-
公开(公告)号：CN112705856B
公开(公告)日：2021-09-21
申请号：CN202011600782.4
申请日：2020-12-30
IPC: G06F17/00 , B23K26/362 , B23K26/40 , B23K26/70 , B23K101/36
Abstract: 本发明提供一种适用于双光束激光直写的三维模型解析规划方法、装置及设备，所述三维模型解析规划方法是针对以三角形面构成的STL格式的三维模型，将STL格式三维模型进行读取解析，同时进行拓扑重构；将导入的STL模型进行高度划分；而后进行等厚切片，对于模型进行分层切割即可生成一系列的顶点；后续通过存储STL格式三维模型的拓扑信息进行轮廓拼接将这些顶点生成一系列轮廓；进行轮廓的填充区域和非填充区域的标记；最后依据不同的扫描线算法进行路径规划，最终实现了在所述双光束激光直写平台上较好的三维光刻效果，并能实现参数调整产生不同特征的三维光刻结果。
-
公开(公告)号：CN112705856A
公开(公告)日：2021-04-27
申请号：CN202011600782.4
申请日：2020-12-30
IPC: B23K26/362 , B23K26/40 , B23K26/70 , B23K101/36
Abstract: 本发明提供一种适用于双光束激光直写的三维模型解析规划方法、装置及设备，所述三维模型解析规划方法是针对以三角形面构成的STL格式的三维模型，将STL格式三维模型进行读取解析，同时进行拓扑重构；将导入的STL模型进行高度划分；而后进行等厚切片，对于模型进行分层切割即可生成一系列的顶点；后续通过存储STL格式三维模型的拓扑信息进行轮廓拼接将这些顶点生成一系列轮廓；进行轮廓的填充区域和非填充区域的标记；最后依据不同的扫描线算法进行路径规划，最终实现了在所述双光束激光直写平台上较好的三维光刻效果，并能实现参数调整产生不同特征的三维光刻结果。
-
公开(公告)号：CN114690628A
公开(公告)日：2022-07-01
申请号：CN202011644124.5
申请日：2020-12-31
IPC: G05B13/04
Abstract: 本发明公开了一种伪雅克比矩阵参数自整定的MIMO紧格式无模型控制方法，利用系统误差集作为BP神经网络的输入，BP神经网络进行前向计算并通过输出层输出伪雅克比矩阵的惩罚因子与步长因子等MIMO紧格式无模型控制器待整定参数，采用MIMO紧格式无模型控制器的控制算法计算得到针对被控对象的控制输入向量，以系统误差函数的值最小化为目标，采用梯度下降法，并结合控制输入分别针对各个待整定参数的梯度信息集，进行系统误差反向传播计算，在线实时更新BP神经网络的隐含层权系数、输出层权系数，实现伪雅克比矩阵参数自整定。本发明提出的伪雅克比矩阵参数自整定的MIMO紧格式无模型控制方法，能有效克服控制器参数的在线整定难题，对MIMO系统具有良好控制效果。
-
公开(公告)号：CN112015083A
公开(公告)日：2020-12-01
申请号：CN202010559963.0
申请日：2020-06-18
IPC: G05B13/04
Abstract: 本发明公开了一种SISO紧格式无模型控制器基于集成学习的参数自整定方法，所述集成学习算法包含PSO算法、BP神经网络以及循环神经网络三种个体算法。以系统误差作为集成学习算法的输入，首先进行三种个体算法对SISO紧格式无模型控制器的参数在线整定并输出三组临时整定参数，将结果分别输入到控制器中计算被控对象的控制输入，计算得到三组临时系统误差并利用softmax函数计算个体算法的权重比，将权重比与临时整定参数进行加权求和作为最终SISO紧格式无模型控制器待整定参数，实现参数自整定。本发明提出的SISO紧格式无模型控制器基于集成学习的参数自整定方法，结合不同个体算法优势，增强算法泛化性，克服控制器参数在线整定难题，对SISO系统具有良好的控制效果。
-
公开(公告)号：CN112015081A
公开(公告)日：2020-12-01
申请号：CN202010558464.X
申请日：2020-06-18
IPC: G05B13/02
Abstract: 本发明公开了一种SISO紧格式无模型控制器基于PSO-LSTM协同算法的参数自整定方法，首先利用PSO算法优化LSTM初始权系数矩阵，然后利用系统误差数据集作为LSTM神经网络的输入，LSTM神经网络进行前向计算并通过输出层输出惩罚因子、步长因子等SISO紧格式无模型控制器待整定参数，采用SISO紧格式无模型控制器的控制算法计算得到控制输入，以系统误差函数的值最小化为目标，采用梯度下降法，并结合控制输入分别针对各个待整定参数的梯度信息，利用链式法则进行系统误差反向传播计算，在线实时更新LSTM神经网络中所有待学习的权系数，实现控制器基于PSO-LSTM协同算法的参数自整定。本发明提出的方法，能有效克服控制器参数的在线整定难题，对SISO系统具有良好的控制效果。
-
Patent Agency Ranking
公开(公告)号：CN112015081B
