-
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
申请人： 桂林电子科技大学
IPC分类号： G05B13/04
摘要： 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。
-
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
申请人： 桂林电子科技大学
摘要： 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
申请人： 桂林电子科技大学
IPC分类号： B25J9/16
摘要： 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：CN112994538B
公开(公告)日：2022-09-13
申请号：CN202110138493.5
申请日：2021-02-01
申请人： 桂林电子科技大学
摘要： 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。
-
公开(公告)号：CN111515962B
公开(公告)日：2022-04-12
申请号：CN202010500340.6
申请日：2020-06-04
申请人： 桂林电子科技大学
IPC分类号： B25J9/16
摘要： 本发明公开一种含有谐波减速器柔性关节的传递误差补偿控制方法，设计了一个基于类迟滞算子和在线序列极限学习机的串联结构的迟滞混合模型，用于描述谐波减速器柔性关节特殊的迟滞非线性特性。模型参数学习采用递推参数更新，可在线捕捉柔性关节的不同运行状态下的迟滞特性动态变化。串联结构的迟滞混合模型预测输出角度，通过迟滞混合模型预测输出角度与谐波减速器柔性关节理想的输出角度相减，乘以减速比，通过前馈补偿控制，实现柔性关节高速端驱动伺服电机的补偿控制，提高柔性关节传递精度。本系统可构成嵌入式系统，运算量小，从信息的角度，通过补偿控制，解决柔性关节中减速器由于制造、加工工艺瓶颈问题。
-
公开(公告)号：CN111515962A
公开(公告)日：2020-08-11
申请号：CN202010500340.6
申请日：2020-06-04
申请人： 桂林电子科技大学
IPC分类号： B25J9/16
摘要： 本发明公开一种含有谐波减速器柔性关节的传递误差补偿控制方法，设计了一个基于类迟滞算子和在线序列极限学习机的串联结构的迟滞混合模型，用于描述谐波减速器柔性关节特殊的迟滞非线性特性。模型参数学习采用递推参数更新，可在线捕捉柔性关节的不同运行状态下的迟滞特性动态变化。串联结构的迟滞混合模型预测输出角度，通过迟滞混合模型预测输出角度与谐波减速器柔性关节理想的输出角度相减，乘以减速比，通过前馈补偿控制，实现柔性关节高速端驱动伺服电机的补偿控制，提高柔性关节传递精度。本系统可构成嵌入式系统，运算量小，从信息的角度，通过补偿控制，解决柔性关节中减速器由于制造、加工工艺瓶颈问题。
-
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
申请人： 桂林电子科技大学
IPC分类号： G05B13/04
摘要： 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：CN117055356A
公开(公告)日：2023-11-14
申请号：CN202311171348.2
申请日：2023-09-12
申请人： 桂林电子科技大学
IPC分类号： G05B13/04
摘要： 本发明公开一种基于神经网络调节参数的阻尼自适应阻抗控制方法，基于李雅普诺夫稳定性理论设计得到阻尼补偿的数学描述，设计阻尼自适应阻尼控制器。根据阻尼自适应阻尼控制器数学模型的特殊结构，设计不同的激励函数用于反映阻尼系数在多种因素影响下变化的特征，构建神经网络，用于阻尼自适应阻尼控制器中阻尼调节参数的自适应调节。通过所构建的神经网络在线学习，实现阻尼自适应阻尼控制器中阻尼调节参数的优化，以适应打磨过程环境变化，实现阻尼控制适应于斜面、平面及曲面等不同环境下的刚度突变、刚度动态变化、期望力动态变化情况，在保证稳定的前提下，有效地提高了控制精度。
-
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
申请人： 桂林电子科技大学
IPC分类号： B25J9/16 , G06N3/045 , G06N3/044 , G06N3/047 , G06N3/0475 , G06N3/048 , G06N3/0499
摘要： 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
申请人： 桂林电子科技大学
IPC分类号： B25J9/16
摘要： 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。
-
-
-
-
-
-
-
-
-
搜索结果
34 条记录 (耗时 0.027 秒)
