-
公开(公告)号：CN112000009B
公开(公告)日：2022-11-04
申请号：CN202010731483.8
申请日：2020-07-27
Applicant: 南京理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于状态与扰动估计的物料转送器强化学习控制方法，首先建立物料转送器电液伺服系统的控制模型；然后采用一种新型的非线性扩张状态观测器估计液压伺服系统未知状态和等效扰动，该非线性扩张状态观测器理论上的估计误差为零；基于上述状态和等效扰动估计，设计滑模控制器实现液压伺服系统快速、高精度控制；最后采用强化学习方法，通过系统自适应学习对滑模控制器参数进行在线自适应学习，提高液压伺服系统的控制性能。本发明能够根据液压伺服系统位置信息得到其他状态和扰动信息；能够通过强化学习方法实现控制滑模控制器参数自整定，不需要人工大量的实验进行整定，降低了工作量，提高了控制精度。
-
公开(公告)号：CN115267531A
公开(公告)日：2022-11-01
申请号：CN202210860058.8
申请日：2022-07-21
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于深度学习的永磁同步电机均匀退磁故障诊断方法，利用循环生成对抗网络（CycleGAN）扩充样本集，并使用深度降噪自编码器模型提取数据特征，最后使用Softmax分类器对电机退磁故障类型进行分类。该方法包括以下步骤：步骤1，采集永磁同步电机健康状态下，（5%、10%、15%、20%）均匀退磁故障下气息磁密波形；步骤2，重构CycleGAN网络并确定最佳结构；步骤3，将步骤1中采集到的电机信号输入到步骤2中生成故障信号；步骤4，搭建深度降噪卷积自编码器并将步骤3中生成的故障信号输入其中进行预训练；步骤5，将步骤4中训练好的模型迁移到真实电机信号上并进行故障分类。经过实验验证，该方法训练出来的故障诊断网络具有比同类方法更高的准确度。
-
公开(公告)号：CN111946680B
公开(公告)日：2022-06-24
申请号：CN202010732367.8
申请日：2020-07-27
Applicant: 南京理工大学
IPC: F15B11/028 , F15B11/08 , F15B19/00 , F15B21/041
Abstract: 本发明公开了一种基于不平衡力矩自适应补偿的液压系统，系统将传统的主动式液压平衡系统和液压控制系统相结合，通过控制回油油路上的可调节流孔，实现不平衡力矩的自适应补偿，从而用一根油缸(作动油缸)代替原有两根油缸(作动油缸和平衡油缸)进行伺服控制，有利于解决油缸同步控制难的问题。本发明通过作动油缸有杆腔的压力控制可调节流孔的开口大小，能够有效自适应补偿不平衡力矩，大大地简化液压系统结构，对提高悬臂大负载伺服系统的运动控制性能具有重要意义。
-
公开(公告)号：CN114499310A
公开(公告)日：2022-05-13
申请号：CN202210131189.2
申请日：2022-02-14
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于抗扰卡尔曼滤波的摇臂伺服控制方法。基于摇臂的运动方程，利用卡尔曼滤波器辨识出摇臂的位置和速度，卡尔曼滤波器得到的速度信号比锁相环计算得出的速度信号拥有更高的响应速度，采用卡尔曼观测器的观测值作为速度环速度反馈，根据速度环速度反馈与参考转速计算未来N个采样周期参考转速轨迹，通过模型预测算法预测未来N个采样周期的转速预测值，并建立基于规划转速与预测转速差值的损失函数，通过搜索损失函数极值计算电流参考值。本发明利用卡尔曼滤波器代替锁相环，通过位置信号这个表征量，得到了更高精度的摇臂伺服控制方法。
-
公开(公告)号：CN110412870B
公开(公告)日：2022-03-22
申请号：CN201910601017.5
申请日：2019-07-04
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于扰动观测器与趋近自适应滑模的立式物料传送装置控制方法，包括以下步骤：构造立式物料传送装置的数学模型；规划其期望运动轨迹；构造立式物料传送装置扰动观测器；构造立式物料传送装置趋近自适应滑模控制系统；构建立式物料传送装置控制律，结合趋近自适应滑模控制系统即可实现控制立式物料传送装置的位置沿期望运动轨迹变化。本发明构建的扰动状态观测器能实现对立式物料传送装置中存在的时变性扰动项进行有效估计及控制补偿，在此基础上构建的基于趋近律的滑模控制系统能消除扰动估计误差。此外，本发明构建的自适应控制系统能削弱控制量的抖振，改善控制效果，实现对立式物料传送装置较为准确的位置控制。
-
Patent Agency Ranking
公开(公告)号：CN114034931A
