-
公开(公告)号：CN104238366A
公开(公告)日：2014-12-24
申请号：CN201410514209.X
申请日：2014-09-29
Applicant: 中国科学院自动化研究所
IPC: G05B13/04
Abstract: 本发明公开了一种基于神经元网络的压电陶瓷执行器的预测控制方法及装置。所述方法包括：利用多层神经元网络对压电陶瓷执行器进行建模，得到压电陶瓷执行器的神经元网络模型；在每一个采样周期，利用上述神经元网络模型得到同步线性化模型；利用同步线性化模型得到预测控制器并对其进行优化；基于上述同步线性化模型和相应的预测控制器，对于压电陶瓷执行器的位移进行实时控制。本发明基于自适应控制理论的相关内容，利用基于神经元网络的多个线性近似模型和预测控制器对于压电陶瓷执行器的位移进行实时控制，其克服了压电陶瓷执行器固有的迟滞问题，实现了对于压电陶瓷执行器位移的实时跟踪控制。
-
公开(公告)号：CN103941589B
公开(公告)日：2016-08-24
申请号：CN201410167855.3
申请日：2014-04-24
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种压电执行器的非线性模型预测控制方法，该方法包括以下步骤：利用多层神经元网络对于压电执行器进行建模，得到压电执行器的神经元网络模型；设置非线性模型预测控制器并对其进行优化；基于压电执行器的神经元网络模型和非线性模型预测控制器，对于压电执行器的位移进行实时控制。本发明基于最优化理论的相关内容，利用神经元网络模型和非线性模型预测控制器对于压电执行器的位移进行实时控制，其克服了压电执行器固有的迟滞问题，实现了对于压电执行器位移的实时跟踪控制。
-
公开(公告)号：CN104808486A
公开(公告)日：2015-07-29
申请号：CN201510077244.4
申请日：2015-02-13
Applicant: 中国科学院自动化研究所
IPC: G05B13/04
Abstract: 本发明提供一种基于模糊TS模型的压电陶瓷执行器的预测控制方法和装置，所述方法包括：获取压电陶瓷执行器的电压位移建模数据组；根据模糊TS模型，对所述电压位移采样数据组执行模糊聚类，获得多个线性子规则，并根据最小二乘辨识法获得各所述线性子规则的参数；确定性能指标取最优条件下的各所述线性子规则对应的子预测控制律；获取压电陶瓷执行器在一个采样周期内的电压位移预测数据组；对所述子预测控制律执行加权平均、确定最终预测控制律、并作为控制输出函数。本发明所述方法能够实现对压电陶瓷执行器的实时精确的控制。
-
Patent Agency Ranking
公开(公告)号：CN104238366B
公开(公告)日：2017-10-03
申请号：CN201410514209.X
申请日：2014-09-29
Applicant: 中国科学院自动化研究所
IPC: G05B13/04
Abstract: 本发明公开了一种基于神经元网络的压电陶瓷执行器的预测控制方法及装置。所述方法包括：利用多层神经元网络对压电陶瓷执行器进行建模，得到压电陶瓷执行器的神经元网络模型；在每一个采样周期，利用上述神经元网络模型得到同步线性化模型；利用同步线性化模型得到预测控制器并对其进行优化；基于上述同步线性化模型和相应的预测控制器，对于压电陶瓷执行器的位移进行实时控制。本发明基于自适应控制理论的相关内容，利用基于神经元网络的多个线性近似模型和预测控制器对于压电陶瓷执行器的位移进行实时控制，其克服了压电陶瓷执行器固有的迟滞问题，实现了对于压电陶瓷执行器位移的实时跟踪控制。
-
公开(公告)号：CN104808486B
公开(公告)日：2017-09-12
申请号：CN201510077244.4
申请日：2015-02-13
Applicant: 中国科学院自动化研究所
IPC: G05B13/04
Abstract: 本发明提供一种基于模糊TS模型的压电陶瓷执行器的预测控制方法和装置，所述方法包括：获取压电陶瓷执行器的电压位移建模数据组；根据模糊TS模型，对所述电压位移采样数据组执行模糊聚类，获得多个线性子规则，并根据最小二乘辨识法获得各所述线性子规则的参数；确定性能指标取最优条件下的各所述线性子规则对应的子预测控制律；获取压电陶瓷执行器在一个采样周期内的电压位移预测数据组；对所述子预测控制律执行加权平均、确定最终预测控制律、并作为控制输出函数。本发明所述方法能够实现对压电陶瓷执行器的实时精确的控制。
-
公开(公告)号：CN106019933B
公开(公告)日：2019-12-20
申请号：CN201610615050.X
申请日：2016-07-29
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供了一种“粘滞‑滑动”微动平台的预测控制方法，将“粘滞‑滑动”微动平台的定位控制模式分为亚步控制阶段和单步控制阶段；得到负载压电陶瓷执行器的神经元网络模型以及“粘滞‑滑动”微动平台的亚步控制阶段的预测控制律；并得到“粘滞‑滑动”微动平台长行程定位控制的整体测控制器。本发明方法能够避免求取压电陶瓷执行器的逆模型，从而不会受到逆模型精度的影响；预测控制律可以在实时控制之前完成，仅有解模糊算法需要在实时控制中进行，在线计算量非常小，能够有效的完成高频目标位移信号下的压电陶瓷执行器的控制；具有很强的实用价值，能够有效的对“粘滞‑滑动”微动平台的末端器位移进行控制。
-
公开(公告)号：CN106019933A
公开(公告)日：2016-10-12
申请号：CN201610615050.X
申请日：2016-07-29
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供了一种“粘滞‑滑动”微动平台的预测控制方法，将“粘滞‑滑动”微动平台的定位控制模式分为亚步控制阶段和单步控制阶段；得到负载压电陶瓷执行器的神经元网络模型以及“粘滞‑滑动”微动平台的亚步控制阶段的预测控制律；并得到“粘滞‑滑动”微动平台长行程定位控制的整体测控制器。本发明方法能够避免求取压电陶瓷执行器的逆模型，从而不会受到逆模型精度的影响；预测控制律可以在实时控制之前完成，仅有解模糊算法需要在实时控制中进行，在线计算量非常小，能够有效的完成高频目标位移信号下的压电陶瓷执行器的控制；具有很强的实用价值，能够有效的对“粘滞‑滑动”微动平台的末端器位移进行控制。
-
公开(公告)号：CN103941589A
公开(公告)日：2014-07-23
申请号：CN201410167855.3
申请日：2014-04-24
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种压电执行器的非线性模型预测控制方法，该方法包括以下步骤：利用多层神经元网络对于压电执行器进行建模，得到压电执行器的神经元网络模型；设置非线性模型预测控制器并对其进行优化；基于压电执行器的神经元网络模型和非线性模型预测控制器，对于压电执行器的位移进行实时控制。本发明基于最优化理论的相关内容，利用神经元网络模型和非线性模型预测控制器对于压电执行器的位移进行实时控制，其克服了压电执行器固有的迟滞问题，实现了对于压电执行器位移的实时跟踪控制。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.023 seconds)
