-
公开(公告)号：CN119036434A
公开(公告)日：2024-11-29
申请号：CN202311771465.2
申请日：2023-12-21
Applicant: 南通大学
IPC: B25J9/16
Abstract: 本发明提供了一种基于未知输入滑模观测器的故障估计和容错控制方法，属于柔性机械臂容错控制技术领域。解决了柔性机械臂系统在面临系统状态未知、执行器故障和传感器故障情况下不能稳定运行的技术问题。其技术方案为：包括如下步骤：S1、建立Takagi‑Sugeno模糊模型；S2、设定传感器故障类型，建立增广系统；S3、开发未知输入滑模观测器，获取动态误差系统；S4、对故障和未知状态的准确估计与重构；S5、开发SMC测策略，使柔性机械臂系统在发生故障时保持稳定运行。本发明的有益效果为：本发明能够同时对故障和未知的系统状态进行估计与重构，并能在面对不可预测的传感器故障和执行器故障时使系统恢复性能。
-
公开(公告)号：CN118906058A
公开(公告)日：2024-11-08
申请号：CN202411156581.8
申请日：2024-08-22
Applicant: 南通大学
IPC: B25J9/16
Abstract: 本发明提供了一种输入受限果蔬采摘机械臂双固定时间二阶滑模控制方法，属于农业机器人技术领域。解决了果蔬采摘机器臂系统存在的输入饱和与不确定性的技术问题。其技术方案为：步骤1、定义机械臂末端执行器的期望运动轨迹；步骤2、建立输入受限果蔬采摘机械臂动力学模型；步骤3、设计固定时间扰动观测器；步骤4、设计固定时间收敛辅助系统以补偿输入饱和；步骤5、定义基于固定时间扰动观测器估计值与固定时间收敛辅助系统状态量的滑模面，设计输入受限果蔬采摘机械臂双固定时间二阶滑模控制方法；步骤6、进行仿真和样机实验研究。本发明的有益效果为：实现了输入受限果蔬采摘机械臂系统的高精度抗饱和控制，提高了果蔬采摘效率。
-
公开(公告)号：CN119396084A
公开(公告)日：2025-02-07
申请号：CN202411489721.3
申请日：2024-10-24
Applicant: 南通大学
IPC: G05B19/408
Abstract: 本发明提供了一种复杂环境下多重复任务并联机器人的增强学习控制方法，属于机器人应用技术领域。解决了复杂环境中多重复任务并联机器人控制精度不足和自适应能力弱的技术问题。其技术方案为：包括以下步骤：步骤1，建立动力学模型；步骤2，分析和更新摩擦补偿策略，设计模型参考自适应控制方法动态调整摩擦补偿策略；步骤3，设计强化力跟踪控制器；步骤4，融合深度Q网络与模型参考自适应控制方法；步骤5，搭建具有动态变化的真实复杂环境。本发明的有益效果为：本发明通过动态调整控制策略，系统能够自适应不同的操作条件和环境变化，提高了系统的鲁棒性和稳定性。
-
公开(公告)号：CN117103272A
公开(公告)日：2023-11-24
申请号：CN202311186364.9
申请日：2023-09-14
Applicant: 南通大学
IPC: B25J9/16
Abstract: 本发明提供了一种多形态障碍物整理机械臂的平推和多自由度抓取控制方法，属于机器人技术应用技术领域。解决了复杂环境下不规则形状物体难以准确抓取的技术问题。其技术方案为：步骤1，模拟真实场景中的复杂性和挑战性；步骤2，通过自我监督训练，在搭建好的仿真环境中使用Q‑learning框架训练两个独立的深度神经网络；步骤3，基于所述步骤2，系统在训练过程中根据奖励函数和环境反馈；步骤4，在仿真环境中将该系统与先进的抓取方法Visual Pushing for Grasping进行比较；步骤5，搭建真实的多障碍物杂乱场景。本发明的有益效果为：利用协同推送和扩展抓取动作空间，能够有效地完成杂乱桌面的清理任务。
-
公开(公告)号：CN118133892B
公开(公告)日：2025-02-18
申请号：CN202410299772.3
申请日：2024-03-15
Applicant: 南通大学
IPC: G06N3/0455 , G06F18/213 , G06F17/13 , G06N3/0442 , G06N7/01
Abstract: 本发明提供了一种基于自注意力和神经微分方程的故障检测方法及系统，属于数据分析和机器学习技术领域。解决了动态复杂系统中高效识别和检测微小故障的技术问题。其技术方案为：包括以下步骤：1)采用四分位数间距IQR方法对收集到的序列数据进行预处理，以识别和剔除异常值；2)捕获序列数据中的长距离依赖关系；3)构建神经常微分方程模型对提取的特征进行分析；4)基于贝叶斯统计模型进行参数搜索过程，寻求最优参数组合。本发明的有益效果为：本发明动态复杂系统存在的微小故障提供了一种新颖、准确和高效的检测技术方案。
-
Patent Agency Ranking
公开(公告)号：CN118131623A
公开(公告)日：2024-06-04
申请号：CN202410202732.2
