王立
- 作品数：8 被引量：19H指数：3
- 供职机构：华南理工大学自动化科学与工程学院更多>>
- 发文基金：国家自然科学基金广东省科技攻关计划广东省自然科学基金更多>>
- 相关领域：自动化与计算机技术理学电气工程机械工程更多>>
- 线性时滞中立型控制系统的滑动模补偿器方法被引量：6
- 1996年
- 利用变结构控制理论，提出了线性不确定系数时滞中立型控制系统的一种新方法─—滑动模补偿器法。即当系统具有不确定系数时，引进一个滑动模补偿器，实现了完全的模型跟踪，从而克服了用常规方法确定滑动曲面时所遇到的若干困难。为说明此法的设计技巧，给出了一个数值仿真例子。
- 高存臣王立刘永清
- 关键词：变结构控制系统
- 一种基于Boosting的在线回归算法被引量：1
- 2008年
- 针对实时数据的在线处理问题,提出了一种基于Boosting的在线回归算法,通过对学习机适宜度置信区间的定义,建立了对概念漂移的实时判断方法,利用最新流入的数据块,及时对集成算法中的个体学习机进行逐一迭代更新,从而起到在线学习的效果。通过对标准数据库的数据建立仿真模型,验证这种在线回归算法可以与离线Boosting回归算法达到相似的精度,同时占用较少的存储记忆单元,提高学习速度,能够对学习机参数进行及时调整;该算法还可引入到工业生产中,对生产数据起到实时监控的作用。
- 王立朱学峰
- 关键词：概念漂移
- 基于模糊聚类的多神经网络在短期电力负荷预测中的应用被引量：7
- 2007年
- 根据城市短期电力负荷所呈现出的趋势性和一定的周期性,本文提出了模糊聚类和多个神经网络相结合的负荷预测方法,即首先根据一定长度时间段负荷的变化趋势相似性,将众多相同时间段长度的样本聚类,再用不同的神经网络对每个类别的数据样本进行学习,最后将待测数据所属时间段判定类别后用相应的神经网络进行预测。文中采用某市电力负荷实测数据进行了建模和计算,通过与普通的单一人工神经网络方法的比较,证明该方法具有预测平均绝对误差小、训练速度快、推广能力好的优点,有潜在的应用价值。
- 王立朱学峰
- 关键词：神经网络负荷预测
- 一种基于迭代Bagging的回归算法被引量：4
- 2009年
- 在集成算法中,Bagging算法能够在回归预测中有效地减少方差,但在减少偏置方面却没有明显的效果。针对这一问题,提出一种迭代Bagging回归算法,在每个独立阶段的学习中通过Bagging算法和个体学习机初始权值的随机化设置来减小方差;同时,又通过减小方差后的回归残差进行多个阶段的迭代计算,并将各阶段结果叠加,在减小方差的同时达到偏置的减小,从而使得泛化误差更大程度的减小,得到更精确的预测结果。通过对标准数据集和实际数据的仿真实验证明,此方法可以达到比单纯Bagging算法更好的回归预测效果。
- 王立朱学峰
- 关键词：迭代偏置BAGGING
- 基于新型进化规划的异构神经网络集成算法
- 2009年
- 为了进一步提高集成算法的泛化性能,增强个体网络生成过程的客观性,提出一种基于新型进化规划的异构神经网络集成算法.该算法首先利用改进的进化规划生成多个异构的最优网络,然后对异构网络进行组合求解.仿真实验表明,文中算法能够克服传统集成算法中成员网络结构固定、缺乏个体精度的缺点,具有比传统集成算法更好的泛化性能和更少的随机不确定因素.
- 王立朱学峰
- 关键词：进化规划神经网络集成泛化性能
- 单柔性臂机器人的神经模糊控制策略（英文）
- 1996年
- 利用神经网络的非线性拟合、自学习及其记忆能力来实现模糊逻辑控制系统中的模糊推理和决策，从而完成对一非线性的分布参数系统一柔性臂机械手进行位置控制，并给出实验及仿真结果，与一般方法进行比较，本方法有一定的进步。
- 王立刘永清
- 关键词：柔性臂机器人位置控制模糊逻辑控制
- 滞后中立型关联控制系统的滑动模变结构控制
- 1998年
- 本文设计了滞后中立型非线性关联控制系统的滑动曲面和分散滑动模控制器，每个子系统的控制器仅用到其局部状态信息．在滑动曲面和分散滑动模控制器可实现的条件下，在子系统中由Riccati方程的描述得到了可实现滑动模控制器的一个充分条件．该条件等价于由分散状态反馈镇定的条件．从而，本文的结果比以前的工作更合适，且可实现减少设计的保守性．
- 王立高存臣刘永清
- 关键词：滞后中立型变结构控制
- 基于模糊逻辑的多连杆柔性机器人连续滑动模控制被引量：1
- 1998年
- 采用滑动模控制原理，设计了一个基于模糊逻辑的连续滑动模控制器，对多连杆柔性机器人控制进行抛物线轨迹跟踪控制，并采用ＰＩＤ方法，使得系统镇定，仿真结果表明，本文设计的控制器对输入干扰及柔性机器人模型的不确定性及负载的变化都有良好的鲁棒性，并且良好的动态特性，克服了滑动模控制器所固有的抖动问题。
- 王立徐建闽
- 关键词：柔性机器人模糊控制鲁棒性滑动模控制机器人
