-
公开(公告)号：CN119165332A
公开(公告)日：2024-12-20
申请号：CN202411388211.7
申请日：2024-09-30
Applicant: 桂林电子科技大学
IPC: G01R31/28 , G01R31/3181
Abstract: 本申请提供了一种系统级芯片的测试方法及测试装置。测试装置包括上位机，测试板以及性能检测设备。上位机生成芯片的测试指令；每个测试板上有多个芯片插槽，测试电源供应模块以及温度控制模块，每个插槽与一个芯片对应，温度控制模块用于将芯片控制在设定的温度区间；性能检测模块与测试板和上位机相连，获取上位机设置的测试指令后将根据测试指令对待测试芯片进行测试；测试获取芯片在不同温度下的测试结果，并传输到分类模块，上位机根据结果对芯片进行分类。
-
公开(公告)号：CN113759713B
公开(公告)日：2023-12-12
申请号：CN202110880826.1
申请日：2021-08-02
Applicant: 桂林电子科技大学
IPC: G05B13/04
Abstract: 本发明公开一种忆阻模型与神经网络混合的谐波减速器误差补偿控制方法，将忆阻器模型改进成为忆阻迟滞模型，用于描述谐波减速器迟滞输出的基本变化规律；借助具有非线性拟合能力的RBF神经网络对谐波减速器迟滞模型与忆阻迟滞模型之间的差值进行补偿。RBF神经网络与忆阻迟滞模型输出叠加，构成谐波减速器混合迟滞模型，通过谐波减速器迟滞特性建模，预测在不同转矩下的扭转角输出，从谐波减速器驱动端进行传递误差的补偿。与从制造角度解决谐波减速器传递误差的方法完全不同，回避了谐波减速器的复杂结构与柔轮与刚轮之间周期性的啮合、脱开、再啮合的正反转传动的复杂运行机制，从信息建模与补偿的角度，提高谐波减速器的转换精度。
-
公开(公告)号：CN116423508A
公开(公告)日：2023-07-14
申请号：CN202310377010.6
申请日：2023-04-10
Applicant: 桂林电子科技大学
IPC: B25J9/16 , G06N3/045 , G06N3/044 , G06N3/047 , G06N3/0475 , G06N3/048 , G06N3/0499
Abstract: 本发明公开一种DBN与ELM相融合的气动夹具迟滞建模与夹持力的估计方法，借助于DBN模型结构所具有的随机不确定性特性，描述气动夹持系统的由于可压缩性和蠕变性将导致的特有迟滞特性所表现出的输出多值对应的不确定性。为了增强DBN对正、逆程强非线性特性描述，提高气动夹持力的建模估计精度，本发明引入具有强非线性特性描述能力的ELM，替换DBN中的回归层，将DBN与ELM对接融合，构建DBN与ELM相融合的气动夹具迟滞模型，通过迟滞模型输出，实现夹持力的有效估计。
-
公开(公告)号：CN116100554A
公开(公告)日：2023-05-12
申请号：CN202310244604.X
申请日：2023-03-14
Applicant: 桂林电子科技大学
IPC: B25J9/16
Abstract: 本发明公开一种GRU的柔性关节迟滞特性建模与补偿控制方法，对于未配置负载转矩传感器的低成本轻型工业机器人柔性关节，采用电机驱动电流‑电机端扭转角间接描述关节迟滞特性，将关节迟滞特性中正逆程特有的特征融入GRU神经网络迟滞模型中，利用基于卡尔曼滤波的电流增量，提取正程和逆程的特征，描述电流‑电机端扭转角迟滞特性中正逆程所表现出的多值特性，并将模型的历史值作为输入模型，构造具有记忆能力和非线性映射能力的动态GRU神经网络迟滞模型，获得电机端扭转角。基于迟滞模型，对电机端的控制角度设定值的有效补偿控制，实现关节角度的高精度传递，减小关节结构及负载对关节性能的影响。
-
-
Patent Agency Ranking
-
公开(公告)号：CN112171677B
公开(公告)日：2021-09-17
申请号：CN202011064505.6
申请日：2020-09-30
Applicant: 桂林电子科技大学
IPC: B25J9/16
Abstract: 本发明公开一种基于LSTM迟滞模型的机器人柔性关节补偿控制方法，利用基于改进的LSTM的工业机器人柔性关节迟滞特性模型在线预测机器人关节输出角度，通过与理想关节输出比较，计算得到输出扭矩角，对应得到关节输入端的角度补偿量，对关节输入端设定输入角度进行补偿，从关节的电机驱动端，实现对关节复杂迟滞特性抵消，有效提高工业机器人关节转换精度。迟滞模型具有在线学习能力，不仅在线补偿工业机器人关节本身结构带来传递非线性误差，同时可补偿工业机器人关节在长时间运行下的慢漂移特性带来转换误差，提高了关节长期运行的保持高精度下的稳定性。
-
公开(公告)号：CN113044184A
公开(公告)日：2021-06-29
申请号：CN202110498049.4
申请日：2021-05-08
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于深度学习的水上救援机器人及落水检测方法，包括摄像头监测单元、落水人员检测单元以及报警救援单元，摄像头监测单元与落水人员检测单元电性连接，报警救援单元包括储气罐、气囊、外壳体、密封舱体、两个推进器、四个螺旋桨和广播通知模块，外壳体包覆密封舱体，广播通知模块与落水人员检测单元电性连接，四个螺旋桨与两个推进器相配合，还提出一种如上述所述一种基于深度学习的水上救援机器人的落水检测方法，包括建立水中人员图像数据集；训练识别网络；利用摄像头监测单元和落水人员检测单元的相互配合，有效地提升了落水人员尽早被发现并得到援助的可能性，大大的减少了落水人员收到严重伤害的概率。
-
公开(公告)号：CN107545153B
公开(公告)日：2021-06-11
申请号：CN201711011644.0
申请日：2017-10-25
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的核小体分类预测方法，其特征是，包括如下步骤：1）特征提取；2）提取核小体或链接体DNA序列中核苷酸的物理化学属性；3）添加生物特性；4）获取第24维向量；5）添加核苷酸化学性质；6）得到包含生物信息的矩阵；7）构建卷积神经网络结构；8）分类核小体。这种方法能精准预测核小体的分类。
-
公开(公告)号：CN112928965A
公开(公告)日：2021-06-08
申请号：CN202110333892.7
申请日：2021-03-29
Applicant: 桂林电子科技大学
IPC: H02P25/098 , H02P23/00
Abstract: 本发明公开基于磁链的开关磁阻电机转矩脉动抑制控制系统和方法，利用神经网络转矩估计模型对转矩进行估计，并利用动态RBF神经网络转矩‑磁链模型实现相参考转矩到磁链的转换，基于估计的转矩信息对磁链进行实时前馈补偿，以获得准确磁链信息，实现了SRM的磁链控制，抑制转矩脉动，方法运算量小；所构造的神经网络转矩估计模型具有能够体现SRM转矩变化规律的激励函数，且对神经网络的输入进行预处理，以实现对瞬时转矩的估计；本系统可构成嵌入式系统，通过神经网络转矩估计模型实现瞬时转矩估计、通过动态RBF神经网络转矩‑磁链模型实现相参考转矩到磁链的转换及磁链前馈补偿，实现了SRM的磁链控制，抑制转矩脉动，方便开关磁阻电机的在线控制。
-
-
-
-
-
-
-
-
-
Search Results
192
records
(took 0.03 seconds)
