-
公开(公告)号：CN119599491A
公开(公告)日：2025-03-11
申请号：CN202411616028.8
申请日：2024-11-13
Applicant: 南京理工大学
IPC: G06Q10/0639 , G06F17/10 , G06N7/02
Abstract: 本发明公开了一种基于直觉模糊TOPSIS和自适应权重的地面时敏目标威胁度评估方法，包括：构建目标动、静态属性评估指标，选择动态属性评估指标和静态属性评估指标，构建动、静态属性指标的量化处理方法并将目标的动、静态属性评估指标转化为直觉模糊数；采用基于熵最小化的非线性规划模型计算静态属性指标的权重以及动态属性指标的常值权重；采用变权理论求解动态属性指标的自适应权重向量，作为动态属性指标的权重，并以此为根据构建动、静态属性指标的组合权重；基于动、静态属性指标的直觉模糊值及其权重，采用基于自适应权重的直觉模糊TOPSIS方法求解地面时敏目标的综合威胁度并进行排序。本发明提高了目标威胁度预测精度。
-
公开(公告)号：CN117474201A
公开(公告)日：2024-01-30
申请号：CN202311400202.0
申请日：2023-10-26
Applicant: 南京理工大学
IPC: G06Q10/063 , G06Q50/26 , G06F17/16
Abstract: 本发明公开了一种基于改进TOPSIS法的空中目标威胁度评估方法，用于快速评估空中目标的威胁度。该方法包括如下步骤：1)确定空中目标威胁度评估体系的影响因素，选择目标速度、目标距离、目标种类、目标武器偏角、武器与目标航路近点之间距离等五个因素作为空中目标威胁度评估体系的影响因素；2)确定目标速度、目标距离、目标种类、目标武器偏角、武器与目标航路近点之间距离各影响因素的隶属度值，并以此为根据构建目标隶属度矩阵；3)采用熵权法求取目标速度、目标距离、目标种类、目标武器偏角、武器与目标航路近点之间距离五个因素的权重；4)采用基于相对欧式距离的改进型TOPSIS法评估目标威胁度并进行排序。
-
公开(公告)号：CN117349587A
公开(公告)日：2024-01-05
申请号：CN202311339573.2
申请日：2023-10-17
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于模糊集与层次分析理论的空中目标毁伤概率预估方法，包括：1)确定空中目标毁伤概率预估体系的影响因素，选取空中目标毁伤预估体系的指标；2)确定各因素的基本概率分配值，主要依据专家经验对目标速度、目标距离、目标武器偏角、武器与目标航路近点之间距离构造目标的隶属度函数并得出基本概率分配值，目标种类的基本概率分配值由赋值获得；3)采用层次分析法对目标速度、目标距离、目标种类、目标武器偏角、武器与目标航路近点之间距离等五个因素求取权重4)对空中目标毁伤基本概率分配值加权求和，同时确定各毁伤等级的权重并进行加权求和得到空中目标毁伤概率预估值。
-
公开(公告)号：CN113067520A
公开(公告)日：2021-07-02
申请号：CN202110230411.X
申请日：2021-03-02
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于优化残差的无传感器响应自适应电机控制方法，在无位置传感器的情况下通过电压、电流以及电机电流环模型及其参数估计永磁电机转子位置和转速；在速度环中采用模型预测控制，通过调节模型预测控制的动态响应参数加快或者降低速度环响应速度，速度环的转速反馈即为电流环估计的转速信息。本发明的核心创新点在于建立了通过电流环估计残差自适应调节速度环模型预测控制器动态响应的机制，在实现无位置传感器控制的同时提高了系统稳定性。
-
公开(公告)号：CN112000009A
公开(公告)日：2020-11-27
申请号：CN202010731483.8
申请日：2020-07-27
Applicant: 南京理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于状态与扰动估计的物料转送器强化学习控制方法，首先建立物料转送器电液伺服系统的控制模型；然后采用一种新型的非线性扩张状态观测器估计液压伺服系统未知状态和等效扰动，该非线性扩张状态观测器理论上的估计误差为零；基于上述状态和等效扰动估计，设计滑模控制器实现液压伺服系统快速、高精度控制；最后采用强化学习方法，通过系统自适应学习对滑模控制器参数进行在线自适应学习，提高液压伺服系统的控制性能。本发明能够根据液压伺服系统位置信息得到其他状态和扰动信息；能够通过强化学习方法实现控制滑模控制器参数自整定，不需要人工大量的实验进行整定，降低了工作量，提高了控制精度。
-
Patent Agency Ranking
公开(公告)号：CN111911482A
