一种基于改进神经图灵机的频率相关迟滞建模方法

    公开(公告)号:CN113821980B

    公开(公告)日:2024-02-27

    申请号:CN202111168883.3

    申请日:2021-10-08

    Applicant: 南开大学

    Abstract: 一种基于改进神经图灵机的频率相关迟滞建模方法。本发明充分考虑压电驱动器固有迟滞效应的复杂特性,参照神经图灵机的框架,设计包含频率模块、非线性模块和内存模块三个模块的迟滞模型;通过反向传播神经网络构造频率模块,建立电压频率与迟滞面积的关系,从而模拟迟滞的频率相关性;非线性模块通过设计极限学习机和反向传播神经网络的串联结构,建立输入电压和输出位移之间的关系,用来模拟迟滞非线性;内存模块根据预先设计的计算和存储规则进行读写操作,将记忆特性引入到模型中。实验验证了所述模型具有较高的精度和较强的泛化能力,能够准确模拟迟滞效应。

    一种自主飞行的航空器的控制系统及其方法

    公开(公告)号:CN117452859A

    公开(公告)日:2024-01-26

    申请号:CN202311554086.8

    申请日:2023-11-21

    Applicant: 南开大学

    Inventor: 方勇纯 李洪名

    Abstract: 本发明公开一种自主飞行的航空器的控制系统及其方法,所述控制系统包括信号收集单元、核心控制单元、伺服执行机构、通讯中转站、地面数传中心和压控驱动模块;所述核心控制单元包括决策中心、计算中心、主回路;核心控制单元对数据进行计算、分析与决策,并向伺服机构发送控制命令,通过这种自主分析决策过程,实现航空器飞行的自主飞行;计算中心、主回路通过反控制器实现对航空器的飞行控制,并输出控制目标值;本发明通过通讯中转站与地面数传中心对航空器的信号采集,能够做到在地面的实时监控,同时,本发明能够实现航空器自主决策控制飞行,又可以及时发现航空器飞行的突发情况,通过地面传达指令,及时控制并改变航空器的飞行方;安全性强,且保证了航空器的自主飞行能力。

    一种融合捆集调整的紧耦合激光惯导里程计与建图方法

    公开(公告)号:CN117367412A

    公开(公告)日:2024-01-09

    申请号:CN202311667140.X

    申请日:2023-12-07

    Applicant: 南开大学

    Abstract: 本发明提出了一种融合捆集调整的紧耦合激光惯导里程计与建图方法,通过提取激光点云平面和边缘特征,优化激光雷达里程计与IMU预积分因子,实时更新包括位姿、速度和偏置在内的状态量,实现紧耦合激光惯导里程计,结合本发明提出的利用IMU辅助的自适应体素地图初始化方法,能够在移动机器人实时定位和建图过程中,通过紧耦合多源传感器数据输入,利用高效的后端激光雷达点云BA优化(Bundle Adjustment,捆集调整)策略,提高了机器人定位与建图精度,增强了结构特征缺失和快速运动情形下的鲁棒性。

    一种自重构波状爬行机器人及其控制系统

    公开(公告)号:CN116353730A

    公开(公告)日:2023-06-30

    申请号:CN202310239856.3

    申请日:2023-03-13

    Applicant: 南开大学

    Abstract: 本发明公开了一种自重构波状爬行机器人及其控制系统,涉及自重构机器人技术领域。自重构波状爬行机器人包括若干波状爬行机构、串联连接机构和并联连接机构;波状爬行机构包括电机、齿轮组、螺旋杆、链杆、螺旋杆座和电机座;电机的输出轴与齿轮组最上方的齿轮连接,螺旋杆的一端穿过电机座的轴承与齿轮组最下方的齿轮连接,另一端与螺旋杆座的轴承连接;链杆通过轴销依次连接,套于螺旋杆上方;若干自重构波状爬行机器人通过串联连接机构进行串联连接,通过并联连接机构进行并联连接。本发明能够根据任务和环境的变化,依靠控制方法、控制系统和所设计的串/并联连接方式自动地组装,从而使机器人具备自重构的能力以应对复杂困难的任务。

    基于雾网络的建图定位方法及装置
    155.
    发明公开

    公开(公告)号:CN116045962A

    公开(公告)日:2023-05-02

    申请号:CN202211721959.5

    申请日:2022-12-30

    Applicant: 南开大学

    Abstract: 本发明涉及数据处理领域,公开了一种基于雾网络的建图定位方法及装置,用于提高建图定位时的准确率。该方法包括:控制多个地面机器人对目标区域进行环境信息采集,得到环境信息集合,通过环境信息集合生成多个地图构建子任务;对多个地面机器人进行任务分配,得到任务分配结果;基于任务分配结果控制多个地面机器人进行子地图构建,生成多个子地图,通过多个子地图生成初始全局地图;控制无人机对目标区域进行点云数据采集,得到点云数据集合;对点云数据集合进行三维地图映射,得到三维点云地图;对三维点云地图及初始全局地图进行地图融合,生成目标导航地图;通过目标导航地图对待定位机器人进行定位,确定目标定位数据。

