-
公开(公告)号：CN116893619A
公开(公告)日：2023-10-17
申请号：CN202311106924.5
申请日：2023-08-29
Applicant: 江南大学
IPC: G05B13/04
Abstract: 本发明公开了一种工业机器人量化迭代学习控制方法，涉及工业机器人的优化控制领域，该方法基于提升技术，将进行重复任务的工业机器人控制系统转换为时间序列的输入输出矩阵模型；利用均匀量化器设计编码解码器，以减轻通信负担，并将数据丢包与编码解码机制相结合，从而使编解码器能对数据丢包立即响应；针对具有随机数据丢包的系统，基于梯度法设计优化量化迭代学习控制算法，根据性能指标函数得到量化迭代学习控制算法的学习增益；通过压缩映射方法，证明了所设计的量化迭代学习控制算法能够实现通信带宽受限情况下的工业机器人的跟踪控制问题。
-
公开(公告)号：CN118707850A
公开(公告)日：2024-09-27
申请号：CN202410844378.3
申请日：2024-06-27
Applicant: 江南大学
IPC: G05B13/04
Abstract: 本发明公开了直流电机驱动系统的量化迭代学习优化控制方法，涉及电机驱动控制领域。该方法在迭代学习控制框架下，将均匀量化器与编码解码机制相结合来对传输信号进行量化，从而减少网络传输中的数据量，在此基础上，针对存在传输时延的非线性离散系统，设计了一种量化迭代学习优化控制算法，根据性能指标函数结合给定超前法得到迭代学习优化控制算法的前馈实现。基于λ范数，证明了所设计的量化迭代学习优化控制算法在传输时延约束情况下的收敛性。该方法可以解决使用网络远程数据传输的直流电机驱动系统的跟踪控制问题，从而实现对给定期望轨迹的高精度跟踪。
-
公开(公告)号：CN116893619B
公开(公告)日：2024-04-09
申请号：CN202311106924.5
申请日：2023-08-29
Applicant: 江南大学
IPC: G05B13/04
Abstract: 本发明公开了一种工业机器人量化迭代学习控制方法，涉及工业机器人的优化控制领域，该方法基于提升技术，将进行重复任务的工业机器人控制系统转换为时间序列的输入输出矩阵模型；利用均匀量化器设计编码解码器，以减轻通信负担，并将数据丢包与编码解码机制相结合，从而使编解码器能对数据丢包立即响应；针对具有随机数据丢包的系统，基于梯度法设计优化量化迭代学习控制算法，根据性能指标函数得到量化迭代学习控制算法的学习增益；通过压缩映射方法，证明了所设计的量化迭代学习控制算法能够实现通信带宽受限情况下的工业机器人的跟踪控制问题。
-
-
Search Results
3
records
(took 0.02 seconds)
