-
公开(公告)号：CN108490795A
公开(公告)日：2018-09-04
申请号：CN201810493498.8
申请日：2018-05-22
Applicant: 南京理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种用于压电悬臂梁的振动、蠕变及迟滞级联补偿方法，针对微系统中的迟滞、蠕变等非线性和振动限制了微操作中的精度问题，利用前馈技术改善用于微操作任务中的压电悬臂梁的总体性能；使用动态线性模型，将蠕变部分与阶跃响应曲线分离来识别蠕变；确定线性静态增益和蠕变模型，使用开环控制来补偿蠕变；在零振动输入整形技术的基础上，确定阻尼振荡系统的增益，考虑输入的脉冲振幅及其应用时间的延迟。本发明可以降低迟滞非线性，减小蠕变，并大幅移除超调，提高微观调节的便利性与稳定性。
-
公开(公告)号：CN106707760A
公开(公告)日：2017-05-24
申请号：CN201710086341.9
申请日：2017-02-17
Applicant: 南京理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种用于压电驱动器动态迟滞补偿的非线性逆控制方法。针对动态迟滞系统存在的建模困难，大多数模型不能够准确逆解析的问题，基于Prandtl‑Ishlinskii模型进行压电驱动器的非线性逆控制；通过建立与输入频率有关的动态临界值得到速率相关的play算子，将速率相关的play算子与密度函数相结合得到速率相关的Prandtl‑Ishlinskii模型；在不同的输入频率下测得迟滞主环，用来确定模型参数；通过求解初始负载曲线的逆求得模型逆参数，进而得到速率相关的Prandtl‑Ishlinskii逆模型；将Prandtl‑Ishlinskii模型及其逆模型用于开环控制系统中，补偿压电驱动器迟滞非线性特性。经实验验证，速率相关的Prandtl‑Ishlinskii模型能准确地描述压电驱动器的迟滞非线性，速率相关的Prandtl‑Ishlinskii逆模型提高了迟滞非线性系统的定位和控制精度。
-
公开(公告)号：CN108170032B
公开(公告)日：2020-06-12
申请号：CN201711454352.4
申请日：2017-12-28
Applicant: 南京理工大学
Abstract: 本发明公开了一种提高压电叠堆式驱动器定位精度的方法，将初始算子与初始算子权值相结合，建立静态对称的初始模型，通过引入饱和算子及饱和算子权值，改进静态模型，使得模型可以描述非对称迟滞现象；在非对称静态模型的基础上求得静态逆模型参数，即逆模型的初始算子权值与饱和算子的权值；对逆模型初始算子权值和饱和算子权值进行曲线拟合，得到动态的逆模型初始算子权值与饱和算子权值，建立动态的逆模型；将动态逆模型作为前馈控制器，来补偿压电叠堆式驱动器的迟滞特性，并且加入反馈控制,提高压电叠堆式驱动器的定位精度。
-
公开(公告)号：CN108170032A
公开(公告)日：2018-06-15
申请号：CN201711454352.4
申请日：2017-12-28
Applicant: 南京理工大学
Abstract: 本发明公开了一种提高压电叠堆式驱动器定位精度的方法，将初始算子与初始算子权值相结合，建立静态对称的初始模型，通过引入饱和算子及饱和算子权值，改进静态模型，使得模型可以描述非对称迟滞现象；在非对称静态模型的基础上求得静态逆模型参数，即逆模型的初始算子权值与饱和算子的权值；对逆模型初始算子权值和饱和算子权值进行曲线拟合，得到动态的逆模型初始算子权值与饱和算子权值，建立动态的逆模型；将动态逆模型作为前馈控制器，来补偿压电叠堆式驱动器的迟滞特性，并且加入反馈控制,提高压电叠堆式驱动器的定位精度。
-
公开(公告)号：CN106918647A
公开(公告)日：2017-07-04
申请号：CN201710104336.6
申请日：2017-02-24
Applicant: 南京理工大学
IPC: G01N29/14
CPC classification number: G01N29/14 , G01N2291/023 , G01N2291/0289
Abstract: 本发明公开一种碳纤维复合芯架空导线结构健康监测装置及方法，监测装置包括：一个以上贴装在碳纤维复合芯架空导线上的前端传感器检测系统，无线中转子站，通信链路以及地面控制系统。其中前端传感监测系统负责碳纤维复合芯架空导线结构声发射信号的采集、转换，无线中转子站实现电信号数据的融合和转发；通信链路负责将数据转发至地面控制系统；最后将接收的数据经声发射检测仪进行初步监测，通过计算处理结果显示单元进行数据和图像的分析，并显示出监测结果。本发明可实现对碳纤维复合芯架空导线开裂、断股等结构的异常情况的监测，为保证碳纤维复合芯架空导线安全运行和后续检修提供诊断依据。
-
Patent Agency Ranking
