-
公开(公告)号:CN115185187B
公开(公告)日:2023-06-20
申请号:CN202210981267.8
申请日:2022-08-16
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 一种基于二型椭球型模糊神经网络的机械臂有限时间跟踪控制方法,它属于工业机械臂控制领域。本发明解决了由于来自操作环境和机械臂自身造成的系统不确定性,导致采用现有方法难以实现对机械臂的高精度控制的问题。本发明方法采取的技术方案为:步骤一、建立考虑系统不确定性的机械臂动力学模型;步骤二、采用区间二型椭球型模糊神经网络对系统不确定性进行估计,得到估计结果;步骤三、设计预定时间内收敛的非奇异终端滑模面;步骤四、基于估计结果和非奇异终端滑模面进行跟踪控制器的设计。本发明方法可以应用于对工业机械臂的控制。
-
公开(公告)号:CN115295840B
公开(公告)日:2025-04-18
申请号:CN202111394217.1
申请日:2021-11-23
Applicant: 哈尔滨工业大学
IPC: H01M8/04992 , H01M8/04746
Abstract: 质子交换膜燃料电池空气供给系统的双闭环控制方法,属于燃料电池技术领域,本发明为解决现有燃料电池空气供给系统存在计算复杂、计算量大、效率低导致难以实时应用的问题。它包括:外环通过控制压缩机流量调节氧气供应量,使得空气供给系统的控制目标为:实际氧气过剩比能够跟踪当前状态最佳氧气过剩比:#imgabs0##imgabs1#表示实际氧气过剩比,#imgabs2#表示当前状态最佳氧气过剩比;所述外环的控制回路通过超螺旋算法,基于氧气过剩比误差产生参考压缩机流速;内环通过控制压缩机电流控制转矩,使得实际氧气供给量跟踪外环给定值;所述内环的控制回路通过预设时间收敛算法,根据外环给定参考压缩机流量控制实际转速。本发明用于燃料电池的空气供给系统。
-
公开(公告)号:CN116382152A
公开(公告)日:2023-07-04
申请号:CN202310144164.0
申请日:2023-02-21
Applicant: 哈尔滨工业大学
IPC: G05B19/042
Abstract: 双重攻击情形下无人系统的安全控制方法,解决了现有无人系统受到联合攻击下如何安全防御控制的问题,属于无人系统领域。本发明包括:建立含有传感器单元和执行器单元联合攻击的无人系统模型;基于带有噪声的传感器单元实际测量结果ya(tk),利用delta‑域估计器估计出无人系统模型的状态向量的估计值获取控制器的控制向量u(tk),根据确定控制器增益矩阵G;根据当前时刻的传感器单元输出量计算当前时刻无人的状态向量的估计值结合获得的G,根据获得控制器的u(tk),将被攻击的执行器单元的实际输出ua(tk)被更新为:ua(tk)=u(tk)+b(tk),b(tk)表示执行器单元被注入来自传感器单元的联合攻击。
-
公开(公告)号:CN115533904A
公开(公告)日:2022-12-30
申请号:CN202211226788.9
申请日:2022-10-09
Applicant: 国网黑龙江省电力有限公司伊春供电公司 , 哈尔滨工业大学 , 国家电网有限公司
IPC: B25J9/16
Abstract: 基于神经网络滑模的机械臂预设性能轨迹跟踪控制方法,属于机器人控制技术领域。解决了现有机械臂控制方法存在控制器需求过大的控制力与有限的执行器能力相冲突,导致系统稳定性差、鲁棒性低的问题。本发明根据跟踪误差和预设性能函数,设计预设性能系统;获得预设性能系统的状态变量;根据机械臂控制系统输入的饱和误差,设计辅助系统;将预设性能系统的状态变量与辅助系统状态变量作差,获取转换误差;利用转换误差设计滑模函数;建立机械臂控制系统的动力学模型,利用滑模函数与机械臂控制系统的动力学模型,设计基于径向基神经网络的非奇异终端滑模控制策略,获得机械臂的输入控制力矩,实现对机械臂关节轨迹跟踪控制。本发明适用于机器人控制。
-
公开(公告)号:CN115185187A
公开(公告)日:2022-10-14
申请号:CN202210981267.8
申请日:2022-08-16
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 一种基于二型椭球型模糊神经网络的机械臂有限时间跟踪控制方法,它属于工业机械臂控制领域。本发明解决了由于来自操作环境和机械臂自身造成的系统不确定性,导致采用现有方法难以实现对机械臂的高精度控制的问题。本发明方法采取的技术方案为:步骤一、建立考虑系统不确定性的机械臂动力学模型;步骤二、采用区间二型椭球型模糊神经网络对系统不确定性进行估计,得到估计结果;步骤三、设计预定时间内收敛的非奇异终端滑模面;步骤四、基于估计结果和非奇异终端滑模面进行跟踪控制器的设计。本发明方法可以应用于对工业机械臂的控制。
