-
Patent Agency Ranking
公开(公告)号：CN111459051B
公开(公告)日：2023-05-12
申请号：CN202010331109.9
申请日：2020-04-23
Applicant: 河北工业大学
IPC: G05B17/02
Abstract: 本发明公开了一种带扰动观测器的离散终端滑模无模型控制方法。该方法将无模型自适应控制和离散终端滑模控制相结合，同时引入模糊RBF神经网络扰动观测器对外界干扰进行准确估计，增加了抗干扰性，能够解决非线性强、难建立精确数学模型的问题，既能避免复杂模型的建模不准确问题，同时加入离散终端滑模控制增强系统的鲁棒性和抗干扰性，比传统单一的无模型控制方法能更精准的跟踪理想期望曲线，而且与理想期望值的误差很小，实现高精度、高稳定和高适用性的控制，同时降低工业能耗。
-
公开(公告)号：CN112906673A
公开(公告)日：2021-06-04
申请号：CN202110381272.0
申请日：2021-04-09
Applicant: 河北工业大学
Abstract: 本发明为一种基于注意力机制的下肢运动意图预测方法，包括步骤1、获取下肢运动过程中的步态信号，对步态信号进行归一化处理，并划分训练集数据和测试集数据；步骤2、构建预测模型；预测模型包括输入模块、卷积神经网络模块、长短时记忆神经网络模块和注意力机制这四个部分，当输入模块、卷积神经网络模块、长短时记忆神经网络模块和注意力机制依次连接，注意力机制的输出结果再经过全连接层；步骤3、利用训练集数据对预测模型进行预训练，确定时间步长；再对预训练后的预测模型进行训练；步骤4、将训练后的预测模型用于下肢运动意图预测。该方法通过注意力机制对关节角度变化明显的位置进行放大处理，能够有效减小关节角度的预测误差。
-
公开(公告)号：CN112947071A
公开(公告)日：2021-06-11
申请号：CN202110117310.1
申请日：2021-01-28
Applicant: 河北工业大学
IPC: G05B13/04
Abstract: 本发明为一种基于Backstepping的下肢外骨骼控制方法，包括第一步、建立下肢外骨骼动力学模型，并转化为控制系统状态方程；第二步、设计Backstepping控制器；第三步、改进RBF扰动观测器，包括设计RBF扰动观测器和RBF神经网络自适应律；第四步、控制实施，使下肢外骨骼按照期望轨迹运动。该方法针对外部随机扰动，利用RBF神经网络的逼近特性，设计扰动观测器，对外部随机扰动进行逼近；针对RBF神经网络存在的网络逼近误差，进一步改进扰动观测器，引入辅助变量对网络逼近误差进行补偿，进而对外部随机扰动进行补偿，使对外部随机扰动的逼近更接近于真实值，降低了RBF神经网络的逼近误差。
-
公开(公告)号：CN112947071B
公开(公告)日：2022-04-01
申请号：CN202110117310.1
申请日：2021-01-28
Applicant: 河北工业大学
IPC: G05B13/04
Abstract: 本发明为一种基于Backstepping的下肢外骨骼控制方法，包括第一步、建立下肢外骨骼动力学模型，并转化为控制系统状态方程；第二步、设计Backstepping控制器；第三步、改进RBF扰动观测器，包括设计RBF扰动观测器和RBF神经网络自适应律；第四步、控制实施，使下肢外骨骼按照期望轨迹运动。该方法针对外部随机扰动，利用RBF神经网络的逼近特性，设计扰动观测器，对外部随机扰动进行逼近；针对RBF神经网络存在的网络逼近误差，进一步改进扰动观测器，引入辅助变量对网络逼近误差进行补偿，进而对外部随机扰动进行补偿，使对外部随机扰动的逼近更接近于真实值，降低了RBF神经网络的逼近误差。
-
公开(公告)号：CN111459051A
公开(公告)日：2020-07-28
申请号：CN202010331109.9
申请日：2020-04-23
Applicant: 河北工业大学
IPC: G05B17/02
Abstract: 本发明公开了一种带扰动观测器的离散终端滑模无模型控制方法。该方法将无模型自适应控制和离散终端滑模控制相结合，同时引入模糊RBF神经网络扰动观测器对外界干扰进行准确估计，增加了抗干扰性，能够解决非线性强、难建立精确数学模型的问题，既能避免复杂模型的建模不准确问题，同时加入离散终端滑模控制增强系统的鲁棒性和抗干扰性，比传统单一的无模型控制方法能更精准的跟踪理想期望曲线，而且与理想期望值的误差很小，实现高精度、高稳定和高适用性的控制，同时降低工业能耗。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
