-
公开(公告)号:CN119795169A
公开(公告)日:2025-04-11
申请号:CN202510010812.2
申请日:2025-01-03
Applicant: 安徽大学
IPC: B25J9/16
Abstract: 本发明涉及机器人智能控制技术领域,特别涉及一种基于强化学习的柔性关节机械臂跟踪控制方法及装置。方法包括:采用Actor‑Critic网络来估计系统模型中的不确定性和执行器故障,以确保即使系统经历了不可预测的变化,系统性能也保持稳定;采用非奇异终端滑模控制方法避免了奇异点的出现,不仅保证了控制律的连续性和鲁棒性,还保证了机器人系统的精确轨迹跟踪。本发明考虑到柔性关节机械臂的模型参数可能因弹簧刚度、连杆长度和质量等参数的不同而出现偏差,因此采用强化学习来估计模型内的固有不确定性。本发明提出的基于强化学习(RL)和非奇异终端滑模控制(NTSMC)的策略,可以在保持轨迹跟踪的同时补偿系统的不确定性和未知干扰。
-
公开(公告)号:CN116388183A
公开(公告)日:2023-07-04
申请号:CN202310647146.4
申请日:2023-06-02
Applicant: 安徽大学
IPC: H02J3/00 , G06Q10/0631 , G06Q50/06
Abstract: 本发明公开了一种有向非平衡网络下的指定时间分布式经济调度方法,方法包括:设置系统参数,包括参与调度的所有发电机组个数n,每个发电机组的期望发电功率,设定收敛时间,根据通信网络拓扑图,设置加权邻接矩阵A,各发电机组根据其自身决策可行域选择初始决策行为,并对误差向量、惩罚因子变量和权增益变量等进行初始化获取各变量的初始值;利用惩罚函数法将发电机组局部约束转移至成本函数中进而转化数学模型。本发明提出的指定时间经济调度算法与目前固定时间经济调度算法相比,可以保证收敛时间由用户指定;相比于二次经济调度问题,本发明提出的经济调度算法更加灵活和实用能解决更一般的经济调度问题。
-
公开(公告)号:CN116388183B
公开(公告)日:2023-08-18
申请号:CN202310647146.4
申请日:2023-06-02
Applicant: 安徽大学
IPC: H02J3/00 , G06Q10/0631 , G06Q50/06
Abstract: 本发明公开了一种有向非平衡网络下的指定时间分布式经济调度方法,方法包括:设置系统参数,包括参与调度的所有发电机组个数n,每个发电机组的期望发电功率,设定收敛时间,根据通信网络拓扑图,设置加权邻接矩阵A,各发电机组根据其自身决策可行域选择初始决策行为,并对误差向量、惩罚因子变量和权增益变量等进行初始化获取各变量的初始值;利用惩罚函数法将发电机组局部约束转移至成本函数中进而转化数学模型。本发明提出的指定时间经济调度算法与目前固定时间经济调度算法相比,可以保证收敛时间由用户指定;相比于二次经济调度问题,本发明提出的经济调度算法更加灵活和实用能解决更一般的经济调度问题。
-
-