    基于惯性网络的姿态估计方法及系统

    公开(公告)号:CN115900706A

    公开(公告)日:2023-04-04

    申请号:CN202310006366.9

    申请日:2023-01-04

    Applicant: 南开大学

    Abstract: 本发明涉及惯性导航领域,公开了一种基于惯性网络的姿态估计方法及系统,用于提高对目标载体进行姿态估计时的准确率,包括:对目标载体进行测量点位分析,确定多个惯性节点;通过多个惯性节点进行测量网络构建,确定对应的分布式惯性测量网络;基于分布式惯性测量网络对多个惯性节点进行位姿数据采集,得到与每一惯性节点对应的位姿数据;对与每一惯性节点对应的位姿数据进行误差补偿处理,得到目标位姿数据集合;对目标位姿数据集合进行信息融合处理,得到与目标载体对应的姿态估计结果。

    一种飞行吊运负载移动平台降落控制方法及系统

    公开(公告)号:CN115167145A

    公开(公告)日:2022-10-11

    申请号:CN202210944886.X

    申请日:2022-08-08

    Applicant: 南开大学

    Abstract: 本发明属于机电系统控制领域,提供了一种飞行吊运负载移动平台降落控制方法及系统,该系统属于无人操作系统,控制方法属于机电系统控制领域。该系统由飞行吊运系统与移动平台构成,其中飞行吊运系统为绳长可自主调节的空中运输系统,移动平台为各类地面移动车辆与水面移动船舶。由于实际运输中系统阻力系数未知,并且运送过程负载的摆动也会对降落产生影响。因此,在考虑以上问题的同时,针对该平台设计了未知阻力系数自适应更新律及相应跟踪控制方法,保证了飞行吊运负载的移动平台精准降落。实验结果表明,所提方法能够有效的抑制负载的摆动,并且能够保证负载的精准投放。

    基于显微视觉改进自适应控制的显微注射系统精准抽取与注射方法

    公开(公告)号:CN111172196B

    公开(公告)日:2022-07-05

    申请号:CN202010019969.9

    申请日:2020-01-09

    Applicant: 南开大学

    Abstract: 基于显微视觉改进自适应控制的显微注射系统精准抽取与注射方法。该方法首先考虑了系统中包括图像算法、空气泵、被操作细胞、操纵微针在内的各部分的特性,对系统整体建立相应的数学模型;其次,由于上述模型中的各参数较难准确方便地获取,因此本发明佐以轨迹跟踪,设计了改进更新律的自适应控制算法,完成了显微注射的高效控制,并且在整个实验过程中,该控制算法对参数不确定性的鲁棒性较好,系统无超调,有效地抑制了对被操作对象的伤害。相较传统的自适应控制、高频鲁棒控制,本发明方法表现出了更快的收敛速率,调节时间也较前述控制器更短。最后,通过李雅普诺夫稳定性理论和拉塞尔不变性原理证明本发明方法的稳定性。

    一种基于连杆机构的仿蜂鸟扑翼无人飞行器的驱动机构

    公开(公告)号:CN110143280B

    公开(公告)日:2022-05-27

    申请号:CN201910456350.1

    申请日:2019-05-29

    Applicant: 南开大学

    Abstract: 一种基于连杆机构的仿蜂鸟扑翼无人飞行器的驱动机构,包括上底座和下底座,上底座上安装有8520空心杯电机、驱动齿轮、双联齿轮和带曲柄齿轮;下底座上安装有第一连杆、Z形左/右连杆、第三连杆和第四连杆,第四连杆的另一端上固定有翅翼前缘主轴。除电机、支撑柱、齿轮、轴承、铜轴套、T形针、齿轮碳杆轴和齿轮钢轴外,其余零件均使用树脂或尼龙材料通过3D打印方式获得,质量非常轻便,为设计质量30g以下且运动灵活的扑翼无人飞行器提供技术基础,具有很高的研究价值和广阔的应用前景。通过二级齿轮减速将电机的高转速转换为驱动扑翼扑动的合适速度,并通过双摇杆机构,来增大扑动幅值,最终可以达到接近145°的扑动幅值。

    一种基于强化学习的蝾螈机器人路径跟踪的分层控制方法

    公开(公告)号:CN111552301B

    公开(公告)日:2022-05-20

    申请号:CN202010570039.2

    申请日:2020-06-21

    Applicant: 南开大学

    Abstract: 一种基于强化学习的蝾螈机器人路径跟踪的分层控制方法。针对蝾螈仿生机器人的路径跟踪问题,建立了分层控制框架,包括基于强化学习的上层控制器和基于逆运动学的底层控制器,实现了蝾螈仿生机器人跟踪目标路径。具体地,对于上层控制器,在softActor‑Critic(演员‑评论)算法的基础上设计了状态空间表示、动作空间表示和奖励函数,可以提高跟踪精度,消除静态误差。对于底层控制器,建立了基于逆运动学腿部控制器和脊柱控制器。最终,将机器人在仿真环境中训练好的控制器迁移到真实环境中,来验证算法的可行性与泛化能力。实验结果表明,本发明能够较好的完成控制目标,在仿真到实际的迁移性与泛化性方面表现出了更好的控制效果。

Patent Agency Ranking