针对经典卡尔曼滤波器要求组合导航系统的动态模型和观测模型的噪声统计特性已知,而组合导航系统的噪声具有非先验性的问题,利用超闭球小脑神经网络(Hyperball Cerebellar Model Articulation Controller,HCMAC)良好的非线性逼近能力、...针对经典卡尔曼滤波器要求组合导航系统的动态模型和观测模型的噪声统计特性已知,而组合导航系统的噪声具有非先验性的问题,利用超闭球小脑神经网络(Hyperball Cerebellar Model Articulation Controller,HCMAC)良好的非线性逼近能力、泛化能力和自学习能力,设计HCMAC辅助卡尔曼滤波器,并应用于组合导航系统。仿真试验结果表明,该辅助算法与经典卡尔曼滤波算法相比较,精度提高了2倍,收敛时间缩短近200s,且有效地克服了传统神经网络学习速度慢、泛化能力弱的缺点,使系统具有自适应能力以应付动态环境的扰动,增强了组合导航系统的鲁棒性。展开更多
静态的热环境易造成人体热适应能力降低,对健康不利。动态的热环境与自然环境相似更有利于用户的健康。提出一种基于用户学习的智能动态热舒适控制系统,在该系统中采用PMV(Predicted Mean Vote)作为控制目标,为了满足不同用户的需要提...静态的热环境易造成人体热适应能力降低,对健康不利。动态的热环境与自然环境相似更有利于用户的健康。提出一种基于用户学习的智能动态热舒适控制系统,在该系统中采用PMV(Predicted Mean Vote)作为控制目标,为了满足不同用户的需要提出个人热舒适区模糊学习算法,可根据个人偏好在线修改个人热舒适区;在计算实验的基础上提出动态热舒适控制策略,动态热舒适区包括舒适区和节能区,在动态热舒适控制中舒适区和节能区周期性交替变化。实验结果表明,该方法即满足用户的热舒适性需求,与静态热舒适控制相比节能效果明显,且对用户的健康有利。展开更多
单一的室内环境温度作为被控变量的控制系统,难以满足人们对室内环境舒适性以及节能的要求。开发了基于TinyOS操作系统的无线热舒适度测量系统,无线传感网络节点组成多跳网络,用以采集温湿度等室内环境参数,并实时计算热舒适度PMV(Predi...单一的室内环境温度作为被控变量的控制系统,难以满足人们对室内环境舒适性以及节能的要求。开发了基于TinyOS操作系统的无线热舒适度测量系统,无线传感网络节点组成多跳网络,用以采集温湿度等室内环境参数,并实时计算热舒适度PMV(Predicted Mean Vote)指标值。分析了测量误差产生的主要原因,并利用超闭球CMAC(Hyperball CMAC,HCMAC)神经网络进行了误差补偿,实验结果表明,补偿后的PMV精度得到了明显的改善。该系统可为热环境舒适度实时控制提供便捷的无线数据采集和有效的PMV指标测量方法。展开更多
文摘针对经典卡尔曼滤波器要求组合导航系统的动态模型和观测模型的噪声统计特性已知,而组合导航系统的噪声具有非先验性的问题,利用超闭球小脑神经网络(Hyperball Cerebellar Model Articulation Controller,HCMAC)良好的非线性逼近能力、泛化能力和自学习能力,设计HCMAC辅助卡尔曼滤波器,并应用于组合导航系统。仿真试验结果表明,该辅助算法与经典卡尔曼滤波算法相比较,精度提高了2倍,收敛时间缩短近200s,且有效地克服了传统神经网络学习速度慢、泛化能力弱的缺点,使系统具有自适应能力以应付动态环境的扰动,增强了组合导航系统的鲁棒性。
文摘静态的热环境易造成人体热适应能力降低,对健康不利。动态的热环境与自然环境相似更有利于用户的健康。提出一种基于用户学习的智能动态热舒适控制系统,在该系统中采用PMV(Predicted Mean Vote)作为控制目标,为了满足不同用户的需要提出个人热舒适区模糊学习算法,可根据个人偏好在线修改个人热舒适区;在计算实验的基础上提出动态热舒适控制策略,动态热舒适区包括舒适区和节能区,在动态热舒适控制中舒适区和节能区周期性交替变化。实验结果表明,该方法即满足用户的热舒适性需求,与静态热舒适控制相比节能效果明显,且对用户的健康有利。
文摘单一的室内环境温度作为被控变量的控制系统,难以满足人们对室内环境舒适性以及节能的要求。开发了基于TinyOS操作系统的无线热舒适度测量系统,无线传感网络节点组成多跳网络,用以采集温湿度等室内环境参数,并实时计算热舒适度PMV(Predicted Mean Vote)指标值。分析了测量误差产生的主要原因,并利用超闭球CMAC(Hyperball CMAC,HCMAC)神经网络进行了误差补偿,实验结果表明,补偿后的PMV精度得到了明显的改善。该系统可为热环境舒适度实时控制提供便捷的无线数据采集和有效的PMV指标测量方法。
