基于自适应神经网络高阶动态滑模的轨迹跟踪控制方法

    公开(公告)号:CN114147713B

    公开(公告)日:2024-01-19

    申请号:CN202111455320.2

    申请日:2021-12-01

    Applicant: 南昌大学

    Abstract: 本发明公开了一种基于自适应神经网络高阶动态滑模的轨迹跟踪控制方法,首先建立具有一般性的n阶非线性系统模型,通过设计动态滑模控制和一阶滤波器,解决反演控制带来的信息爆炸问题,再通过基于径向基自适应神经网络控制估计系统的非线性扰动。通过李雅普诺夫证明设计的控制方法对所提出的系统证明其稳定性,最后将其控制方法运用在二维非线性柔性机械臂控制系统中,在系统外部非线性不确定干扰情况下,基于各个关节的测量信息,实现对柔性机械臂的轨迹跟踪控制,并保证控制的鲁棒性,提高了误差的收敛速度和跟踪精度。

    一种LED芯片键合方法及LED芯片
    3.
    发明公开

    公开(公告)号:CN117352602A

    公开(公告)日:2024-01-05

    申请号:CN202311191810.5

    申请日:2023-09-15

    Abstract: 本发明提供了一种LED芯片键合方法及LED芯片,其中,所述LED芯片键合方法包括:提供发光二极管外延片,所述外延片上顺次形成反射镜层、第一粘结金属层、第一阻挡金属层及第一键合层;提供支撑基板,所述基板上顺次形成第二粘结金属层、第二阻挡金属层及第二键合层;将所述外延片与基板键合在一起,形成第三键合层;其中,第一键合层和第二键合层为高熔点金属层Cu与低熔点金属层In组成的周期性结构,使得键合反应快速而充分地进行;所述低熔点金属层的表面为键合时的贴合面。该方法通过采用Cu‑In固液互扩散键合工艺来键合LED外延片和基板,避免了贵金属Au的使用,从而降低了LED芯片制造成本。

    一种电驱动柔性关节机械臂自适应神经网络控制器设计方法

    公开(公告)号:CN114895564B

    公开(公告)日:2023-05-02

    申请号:CN202210548715.5

    申请日:2022-05-20

    Applicant: 南昌大学

    Abstract: 本发明公开了一种基于扰动观测器和命令滤波器的电驱动柔性关节机械臂自适应神经网络控制器设计方法。首先,本发明基于n连杆柔性关节机械臂的电驱动动力学模型进行设计,虽然引入了更多的未知数,增加了被控系统的维度,但更符合实际情况。然后,针对径向基函数神经网络(RBFNN)收敛速度快、估计性能好等特点,采用径向基函数神经网络逼近系统的内部不确定性。其次,引入了一个基于扰动观测器的估计器来估计柔性关节机械臂系统中的匹配、非匹配时变不确定度。再者,引入二阶命令滤波器来解决反演控制中的“计算爆炸”问题。除此之外,出于实际应用中的安全考虑,本发明应用了一个障碍李亚普诺夫函数来实现机械臂位置输出限制。

    基于自适应神经网络高阶动态滑模的轨迹跟踪控制方法

    公开(公告)号:CN114147713A

    公开(公告)日:2022-03-08

    申请号:CN202111455320.2

    申请日:2021-12-01

    Applicant: 南昌大学

    Abstract: 本发明公开了一种基于自适应神经网络高阶动态滑模的轨迹跟踪控制方法,首先建立具有一般性的n阶非线性系统模型,通过设计动态滑模控制和一阶滤波器,解决反演控制带来的信息爆炸问题,再通过基于径向基自适应神经网络控制估计系统的非线性扰动。通过李雅普诺夫证明设计的控制方法对所提出的系统证明其稳定性,最后将其控制方法运用在二维非线性柔性机械臂控制系统中,在系统外部非线性不确定干扰情况下,基于各个关节的测量信息,实现对柔性机械臂的轨迹跟踪控制,并保证控制的鲁棒性,提高了误差的收敛速度和跟踪精度。

    一种AlN薄膜保护硅衬底Micro-LED阵列键合转移的方法

    公开(公告)号:CN116207190A

    公开(公告)日:2023-06-02

    申请号:CN202211619675.5

    申请日:2022-12-16

    Abstract: 本发明公开了一种AlN薄膜保护硅衬底Micro‑LED阵列键合转移的方法,所述Micro‑LED阵列表面有一层保护层AlN薄膜,在Micro‑LED阵列与驱动基板键合转移以及去除硅衬底的过程中,保护驱动基板不被破坏。本发明具有如下特点:1、AlN薄膜能起到很好的选择保护的效果;2、作为保护层的AlN薄膜能完全填充Micro‑LED阵列之间的间隙,能最大程度上实现对驱动基板表面的键合金属层及金属焊盘的保护,在干法刻蚀去除硅衬底的过程中可以很好地避免和减少刻蚀产物的附着积累,从而为后续Micro‑LED多次键合转移提供一个比较干净的键合金属表面;3、由于对驱动基板未邦定的区域具有很好的选择保护效果,如果在Micro‑LED阵列上留有足够的间隙,允许进行多次键合,从而能制备双色甚至多色全彩的器件。

    一种基于扰动观测器的柔性关节机械臂神经网络积分滑模控制器设计方法

    公开(公告)号:CN114952835A

    公开(公告)日:2022-08-30

    申请号:CN202210548816.2

    申请日:2022-05-20

    Applicant: 南昌大学

    Abstract: 本发明公开了一种基于扰动观测器的柔性关节机械臂神经网络积分滑模控制器设计方法。综合了神经网络、自适应扰动观测器和积分滑模的优点。考虑到径向基函数神经网络(RBFNN)具有学习收敛速度快、逼近能力强的特点,本发明采用2个径向基函数神经网络矩阵对机械臂‑执行器的动态参数进行估计。针对使用RBFNN时存在估计误差,以及机械臂系统在实际工作中存在外部扰动的特点,本发明提出了一种新的扰动观测器来估计由RBFNN的估计误差和时变外部扰动组成的系统集总不确定度。不仅如此,为了进一步消除稳态误差,我们引入了积分滑动面。此外,出于安全考虑,我们在控制器的设计中采用障碍李雅普诺夫函数(BLF)实现输出位置约束。

    一种基于扰动观测器的柔性关节机械臂神经网络积分滑模控制器设计方法

    公开(公告)号:CN114952835B

    公开(公告)日:2024-11-26

    申请号:CN202210548816.2

    申请日:2022-05-20

    Applicant: 南昌大学

    Abstract: 本发明公开了一种基于扰动观测器的柔性关节机械臂神经网络积分滑模控制器设计方法。综合了神经网络、自适应扰动观测器和积分滑模的优点。考虑到径向基函数神经网络(RBFNN)具有学习收敛速度快、逼近能力强的特点,本发明采用2个径向基函数神经网络矩阵对机械臂‑执行器的动态参数进行估计。针对使用RBFNN时存在估计误差,以及机械臂系统在实际工作中存在外部扰动的特点,本发明提出了一种新的扰动观测器来估计由RBFNN的估计误差和时变外部扰动组成的系统集总不确定度。不仅如此,为了进一步消除稳态误差,我们引入了积分滑动面。此外,出于安全考虑,我们在控制器的设计中采用障碍李雅普诺夫函数(BLF)实现输出位置约束。

Patent Agency Ranking