-
公开(公告)号：CN111208730B
公开(公告)日：2021-06-22
申请号：CN202010019659.7
申请日：2020-01-08
Applicant: 南昌大学
IPC: G05B13/04
Abstract: 本发明提供了一种快速终端滑模阻抗控制算法。主要包括以下步骤：步骤1，将力反馈设备简化为双连杆模型；步骤2，求解简化模型的运动学；步骤3，求解简化模型的动力学；步骤4，建立阻抗模型；步骤5，设计快速终端滑模控制器。本发明的优点在于：一、引入了终端吸引子，保证了系统状态能够在有限时间内收敛到平衡点；二，保留了线性滑模控制部分，因此具有在平衡点附近快速收敛的特点。快速终端滑模阻抗控制使系统状态能够快速、精准的收敛到平衡点。与滑模阻抗控制算法相比，快速终端滑模阻抗控制具有更小的位置跟踪误差。
-
Patent Agency Ranking
公开(公告)号：CN111208730A
公开(公告)日：2020-05-29
申请号：CN202010019659.7
申请日：2020-01-08
Applicant: 南昌大学
IPC: G05B13/04
Abstract: 本发明提供了一种快速终端滑模阻抗控制算法。主要包括以下步骤：步骤1，将力反馈设备简化为双连杆模型；步骤2，求解简化模型的运动学；步骤3，求解简化模型的动力学；步骤4，建立阻抗模型；步骤5，设计快速终端滑模控制器。本发明的优点在于：一、引入了终端吸引子，保证了系统状态能够在有限时间内收敛到平衡点；二，保留了线性滑模控制部分，因此具有在平衡点附近快速收敛的特点。快速终端滑模阻抗控制使系统状态能够快速、精准的收敛到平衡点。与滑模阻抗控制算法相比，快速终端滑模阻抗控制具有更小的位置跟踪误差。
-
公开(公告)号：CN107678543A
公开(公告)日：2018-02-09
申请号：CN201710871845.1
申请日：2017-09-25
Applicant: 南昌大学
IPC: G06F3/01
Abstract: 一种基于电触觉设备的人手皮肤-电极生物阻抗模型参数估计方法。采用含遗忘因子的递推算法，用预设的遗忘因子对数据进行加权，使新的数据在参数估计中占较大权重，利用电触觉设备不断提供的新的输入输出数据改善估计精度，并在参数发生改变时修改估计值，实现参数在线实时估计，同时采用增广模型，完备合理的假设模型输出的电刺激量与实际手指电刺激量的误差为有色噪声，而不是理想状态下的白噪声，更符合实际情况，能适应不同噪声情况下的参数估计。本发明避免了递推步数过长后参数矫正能力的下降和噪声模型单一对参数估计的干扰，提高了对手指皮肤阻抗参数估计的实时性和准确性。本发明考虑周详，设计简单合理，易于实现，适应性强。
-
公开(公告)号：CN111158238A
公开(公告)日：2020-05-15
申请号：CN202010019658.2
申请日：2020-01-08
Applicant: 南昌大学
IPC: G05B13/04
Abstract: 本发明提供了一种基于粒子群算法的力反馈设备动力学参数估计算法。具体为用一种改进的全面学习粒子群算法来更好的估计力反馈设备的动力学参数。主要包括以下步骤：步骤1，设定力反馈设备关节角理想运动轨迹；步骤2，对关节角理想运动轨迹进行位置跟踪；步骤3，对关节角运动轨迹和输入力矩采样；步骤4，利用ICLPSO算法估计力反馈设备参数。本发明通过使用四种策略：分层更新策略、位置学习策略、指导粒子学习策略、全局最优学习策略，有效地解决在传统PSO算法中存在的“两步向前，一步向后”问题以及早熟问题。与传统PSO算法对比，ICLPSO算法不仅收敛速度更快，而且获得的模型参数也更为精确，能够为各关节提供精确的力矩估计值，提升控制算法的性能。
-
公开(公告)号：CN107678543B
公开(公告)日：2020-06-16
申请号：CN201710871845.1
申请日：2017-09-25
Applicant: 南昌大学
IPC: G06F3/01
Abstract: 一种基于电触觉设备的人手皮肤‑电极生物阻抗模型参数估计方法。采用含遗忘因子的递推算法，用预设的遗忘因子对数据进行加权，使新的数据在参数估计中占较大权重，利用电触觉设备不断提供的新的输入输出数据改善估计精度，并在参数发生改变时修改估计值，实现参数在线实时估计，同时采用增广模型，完备合理的假设模型输出的电刺激量与实际手指电刺激量的误差为有色噪声，而不是理想状态下的白噪声，更符合实际情况，能适应不同噪声情况下的参数估计。本发明避免了递推步数过长后参数矫正能力的下降和噪声模型单一对参数估计的干扰，提高了对手指皮肤阻抗参数估计的实时性和准确性。本发明考虑周详，设计简单合理，易于实现，适应性强。
-
公开(公告)号：CN111158238B
公开(公告)日：2021-01-19
申请号：CN202010019658.2
申请日：2020-01-08
Applicant: 南昌大学
IPC: G05B13/04
Abstract: 本发明提供了一种基于粒子群算法的力反馈设备动力学参数估计算法。具体为用一种改进的全面学习粒子群算法来更好的估计力反馈设备的动力学参数。主要包括以下步骤：步骤1，设定力反馈设备关节角理想运动轨迹；步骤2，对关节角理想运动轨迹进行位置跟踪；步骤3，对关节角运动轨迹和输入力矩采样；步骤4，利用ICLPSO算法估计力反馈设备参数。本发明通过使用四种策略：分层更新策略、位置学习策略、指导粒子学习策略、全局最优学习策略，有效地解决在传统PSO算法中存在的“两步向前，一步向后”问题以及早熟问题。与传统PSO算法对比，ICLPSO算法不仅收敛速度更快，而且获得的模型参数也更为精确，能够为各关节提供精确的力矩估计值，提升控制算法的性能。
-
-
-
-
-
Search Results
6
records
(took 0.026 seconds)
