-
-
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：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。
-
公开(公告)号：CN110022109B
公开(公告)日：2021-01-05
申请号：CN201910309126.X
申请日：2019-04-17
Applicant: 桂林电子科技大学
IPC: H02P23/00 , H02P23/04 , H02P25/098
Abstract: 本发明为一种转矩‑电流神经网络模型SRM转矩脉动控制方法与系统。本方法由SRM的电感模型得到转矩‑电流转换关系，经电流分配函数得到各相控制电流，以实现抑制转矩脉动。根据SRM转矩与电流的非线性特性关系，以描述SRM电流基本变化规律的函数作为隐含层激活函数，设计描述SRM强非线性特性的转矩‑电流神经网络模型，通过转矩‑电流神经网络模型的自学习，计算转矩对应的总参考电流，再经电流分配函数，获得在各相对应的参考电流，控制SRM。按本法设计的系统微处理器的程序存储器有执行本法的各程序模块，SRM上的各传感器信号接入微处理器，经功率变换器连接控制SRM。本发明实现了开关磁阻电机转矩脉动的有效控制。
-
Patent Agency Ranking
公开(公告)号：CN110239519B
公开(公告)日：2020-10-16
申请号：CN201910576419.4
申请日：2019-06-28
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种车辆爆胎过程的协调控制方法，采集车辆运行参数、计算路面附着系数，分配主动转向和差动制动的权重系数，进行协调控制，以使得车辆按原行驶轨迹稳定运行，无论车辆是直线行驶还是弯道行驶，无论哪个或哪几个车轮爆胎，均结合车辆自身情况、车辆运行参数、路面附着系数进行权重系数分配，实现协调控制；进行失稳判断，在失稳的情况下，将主动转向的权重系数分配为0，差动制动的权重系数分配为1，在未失稳的情况下，结合车辆自身情况、车辆运行参数、路面附着系数进行权重系数分配，由于爆胎时间极短，失稳的判定能准确、有效地采取最优质的权重系数实施制动力施加，使得车辆先恢复平稳，再按原行驶轨迹稳定运行。
-
公开(公告)号：CN111469670A
公开(公告)日：2020-07-31
申请号：CN202010290333.8
申请日：2020-04-14
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于路面识别的电动汽车再生制动控制策略，包括以下步骤：1)实时采集车辆运行参数；实时计算滑移率和利用附着系数；2)判断车辆状态，若处于制动状态，实施再生制动控制策略处理；否则执行步骤1)；所述对车辆实施再生制动控制策略处理包括：辨识车辆当前行驶的路面类型，计算当前期望的总制动力和制动强度；获得基于路面类型与制动强度的前后轮制动力优化分配规则和再生制动力分配规则；根据前后轮制动力优化分配规则，得到前轮所需制动力；根据再生制动力分配规则对前轮所需制动力进行二次分配，确定前轮摩擦制动力和再生制动力。本发明能够在保证制动稳定性和制动安全性的前提下实现再生制动能量回收的效率最大化。
-
公开(公告)号：CN109742999B
公开(公告)日：2020-07-10
申请号：CN201910042672.1
申请日：2019-01-17
Applicant: 桂林电子科技大学
IPC: H02P25/08 , H02P25/098 , H02P23/30 , H02P23/00
Abstract: 本发明为一种动态神经网络自适应逆的SRM转矩控制方法与系统，本发明以系统前一时刻的实际总磁链，当前参考转矩和RBF神经网络输出的前一时刻参考磁链作为RBF神经网络的输入信号，输出参考磁链，构成动态RBF神经网络，即转矩‑磁链模型；转矩偏差经PD控制得到控制量，该控制量经预处理作为RBF神经网络自适应逆控制的学习偏差，且该控制量经滤波处理，作为总参考磁链的一部分，补偿转矩‑磁链模型的输出。总参考磁链与实际总磁链相减得磁链偏差，经磁链偏差分配，接入各相磁链偏差滞环控制，有效抑制SRM的转矩脉动。本发明适应电机快速控制要求，反馈误差学习方法加快神经网络建模并提高建模精度，减小转矩脉动的影响。
-
公开(公告)号：CN111293952A
公开(公告)日：2020-06-16
申请号：CN202010122847.2
申请日：2020-02-27
Applicant: 桂林电子科技大学
IPC: H02P25/098 , H02P23/00 , H02P23/04
Abstract: 本发明公开一种基于电感率模型的开关磁阻电机转矩控制系统和方法，在基于线性电感模型的闭环控制系统中，根据电感变化率特性曲线，设计神经网络隐含层的特殊分段非线性激励函数，并在线描述SRM非线性电感变换率的强非线性特性，以构建电感变化率神经网络模型。通过电感变化率神经网络电感变化率信息，在恒定转矩下，推算出理想参考电流，实现了SRM恒转矩控制，达到了有效抑制SRM转矩脉动的目的。基于电感变换率特性神经网络建模，直接得到恒转矩下理想电流，其技术方法运算量小，方便开关磁阻电机的在线控制。
-
公开(公告)号：CN107171612B
公开(公告)日：2020-04-24
申请号：CN201710547669.6
申请日：2017-07-06
Applicant: 桂林电子科技大学
IPC: H02P25/098 , H02P23/30
Abstract: 本发明公开一种模糊分数阶PID的开关磁阻电机转矩控制方法与系统，外环设置模糊分数阶PID控制器，将分数阶微分与分数阶积分引入二维模糊控制器；运用分数阶微分,解决一阶纯微分易受高频干扰的缺点，提高系统的稳态精度。内环的PID转矩控制器包括增量PID控制器、内环转矩滞环控制器和RBF神经网络；增量PID控制器的参数由RBF神经网络建模得到；通过RBF神经网络的输出与SRM转矩之差学习完成RBF神经网络的建模；增量PID控制器的输出作为内环转矩滞环控制器的输入信号。本发明外环的模糊分数阶PID控制器和内环的PID转矩控制器相互配合，直接控制SRM的转矩，有效地减小其转矩脉动，动态性能良好，适应性强，易于实现。
-
-
-
-
-
-
-
-
-
Search Results
215
records
(took 0.027 seconds)
