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

Inventor： 党选举 ,  马樑海 ,  原翰玫 ,  李晓 ,  伍锡如 ,  张向文 ,  张斌 ,  季运佳 ,  邹水中

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：CN115319755A

公开(公告)日：2022-11-11

申请号：CN202211137827.8

申请日：2022-09-19

Applicant: 桂林电子科技大学

Inventor： 党选举 ,  张一晨 ,  原翰玫 ,  李晓 ,  伍锡如 ,  张向文 ,  张斌 ,  季运佳 ,  邹水中

IPC: B25J9/16

Abstract: 本发明公开一种基于反馈校正的GRU神经网络机器人柔性关节补偿控制方法，针对负载转矩传感器的情况下，通过反映负载大小变化的电机驱动电流与关节扭转角之间的特性，描述关节在不同负载下的迟滞特性，在GRU神经网络的基础上引入反馈结构，利用模型输出值与期望输出值之间的误差组成补偿量，反馈给GRU神经网络模型，用于校正GRU神经网络模型的输出值，以提高关节的GRU神经网络模型精度。柔性关节迟滞模型预测随负载变化的扭转角，作为补偿量，修改关节的角度设定值，从关节输入端，间接实现对关节迟滞特性造成误差的有效补偿。本发明是一种低成本补偿控制方法，有利于低成本高精度轻型工业机器人的高端智能制造中的大量普及。

公开(公告)号：CN119961868A

公开(公告)日：2025-05-09

申请号：CN202510120342.5

申请日：2025-01-25

Applicant: 桂林电子科技大学

Inventor： 高为 ,  张向文 ,  杨建刚 ,  黄源 ,  张斌 ,  邹水中 ,  黄品高 ,  季运佳 ,  任风华 ,  姜文英 ,  姜辉

IPC: G06F18/25 ,  G01R31/392 ,  G01R31/367 ,  G06N3/043 ,  G06N3/048 ,  G06F18/213 ,  G06N3/084 ,  G06N3/047

Abstract: 本发明公开了融合模糊系统和深度学习的锂离子电池健康管理方法，如下：步骤一、构建物理信息和模糊混合深度学习模型；步骤二、训练物理信息和模糊混合深度学习模型，训练样本的特征输入全连接深度神经网络，得潜在解；计算潜在解对每个输入特征的偏微分；其中非标记特征的偏微分、输入特征、以及潜在解的任意组合输入TSK模糊系统，通过函数F将潜在解对标记特征的偏微分与TSK模糊系统输出融合；基于损失函数，采用反向传播方法训练物理信息和模糊混合深度学习模型，训练好得到优化模型；步骤三、预测锂离子健康状态。该方法将TSK模糊系统取代深度神经网络表示物理信息神经网络的非线性动力学，提高锂离子电池健康状态估计的精确度。

公开(公告)号：CN115366101B

公开(公告)日：2025-03-18

申请号：CN202211004848.2

申请日：2022-08-22

Applicant: 桂林电子科技大学

Inventor： 党选举 ,  覃创业 ,  原翰玫 ,  李晓 ,  张向文 ,  伍锡如 ,  张斌 ,  季运佳 ,  邹水中

IPC: B25J9/16

Abstract: 本发明公开一种基于CNN‑LSTM的机器人气动夹持力的建模估计方法，先通过对工业机器人气动夹持控制系统的分析合理选择夹持力估计模型的输入参数来体现系统的复杂迟滞非线性特性，再引入CNN特征提取层，利用CNN优化LSTM网络，解决传统LSTM模型难以有效获取数据关联特征的问题；与传统电动爪控制的相比较，该发明是一种无传感器、低成本的气动夹持力有效估计方法。

公开(公告)号：CN115556093B

公开(公告)日：2024-08-27

申请号：CN202211138252.1

申请日：2022-09-19

Applicant: 桂林电子科技大学

Inventor： 党选举 ,  马樑海 ,  原翰玫 ,  李晓 ,  伍锡如 ,  张向文 ,  张斌 ,  季运佳 ,  邹水中

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：CN115319755B

公开(公告)日：2025-05-16

申请号：CN202211137827.8

申请日：2022-09-19

Applicant: 桂林电子科技大学

Inventor： 党选举 ,  张一晨 ,  原翰玫 ,  李晓 ,  伍锡如 ,  张向文 ,  张斌 ,  季运佳 ,  邹水中

IPC: B25J9/16

Abstract: 本发明公开一种基于反馈校正的GRU神经网络机器人柔性关节补偿控制方法，针对负载转矩传感器的情况下，通过反映负载大小变化的电机驱动电流与关节扭转角之间的特性，描述关节在不同负载下的迟滞特性，在GRU神经网络的基础上引入反馈结构，利用模型输出值与期望输出值之间的误差组成补偿量，反馈给GRU神经网络模型，用于校正GRU神经网络模型的输出值，以提高关节的GRU神经网络模型精度。柔性关节迟滞模型预测随负载变化的扭转角，作为补偿量，修改关节的角度设定值，从关节输入端，间接实现对关节迟滞特性造成误差的有效补偿。本发明是一种低成本补偿控制方法，有利于低成本高精度轻型工业机器人的高端智能制造中的大量普及。

公开(公告)号：CN115366101A

公开(公告)日：2022-11-22

申请号：CN202211004848.2

申请日：2022-08-22

Applicant: 桂林电子科技大学

Inventor： 党选举 ,  覃创业 ,  原翰玫 ,  李晓 ,  张向文 ,  伍锡如 ,  张斌 ,  季运佳 ,  邹水中

IPC: B25J9/16

Abstract: 本发明公开一种基于CNN‑LSTM的机器人气动夹持力的建模估计方法，先通过对工业机器人气动夹持控制系统的分析合理选择夹持力估计模型的输入参数来体现系统的复杂迟滞非线性特性，再引入CNN特征提取层，利用CNN优化LSTM网络，解决传统LSTM模型难以有效获取数据关联特征的问题；与传统电动爪控制的相比较，该发明是一种无传感器、低成本的气动夹持力有效估计方法。

公开(公告)号：CN115229798B

公开(公告)日：2025-04-04

申请号：CN202211004966.3

申请日：2022-08-22

Applicant: 桂林电子科技大学

Inventor： 党选举 ,  林智武 ,  原翰玫 ,  李晓 ,  伍锡如 ,  张向文 ,  张斌 ,  季运佳 ,  邹水中

IPC: B25J9/16

Abstract: 本发明公开一种前馈补偿与变阻尼建模相融合的力阻抗控制方法，在位置阻抗控制框架下，将自适应前馈PI补偿与深度神经网络变阻尼模型融合，其中自适应PI控制通过前馈控制，有效补偿参考位置信息，降低力稳态误差；深度神经网络变阻尼模型在线实时调整阻尼系数，以动态适应未知的接触环境，实现接触力的有效控制。

公开(公告)号：CN115229798A

公开(公告)日：2022-10-25

申请号：CN202211004966.3

申请日：2022-08-22

Applicant: 桂林电子科技大学

Inventor： 党选举 ,  林智武 ,  原翰玫 ,  李晓 ,  伍锡如 ,  张向文 ,  张斌 ,  季运佳 ,  邹水中

IPC: B25J9/16

Abstract: 本发明公开一种前馈补偿与变阻尼建模相融合的力阻抗控制方法，在位置阻抗控制框架下，将自适应前馈PI补偿与深度神经网络变阻尼模型融合，其中自适应PI控制通过前馈控制，有效补偿参考位置信息，降低力稳态误差；深度神经网络变阻尼模型在线实时调整阻尼系数，以动态适应未知的接触环境，实现接触力的有效控制。