-
公开(公告)号：CN118893621A
公开(公告)日：2024-11-05
申请号：CN202410931218.2
申请日：2024-07-11
Applicant: 清华大学
IPC: B25J9/16
Abstract: 一种控制机器人的方法、装置和介质，涉及机器人技术领域，其中，方法包括：基于机器人的动力学参数，生成机器人的动力学模型；确定机器人末端的实际位置与期望位置的轨迹跟踪误差，并基于动力学模型和轨迹跟踪误差建立轨迹跟踪误差控制模型；基于轨迹跟踪误差，确定具有递归结构的总滑模面；基于轨迹跟踪误差控制模型和总滑模面，确定滑模控制器；利用滑模控制器对机器人的关节进行控制，使得机器人末端的实际轨迹与期望轨迹重合。可以实现机器人轨迹的快速收敛，降低了系统不确定性和干扰对系统控制精度的不利影响，具有更强的鲁棒性和抗干扰能力，有助于提高机器人的控制精度。
-
公开(公告)号：CN118331177A
公开(公告)日：2024-07-12
申请号：CN202410286671.2
申请日：2024-03-13
Applicant: 清华大学
IPC: G05B19/408
Abstract: 本申请提供一种刀具轨迹同步的数据处理方法、设备及介质。该方法包括：响应于接收到刀具位点数据，基于所述刀具位点数据生成刀具轨迹；所述刀具轨迹包括位置轨迹和姿态轨迹；计算所述位置轨迹以及所述姿态轨迹中各轨迹段对应的初始子时间；所述初始子时间为对应轨迹段未同步前所占据的时间；基于各初始子时间以及预设运动时间算法对所述位置轨迹以及姿态轨迹进行运动同步，以获得同步后的运动时间。本申请中避免计算光顺参数，而是采用可以预设运动时间算法以及各初始子时间提升同步效果。
-
公开(公告)号：CN112598282B
公开(公告)日：2024-12-17
申请号：CN202011554071.8
申请日：2020-12-24
Applicant: 清华大学 , 国网江苏省电力有限公司
Abstract: 本发明提供一种电力系统负荷模型参数辨识方法及装置，包括：对于当代种群中的任一个体，将该个体在上一代变异操作前后的适应度进行比较，根据比较结果对变异算子和杂交算子进行调节；其中，该个体的适应度为所述电力系统负荷模型的预测功率和实测功率之间的距离；根据调节后的变异算子对该个体进行变异操作，根据调节后的杂交算子确定对该个体是否接受变异操作的结果；根据该个体在变异操作前和杂交操作后的适应度，对该个体进行选择操作，将选择操作后的该个体作为下一代的该个体，直到满足预设终止条件；将最后一代种群中适应度最小的个体作为电力系统负荷模型的最优的待辨识参数。本发明实现加快算法收敛速度，提高参数辨识的准确性。
-
Patent Agency Ranking
公开(公告)号：CN118426403A
公开(公告)日：2024-08-02
申请号：CN202410232707.9
申请日：2024-03-01
Applicant: 清华大学
IPC: G05B19/404
Abstract: 本发明提供了一种刀具姿态路径光顺误差控制方法，该方法包括：把给定的刀具姿态向量转化为单位四元数形式，根据任意给定的三个刀具姿态，确定中间姿态两侧的转接段起止姿态；采用五次Bezier四元数样条曲线建立满足G2连续的姿态转接路径，由剩余非转接段建立姿态转接路径的边界条件；根据姿态转接路径和给定的三个刀具姿态，由Hausdorff距离建立光顺误差模型；设置光顺误差临界值，建立误差控制参数上下边界，根据光顺误差要求采用逼近法求解误差控制参数。本发明解决了高阶四元数样条曲线光顺姿态路径时误差非解析模型建立的困难，实现了基于四元数样条曲线的刀具姿态误差控制，保证了五轴数控加工刀具姿态光顺路径的精度。
-
公开(公告)号：CN118906044A
公开(公告)日：2024-11-08
申请号：CN202410851243.X
申请日：2024-06-27
Applicant: 清华大学
