-
公开(公告)号：CN115252871B
公开(公告)日：2023-10-03
申请号：CN202210713934.4
申请日：2022-06-22
Abstract: 一种可应用于医用伤口敷料的载药超亲水/超疏水Janus纳米纤维膜及其制备方法，它属于功能性医用敷料的制备技术领域。本发明解决现有CS/PVA纳米纤维膜固有的亲水性不可避免地导致在敷料与伤口之间的界面上保留过多的生物流体，无法有效抑制伤口处细菌滋生的问题。载药超亲水/超疏水Janus纳米纤维膜，它依次由载药层、过渡层及PVDF/SiO2涂层组成；制备方法：一、CIP/ATX/CS/PVA纳米纤维膜制备；二、过渡层制备；三、PVDF/SiO2涂层制备；四、等离子体处理。本发明可应用于医用伤口敷料的载药超亲水/超疏水Janus纳米纤维膜及其制备。
-
公开(公告)号：CN115252871A
公开(公告)日：2022-11-01
申请号：CN202210713934.4
申请日：2022-06-22
Abstract: 一种可应用于医用伤口敷料的载药超亲水/超疏水Janus纳米纤维膜及其制备方法，它属于功能性医用敷料的制备技术领域。本发明解决现有CS/PVA纳米纤维膜固有的亲水性不可避免地导致在敷料与伤口之间的界面上保留过多的生物流体，无法有效抑制伤口处细菌滋生的问题。载药超亲水/超疏水Janus纳米纤维膜，它依次由载药层、过渡层及PVDF/SiO2涂层组成；制备方法：一、CIP/ATX/CS/PVA纳米纤维膜制备；二、过渡层制备；三、PVDF/SiO2涂层制备；四、等离子体处理。本发明可应用于医用伤口敷料的载药超亲水/超疏水Janus纳米纤维膜及其制备。
-
公开(公告)号：CN113325717B
公开(公告)日：2022-01-28
申请号：CN202110647906.2
申请日：2021-06-10
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 本发明公开一种基于互联大规模系统的最优容错控制方法，本发明研究了一种大规模互联系统。其中每个子系统的模型是严格反馈的形式，系统的状态是可测的，并且系统中的控制输入增益函数是已知的。各个系统之间的互联项是未知的，部分模型动态也是未知的。考虑执行器故障，并对系统中常出现的几种故障，例如失效故障和卡死故障进行建模。其次，利用反步技术设计每个状态的参考信号。最后，利用自适应动态规划技术和改进的神经网络技术设计出关于含有故障的大规模互联系统的最优容错控制方案。
-
-
公开(公告)号：CN113359452A
公开(公告)日：2021-09-07
申请号：CN202110647891.X
申请日：2021-06-10
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 本发明公开一种基于Barzilai Borwein智能学习算法的控制器设计方法，包括以下步骤：S1.利用神经网络构建控制器，针对某一形式的非线性离散系统，设计一代价函数，然后根据神经网络技术设计此代价函数下最优控制器；S2.利用Barzilai Borwein算法在线更新神经网络的参数ηw，ηb和ηc，S3.通过仿真验证所提方法的有效性。本发明基于不依赖系统数学模型的智能控制跟踪算法。此算法利用神经网络构造系统的控制器。鉴于神经网络的参数，例如：宽度，中心值和学习速率会影响神经网络的逼近效果，本发明提出一种在线自动调节参数的算法。整个控制器方案的实现只需要系统的状态可测量，不需要被控对象的精确数学模型，也不需要手动进行控制器参数整定。
-
Patent Agency Ranking
公开(公告)号：CN111474922A
公开(公告)日：2020-07-31
申请号：CN202010381568.8
申请日：2020-05-08
Applicant: 哈尔滨工业大学
IPC: G05B23/02