公开(公告)日：2020-11-10
申请号：CN202010731491.2
申请日：2020-07-27
Applicant: 南京理工大学
Abstract: 本发明公开一种双级等速油缸，包括缸筒、后端盖，缸筒内设置杆体组件，杆体组件包括第二活塞杆和第二活塞，杆体组件内设置第一活塞杆和第一活塞，后端盖上设置与第二无杆腔相连通的后油口，第一活塞杆内设置轴向油道；第一活塞杆上设置径向前油口、第一通孔，第一通孔两端分别与油道、第一有杆腔相连，杆体组件上径向设置第二通孔，第二通孔的两端分别与第一无杆腔、第二有杆腔相连通，缸筒上设置与第二有杆腔相连通的第三通孔，第三通孔处的缸筒上连接螺塞；由于两个油缸杆的运动速度是同步的，油缸杆的运动速度不存在突变，有利于提高伺服系统的控制精度，特别适用于安装空间受限的高性能电液伺服系统。
-
公开(公告)号：CN119974056A
公开(公告)日：2025-05-13
申请号：CN202510359083.1
申请日：2025-03-25
Applicant: 南京理工大学
Abstract: 本发明公开了一种感驱控一体化关节模组，包括：壳体，用于安装谐波减速器、动力模块、动力模块后盖、制动模块、固定法兰、驱动模块、控制模块、感知模块和主轴；主轴，转动支撑在壳体和动力模块后盖上；动力模块，用于通过对电磁激励的方式驱动主轴的旋转；动力模块后盖，设有布线槽并与动力模块之间设有间隙；制动模块，用于产生制动力锁止主轴；固定法兰，设有布线槽并对驱动模块和控制模块进行定位；感知模块，用于检测关节模组的温度、振动和位置信号，并传输给控制模块；控制模块，用于控制动力模块、制动模块和实现对关节模组位置、速度和力矩的调控；本发明提升了关节模组的稳定性、响应速度及安全性。
-
公开(公告)号：CN119002270B
公开(公告)日：2025-03-28
申请号：CN202411078694.0
申请日：2024-08-07
Applicant: 南京理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种数据驱动的机电系统参数与状态同时估计方法，属于机电系统控制领域，首先根据机理及动力学方程建立机电伺服系统的控制模型；之后在控制模型基础上，提出了一种带有模型参数的扩张状态观测器，在扩张状态观测器收敛性得到保证的情况下，参数估计误差可以稳定地从扩张的状态中估计出来，并将其用于构建机电系统的自适应参数估计律。和传统方法相比，本发明无需额外的传感器，仅需知道系统输入以及系统输出的信息就可以完成对系统状态和系统参数的准确估计，对控制信号以及控制器没有要求，被估计动态能够快速收敛至其真实值，收敛速度快，估计精确度高。
-
公开(公告)号：CN115267531B
公开(公告)日：2024-09-27
申请号：CN202210860058.8
申请日：2022-07-21
Applicant: 南京理工大学
IPC: G01R31/34 , G06F18/2415 , G06N3/0475 , G06N3/094 , G06N3/0455 , G06N3/096
Abstract: 本发明公开了一种基于深度学习的永磁同步电机均匀退磁故障诊断方法，利用循环生成对抗网络（CycleGAN）扩充样本集，并使用深度降噪自编码器模型提取数据特征，最后使用Softmax分类器对电机退磁故障类型进行分类。该方法包括以下步骤：步骤1，采集永磁同步电机健康状态下，（5%、10%、15%、20%）均匀退磁故障下气息磁密波形；步骤2，重构CycleGAN网络并确定最佳结构；步骤3，将步骤1中采集到的电机信号输入到步骤2中生成故障信号；步骤4，搭建深度降噪卷积自编码器并将步骤3中生成的故障信号输入其中进行预训练；步骤5，将步骤4中训练好的模型迁移到真实电机信号上并进行故障分类。经过实验验证，该方法训练出来的故障诊断网络具有比同类方法更高的准确度。
-
公开(公告)号：CN118368800A
公开(公告)日：2024-07-19
申请号：CN202410490157.0
申请日：2024-04-23
Applicant: 南京理工大学
Abstract: 本发明属于电磁兼容滤波电路技术领域，具体公开一种多适配性控制箱用电磁兼容滤波电路的PCB板结构，所述PCB板采用叠层结构，包括顶板和底板，顶板上设置滤波电路，底板上设计电源模块，顶板和底板之间进行叠放连接，底板与控制箱固定连接。与现有技术相比，本发明采用滤波电路和电源模块叠层设计的结构形式，优化了控制箱的内部结构，提高了散热性能，且提高了综合控制箱的电磁兼容性，还使得电源模块与滤波电路之间的连接更加紧凑和稳定，同时提高了复用性和通用性；可在损坏后快速更换其中之一，明显提高效率且节约成本。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.021 seconds)
