS 算法的迭代学习辨识方法.它利用FIR 滤波器确定系统在一段时间内被控对象随时间的变化特性,通过a-LMS 算法自动更新FIR 滤波器的权系数以使均方误差最小,从而达到辨识的目的.这样做会给工程实际带来一定的便利.

摘要： 为改善PD型迭代学习控制器的迭代速度和跟踪精度，引入了两个模糊控制器：其中一个模糊控制器是将上一次迭代的输入与输出误差作为输入，比例增益的变化量作为输出，对比例增益进行调节；另一个模糊控制器将上一次迭代的输入与输出误差的导数作为输入，微分增益的变化量作为输出，对微分增益进行调节。仿真结果表明：新型的模糊迭代学习控制比传统的PD 型迭代学习控制具有更好的跟踪精度和更快的迭代速度。

摘要： 针对三轴伺服系统研究轮廓误差控制问题,提出了一种串级型迭代学习交叉耦合轮廓误差控制方法,设计了控制器结构并且给出了三轴迭代学习交叉耦合控制算法的收敛条件.仿真结果表明此方法可以实现跟踪误差和轮廓误差的有效补偿.

摘要： 本文提出了一种结合H∞反馈和迭代学习的伺服控制器设计方法.通过误差信号在频域的分析,确定可重复干扰与不可重复干扰在频域的分布情况.根据可重复干扰的频域分布情况,设计迭代学习环节的滤波器.根据不可重复干扰的频域分布情况,确定权重函数数值,进而设计H∞反馈控制器.本文通过对伺服系统二阶模型的仿真,表明此设计方法能减小干扰,有效地进行轨迹跟踪.

摘要： 针对基于迭代学习控制的间歇过程优化控制算法难以进行收敛性分析的难题,本文基于数据驱动的神经模糊模型提出一种新颖的间歇过程无约束迭代学习控制方法,通过调节因子的变化去除了约束条件,使控制轨迹在批次轴上收敛,并创新性地对优化问题的收敛性给出了严格的数学证明.在理论研究的基础上,将本文提出的算法用于间歇连续反应釜的终点质量控制研究,仿真结果验证了本文算法的有效性和实用价值,为间歇过程的优化控制提供了一条新途径.

摘要： 根据肢体运动轨迹的重复特性，提出了主动式踝关节假肢运动轨迹的迭代学习控制方法，解决行走过程中主动式踝关节假肢与正常肢体运动轨迹的差异性。在设计主动式踝关节假肢的结构并建立其数学模型基础上，通过Matlab/Sinmulink仿真工具进行仿真，其结果表明该方法能够使假肢快速跟踪期望运动轨迹，达到与正常肢体运动轨迹的匹配。

摘要： 本研究针对一类带未知定常参数和未知时变参数的二阶非线性系统,基于Lyapunov稳定性理论和Backstepping技术,提出了组合自适应迭代学习控制方案。充分利用时域和迭代域的信息,分别设计了时域和迭代域参数的自适应律。该算法可保证闭环系统所有内部信号有界,且跟踪误差在L范数意义下沿迭代轴收敛。仿真结果验证了算法的有效性。

摘要： 鉴于在精炼炉生产过程中对合金重量的添加进行精确控制的重要性,对合金称量系统进行建模,采用开闭环PD型控制器,通过迭代学习的方法保证称量过程的快速性和准确性,并针对系统可能出现的扰动采用模糊控制,改善了迭代学习效果.

摘要： 二次再热机组再热汽温系统是一个典型的多变量、大惯性、强耦合系统,如何实现高、低压两级再热汽温的有效控制是亟待解决的关键问题.在超超临界二次再热机组仿真平台上,不改变哈尔滨锅炉厂设计的再热汽温PID控制方案,考虑到电厂负荷周期性的变化特点,将迭代学习负荷前馈引入再循环烟气挡板控制回路中,用以补偿负荷对再热汽温造成的扰动.仿真机验证结果表明,在机组负荷周期性变化过程中,本控制策略能自动快速生成使再热汽温偏差控制在一定精度范围内的负荷前馈,较好地解决了以往靠运行经验人为整定负荷前馈的难点.

摘要： 本发明公开的一种基于监督学习和半监督学习双重信息的迭代式标签噪声识别算法，属于机器学习和数据挖掘领域。本发明将监督和半监督学习结合起来，对于监督学习部分，通过软多重投票方式，产生监督学习噪声识别结果；对于半监督学习部分，基于监督学习产生的纯净数据训练的分类模型，对无标签数据集进行标记，标记后的无标签数据作为训练集，用加权KNN方法对标签数据集进行检测产生噪声识别结果；最终将噪声识别结果结合起来产生最终识别结果。本发明算法还采取迭代方式，每次迭代输入的待测样本为上次迭代时过滤掉噪声后的剩余样本。同传统噪声识别算法比，该发明结合了更多互补信息，同时辅以迭代方式，能更好促进噪声识别准确性。

摘要： 本发明提供一种设定迭代译码的迭代次数的方法、迭代译码装置及方法。所述迭代译码器，包括：SNR估计单元，用于估计接收信号的SNR；迭代译码次数设定单元，用于基于估计出的SNR为所述接收信号设定迭代次数最小值；以及译码单元，用于使用尝试译码和错误校验对所述接收信号进行迭代译码，并基于所述迭代次数最小值选择性地执行所述错误校验。