Abstract: 本发明提供了一种连续非线性系统的控制器构建方法，包括以下步骤，步骤A：建立非线性系统模型，确定系统状态变量{xi|i∈[1,I]}，初始化i＝1；步骤B：对状态变量xi，求解系统的跟踪误差zi；步骤C：将状态矢量 输入RBF神经网络，基于梯度下降法更新RBF神经网络的权值；步骤D：构造李雅普诺夫函数Vi，并根据李雅普诺夫稳定性定理设计使系统运行稳定的虚拟控制器αi；步骤E：如果i＜I，则输出控制器αi，令i＝i+1，返回步骤B，否则输出控制器v(t)。本发明的优点在于：综合考虑系统可能受到的内外部影响及执行器限制，基于RBF神经网络设计容错控制器，重构神经网络的逼近误差，实现了基于梯度下降法的神经网络权值更新，提高了神经网络的故障估计能力，使控制器的容错控制性能更优。
-
公开(公告)号：CN113325718A
公开(公告)日：2021-08-31
申请号：CN202110648719.6
申请日：2021-06-10
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 本发明提供一种考虑跟踪误差约束的最优跟踪控制方法，包括以下步骤：步骤1.建立大规模系统的数学模型；步骤2.把含有约束的跟踪误差转化为没有约束的误差；步骤3.利用转换后的误差设计性能指标并利用自适应动态规划技术设计最优跟踪控制器；步骤4.利用互联倒立摆系统仿真验证所提方法的有效性。本发明在考虑跟踪误差约束下设计了最优跟踪控制器；简化了关于大规模互联系统的最优跟踪控制器方案的设计。
-
公开(公告)号：CN111474922B
公开(公告)日：2021-07-16
申请号：CN202010381568.8
申请日：2020-05-08
Applicant: 哈尔滨工业大学
IPC: G05B23/02
Abstract: 本发明提供了一种连续非线性系统的控制器构建方法，包括以下步骤，步骤A：建立非线性系统模型，确定系统状态变量{xi|i∈[1,I]}，初始化i＝1；步骤B：对状态变量xi，求解系统的跟踪误差zi；步骤C：将状态矢量输入RBF神经网络，基于梯度下降法更新RBF神经网络的权值；步骤D：构造李雅普诺夫函数Vi，并根据李雅普诺夫稳定性定理设计使系统运行稳定的虚拟控制器αi；步骤E：如果i＜I，则输出控制器αi，令i＝i+1，返回步骤B，否则输出控制器v(t)。本发明的优点在于：综合考虑系统可能受到的内外部影响及执行器限制，基于RBF神经网络设计容错控制器，重构神经网络的逼近误差，实现了基于梯度下降法的神经网络权值更新，提高了神经网络的故障估计能力，使控制器的容错控制性能更优。
-
公开(公告)号：CN113359452B
公开(公告)日：2022-03-11
申请号：CN202110647891.X
申请日：2021-06-10
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 本发明公开一种基于Barzilai Borwein智能学习算法的控制器设计方法，包括以下步骤：S1.利用神经网络构建控制器，针对某一形式的非线性离散系统，设计一代价函数，然后根据神经网络技术设计此代价函数下最优控制器；S2.利用Barzilai Borwein算法在线更新神经网络的参数ηw，ηb和ηc，S3.通过仿真验证所提方法的有效性。本发明基于不依赖系统数学模型的智能控制跟踪算法。此算法利用神经网络构造系统的控制器。鉴于神经网络的参数，例如：宽度，中心值和学习速率会影响神经网络的逼近效果，本发明提出一种在线自动调节参数的算法。整个控制器方案的实现只需要系统的状态可测量，不需要被控对象的精确数学模型，也不需要手动进行控制器参数整定。
-
公开(公告)号：CN111522241B
公开(公告)日：2020-12-29
申请号：CN202010381563.5
申请日：2020-05-08
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于固定时间观测器的主动容错控制方法及装置，应用于旋翼式飞行器容错控制，所述方法包括：建立旋翼式飞行器姿态控制系统的数学模型；根据旋翼式飞行器姿态控制系统的数学模型建立固定时间滑模观测器；根据旋翼式飞行器姿态控制系统的数学模型以及固定时间滑模观测器建立容错控制器；利用容错控制器对旋翼式飞行器进行控制；本发明的优点在于：系统稳定性较强，建模误差小。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.021 seconds)
