一种基于混合脉冲激励的输入整形器及设计方法

    公开(公告)号:CN111338216B

    公开(公告)日:2021-06-29

    申请号:CN202010317911.2

    申请日:2020-04-21

    Abstract: 本发明属于振动抑制技术领域,公开了一种基于混合脉冲激励的输入整形器及设计方法,建立二阶振动系统闭环传递函数;建立SIMULINK仿真模型;获取系统对单位阶跃信号的响应曲线;对响应曲线进行频谱分析,得到系统振动频率以及阻尼比;根据系统振动频率以及阻尼比设计基于混合脉冲激励的输入整形器;将设计得到的混合脉冲序列与期望输入进行卷积得到输入指令,完成对系统的残余振动抑制。本发明采用基于混合脉冲激励的输入整形器,对系统残余振动进行了有效抑制,并提高系统上升时间,减少时间延迟,降低输入整形器对系统参数的敏感性,增强系统鲁棒性。

    一种多轴同步运动控制方法

    公开(公告)号:CN112947045A

    公开(公告)日:2021-06-11

    申请号:CN202110106553.5

    申请日:2021-01-26

    Abstract: 本发明公开了一种基于单神经元网络PID的粗、精调的多轴同步运动控制方法,设计了同步控制单元,采用粗、精调的先后两级同步误差补偿策略,其中同步控制单元中的粗调子模块对转速同步误差直接进行补偿,具有快速调整的作用;而同步控制单元中的精调子模块采用单神经元网络PID的控制器,能够自适应调整PID三个参数,能有效改善多电机的动态运行的同步精度。本发明所述的多轴同步运动控制方法具有调整速度快、同步稳态误差小、动态性能好、鲁棒性强的优点,能实现多电机系统的快速稳定同步控制。

    基于单神经元网络的惯量估计方法及其自适应调整策略

    公开(公告)号:CN110932629A

    公开(公告)日:2020-03-27

    申请号:CN201911326051.2

    申请日:2019-12-20

    Abstract: 本发明公开了一种基于单神经元网络的惯量估计方法及其自适应调整策略,首先公开了一种基于单神经元网络的惯量估计方法,该方法引入单神经元网络,利用其强大的自学习能力,根据参考模型和估计模型之间的偏差动态调整增益因子,从而使估计模型更加接近参考模型;其次,本发明还公开了一种用于所述惯量估计方法的自适应调整策略,其基于能实时反映误差变化的瞬时误差能量函数自适应调整神经元的比例系数,同时对该策略的输出进行限制。本发明所提供的惯量估计方法能显著提高惯量的估计精度,并且适用工况不受限,而自适应调整策略的实施使得惯量估计结果在稳定性和收敛速度之间实现了更好的折中。本发明计算简单,调试容易,且能在线使用。

    一种基于非结构性路面的周向防碰撞预警方法及系统

    公开(公告)号:CN114882706B

    公开(公告)日:2023-06-16

    申请号:CN202210627482.8

    申请日:2022-05-31

    Abstract: 本发明涉及一种基于非结构性路面的周向防碰撞预警方法及系统,其方法包括:获取自身车辆和周围车辆的运动、位置和空间数据,并根据其分别构建自身车辆及其周围车辆的轨迹模型;根据所述自身车辆及其周围车辆的轨迹模型生成一个或多个第一场景图,并从所述第一场景图提取存在轨迹碰撞的第二场景图;基于笛卡尔坐标系下的双安全边界线模型,对所述第二场景图进行辨识,并根据辨识结果发出碰撞预警。本发明通过非车道的轨迹预测模型,实现了在越野道路等非结构路面下的多种碰撞安全策略下的周向防碰预警。

    一种基于速度插值的惯量辨识方法、系统及存储介质

    公开(公告)号:CN112398395B

    公开(公告)日:2022-07-19

    申请号:CN202011223470.6

    申请日:2020-11-05

    Abstract: 本发明属于惯量辨识技术领域,公开了一种基于速度插值的惯量辨识方法、系统及存储介质,基于不同的输入速度波形利用不同的改进MRAS惯量辨识算法进行惯量辨识。判断输入速度波形为三角波或方波;当输入速度波形为三角波时,选择基于三角波输入的改进MRAS惯量辨识算法进行MRAS惯量辨识;当输入速度波形为方波时,选择基于方波输入的改进MRAS惯量辨识算法进行MRAS惯量辨识。本发明以三角波和方波作为输入速度信号进行惯量辨识时所得的结果存在精度不高的问题,提出一种针对性改进的MRAS惯量辨识算法,提高了惯量辨识结果的精度。相比于MRAS的其他改进方案,本发明具有计算负担更小,更实用的特点。

    一种协作机器人关节负载转矩观测方法、系统及存储介质

    公开(公告)号:CN114700939A

    公开(公告)日:2022-07-05

    申请号:CN202210212079.9

    申请日:2022-03-04

    Abstract: 本发明属于协作机器人智能控制技术领域,公开了一种协作机器人关节负载转矩观测方法、系统及存储介质,基于关节摩擦转矩、传动误差齿隙以及其他等非线性传动因素的影响,利用协作机器人关节动力学模型构建负载转矩观测器,并采用离线参数辨识方法确定所述负载转矩观测器的建模参数;利用建模误差评估模块修正转矩观测器模型,提高观测器建模准确度;利用修正后的转矩观测器模型对输入的协作机器人关节实时运行状态信息进行计算,完成协作机器人关节负载转矩的观测。本发明仅通过协作机器人关节已安装的电流传感器和位置传感器,就可在线实时获得具有精度高、响应迅速的关节负载转矩观测结果,同时能够降低协作机器人生产制造成本。

    一种基于Adaline神经网络的转子磁链实时估计方法及系统

    公开(公告)号:CN113726244A

    公开(公告)日:2021-11-30

    申请号:CN202111024666.7

    申请日:2021-09-02

    Abstract: 本发明涉及一种基于Adaline神经网络的转子磁链实时估计方法及系统,其方法包括:构建基于Adaline神经网络的初步转子磁链观测器;根据李雅普诺夫第二法确定一种确保转子磁链观测器稳定性的动态学习率;基于所述动态学习率和所述初步转子磁链观测器确定最终转子磁链观测器,并根据所述最终转子磁链观测器实时估计待测转子磁链。本发明结合了Adaline神经网络和李雅普诺夫第二法来构建了一种新型转子磁链观测器,从而实现了对待测转子磁链的实时估计,并适用于变速和变负载的工况。此外,本发明所公开的方法有且只有一个待设计的参数,同时不涉及任何矩阵运算,从而极大地方便了实际使用并降低了计算负担。

Patent Agency Ranking