-
公开(公告)号：CN103303224A
公开(公告)日：2013-09-18
申请号：CN201310240524.3
申请日：2013-06-18
Applicant: 桂林电子科技大学
Abstract: 本发明为车载设备手势控制系统及其使用方法，本系统的车载平台部分的中心处理器CPU与车载设备的电子控制单元经CAN连接，该CPU连接投影仪，本系统手势识别部分的数字信号处理器DSP连接2台相同的并行排列的红外线摄像头，CPU与DSP连接。DSP连接红外增益器。使用方法为CPU经CAN获取各车载设备的操控信息产生操控图，投影于前挡风玻璃，手指在镜头前移动，操控图的相关区域变色/形显示选项，手指空中点击确定。DSP根据摄像头捕捉的手指位置和运动信号，确定要操控的设备。CPU据此操控信号控制相应的设备状态，或调取信息。驾驶员操控汽车电子设备无需转移视线到操控面板，无需记忆不同的手势，操控方便简单安全；兼容各种汽车的CAN，便于安装使用。
-
公开(公告)号：CN101795110B
公开(公告)日：2012-05-30
申请号：CN201010106760.2
申请日：2010-02-05
Applicant: 桂林电子科技大学
Abstract: 本发明为直线音圈电机的智能补偿方法及控制系统，本方法基于音圈电机迟滞逆模型与神经网络模型串联组成音圈电机混合迟滞逆模型，输入为设定位移r(t)，输出为电压uu1(t)。摩擦模型和第二神经网络模型串联组成音圈电机混合摩擦模型，输入是位移y(t)，输出是电压uu2(t)。混合迟滞逆模型以前馈方式与音圈电机串联，混合摩擦模型与音圈电机以反馈方式连接，二模型的神经网络实时调整参数，对音圈电机的非光滑迟滞特性和非光滑摩擦特性进行智能补偿后，即可按弱非线性对象进行反馈控制。本系统位移传感器接入信号处理器，程序存储器存储混合迟滞逆模型补偿、混合摩擦模型补偿及弱非线性对象控制算法程序，CPU调节驱动电压控制音圈电机的正反向运动。
-
公开(公告)号：CN101795110A
公开(公告)日：2010-08-04
申请号：CN201010106760.2
申请日：2010-02-05
Applicant: 桂林电子科技大学
Abstract: 本发明为直线音圈电机的智能补偿方法及控制系统，本方法基于音圈电机迟滞逆模型与神经网络模型串联组成音圈电机混合迟滞逆模型，输入为设定位移r(t)，输出为电压uu1(t)。摩擦模型和第二神经网络模型串联组成音圈电机混合摩擦模型，输入是位移y(t)，输出是电压uu2(t)。混合迟滞逆模型以前馈方式与音圈电机串联，混合摩擦模型与音圈电机以反馈方式连接，二模型的神经网络实时调整参数，对音圈电机的非光滑迟滞特性和非光滑摩擦特性进行智能补偿后，即可按弱非线性对象进行反馈控制。本系统位移传感器接入信号处理器，程序存储器存储混合迟滞逆模型补偿、混合摩擦模型补偿及弱非线性对象控制算法程序，CPU调节驱动电压控制音圈电机的正反向运动。
-
公开(公告)号：CN118884828A
公开(公告)日：2024-11-01
申请号：CN202410913336.0
申请日：2024-07-09
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种双Bouc‑Wen模型的电机驱动关节扭转角补偿控制方法，针对基于独立的Bouc‑Wen模型，关节迟滞建模精度不高问题，增加第二个Bouc‑Wen模型，用于描述第一个模型的输出误差；将两个模型组合，构建一个混合结构的关节迟滞模型，用于准确描述柔性关节强非线性、非对称性及非光滑复杂迟滞特性；通过非线性递推最小二乘法参数辨识，实现双Bouc‑Wen模型结构的混合迟滞模型参数的在线更新。基于双Bouc‑Wen模型结构的混合迟滞模型，实现扭转角的补偿控制。通过机器人所有关节扭转角的有效补偿控制，实现机器人系统的高精度控制。
-
公开(公告)号：CN118859706A
公开(公告)日：2024-10-29
申请号：CN202410856873.6
申请日：2024-06-28
Applicant: 桂林电子科技大学
IPC: G05B13/04
Abstract: 本发明公开一种基于刚度阻尼特征的神经网络建模的自适应阻抗控制方法，针对由于环境参数未知导致参考轨迹不易确定问题，构造了一个自适应PI控制器，进行参考轨迹补偿，减少力跟踪的稳态误差；此外，根据力误差对刚度系数及阻尼系数的统一调节规律即刚度阻尼特征，设计了一个描述接触力误差与刚度阻尼特征关系的激活函数，构建自适应刚度阻尼特征神经网络模型。本发明基于参考轨迹补偿与刚度阻尼特征神经网络模型，实现自适应阻抗控制。
-
Patent Agency Ranking
公开(公告)号：CN118643416A
公开(公告)日：2024-09-13
申请号：CN202410666399.0
申请日：2024-05-28