Abstract: 一种机器人笛卡尔轨迹与关节轨迹的过渡方法和装置，所述方法包括：获取初始笛卡尔轨迹的起点Qs和终点Qm分别对应的关节角度向量θ1和θ2，以及初始关节轨迹的终点Qe对应的关节角度向量θ3，基于θ1、θ2和θ3确定过渡轨迹的起点Q1和终点Q2；在Q1和Q2之间确定多个控制顶点，并基于Q1和Q2以及所述多个控制顶点进行三次非均匀B样条曲线插补，获得所述过渡轨迹Q1Q2；在Qs和Q1之间规划更新后笛卡尔轨迹；在Q2和Qe之间规划更新后关节轨迹；将所述更新后笛卡尔轨迹、所述过渡轨迹Q1Q2和所述更新后关节轨迹依次拼接，得到优化后轨迹QsQe，能够实现机器人笛卡尔轨迹和关节轨迹的光滑过渡，确保轨迹的速度和加速度连续的同时避免出现扭摆和过冲现象。
-
公开(公告)号：CN112598282A
公开(公告)日：2021-04-02
申请号：CN202011554071.8
申请日：2020-12-24
Applicant: 清华大学 , 国网江苏省电力有限公司
Abstract: 本发明提供一种电力系统负荷模型参数辨识方法及装置，包括：对于当代种群中的任一个体，将该个体在上一代变异操作前后的适应度进行比较，根据比较结果对变异算子和杂交算子进行调节；其中，该个体的适应度为所述电力系统负荷模型的预测功率和实测功率之间的距离；根据调节后的变异算子对该个体进行变异操作，根据调节后的杂交算子确定对该个体是否接受变异操作的结果；根据该个体在变异操作前和杂交操作后的适应度，对该个体进行选择操作，将选择操作后的该个体作为下一代的该个体，直到满足预设终止条件；将最后一代种群中适应度最小的个体作为电力系统负荷模型的最优的待辨识参数。本发明实现加快算法收敛速度，提高参数辨识的准确性。
-
公开(公告)号：CN114818469B
公开(公告)日：2024-09-24
申请号：CN202210293759.8
申请日：2022-03-23
Applicant: 清华大学 , 国网江苏省电力有限公司 , 国家电网有限公司
IPC: G06F30/27 , G06Q50/06 , G06F119/02
Abstract: 本发明公开了一种基于迁移学习的电力系统输电断面极限评估方法，该方法包括：确定用于表征电力系统历史运行状态以及给定输电断面的极限传输容量标签的历史样本集合；生成新运行场景下带有断面TTC标签的预设数量电力系统运行样本集；构建用于电力系统输电断面极限评估的深度神经网络模型；根据迁移学习，训练深度神经网络模型的待求参数并得到训练好的深度神经网络模型；进行电力系统给定输电断面的TTC预测。本发明能够大幅度降低深度学习模型更新所需的新样本标注时间，使深度学习模型适用于新场景下的电力系统输电断面极限评估，同时为电力系统运行调度人员提供调度依据，提高了电力系统调度的安全性。
-
公开(公告)号：CN114818469A
公开(公告)日：2022-07-29
申请号：CN202210293759.8
申请日：2022-03-23
Applicant: 清华大学 , 国网江苏省电力有限公司 , 国家电网有限公司
IPC: G06F30/27 , G06Q50/06 , G06F119/02
Abstract: 本发明公开了一种基于迁移学习的电力系统输电断面极限评估方法，该方法包括：确定用于表征电力系统历史运行状态以及给定输电断面的极限传输容量标签的历史样本集合；生成新运行场景下带有断面TTC标签的预设数量电力系统运行样本集；构建用于电力系统输电断面极限评估的深度神经网络模型；根据迁移学习，训练深度神经网络模型的待求参数并得到训练好的深度神经网络模型；进行电力系统给定输电断面的TTC预测。本发明能够大幅度降低深度学习模型更新所需的新样本标注时间，使深度学习模型适用于新场景下的电力系统输电断面极限评估，同时为电力系统运行调度人员提供调度依据，提高了电力系统调度的安全性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
