LEARNING
基于多目标贝叶斯优化的工业驱动器自主调试方法
David Petrovic, Gian Antonio Susto, Angelo Cenedese
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出了一种无需系统模型或固件修改的全自动工业驱动器电流环调试方法，通过贝叶斯优化直接在实际硬件上进行黑箱优化。该方法将调试问题转化为多目标优化任务，在真实电机驱动系统上验证了与手动调试相当的性能。
关键词
Bayesian optimizationindustrial drivesauto-tuningmulti-objectivecontrol loops
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018