一种嵌入直流电机单连杆机械臂控制方法

    公开(公告)号:CN117506896A

    公开(公告)日:2024-02-06

    申请号:CN202311455734.4

    申请日:2023-11-02

    Abstract: 本发明公开了一种嵌入直流电机单连杆机械臂控制方法,用于具有输出约束直流电机单连杆机械臂系统的控制,包括:首先基于加幂积分技术,将传统低阶滑模动力学系统扩展到高阶,提出固定时间稳定的高阶滑模算法;考虑到连杆和电机轴的角位置未知和电机电枢输出电压受限的问题,构造正切型障碍Lyapunov函数和固定时间干扰观测器;利用类backstepping方法推导设计控制器,根据Lyapunov第二法稳定判据和固定时间稳定定理,验证 的成立情况,并得到固定时间的确定性表达式。本发明可确保系统状态在输出受限的情况下能够独立于系统初始条件实现稳定收敛,且稳定时间不会无限增长的性能指标,提高机械臂控制系统的可预测性和精确控制能力,增强系统的鲁棒性和自适应特性。

    一种非线性机电伺服系统的预分配时间预定性能控制方法

    公开(公告)号:CN117215240A

    公开(公告)日:2023-12-12

    申请号:CN202311283726.6

    申请日:2023-09-28

    Abstract: 本发明公开了一种非线性机电伺服系统的预分配时间预定性能控制方法,包括:获取机电伺服系统具有状态约束的非线性系统的状态方程;依据状态方程及状态约束条件,确定控制目标;根据状态方程设计误差变量,并基于反步控制方法进行递推设计,根据控制目标设计虚拟控制变量和实际控制变量;构建预定性能障碍Lyapunov函数V,并将所设计的虚拟控制变量和实际控制输入代入,验证其是否满足预分配时间稳定性判据。证明控制方案能够实现闭环系统在预分配时间内稳定,并在满足预定性能指标的前提下跟踪给定轨迹信号。与现有技术相比,本发明能够根据机电系统模型的参数情况,保证整个闭环系统的控制轨迹在预先指定的时间内全局收敛,且满足预先设定的性能指标。

    一种电机驱动单连杆机械臂的自适应控制方法

    公开(公告)号:CN116079741B

    公开(公告)日:2023-12-01

    申请号:CN202310192069.8

    申请日:2023-03-02

    Abstract: 本发明公开了一种电机驱动单连杆机械臂的自适应控制方法,包括:描述机器人单连杆机械臂的动力学方程,根据动力学方程得到具有非匹配干扰的不确定纯反馈非线性系统的状态方程;设计有限时间性能函数来约束系统动态模型的误差变量进而实现系统的跟踪控制满足规定性能的控制目标;基于动态面递推控制方法,结合模糊逼近、非线性干扰观测器的方法设计虚拟控制、实际控制输入和自适应更新律;构造Lyapunov函数V,计算 的不等式,验证其是否满足 对所设计的有限时间预定性能模糊自适应控制方案进行稳定性证明、性能指标分析。本发明实现了机械臂跟踪控制性能在规定时间内满足规定的性能指标。

    基于PCA和混沌GWO优化RELM的太阳辐射预测方法及系统

    公开(公告)号:CN113449466B

    公开(公告)日:2023-12-01

    申请号:CN202110665417.X

    申请日:2021-06-16

    Abstract: 本发明公开了一种基于PCA和混沌GWO优化RELM的太阳辐射预测方法及系统,所述方法包括:S1,对数据进行标准化处理;S2,将处理后的数据进行PCA降维;S3,建立混沌GWO‑RELM模型,找到RELM的最优隐含层节点个数node和正则化系数C;S4,将测试样本送入含有最优隐含层节点个数node和正则化系数C的RELM中进行计算,得到待预测站点未来的太阳辐射预报值。本发明针对太阳辐射数据的不连续性和高频特性致使太阳辐射预测精度低的问题,采用混沌灰狼算法与正则化极限学习机相结合构成混沌GWO‑RELM模型对太阳辐射数据进行预测,克服了传统时间序列模型的缺点,使得太阳辐射预测的精度得到了(56)对比文件Hui Liu,et al.Smart wind speedforecasting using EWT decomposition, GWOevolutionary optimization, RELM learningand IEWT reconstruction《.》EnergyConversion and Management.2018,正文第266-283页.

    一种基于改进深度极限学习机的风功率预测方法

    公开(公告)号:CN113449464B

    公开(公告)日:2023-09-22

    申请号:CN202110654390.4

    申请日:2021-06-11

    Abstract: 本发明公开了一种基于改进深度极限学习机的风功率预测方法,包括:S1:获取风功率数据,同时构建深度极限学习机DELM模型;S2:对采集到的风功率数据进行归一化处理,并初始化DELM模型参数;S3:在标准灰狼算法中引入sobol序列初始化种群,在局部搜索中引入柯西变异策略;S4:将预处理后的训练样本送入DELM模型中,经过DELM训练测试得到的复合加权目标函数值作为经混合复合加权目标函数改进后的灰狼算法的适应度值,利用改进灰狼优化算法对参数进行训练寻优,得到DELM各隐含层的最优节点数和最优正则化参数C;S5:将风功率数据的测试样本送入含有最优参数的DELM模型中,得到风功率预测输出值。本发明能够使得风功率预测更加接近实际值,提高风功率预测的准确度。

    一种质子交换膜燃料电池寿命预测的方法

    公开(公告)号:CN116502541A

    公开(公告)日:2023-07-28

    申请号:CN202310568459.0

    申请日:2023-05-18

    Abstract: 本发明公开了一种质子交换膜燃料电池寿命预测的方法,采用改进的蛇优化算法分别优化卷积神经网络模型CSO‑CNN和随机向量网络模型CSO‑RVFL进行退化趋势预测;采用粒子滤波嵌套半经验模型,首先通过燃料电池的物理模型进行循环迭代得到状态方程和观测方程的参数范围,并利用粒子群优化算法进行对物理模型进行参数优化;最后采用Blending算法对数据驱动模型和物理模型预测结果进行集成学习得到燃料电池的性能退化趋势,使用性能退化趋势预测结果对质子交换膜燃料电池剩余寿命进行预测。本发明利用改进的蛇算法对CNN和RVFL模型进行同步优化,能够更好的得到燃料电池性能退化趋势,实现对质子交换膜燃料电池剩余寿命的精确快速预测。

Patent Agency Ranking