公开(公告)日：2022-02-11
申请号：CN202111287680.6
申请日：2021-11-02
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于变分模态分解的永磁电机绕组不对称故障诊断方法，通过测量永磁同步电机定子绕组中性点和三相电阻网络中性点间的电压，获取零序电压信号；用带惯性权重的粒子群算法计算变分模态分解的最优参数组合；利用优化后的变分模态分解对零序电压信号进行分解，获取多个本征模态分量；利用快速傅里叶变换处理本征模态分量，进而实现永磁同步电机定子绕组定子不对称故障诊断。本发明克服了噪声、谐波等对故障诊断的影响，保证了永磁同步电机定子绕组不对称故障诊断的可靠性。
-
公开(公告)号：CN113548395A
公开(公告)日：2021-10-26
申请号：CN202010331624.7
申请日：2020-04-24
Applicant: 南京理工大学
Abstract: 本发明公开了一种具备容错功能的链式储运装置，包括支架、上导轨、下导轨、主电机和备份电机，主电机的一端通过第一传动装置与上导轨连接，备份电机的一端通过第三传动装置与上导轨连接，下导轨上设置有第二传动装置和第四传动装置，上导轨和下导轨之间设置有多个托物仓，多个托物仓能够在四个传动装置的带动下沿上导轨和下导轨循环运转，第一离合器能够实现主电机向第一传动装置的动力传输并能够隔绝第一传动装置向主电机的动力传输，第二离合器能够实现备份电机向第三传动装置的动力传输并能够隔绝第三传动装置向备份电机的动力传输。本发明的冗余备份动力系统包括主电机和备份电机，可以提高储运装置的可靠性和容错性。
-
公开(公告)号：CN108009350A
公开(公告)日：2018-05-08
申请号：CN201711242349.6
申请日：2017-11-30
Applicant: 南京理工大学
IPC: G06F17/50
CPC classification number: G06F17/5086 , G06F17/5018 , G06F2217/78
Abstract: 本发明公开一种复杂表面间接触碰撞参数识别方法，首先通过实验或者有限元仿真方法获得两复杂表面间发生一次接触碰撞时间内的接触碰撞力、接触碰撞位移以及接触碰撞速度；然后对输入参数进行无量纲化处理：定义无量纲化参量，利用标准化参量对输入参数进行无量纲化处理；最后对相关接触碰撞动力学参数进行估计：利用无迹卡尔曼方法进行动力学参数估计，首先基于无迹卡尔曼方法的通用模型，建立接触碰撞问题对应的参数估计模型，然后利用无迹卡尔曼算法对接触碰撞动力学参数进行估计；本方法减小了估计方程左右两侧量值的差异性，保证参数估计结果的准确性和稳定性，可以达到二阶甚至更高的精度。
-
公开(公告)号：CN107832543A
公开(公告)日：2018-03-23
申请号：CN201711172246.7
申请日：2017-11-22
Applicant: 南京理工大学
IPC: G06F17/50
CPC classification number: G06F17/5086 , G06F2217/08 , G06F2217/16
Abstract: 本发明公开了一种减小复杂机械系统动态响应误差的设计方法，包括建立全局坐标系和各部件的局部坐标系，得到复杂机械系统的拓扑关系；基于相对坐标法建立复杂机械系统的运动学方程并建立相邻刚体之间的约束关系，得到动力学模型；将输入参数分为可控参数和不可控参数；建立复杂机械系统的混沌多项式展开模型，对复杂机械系统进行不确定性分析，求得复杂机械系统动态响应的均值和方差；明确减小复杂机械系统动态响应误差的目标函数，得到目标函数的约束方程，通过优化算法，建立减小复杂机械系统动态响应误差的优化函数，进而控制输入参数对复杂机械系统动态响应的影响；本方法在不提高设计精度的前提下可减小不确定性输入参数对复杂机械系统动态响应的影响。
-
公开(公告)号：CN102507228B
公开(公告)日：2014-06-04
申请号：CN201110289642.4
申请日：2011-09-28
Applicant: 南京理工大学
IPC: G01M99/00
Abstract: 本发明公开了一种盘式刀库机械手可靠性试验装置及其方法，包括支撑组件、滑动模块、模拟主轴、测量组件以及工控机，支撑组件包括底座、调整垫板、横梁、台架及支架；测量组件包括光电接近开关、位移传感器、加速度传感器、振动测试仪、电流钳、压力变送器以及噪声监测系统。测量组件的各传感器完成对盘式刀库及机械手的参数测量后，将信号分别传输至工控机。本发明用以模拟实际工况，并全面检测参数指标，为分析、评估和改进盘式刀库运行的可靠性及机械手换刀的可靠性提供依据。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.027 seconds)