公开(公告)日：2021-12-17
申请号：CN202010558464.X
申请日：2020-06-18
IPC: G05B13/02
Abstract: 本发明公开了一种SISO紧格式无模型控制器基于PSO‑LSTM协同算法的参数自整定方法，首先利用PSO算法优化LSTM初始权系数矩阵，然后利用系统误差数据集作为LSTM神经网络的输入，LSTM神经网络进行前向计算并通过输出层输出惩罚因子、步长因子等SISO紧格式无模型控制器待整定参数，采用SISO紧格式无模型控制器的控制算法计算得到控制输入，以系统误差函数的值最小化为目标，采用梯度下降法，并结合控制输入分别针对各个待整定参数的梯度信息，利用链式法则进行系统误差反向传播计算，在线实时更新LSTM神经网络中所有待学习的权系数，实现控制器基于PSO‑LSTM协同算法的参数自整定。本发明提出的方法，能有效克服控制器参数的在线整定难题，对SISO系统具有良好的控制效果。
-
公开(公告)号：CN112015083B
公开(公告)日：2021-09-24
申请号：CN202010559963.0
申请日：2020-06-18
IPC: G05B13/04
Abstract: 本发明公开了一种SISO紧格式无模型控制器基于集成学习的参数自整定方法，所述集成学习算法包含PSO算法、BP神经网络以及循环神经网络三种个体算法。以系统误差作为集成学习算法的输入，首先进行三种个体算法对SISO紧格式无模型控制器的参数在线整定并输出三组临时整定参数，将结果分别输入到控制器中计算被控对象的控制输入，计算得到三组临时系统误差并利用softmax函数计算个体算法的权重比，将权重比与临时整定参数进行加权求和作为最终SISO紧格式无模型控制器待整定参数，实现参数自整定。本发明提出的SISO紧格式无模型控制器基于集成学习的参数自整定方法，结合不同个体算法优势，增强算法泛化性，克服控制器参数在线整定难题，对SISO系统具有良好的控制效果。
-
公开(公告)号：CN111522233B
公开(公告)日：2024-02-20
申请号：CN202010050264.3
申请日：2020-01-17
Applicant: 浙江大学
IPC: G05B13/02
Abstract: 本发明公开了一种参数自整定的MIMO异因子全格式无模型控制方法，针对现有的采用同因子结构的MIMO全格式无模型控制方法的局限性，也就是：在k时刻针对控制输入向量中的不同控制输入只能采用相同数值的惩罚因子与相同数值的步长因子的局限性，提出了一种采用异因子结构的MIMO全格式无模型控制方法，在k时刻针对控制输入向量中的不同控制输入可采用不同数值的惩罚因子和/或不同数值的步长因子，能够解决强非线性MIMO系统等复杂对象中存在的各个控制通道特性各异的控制难题，同时提出了参数自整定的方法以有效克服惩罚因子和步长因子需要费时费力进行整定的难题。与现有的控制方法相比，本发明具有更高的控制精度、更好的稳定性与更广的适用性。
-
公开(公告)号：CN111522231B
公开(公告)日：2024-02-20
申请号：CN202010034754.4
申请日：2020-01-14
Applicant: 浙江大学
IPC: G05B13/02
Abstract: 本发明公开了一种MIMO异因子偏格式无模型控制方法，针对现有的采用同因子结构的MIMO偏格式无模型控制方法的局限性，也就是：在k时刻针对控制输入向量中的不同控制输入只能采用相同数值的惩罚因子与相同数值的步长因子的局限性，提出了一种采用异因子结构的MIMO偏格式无模型控制方法，在k时刻针对控制输入向量中的不同控制输入可采用不同数值的惩罚因子和/或不同数值的步长因子，能够解决强非线性MIMO系统等复杂对象中存在的各个控制通道特性各异的控制难题。与现有的控制方法相比，本发明具有更高的控制精度、更好的稳定性与更广的适用性。
-
公开(公告)号：CN114323002B
公开(公告)日：2023-12-08
申请号：CN202111611402.1
申请日：2021-12-27
Applicant: 浙江大学
Abstract: 本发明提供一种基于双目视觉、IMU和UWB融合的AGV定位导航方法，在空间部属一个UWB基站，且在AGV上搭载UWB定位标签、双目相机和IMU；通过UWB信号在UWB基站和UWB定位标签之间的传播时间计算出两者之间的距离，采集双目相机数据、IMU中加速度计数据和陀螺仪数据；同时利用图像特征提取和跟踪算法得到特征点的像素坐标，根据IMU中加速度计数据和陀螺仪数据进行相邻两图像帧之间的惯性预积分；建立UWB测距残差、双目视觉重投影残差和惯性预积分残差三者之和的目标优化函数，采用非线性优化方法求解，从而实现AGV位置求解。本发明通过三种传感器的融合，有效且准确的计算出AGV的定位信息，可以避免纯视觉定位中的累计误差和IMU本身的误差，并显著降低成本，使用方便。
-
-
-
-
-
-
-
-
-
Search Results
257
records
(took 0.035 seconds)
