-
公开(公告)号：CN112171677B
公开(公告)日：2021-09-17
申请号：CN202011064505.6
申请日：2020-09-30
申请人： 桂林电子科技大学
IPC分类号： B25J9/16
摘要： 本发明公开一种基于LSTM迟滞模型的机器人柔性关节补偿控制方法，利用基于改进的LSTM的工业机器人柔性关节迟滞特性模型在线预测机器人关节输出角度，通过与理想关节输出比较，计算得到输出扭矩角，对应得到关节输入端的角度补偿量，对关节输入端设定输入角度进行补偿，从关节的电机驱动端，实现对关节复杂迟滞特性抵消，有效提高工业机器人关节转换精度。迟滞模型具有在线学习能力，不仅在线补偿工业机器人关节本身结构带来传递非线性误差，同时可补偿工业机器人关节在长时间运行下的慢漂移特性带来转换误差，提高了关节长期运行的保持高精度下的稳定性。
-
公开(公告)号：CN110022109B
公开(公告)日：2021-01-05
申请号：CN201910309126.X
申请日：2019-04-17
申请人： 桂林电子科技大学
IPC分类号： H02P23/00 , H02P23/04 , H02P25/098
摘要： 本发明为一种转矩‑电流神经网络模型SRM转矩脉动控制方法与系统。本方法由SRM的电感模型得到转矩‑电流转换关系，经电流分配函数得到各相控制电流，以实现抑制转矩脉动。根据SRM转矩与电流的非线性特性关系，以描述SRM电流基本变化规律的函数作为隐含层激活函数，设计描述SRM强非线性特性的转矩‑电流神经网络模型，通过转矩‑电流神经网络模型的自学习，计算转矩对应的总参考电流，再经电流分配函数，获得在各相对应的参考电流，控制SRM。按本法设计的系统微处理器的程序存储器有执行本法的各程序模块，SRM上的各传感器信号接入微处理器，经功率变换器连接控制SRM。本发明实现了开关磁阻电机转矩脉动的有效控制。
-
公开(公告)号：CN109742999B
公开(公告)日：2020-07-10
申请号：CN201910042672.1
申请日：2019-01-17
申请人： 桂林电子科技大学
IPC分类号： H02P25/08 , H02P25/098 , H02P23/30 , H02P23/00
摘要： 本发明为一种动态神经网络自适应逆的SRM转矩控制方法与系统，本发明以系统前一时刻的实际总磁链，当前参考转矩和RBF神经网络输出的前一时刻参考磁链作为RBF神经网络的输入信号，输出参考磁链，构成动态RBF神经网络，即转矩‑磁链模型；转矩偏差经PD控制得到控制量，该控制量经预处理作为RBF神经网络自适应逆控制的学习偏差，且该控制量经滤波处理，作为总参考磁链的一部分，补偿转矩‑磁链模型的输出。总参考磁链与实际总磁链相减得磁链偏差，经磁链偏差分配，接入各相磁链偏差滞环控制，有效抑制SRM的转矩脉动。本发明适应电机快速控制要求，反馈误差学习方法加快神经网络建模并提高建模精度，减小转矩脉动的影响。
-
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：CN110572108B
公开(公告)日：2021-02-12
申请号：CN201910864396.7
申请日：2019-09-12
申请人： 桂林电子科技大学
IPC分类号： H02P25/098
摘要： 本发明公开一种开关磁阻电机的电感模型非线性补偿与控制方法与系统，利用能体现SRM线性模型误差的转矩偏差及其变化率作为模糊推理输入信息，设计模糊推理规则，构建模糊补偿器，实现对线性电感模型的非线性前馈补偿；引入强化学习，设计回报函数，与模糊补偿器相配合，进一步实现电感模型的非线性自适应优化补偿，达到间接描述电感的强非线性特性的目的。本发明能够有效地改善控制系统动态品质，抑制了SRM转矩脉动。本发明系统可构成嵌入式系统，避免非线性特性直接建模，运算量小，方便开关磁阻电机的在线控制。
-
公开(公告)号：CN112994538A
公开(公告)日：2021-06-18
