-
公开(公告)号:CN113704902B
公开(公告)日:2024-04-09
申请号:CN202110860418.X
申请日:2021-07-26
Applicant: 兰州大学
IPC: G06F30/17 , G06F30/27 , G06F17/16 , G06F119/14
Abstract: 本发明提供了一种基于梯度投影神经动力学的门式起重机模型预测最优控制方法,旨在提升门式起重机的货物运载轨迹跟踪的精确性、快速性和鲁棒性,包括如下步骤:1)将门式起重机模型预测最优控制方案转换为集合约束二次型最优控制方案;2)对门式起重机待优化的目标函数进行梯度求解并构建能量函数;3)构建门式起重机货物运载任务的关于集合约束的正交投影矩阵;4)建立执行门式起重机货物运载任务的梯度投影神经动力学,确定最优控制信号。本发明为梯度投影神经动力学与门式起重机的模型预测最优控制的融合提供了良好的思路与方法,可精确并且鲁棒地完成给定的任务,对提升工程建筑和工厂作业活动的效率具有重要意义。
-
公开(公告)号:CN117873073A
公开(公告)日:2024-04-12
申请号:CN202311790762.1
申请日:2023-12-22
Applicant: 兰州大学
Abstract: 本发明提供了一种抗扰动的无人车非线性动力学最优控制方法,旨在提高无人驾驶汽车在复杂扰动环境中的稳定性和控制精度,包括如下步骤:S1:考虑轮胎和地面之间的滑移作用,构建无人车非线性动力学模型;S2:根据无人车非线性动力学模型,构建无人车预测模型,以预测未来状态及未来控制输入;S3:针对无人车的轨迹跟踪控制问题,设计优化性能指标、系统未来状态约束、未来控制输入约束,建立无人车最优控制方案;S4:针对无人车最优控制方案,构建标准的二次规划问题,并进一步将其描述为一个非线性方程组;S5:针对无人车在复杂扰动环境中的安全和高精度运行问题,设计无人车轨迹跟踪控制的抗扰动方案。本发明能够提高在复杂扰动环境中无人车执行轨迹跟踪控制任务的准确性、稳定性和鲁棒性。
-
公开(公告)号:CN113704902A
公开(公告)日:2021-11-26
申请号:CN202110860418.X
申请日:2021-07-26
Applicant: 兰州大学
IPC: G06F30/17 , G06F30/27 , G06F17/16 , G06F119/14
Abstract: 本发明提供了一种基于梯度投影神经动力学的门式起重机模型预测最优控制方法,旨在提升门式起重机的货物运载轨迹跟踪的精确性、快速性和鲁棒性,包括如下步骤:1)将门式起重机模型预测最优控制方案转换为集合约束二次型最优控制方案;2)对门式起重机待优化的目标函数进行梯度求解并构建能量函数;3)构建门式起重机货物运载任务的关于集合约束的正交投影矩阵;4)建立执行门式起重机货物运载任务的梯度投影神经动力学,确定最优控制信号。本发明为梯度投影神经动力学与门式起重机的模型预测最优控制的融合提供了良好的思路与方法,可精确并且鲁棒地完成给定的任务,对提升工程建筑和工厂作业活动的效率具有重要意义。
-
公开(公告)号:CN119283885A
公开(公告)日:2025-01-10
申请号:CN202411401934.6
申请日:2024-10-09
Applicant: 兰州大学
Abstract: 本发明提供了一种基于协同神经动力学的无人车非凸优化控制方法,旨在提高无人车在复杂非凸条件下的控制稳定性和准确性,包括如下步骤:S1:根据无人车连续的非线性运动学模型,通过泰勒展开和前向欧拉方法得到无人车离散的线性化误差模型;S2:根据无人车离散的线性化误差模型,构建线性二次调节器策略,以获得无人车路径跟踪参考控制信号;S3:根据参考控制输入信号,设计优化性能指标、障碍躲避非凸约束和控制输入约束,建立无人车非凸优化控制方案;S4:针对无人车非凸优化控制方案,构建单个神经动力学模型,以求解获得局部最优控制信号输入;S5:针对非凸情况,将单个神经动力学模型拓展为协同神经动力学模型,以求解获得全局最优控制信号输入,驱动无人车完成路径跟踪及障碍躲避任务。本发明能够提高在非凸条件下无人车执行路径跟踪和障碍躲避控制任务的稳定性和准确性。
-
公开(公告)号:CN117162080A
公开(公告)日:2023-12-05
申请号:CN202210577703.5
申请日:2022-05-25
Applicant: 兰州大学 , 腾讯科技(深圳)有限公司
IPC: B25J9/16
Abstract: 本申请公开了一种机械臂的控制方法、装置、设备、存储介质及程序产品,涉及人工智能技术的机器人控制技术领域。所述方法包括:获取机器臂的末端执行器在预测时段内的期望位姿序列和预测位姿序列,该预测时段包括当前时刻之后的多个采样时刻;基于期望位姿序列和预测位姿序列,构建末端执行器在当前时刻下的预测控制方程;对预测控制方程进行求解,得到末端执行器在当前时刻下的预测关节速度;根据末端执行器在当前时刻下的预测关节速度,控制末端执行器跟随当前时刻下的期望位姿移动。本申请实施例通过基于预测时段内的期望位姿和预测位姿,获取使得末端执行器能够跟随期望位姿移动的预测关节速度,提高了末端执行器的跟随精确性。
-
-
-
-