摘要： 本发明公开了一种基于联邦学习及均值迭代的机器学习模型压缩方法，包括以下步骤：用户在本地端进行联邦学习获取本次的机器学习模型；针对用户进行联邦学习得到的机器学习模型，使用均值迭代模型压缩算法压缩；将压缩后的机器学习模型上传到中心服务器，对压缩后的机器学习模型进行还原和模型聚合处理，对聚合后的机器学习模型进行精度检测。本发明通过均值迭代压缩算法来动态调整边界和优化值，获得量化区间的最优值和最佳边界区间，进而在高压缩率下，保证模型的收敛和模型的精度。

摘要： 本发明公开的一种基于监督学习和半监督学习双重信息的迭代式标签噪声识别算法，属于机器学习和数据挖掘领域。本发明将监督和半监督学习结合起来，对于监督学习部分，通过软多重投票方式，产生监督学习噪声识别结果；对于半监督学习部分，基于监督学习产生的纯净数据训练的分类模型，对无标签数据集进行标记，标记后的无标签数据作为训练集，用加权KNN方法对标签数据集进行检测产生噪声识别结果；最终将噪声识别结果结合起来产生最终识别结果。本发明算法还采取迭代方式，每次迭代输入的待测样本为上次迭代时过滤掉噪声后的剩余样本。同传统噪声识别算法比，该发明结合了更多互补信息，同时辅以迭代方式，能更好促进噪声识别准确性。

摘要： 本发明公开了一种具有初态学习的机械臂分数阶迭代学习控制方法及系统，其中，该方法包括步骤1：建立机械臂系统的动力学模型，预设机械臂系统的期望运动轨迹；步骤2：初始化机械臂系统的状态量的初态以及系统输入，根据机械臂系统的动力学模型，求取机械臂系统的实际运动轨迹；步骤3：计算并判断实际运动轨迹与期望运动轨迹两者的跟踪误差是否为零，若跟踪误差为零，则实际运动轨迹与期望运动轨迹重合，结束；否则，进入下一步；步骤4：根据跟踪误差的初态及设定的初态学习增益来修正机械臂系统的状态量的初态，根据跟踪误差以及设定的输入学习增益和分数阶数来修正机械臂系统的系统输入，进而求取机械臂系统的实际运动轨迹，返回步骤3。

摘要： 本发明涉及一种基于迭代学习P型学习律的FAST整网控制方法，属于智能化天线控制领域。本发明基于P型学习律的迭代学习理论应用方法，首次将迭代学习应用于天线的控制使其更加智能化在天线控制领域，通过整网控制策略解决了FAST反射面整网变形控制方法存在的不足，提高了整个FAST系统的使用寿命和观测灵敏度。

摘要： 本发明提供一种目标数据迁移迭代学习方法及目标数据迁移迭代学习系统。目标数据迁移迭代学习方法包括源视图及目标视图获取、源视图分割训练、目标视图识别分割标注、目标视图分割训练、目标视图分割标注更新、第一卷积神经网络模型迭代训练以及第二卷积神经网络模型迭代训练等步骤。本发明实现了从单视图分割标签得到多视图分割标签的迁移，并且采用相互交替学习的方式，进一步提升了分割标签的准确性，可以使分割结果更加连续和光滑。

摘要： 本申请公开了一种基于机器学习的非重复性时变系统迭代学习控制方法，属于机器学习这一技术领域。非重复性时变系统的标称模型在每个试验中通过机器学习得到更新；在当前试验结束后，算法对整个系统的状态进行初始化，并为下一次试验作准备；在整个初始化阶段里的同时，运用机器学习获得一个能够描述当前状态下非重复性时变系统的最优标称模型。采用本申请的基于机器学习的非重复性时变系统迭代学习控制方法，能够有效的解决用于辨识时变系统模型的线性回归问题。

摘要： 本发明公开了一种具有初态学习的机械臂分数阶迭代学习控制方法及系统，其中，该方法包括步骤1：建立机械臂系统的动力学模型，预设机械臂系统的期望运动轨迹；步骤2：初始化机械臂系统的状态量的初态以及系统输入，根据机械臂系统的动力学模型，求取机械臂系统的实际运动轨迹；步骤3：计算并判断实际运动轨迹与期望运动轨迹两者的跟踪误差是否为零，若跟踪误差为零，则实际运动轨迹与期望运动轨迹重合，结束；否则，进入下一步；步骤4：根据跟踪误差的初态及设定的初态学习增益来修正机械臂系统的状态量的初态，根据跟踪误差以及设定的输入学习增益和分数阶数来修正机械臂系统的系统输入，进而求取机械臂系统的实际运动轨迹，返回步骤3。

摘要： 本发明涉及一种基于迭代学习P型学习律的FAST整网控制方法，属于智能化天线控制领域。本发明基于P型学习律的迭代学习理论应用方法，首次将迭代学习应用于天线的控制使其更加智能化在天线控制领域，通过整网控制策略解决了FAST反射面整网变形控制方法存在的不足，提高了整个FAST系统的使用寿命和观测灵敏度。