基于自适应卡尔曼滤波与神经网络的机器人误差补偿方法

    公开(公告)号:CN117359613A

    公开(公告)日:2024-01-09

    申请号:CN202311212717.8

    申请日:2023-09-19

    Abstract: 本发明的基于自适应卡尔曼滤波与神经网络的机器人误差补偿方法包括:1)运用D‑H算法建立七轴机器人的运动学模型,获得七轴机器人末端执行器理论位姿参数;2)测量仪器测得七轴机器人末端执行器测量位姿参数;3)根据理论位姿参数与测量位姿参数之间的误差,利用自适应卡尔曼滤波算法对测量位姿参数进行修正,得到七轴机器人末端执行器真实位姿参数;4)建立粒子群算法和遗传算法优化的神经网络作为七轴机器人误差预测模型,利用理论位姿参数及真实位姿参数进行训练,得到最佳的七轴机器人误差预测模型;5)利用误差预测模型输出的各关节转角误差对七轴机器人各关节进行实时误差补偿。

    一种航天复杂铸造零件热处理的抗干扰温度控制方法

    公开(公告)号:CN116987878A

    公开(公告)日:2023-11-03

    申请号:CN202310827248.4

    申请日:2023-07-06

    Abstract: 一种航天复杂铸造零件热处理的抗干扰温度控制方法,包括:测量热处理炉的温度;建立温度卡尔曼滤波算法模型,基于热处理炉的测量温度和理论温度,采用卡尔曼滤波方法进行迭代求解,得到热处理炉的真实温度;根据PID控制原理确定热处理温度控制系统的输入和输出之间的关系,采用真实温度和粒子群算法对PID控制模型的控制参数进行优化,得到最优PID控制参数;建立BP神经网络模型,通过对BP神经网络模型进行训练测试,得到满足误差要求的BP神经网络预测模型;将最优PID控制参数与BP神经网络预测模型的控制参数的差异值进行叠加然后输入到PID控制模型中,用于温度控制。

    基于数字孪生的数控机床闭环控制方法及系统

    公开(公告)号:CN117991717A

    公开(公告)日:2024-05-07

    申请号:CN202410009749.6

    申请日:2024-01-03

    Abstract: 本发明提供一种基于数字孪生的数控机床闭环控制方法及系统,包括:步骤S1:根据物理实体四轴立式机床建立机床数字孪生虚拟模型;步骤S2:在机床数字孪生虚拟模型中优化动力学机械模型动结合部刚度及阻尼系数,优化伺服三闭环控制模型的位置环增益参数,形成优化后的机床数字孪生虚拟模型;步骤S3:通过优化后的机床数字孪生虚拟模型预测刀具末端执行器位移,获得最终的刀具末端执行器预测位移;步骤S4:以物理实体四轴立式机床指令位移作为优化后的机床数字孪生虚拟模型输入,以刀具末端执行器预测位移为反馈,构建物理实体四轴立式机床刀具末端执行器位移动态闭环控制。本发明能解决航天典型产品数控加工过程中动态误差大、加工效率低的问题。

Patent Agency Ranking