-
公开(公告)号:CN117260739B
公开(公告)日:2025-03-11
申请号:CN202311479282.3
申请日:2023-11-08
Applicant: 哈尔滨工业大学
Abstract: 一种基于深度强化学习和TSK‑FS模糊推理的机器人抓取方法及系统,它属于机器人视觉定位抓取技术领域。本发明解决了现有物体抓取方法无法获得最优行为指导策略且抓取效率低的问题。本发明在深度强化学习模型的行为策略训练阶段加入Gauss噪声值,可以使机械臂有机会探索到更为广泛的动作空间,进而获得最优的行为指导策略。同时本发明的模糊推理利用了与决策动作直接相关的最优推动动作价值、最优抓取动作价值、目标物体边缘物体占有率和连续抓取失败次数信息,使得决策结果综合考虑了推动动作的需求,可以根据当前工作场景中的状态信息进行推抓动作自主决策,有效提高了目标物体的抓取效率。本发明方法可以应用于对机器人的抓取任务进行控制。
-
公开(公告)号:CN116460855A
公开(公告)日:2023-07-21
申请号:CN202310577224.8
申请日:2023-05-22
Applicant: 哈尔滨工业大学
Abstract: 一种基于扩展滑模观测器的单连杆机械臂控制方法,它属于单连杆机械臂控制技术领域。本发明解决了当执行器发生故障时,采用现有方法获得的控制效果差的问题。本发明方法具体为:步骤一、建立电机驱动的单连杆机械臂的动力学模型以及电机的故障模型;步骤二、基于状态空间法,根据步骤一中的动力学模型以及电机的故障模型建立含有执行器故障的单连杆机械臂系统模型;步骤三、设计用于估计单连杆机械臂系统状态与执行器故障的滑模观测器;步骤四、基于滑模观测器的估计结果设计积分型滑模控制器,利用设计的积分型滑模控制器对单连杆机械臂进行控制。本发明方法可以应用于单连杆机械臂控制。
-
公开(公告)号:CN116460855B
公开(公告)日:2024-11-29
申请号:CN202310577224.8
申请日:2023-05-22
Applicant: 哈尔滨工业大学
Abstract: 一种基于扩展滑模观测器的单连杆机械臂控制方法,它属于单连杆机械臂控制技术领域。本发明解决了当执行器发生故障时,采用现有方法获得的控制效果差的问题。本发明方法具体为:步骤一、建立电机驱动的单连杆机械臂的动力学模型以及电机的故障模型;步骤二、基于状态空间法,根据步骤一中的动力学模型以及电机的故障模型建立含有执行器故障的单连杆机械臂系统模型;步骤三、设计用于估计单连杆机械臂系统状态与执行器故障的滑模观测器;步骤四、基于滑模观测器的估计结果设计积分型滑模控制器,利用设计的积分型滑模控制器对单连杆机械臂进行控制。本发明方法可以应用于单连杆机械臂控制。
-
公开(公告)号:CN117260739A
公开(公告)日:2023-12-22
申请号:CN202311479282.3
申请日:2023-11-08
Applicant: 哈尔滨工业大学
Abstract: 一种基于深度强化学习和TSK‑FS模糊推理的机器人抓取方法及系统,它属于机器人视觉定位抓取技术领域。本发明解决了现有物体抓取方法无法获得最优行为指导策略且抓取效率低的问题。本发明在深度强化学习模型的行为策略训练阶段加入Gauss噪声值,可以使机械臂有机会探索到更为广泛的动作空间,进而获得最优的行为指导策略。同时本发明的模糊推理利用了与决策动作直接相关的最优推动动作价值、最优抓取动作价值、目标物体边缘物体占有率和连续抓取失败次数信息,使得决策结果综合考虑了推动动作的需求,可以根据当前工作场景中的状态信息进行推抓动作自主决策,有效提高了目标物体的抓取效率。本发明方法可以应用于对机器人的抓取任务进行控制。
-
公开(公告)号:CN115295840A
公开(公告)日:2022-11-04
申请号:CN202111394217.1
申请日:2021-11-23
Applicant: 哈尔滨工业大学
IPC: H01M8/04992 , H01M8/04746
Abstract: 质子交换膜燃料电池空气供给系统的双闭环控制方法,属于燃料电池技术领域,本发明为解决现有燃料电池空气供给系统存在计算复杂、计算量大、效率低导致难以实时应用的问题。它包括:外环通过控制压缩机流量调节氧气供应量,使得空气供给系统的控制目标为:实际氧气过剩比能够跟踪当前状态最佳氧气过剩比:表示实际氧气过剩比,表示当前状态最佳氧气过剩比;所述外环的控制回路通过超螺旋算法,基于氧气过剩比误差产生参考压缩机流速;内环通过控制压缩机电流控制转矩,使得实际氧气供给量跟踪外环给定值;所述内环的控制回路通过预设时间收敛算法,根据外环给定参考压缩机流量控制实际转速。本发明用于燃料电池的空气供给系统。
-
-
-
-
-
-
-
-
-