公开(公告)号：CN115107034A

公开(公告)日：2022-09-27

申请号：CN202210840137.2

申请日：2022-07-18

Applicant: 江南大学

Inventor： 陶洪峰 ,  黄彦德 ,  庄志和 ,  郑月昌

IPC: B25J9/16

Abstract: 本发明公开了一种单机械臂的量化迭代学习控制方法，涉及迭代学习控制技术领域，该方法利用提升技术将执行重复性任务的单机械臂转换为迭代轴上的矩阵模型；基于有限均匀量化器设计了编解码器，以实现通信带宽受限场景中的信息交互；在范数优化框架下，通过放缩法设计性能指标函数，并进一步得到了量化迭代学习控制算法；基于压缩映射法，证明了所提出的量化迭代学习控制律可以解决网络通信带宽有限单机械臂的跟踪控制问题，并给出有限均匀量化器中量化级数的选取方案。

公开(公告)号：CN113625563A

公开(公告)日：2021-11-09

申请号：CN202110900739.8

申请日：2021-08-06

Applicant: 江南大学

Inventor： 陶洪峰 ,  黄彦德 ,  庄志和

IPC: G05B13/04 ,  H02P7/18 ,  H02P21/14 ,  H02P21/18

Abstract: 本发明公开了一种直流电动机量化迭代学习容错控制方法，涉及直流电动机容错控制领域，该方法基于提升技术将重复运行的直流电动机转换为时间序列的输入输出矩阵模型，基于对数量化器的性质设计了编码解码器，减轻量化误差对系统跟踪性能的影响；对传统范数优化框架进行修改，设计在数学期望意义下的性能指标函数，并进一步得到了量化迭代学习容错控制算法；建立执行器故障模型，利用压缩映射法证明了所设计的量化迭代学习容错控制律可以解决网络通信带宽有限的直流电动机在执行器发生故障时的轨迹跟踪问题。

公开(公告)号：CN112318505A

公开(公告)日：2021-02-05

申请号：CN202011171545.0

申请日：2020-10-28

Applicant: 江南大学

Inventor： 陶洪峰 ,  庄志和 ,  黄彦德 ,  官上雷 ,  胡计昶 ,  陶新悦

IPC: B25J9/16

Abstract: 本发明公开了一种移动机器人变批次长度迭代学习优化控制方法，涉及移动机器人优化控制领域；该方法基于提升技术将重复运行的移动机器人系统转换为时间序列的输入输出矩阵模型，并通过随机变量将变批次长度问题建立为批次长度随机变化模型；针对系统出现的批次长度变化情况，采用优化的思想设计迭代学习优化控制算法，并基于性能指标函数得到批次长度变化下迭代学习优化控制算法的前馈形式；基于逐次投影框架，证明了存在及不存在输入约束时所设计的迭代学习优化控制算法在数学期望意义下的收敛性。该方法解决了变批次长度下移动机器人系统的跟踪控制问题，同时考虑输入受约束的情况，从而实现对期望轨迹的高精度跟踪。

公开(公告)号：CN113110063B

公开(公告)日：2022-05-31

申请号：CN202110500437.1

申请日：2021-05-08

Applicant: 江南大学

Inventor： 陶洪峰 ,  李健 ,  王瑞 ,  庄志和 ,  黄彦德 ,  陶新悦 ,  胡计昶

IPC: G05B13/04

Abstract: 本发明公开了一种单轴进给系统的鲁棒单调收敛点对点迭代学习控制方法，涉及单轴进给系统领域，该方法包括：通过动力学方程式表示单轴进给系统，将动力学方程式转变离散状态空间模型并得到输入输出矩阵模型；选取M个预设时间点，通过满足预设条件的托普利兹矩阵得到点对点不确定性动力学方程并得到预设时间点在当前运行批次的输出向量；通过预设时间点在当前运行批次的输出向量确定预设时间点在当前运行批次的跟踪误差；通过迭代学习控制更新律对当前运行批次的输入向量进行迭代更新直到跟踪误差不大于预设值，通过当前运行批次的输入向量对单轴进给系统进行控制，实现了点对点跟踪误差单调收敛。

公开(公告)号：CN111459197B

公开(公告)日：2021-10-29

申请号：CN202010347418.5

申请日：2020-04-28

Applicant: 江南大学

Inventor： 陶洪峰 ,  张秀赟 ,  庄志和 ,  黄彦德

IPC: G05D11/13

Abstract: 本发明公开了微藻批量发酵过程的变增益迭代学习基质浓度控制方法，涉及迭代学习控制领域，该方法包括：首先建立微藻发酵过程的非线性系统模型的动态特性方程；构建非线性状态空间表达式；然后基于微藻批量发酵过程中的期望浓度、进料流量以及基质浓度误差信息，构建PD型变增益迭代学习控制律；最后利用算子理论分析证明谱半径收敛条件，实现微藻发酵过程期望浓度轨迹的快速、高精度的跟踪控制。其优点是：变增益迭代学习控制算法，通过增加PID函数形式的、会根据误差信号自动调节的参数，不仅提升了微藻批量发酵系统进料流量调节的自由度和适应性，而且也增加了该系统基质浓度控制性能的提升空间。

公开(公告)号：CN110815225A

公开(公告)日：2020-02-21

申请号：CN201911119240.2

申请日：2019-11-15

Applicant: 江南大学

Inventor： 陶洪峰 ,  李健 ,  黄彦德

IPC: B25J9/16

Abstract: 本发明公开了电机驱动单机械臂系统的点对点迭代学习优化控制方法，涉及机械臂优化控制领域。该方法基于提升技术将重复运行的单机械臂系统转换为时间序列的输入输出矩阵模型，然后基于性能指标设计点对点轨迹跟踪鲁棒迭代学习优化方法，通过求解多目标性能指标函数的二次型最优解得到优化迭代学习控制律，并根据最大奇异值理论证明当模型存在有界不确定性时算法的鲁棒收敛性，以及证明了机械臂系统在输入受约束情况下的收敛性，该方法可以解决机械臂系统的点对点跟踪控制问题，同时考虑了输入受约束以及建模存在不确定性的情况，从而实现对指定点处期望轨迹的高精度跟踪。