一种宏微冗余驱动运动台协同控制系统及方法

    公开(公告)号:CN116256973B

    公开(公告)日:2023-11-14

    申请号:CN202211678533.6

    申请日:2022-12-26

    IPC分类号: G05B13/04

    摘要: 一种宏微冗余驱动运动台协同控制系统及方法,涉及一种控制系统及方法。轨迹生成器R生成期望运动轨迹r1(k)和r2(k),耦合系统包括耦合信号d12(s)和d21(s),协同迭代控制系统输入同步误差信号,输出迭代控制信号,微动运动台伺服误差e2(k)经过反馈控制器C2(s),再加上前馈控制器A2(s)的信号输入到微动台模型,输出实际运动轨迹y2(k),宏动运动台伺服误差e1(k)加上迭代控制信号经过反馈控制器C1(s),再加上前馈控制器A1(s)的信号输入到宏动台模型,输出实际运动轨迹y1(k)。进行多通道方法学习有效提高学习频率,扩展学习带宽,提高迭代同步精度。

    基于频率选择的精密运动平台运动轨迹规划系统及方法

    公开(公告)号:CN116909210A

    公开(公告)日:2023-10-20

    申请号:CN202310860403.2

    申请日:2023-07-13

    IPC分类号: G05B19/408

    摘要: 基于频率选择的精密运动平台运动轨迹规划系统及方法,属于精密运动平台技术领域。轨迹生成器输出参考S曲线;参考S曲线经柔性系统获得系统输出,柔性系统的共振频率以及系统输出的残余振荡信息共同提供给轨迹生成器以修正参考S曲线。方法如下:确定参考S曲线的阶次;设计含参S型运动轨迹并获得轨迹含参零点;确定S型运动轨迹的参数;判定参数是否合理;判定残余振荡是否满足要求,确定运动轨迹设计标准。本发明解决了传统精密运动平台运动轨迹规划参数设计仅着眼于运动轨迹的几何光顺忽略了被控对象的柔性特性的问题,且不需要添加额外的减震装置,减少了整体重量,降低了经济成本。

    包含偏好辅助决策因子优选的交互式多准则决策方法、装置及计算机设备

    公开(公告)号:CN111080160B

    公开(公告)日:2023-06-23

    申请号:CN201911375383.X

    申请日:2019-12-27

    发明人: 胡仕成 李芳 刘杨

    摘要: 本发明公开了一种包含偏好辅助决策因子优选的交互式多准则决策方法,包括以下步骤:基于进化多目标优化算法运行设置交互迭代次数,获得投资组合双问题的种群初始解;基于偏好辅助决策因子的交互式偏好反馈模式算法与决策者交互,获取决策者偏好反馈;基于分类规则的决策树建立偏好模型,利用偏好模型获取模型偏好反馈;利用决策者偏好反馈与模型偏好反馈计算评价偏好模型;训练更新偏好模型,直至满足训练终止条件。还公开了一种包含偏好辅助决策因子优选的交互式多准则决策装置,本发明能够得到更高的平均预测准确率,且能得到分布更为集中的满意解。

    一种宏微冗余驱动运动台协同控制系统及方法

    公开(公告)号:CN116256973A

    公开(公告)日:2023-06-13

    申请号:CN202211678533.6

    申请日:2022-12-26

    IPC分类号: G05B13/04

    摘要: 一种宏微冗余驱动运动台协同控制系统及方法,涉及一种控制系统及方法。轨迹生成器R生成期望运动轨迹r1(k)和r2(k),耦合系统包括耦合信号d12(s)和d21(s),协同迭代控制系统输入同步误差信号,输出迭代控制信号,微动运动台伺服误差e2(k)经过反馈控制器C2(s),再加上前馈控制器A2(s)的信号输入到微动台模型,输出实际运动轨迹y2(k),宏动运动台伺服误差e1(k)加上迭代控制信号经过反馈控制器C1(s),再加上前馈控制器A1(s)的信号输入到宏动台模型,输出实际运动轨迹y1(k)。进行多通道方法学习有效提高学习频率,扩展学习带宽,提高迭代同步精度。

    一种自整定非线性迭代学习控制方法

    公开(公告)号:CN114625008B

    公开(公告)日:2022-12-16

    申请号:CN202210266457.1

    申请日:2022-03-17

    发明人: 李理 刘杨 赵洪阳

    IPC分类号: G05B13/04

    摘要: 一种自整定非线性迭代学习控制方法,属于超精密运动控制领域。所述方法的主要特征在于在已有鲁棒逆模型迭代学习控制方法的学习增益中额外添加一个自整定非线性学习系数。本发明相对于现有技术的有益效果为:对比鲁棒逆模型迭代学习控制方法,本发明公开方法能够更好地抑制非重复性误差的累积;对比卡尔曼滤波迭代学习控制方法,本发明公开方法中的非线性学习系数与误差相关,提升了学习效率;另外,对比传统非线性迭代学习方法,本发明公开方法采用自整定方法确定噪声‑不确定性的联合定界,避免了定界过高或过低引起的控制性能下降的问题。