-
公开(公告)号：CN119567248A
公开(公告)日：2025-03-07
申请号：CN202411721522.0
申请日：2024-11-28
Applicant: 苏州科技大学 , 苏州杰森电器有限公司
IPC: B25J9/16
Abstract: 本发明涉及一种基于深度强化学习的管道气动软体机器人控制方法和系统，其中，方法包括：通过改进的DDPG算法来控制管道气动软体机器人中轴向致动器的运动，实现对管道气动软体机器人的控制，具体为：改进的DDPG算法为在DDPG算法中引入预测奖励学习方法；通过所述DDPG算法得到第一奖励；通过所述预测奖励学习方法得到第二奖励；将第一奖励和与第二奖励进行结合，得到用于指导轴向致动器执行动作的策略函数；轴向致动器根据所述策略函数执行动作，以实现对管道气动软体机器人的控制。本发明有效提高了管道气动软体机器人的连续运动控制性能。
-
公开(公告)号：CN117389300A
公开(公告)日：2024-01-12
申请号：CN202311499002.5
申请日：2023-11-10
Applicant: 苏州科技大学 , 苏州杰森电器有限公司
Abstract: 本发明涉及无人机侦察任务分配技术领域，尤其是指一种城市战争无人机编队侦察任务分配方法，该方法基于所述城市战争环境模型和所述无人机编队侦察任务分配问题模型，搭建侦察任务分配模型；基于所述抗体自适应进化的人工免疫算法得到全局分配结果，所述无人机编队根据所述全局分配结果执行任务，在新增任务或无人机损坏时采用所述货郎合同网算法对无人机编队进行实时动态任务重分配。本发明利用抗体自适应进化的人工免疫算法的全局最优性和货郎合同网算法的灵活性、鲁棒性，通过将两者混合，可以使得无人机编队侦察任务分配问题更加高效、准确，有效地解决了现有城市战争无人机编队侦察任务分配方法不能兼顾全局性和时效性的问题。
-
公开(公告)号：CN116476077A
公开(公告)日：2023-07-25
申请号：CN202310683327.2
申请日：2023-06-09
Applicant: 苏州科技大学 , 苏州杰森电器有限公司
IPC: B25J9/16
Abstract: 本发明涉及一种柔性机械臂的组合控制方法、系统及电子设备，方法包括：步骤S1：根据假设模态法和拉格朗日法构建柔性机械臂的动力学模型；步骤S2：采用奇异摄动理论对所述动力学模型进行解耦，得到慢变子系统模型和快变子系统模型；步骤S3：对所述慢变子系统模型设计基于新型趋近律的轨迹跟踪控制器；同时对所述快变子系统模型设计振动抑制控制器；步骤S4：将所述轨迹跟踪控制器和振动抑制控制器的输出进行叠加，得到组合控制的输出，将所述组合控制的输出作用于柔性机械臂。本发明可以有效提高柔性机械臂的控制精度且能抑制振动。
-
公开(公告)号：CN119483420A
公开(公告)日：2025-02-18
申请号：CN202411664725.0
申请日：2024-11-20
Applicant: 苏州科技大学 , 苏州杰森电器有限公司
Abstract: 本发明涉及一种永磁同步电机转矩谐波抑制系统，包括PMSM模型、迭代学习控制模块、二自由度控制模块以及遗传算法参数寻优模块，所述二自由度控制模块与迭代学习控制模块串联，所述二自由度控制模块输出的期望电流，与所述迭代学习控制模块输出的补偿电流相加作为期望电流，将所述期望电流作为所述PMSM模型的输入；所述迭代学习控制模块采用闭环PI型迭代学习控制算法；采用所述遗传算法参数寻优模块对所述迭代学习控制模块的参数进行寻优整定。相较于传统迭代学习控制器，本发明采用的谐波抑制系统不仅可以抑制周期性转矩谐波，还可以抑制非周期性转矩谐波；且本发明采用遗传算法对迭代学习控制模块的参数自动进行参数寻优，省去了复杂的调参过程。
-
公开(公告)号：CN119483369A
公开(公告)日：2025-02-18
申请号：CN202411664273.6
申请日：2024-11-20
Applicant: 苏州科技大学 , 苏州杰森电器有限公司
IPC: H02P21/00 , H02P21/22 , H02P25/022
Abstract: 本发明涉及一种永磁同步电机控制系统，包括位置环、速度环和电流环，所述位置环和速度环并联作为系统外环，所述电流环为系统内环，所述位置环和速度环并联后的输出值为所述电流环的输入值；通过频域法对所述位置环和速度环的控制器进行参数整定。本发明通过将传统矢量控制系统中位置环和速度环的串联结构改变为并联结构，对并联结构进行系统模型简化，得到其系统框图和传递函数，同时通过频域法对位置环和速度环的控制器进行参数整定，使控制系统具备更好的稳态性能和动态性能；同时具备更高的系统型别，在输入斜坡信号时，不存在稳态误差；另外，该控制结构具有更简洁的优化方案，在后续的性能优化中有更大的优势。
