-
公开(公告)号：CN117549296B
公开(公告)日：2024-11-22
申请号：CN202311533510.0
申请日：2023-11-16
Applicant: 南京工业大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于神经网络的机械臂系统迭代学习控制方法。该方法基于机械臂系统的位置、速度、加速度，将机械臂系统重构为高阶系统，为避免微分爆炸问题，构建了一种命令滤波器，同时针对机械臂系统存在的输入饱和问题和滤波器未能实现的部分，设计辅助系统进行相应的补偿，使用基于神经网络的迭代学习控制器来控制机械臂系统。与传统的需要精确数学模型的控制方法相比，本发明所提的控制算法更为新颖且应用条件简单。该方法用于重复任务操作时，有效地提高了控制精度，具有良好的工程应用价值。
-
公开(公告)号：CN119937308A
公开(公告)日：2025-05-06
申请号：CN202510080382.1
申请日：2025-01-17
Applicant: 南京工业大学
IPC: G05B13/04
Abstract: 本发明公开了一种处理状态未知下局部李普希兹非线性的电路系统迭代学习控制方法。该方法针对电路系统电流未知这一实际问题，构造了一种基于参考模型的自适应增益状态观测器。构造一种迭代长度选择指标，使系统和观测器的输出不会违背给定的限制范围。构造一种迭代学习控制器来控制带有局部李普希兹非线性的电路系统。与传统的需要精确数学模型的控制方法相比，本发明所提的控制算法更为新颖且应用条件简单。该方法用于重复任务操作时，有效地提高了控制精度，具有良好的工程应用价值。
-
Patent Agency Ranking
公开(公告)号：CN117008473A
公开(公告)日：2023-11-07
申请号：CN202310786585.3
申请日：2023-06-29
Applicant: 南京工业大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于观测器的电路系统迭代学习控制方法。该方法首先使用参数建模法建立电路系统模型，利用参考轨道修饰方法使参考轨道空间闭合，即在迭代时长不固定的情况下使本次迭代参考轨道初始值等于上次迭代参考轨道终值，同时构造了自适应学习观测器，使用基于观测器迭代学习控制的控制器来控制电路系统。与传统的需要精确数学模型的控制方法相比，本发明所提的控制算法更为新颖且应用条件简单。该方法用于重复任务操作时，有效地提高了控制精度，具有良好的工程应用价值。
-
公开(公告)号：CN117008473B
公开(公告)日：2025-01-10
申请号：CN202310786585.3
申请日：2023-06-29
Applicant: 南京工业大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于观测器的电路系统迭代学习控制方法。该方法首先使用参数建模法建立电路系统模型，利用参考轨道修饰方法使参考轨道空间闭合，即在迭代时长不固定的情况下使本次迭代参考轨道初始值等于上次迭代参考轨道终值，同时构造了自适应学习观测器，使用基于观测器迭代学习控制的控制器来控制电路系统。与传统的需要精确数学模型的控制方法相比，本发明所提的控制算法更为新颖且应用条件简单。该方法用于重复任务操作时，有效地提高了控制精度，具有良好的工程应用价值。
-
公开(公告)号：CN118478357A
公开(公告)日：2024-08-13
申请号：CN202410702603.X
申请日：2024-05-31
Applicant: 南京工业大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于平衡因子的的机械臂系统容错迭代学习控制方法。该方法基于机械臂系统参数间的导数关系，将系统重构为二阶系统，构造反步误差和虚拟控制器，同时为避免每次迭代初系统状态不能够完美重置，构建了一种基于平衡因子的参数更新律，设计了迭代学习控制器来控制机械臂系统并补偿执行器故障、参数不确定性和扰动。与传统的需要精确数学模型的控制方法相比，本发明所提的控制算法更为新颖且应用条件简单。该方法用于重复任务操作时，有效地提高了控制精度，具有良好的工程应用价值。
-
公开(公告)号：CN119247775A
公开(公告)日：2025-01-03
申请号：CN202411319946.4
申请日：2024-09-20
Applicant: 南京工业大学
Abstract: 本发明公开了一种基于宽松对齐条件的的机械臂系统容错分布式学习控制方法。该方法设计一种宽松对齐条件和补偿输入饱和的辅助系统，构造反步误差、虚拟控制器和补偿误差。设计迭代学习控制器来控制机械臂系统并补偿未知惯性矩阵、参数不确定性和扰动，通过构造复合能量函数分析误差系统的收敛性。与传统的需要精确数学模型的控制方法相比，本发明所提的控制算法更为新颖且应用条件简单。该方法用于重复任务操作时，有效地提高了控制精度，具有良好的工程应用价值。
-
公开(公告)号：CN117549296A
公开(公告)日：2024-02-13
申请号：CN202311533510.0
申请日：2023-11-16
Applicant: 南京工业大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于神经网络的的机械臂系统迭代学习控制方法。该方法基于机械臂系统的位置、速度、加速度，将机械臂系统重构为高阶系统，为避免微分爆炸问题，构建了一种命令滤波器，同时针对机械臂系统存在的输入饱和问题和滤波器未能实现的部分，设计辅助系统进行相应的补偿，使用基于神经网络的迭代学习控制器来控制机械臂系统。与传统的需要精确数学模型的控制方法相比，本发明所提的控制算法更为新颖且应用条件简单。该方法用于重复任务操作时，有效地提高了控制精度，具有良好的工程应用价值。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