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：CN112117947A
公开(公告)日：2020-12-22
申请号：CN202011064501.8
申请日：2020-09-30
申请人： 桂林电子科技大学
IPC分类号： H02P25/098 , H02P21/22
摘要： 本发明公开一种基于电流注入法的SRM转矩脉动抑制控制系统和方法，其主要由位置检测模块、相电流检测模块、求导模块、转速减法器、PI调节模块、转矩分配模块、转矩‑电流转换模块、电流迟滞控制模块、功率变换模块、转矩检测模块、转矩减法器、傅里叶神经网络和3个相电流加法器组成。本发明将神经网络的输出通过注入的方式补偿相电流，以通过在线自适应调整电流信号波形，实现转矩脉动的抑制。本系统可构成嵌入式系统，基于电流波动，提取转矩脉动信息，以修正补偿电流的方式，间接得到恒转矩下的理想电流，其技术方法运算量小，方便开关磁阻电机的在线控制。
-
公开(公告)号：CN109742999A
公开(公告)日：2019-05-10
申请号：CN201910042672.1
申请日：2019-01-17
申请人： 桂林电子科技大学
IPC分类号： H02P25/08 , H02P25/098 , H02P23/30 , H02P23/00
摘要： 本发明为一种动态神经网络自适应逆的SRM转矩控制方法与系统，本发明以系统前一时刻的实际总磁链，当前参考转矩和RBF神经网络输出的前一时刻参考磁链作为RBF神经网络的输入信号，输出参考磁链，构成动态RBF神经网络，即转矩-磁链模型；转矩偏差经PD控制得到控制量，该控制量经预处理作为RBF神经网络自适应逆控制的学习偏差，且该控制量经滤波处理，作为总参考磁链的一部分，补偿转矩-磁链模型的输出。总参考磁链与实际总磁链相减得磁链偏差，经磁链偏差分配，接入各相磁链偏差滞环控制，有效抑制SRM的转矩脉动。本发明适应电机快速控制要求，反馈误差学习方法加快神经网络建模并提高建模精度，减小转矩脉动的影响。
-
公开(公告)号：CN112117947B
公开(公告)日：2022-03-11
申请号：CN202011064501.8
申请日：2020-09-30
申请人： 桂林电子科技大学
IPC分类号： H02P25/098 , H02P21/22
摘要： 本发明公开一种基于电流注入法的SRM转矩脉动抑制控制系统和方法，其主要由位置检测模块、相电流检测模块、求导模块、转速减法器、PI调节模块、转矩分配模块、转矩‑电流转换模块、电流迟滞控制模块、功率变换模块、转矩检测模块、转矩减法器、傅里叶神经网络和3个相电流加法器组成。本发明将神经网络的输出通过注入的方式补偿相电流，以通过在线自适应调整电流信号波形，实现转矩脉动的抑制。本系统可构成嵌入式系统，基于电流波动，提取转矩脉动信息，以修正补偿电流的方式，间接得到恒转矩下的理想电流，其技术方法运算量小，方便开关磁阻电机的在线控制。
-
公开(公告)号：CN112171677A
公开(公告)日：2021-01-05
申请号：CN202011064505.6
申请日：2020-09-30
申请人： 桂林电子科技大学
IPC分类号： B25J9/16
摘要： 本发明公开一种工业机器人柔性关节迟滞误差补偿控制方法，利用基于改进的LSTM的工业机器人柔性关节迟滞特性模型在线预测机器人关节输出角度，通过与理想关节输出比较，计算得到输出扭矩角，对应得到关节输入端的角度补偿量，对关节输入端设定输入角度进行补偿，从关节的电机驱动端，实现对关节复杂迟滞特性抵消，有效提高工业机器人关节转换精度。迟滞模型具有在线学习能力，不仅在线补偿工业机器人关节本身结构带来传递非线性误差，同时可补偿工业机器人关节在长时间运行下的慢漂移特性带来转换误差，提高了关节长期运行的保持高精度下的稳定性。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.044 秒)
