搜索结果: 1-4 共查到“控制科学与技术 智能预测”相关记录4条 . 查询时间(0.184 秒)
中国科学院自动化研究所与多家医院合作开展多中心“影像组学预测直肠癌术后远端转移”的临床研究工作,构建了基于多模态磁共振成像的影像组学智能预测模型。该模型能够辅助医生判断局部进展期直肠癌患者术后出现远端转移的风险,从而筛选适合接受术后辅助化疗的患者。
针对电加热炉难以建立精确模型的问题,提出采用BP神经网络与粒子群优化(PSO)相结合的算法对电加热炉的温度变化进行辨识,并建立系统模型。在建立系统模型的基础上,对温度变化趋势进行了预测。试验结果显示,与BP神经网络算法相比,粒子群优化BP神经网络算法所得到的预测值有效时间范围延长了60%;在相同有效的预测时间内,预测值精度提高了43%。
油料输送温度的智能预测控制
自适应粒子群优化算法 变参数PID 控制方法
2009/7/6
针对油料加热输送过程中具有大时滞非线性特点的流动加热控制问题,提出了一种智能预测控制方法。该方法采用自适应粒子群优化算法(APSO)辨识和优化预测模型及控制器的PID控制参数,克服油料流动加热控制模型的失配及系统的不确定性。通过对已知模型的仿真,以及与自整定PID控制的比较表明,该方法具有较好的控制效果。
面向未知环境基于智能预测的模糊控制器研究
2007/12/13
Abstract提出了一种新的面向未知环境的智能预测算法,并将此算法应用于机器人力跟踪控制中.该方法利用机械手末端与未知受限环境产生的接触轨迹,通过模糊推理智能地预测阻抗控制模型中的参考轨迹,并根据力误差变化用参考比例因子对其进行调节,以适应未知环境刚度的变化.通过对阻抗模型参数进行模糊调节减少受限运动中的力误差,提高了全局的力控制效果.仿真结果证明了此算法的有效性.