公开(公告)号：CN108490795B
公开(公告)日：2021-06-22
申请号：CN201810493498.8
申请日：2018-05-22
Applicant: 南京理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种用于压电悬臂梁的振动、蠕变及迟滞级联补偿方法，针对微系统中的迟滞、蠕变等非线性和振动限制了微操作中的精度问题，利用前馈技术改善用于微操作任务中的压电悬臂梁的总体性能；使用动态线性模型，将蠕变部分与阶跃响应曲线分离来识别蠕变；确定线性静态增益和蠕变模型，使用开环控制来补偿蠕变；在零振动输入整形技术的基础上，确定阻尼振荡系统的增益，考虑输入的脉冲振幅及其应用时间的延迟。本发明可以降低迟滞非线性，减小蠕变，并大幅移除超调，提高微观调节的便利性与稳定性。
-
公开(公告)号：CN106980264B
公开(公告)日：2019-10-18
申请号：CN201710333733.0
申请日：2017-05-12
Applicant: 南京理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于神经网络的压电驱动器的动态迟滞建模方法。其步骤为：建立一个多层前馈神经网络对迟滞特性的静态部分进行描述，建立一个多层前馈神经网络对迟滞特性的动态部分进行描述，中间通过一个缓存环节将静态部分和动态部分串联起来，实现了基于神经网络的压电驱动器的动态迟滞建模，可以准确地描述压电驱动器的迟滞曲线且建模方便。将本发明提出的基于神经网络的压电驱动器的动态迟滞建模方法可与控制器的设计相结合，用于控制系统中。
-
公开(公告)号：CN106980264A
公开(公告)日：2017-07-25
申请号：CN201710333733.0
申请日：2017-05-12
Applicant: 南京理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于神经网络的压电驱动器的动态迟滞建模方法。其步骤为：建立一个多层前馈神经网络对迟滞特性的静态部分进行描述，建立一个多层前馈神经网络对迟滞特性的动态部分进行描述，中间通过一个缓存环节将静态部分和动态部分串联起来，实现了基于神经网络的压电驱动器的动态迟滞建模，可以准确地描述压电驱动器的迟滞曲线且建模方便。将本发明提出的基于神经网络的压电驱动器的动态迟滞建模方法可与控制器的设计相结合，用于控制系统中。
-
公开(公告)号：CN106802565A
公开(公告)日：2017-06-06
申请号：CN201710146154.5
申请日：2017-03-13
Applicant: 南京理工大学
IPC: G05B13/04
CPC classification number: G05B13/042
Abstract: 本发明涉及一种压电驱动器的自适应逆控制方法，该方法包括：针对压电驱动器的迟滞非线性关系，离线建立压电驱动器的输出位移与输入电压的非线性数学模型；根据建立的非线性数学模型，计算得压电驱动器的逆模型，作为初始逆控制器来驱动压电驱动器；压电驱动器在线运行时，测量其实际输出位移与输入电压；通过自适应算法对模型参数进行在线辨识，获得在线运行时的模型并计算其逆模型；根据计算所得逆模型参数，替换压电驱动器的控制器中原有参数进行在线更新。本发明有效地克服了模型的参数不确定性以及未知干扰等原因造成的影响，相比单纯的逆模型，控制精度有了较大的提高，适用于不同型号、不同规格的压电驱动器。
-
公开(公告)号：CN106707760B
公开(公告)日：2020-02-14
申请号：CN201710086341.9
申请日：2017-02-17
Applicant: 南京理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种用于压电驱动器动态迟滞补偿的非线性逆控制方法。针对动态迟滞系统存在的建模困难，大多数模型不能够准确逆解析的问题，基于Prandtl‑Ishlinskii模型进行压电驱动器的非线性逆控制；通过建立与输入频率有关的动态临界值得到速率相关的play算子，将速率相关的play算子与密度函数相结合得到速率相关的Prandtl‑Ishlinskii模型；在不同的输入频率下测得迟滞主环，用来确定模型参数；通过求解初始负载曲线的逆求得模型逆参数，进而得到速率相关的Prandtl‑Ishlinskii逆模型；将Prandtl‑Ishlinskii模型及其逆模型用于开环控制系统中，补偿压电驱动器迟滞非线性特性。经实验验证，速率相关的Prandtl‑Ishlinskii模型能准确地描述压电驱动器的迟滞非线性，速率相关的Prandtl‑Ishlinskii逆模型提高了迟滞非线性系统的定位和控制精度。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.023 seconds)