申请日：2024-02-23
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明提供了一种工业混联机器人全局固定时间类反步二阶滑模控制方法，属于工业混联机器人技术领域。解决了工业混联机器人系统存在的建模误差、工业环境干扰等不确定性的技术问题。其技术方案为：步骤1，定义其末端执行器的期望运动轨迹；步骤2，建立考虑建模误差、工业环境干扰项的工业混联机器人动力学模型；步骤3，进行准确估计并补偿；步骤4，设计工业混联机器人全局固定时间类反步二阶滑模控制方法；步骤5，通过软件编程及硬件实验平台，实现该工业混联机器人全局固定时间类反步二阶滑模控制。本发明的有益效果为：本发明以实现对系统误差最小收敛时间上界的精确估计，避免对系统收敛时间的过度估计。
-
公开(公告)号：CN117103272B
公开(公告)日：2024-03-15
申请号：CN202311186364.9
申请日：2023-09-14
Applicant: 南通大学
IPC: B25J9/16
Abstract: 本发明提供了一种多形态障碍物整理机械臂的平推和多自由度抓取控制方法，属于机器人技术应用技术领域。解决了复杂环境下不规则形状物体难以准确抓取的技术问题。其技术方案为：步骤1，模拟真实场景中的复杂性和挑战性；步骤2，通过自我监督训练，在搭建好的仿真环境中使用Q‑learning框架训练两个独立的深度神经网络；步骤3，基于所述步骤2，系统在训练过程中根据奖励函数和环境反馈；步骤4，在仿真环境中将该系统与先进的抓取方法Visual Pushing for Grasping进行比较；步骤5，搭建真实的多障碍物杂乱场景。本发明的有益效果为：利用协同推送和扩展抓取动作空间，能够有效地完成杂乱桌面的清理任务。
-
公开(公告)号：CN118708876B
公开(公告)日：2025-04-29
申请号：CN202410696386.8
申请日：2024-05-31
Applicant: 南通大学
IPC: G06F18/10 , G06F18/2135 , G06F18/214 , G06F18/2413 , G06F17/14 , G06F17/16
Abstract: 本发明提供了一种基于小波变换的时空混合模型早期故障检测方法，属于统计分析和机器学习技术领域。解决了复杂动态系统中微小故障难以实时检测的问题。其技术方案为：包括以下步骤：1)进行多级分解和去噪处理；2)建立训练数据集和测试数据集的主成分子空间；3)计算每个时间窗口内的时间维度和空间维度的近邻样本集；4)分别利用累积和算法CUSUM和马氏距离MD计算时间维度和空间维度的统计量；5)得到时间和空间序列的基础权重；6)使用核密度估计KDE方法估计混合统计量的阈值上限，以判定是否发生故障。本发明的有益效果为：本发明用于高度动态和复杂系统中微小故障的实时检测和分析。
-
公开(公告)号：CN118131628A
公开(公告)日：2024-06-04
申请号：CN202410278022.8
申请日：2024-03-12
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明提供了一一种基于多目标点信息融合的移动机器人跟踪控制方法，属于智能车自动驾驶技术领域。解决了传统轨迹跟踪方法建模精度低的技术问题。其技术方案为：包括以下步骤：S1、基于移动机器人的运动学模型对强化学习的动作空间进行建模，对移动机器人转向空间的精确建模；S2、设计了融合多目标点信息的奖励函数；S3、在Q‑learning框架下，利用在线强化学习方法对Bellman最优方程进行求解；S4、设计了移动机器人最优轨迹跟踪控制策略，在仿真环境进行算法仿真和数据对比，验证所提出算法的优越性及其可行性。本发明的有益效果为：提高了强化学习算法的计算效率,提升了移动机器人轨迹跟踪控制的精度。
-
公开(公告)号：CN118131628B
公开(公告)日：2024-12-03
申请号：CN202410278022.8
申请日：2024-03-12
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明提供了一一种基于多目标点信息融合的移动机器人跟踪控制方法，属于智能车自动驾驶技术领域。解决了传统轨迹跟踪方法建模精度低的技术问题。其技术方案为：包括以下步骤：S1、基于移动机器人的运动学模型对强化学习的动作空间进行建模，对移动机器人转向空间的精确建模；S2、设计了融合多目标点信息的奖励函数；S3、在Q‑learning框架下，利用在线强化学习方法对Bellman最优方程进行求解；S4、设计了移动机器人最优轨迹跟踪控制策略，在仿真环境进行算法仿真和数据对比，验证所提出算法的优越性及其可行性。本发明的有益效果为：提高了强化学习算法的计算效率,提升了移动机器人轨迹跟踪控制的精度。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.019 seconds)