Applicant: 桂林电子科技大学
IPC: G06F18/243 , A61B5/318 , A61B5/352 , A61B5/369 , A61B5/374 , A61B5/00 , G06F18/25 , G06N3/0442 , G06V40/16
Abstract: 本发明提供一种基于可拓展自适应加权数据融合的自学习精神疲劳量化方法，属于生理信号处理与模式识别领域，所述方法包括：获取电网调度员的脑电信号和心电信号；使用视觉信号PERCLOS算法计算人眼开合度，同时通过专家评价得到主观打分，通过自适应加权数据融合算法对数据进行处理得到精神疲劳量化结果；对脑电、心电信号进行预处理，去除生理信号中的干扰噪声，对预处理后的信号进行窗口分割；对处理后的脑电、心电信号进行标注、训练和测试；根据目标脑电信号和心电信号，确定疲劳检测结果；疲劳输出结果通过反馈不断迭代优化分类预测模型；疲劳检测结果为百分比量化疲劳度。相较于其他精神疲劳检测，本方法使用通过可拓展自适应加权数据融合算法融合了PERCLOS指标与专家打分值进行疲劳量化，对提取到的脑电特征和心电特征进行特征层融合，并且通过不断迭代优化分类模型，可以更加真实的反映电网调度员的疲劳状态，实现更高精确度的疲劳检测结果与精神疲劳量化评估。
-
公开(公告)号：CN117103250A
公开(公告)日：2023-11-24
申请号：CN202310950544.3
申请日：2023-07-31
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种工业机器人柔性关节扭转角的前馈补偿控制方法，先通过设计非对称非线性迟滞函数作为Preisach模型迟滞算子，描述柔性关节的非对称特性；再在Preisach模型的输入端加入输出历史信息，在Preisach模型的输出端加入惯性滤波环节，描述柔性关节的速率相关特性；后将改进的Preisach模型与实现非线性映射的全连接神经网络串联构成一种深度神经网络迟滞模型，用于描述随负载变化的扭矩与扭转角的变化规律。基于上述深度神经网络迟滞模型得到角度预测值，通过前馈补偿控制，修正机器人柔性关节的角度设定值，间接消除扭转角的影响，达到提高工业机器人柔性关节的执行精度的目的。
-
公开(公告)号：CN115556093A
公开(公告)日：2023-01-03
申请号：CN202211138252.1
申请日：2022-09-19
Applicant: 桂林电子科技大学
IPC: B25J9/16
Abstract: 本发明公开基于NARXNN‑CNN混合迟滞模型的机器人关节补偿控制方法，针对机器人柔性关节传递精度随负载变化，关节输入输出角度之差扭转角与输出力矩表现为强非线性、非对称性及非光滑性的复杂迟滞特性，设计了NARXNN‑CNN混合迟滞模型，并设计分段式损失函数来实现独立分段偏差反向传递学习。通过NARXNN‑CNN混合迟滞模型预测扭转角的修正量，并利用该扭转角的修正量对关节输出角度设定值进行补偿，从而间接避免由于关节材料、制造及复杂结构的装配及负载变化等所造成的关节传递误差。
-
公开(公告)号：CN115139337A
公开(公告)日：2022-10-04
申请号：CN202210663048.5
申请日：2022-06-13
IPC: B25J19/00
Abstract: 本申请公开了一种机械臂碰撞检测方法、装置、设备及存储介质，其中，该方法包括建立机械臂动力学模型；根据机械臂动力学模型建立基于饱和函数的滑模动量状态观测器；根据滑模动量状态观测器构造滑模干扰观测器，并且基于该滑模干扰观测器估计外界干扰力矩；根据所估计出的外界干扰力矩和预设的碰撞阈值判断机械臂是否发生碰撞。可以不采用额外的传感器，只需依靠本体的传感器数据进行实现，降低了成本，可以实现快速稳定的估计出外部干扰力矩的同时，避免引入抖振现象。
-
公开(公告)号：CN112994538B
公开(公告)日：2022-09-13
申请号：CN202110138493.5
申请日：2021-02-01
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于傅里叶神经网络SRM转矩脉动抑制控制系统和方法，参考转矩和实际输出转矩之间的关系，搭建傅里叶神经网络频谱探测模块，快速地在线获取傅里叶神经网络输出转矩信号中含有各次谐波含量的频谱；结合考虑转矩的动态特性，依据在线获取的转矩谐波信息和历史转矩谐波信息，设计参考转矩补偿的信号发生器，其输出对速度控制器输出参考转矩进行补偿，剔除了参考转矩中不希望的引起输出转矩脉动对应的谐波信息，以获得更为理想的参考转矩，在转矩分配器和电流内环控制的配合下，实现控制系统输出转矩的各次谐波幅值大幅度减小，有效抑制转矩脉动。
-
-
-
-
-
-
-
-
-
Search Results
179
records
(took 0.026 seconds)