-
Patent Agency Ranking
公开(公告)号：CN119483368A
公开(公告)日：2025-02-18
申请号：CN202411663989.4
申请日：2024-11-20
Applicant: 苏州科技大学 , 苏州杰森电器有限公司
IPC: H02P21/00 , H02P21/13 , H02P21/14 , H02P25/022
Abstract: 本发明涉及一种基于机械参数自辨识技术的永磁同步电机控制方法，包括如下步骤：步骤1：建立考虑扰动下的电机观测模型，并根据所述电机观测模型设计线性扩张状态观测器和线性自抗扰控制器；步骤2：根据线性扩张状态观测器所得到的总扰动观测公式，计算出电机的粘滞摩擦系数和转动惯量的辨识算法；步骤3：采用准谐振控制器抑制中高频扰动；步骤4：将辨识算法所得的参数代入所述线性自抗扰控制器中。本发明利用线性扩张状态观测器本身的扰动观测特性，在永磁同步电机维持恒速运行的前提下，实现了电机粘滞摩擦系数和转动惯量的在线辨识；通过准谐振控制器和线性自抗扰控制器消除了辨识结果中由周期性转矩脉动引起的误差值，提高了辨识的准确性。
-
公开(公告)号：CN119369376A
公开(公告)日：2025-01-28
申请号：CN202411721523.5
申请日：2024-11-28
Applicant: 苏州科技大学 , 苏州杰森电器有限公司
Abstract: 本发明涉及一种用于管道软体机器人的感知与驱动模块，包括轴向致动器和柔性应变传感器，其中，所述轴向致动器为圆柱状，其开设有互不连通的三个气腔，分别为第一气腔、第二气腔和第三气腔，通过调节所述第一气腔、第二气腔和第三气腔的压强实现管道软体机器人在多种方向与角度的弯曲；所述轴向致动器嵌入有与第一气腔、第二气腔和第三气腔对应的敏感层，每个所述敏感层位于所述轴向致动器的响应区域中，所述响应区域为用于区分轴向致动器应变方向所划分的区域，所述敏感层为柔性应变传感器。本发明构建的感知与驱动模块能够有效应用于管道软体机器人，更适合管道这类狭窄复杂的应用场景。
-
公开(公告)号：CN116540759A
公开(公告)日：2023-08-04
申请号：CN202310617817.2
申请日：2023-05-29
Applicant: 苏州科技大学 , 苏州杰森电器有限公司
Abstract: 本发明提供一种基于改进D*算法的无人机三维路径规划方法及系统，适用于无人机路径规划技术领域，该方法包括获取无人机当前环境地图信息，并初始化地图信息，包括起始点、目标点以及障碍物；利用改进的D*算法，根据初始化后的地图信息进行路径优化，得到最优路径；根据最优路径对无人机的三维路径进行规划。本发明可有效应用于无人机在三维环境下的路径规划，在加快算法效率和提高路径质量方面，取得了优越效果。
-
公开(公告)号：CN115664282A
公开(公告)日：2023-01-31
申请号：CN202211299385.7
申请日：2022-10-21
Applicant: 苏州科技大学 , 苏州杰森电器有限公司
IPC: H02P21/00 , H02P25/022 , H02P25/024 , H02P27/08 , H02P6/34
Abstract: 本发明涉及一种基于Smith预估补偿的PMSM控制方法，包括如下步骤：步骤1：建立包含扰动项的PMSM数学模型；步骤2：在所述PMSM数学模型中引入Smith预估补偿器，采用时变模型自适应预估方法估计延迟时间和被控对象模型参数，得到全参数自适应的Smith预估补偿器；所述时变模型自适应预估方法为：先加入一个时变环节，输入控制量，使两个输出量的误差趋近于0，以获得对应的自适应律；步骤3：采用基于滑模控制的前馈补偿控制器对输出进行前馈补偿。本发明采用时变模型自适应预估方法来估计延迟时间和被控对象模型参数，为Smith预估补偿提供了精确的参数；通过设计滑模前馈控制器，与Smith预估补偿相结合，确保了系统的整体稳定。
-
公开(公告)号：CN119573758A
公开(公告)日：2025-03-07
申请号：CN202411721520.1
申请日：2024-11-28
Applicant: 苏州科技大学 , 苏州杰森电器有限公司
IPC: G01C21/34
Abstract: 本发明涉及机器人路径规划技术领域，尤其是指一种融合动态窗口和PPO算法的机器人路径规划方法、装置及计算机可读存储介质，包括：基于动态窗口法构建机器人运动模型，并限制机器人运动模型的速度窗口，建立机器人运动模型的评价函数；在训练环境中，将机器人运动模型的评价函数中的权重参数作为可学习参数，给定可学习参数的范围，利用近端策略优化算法对可学习参数进行学习，输出目标权重参数，得到机器人运动模型的目标评价函数。本发明使得机器人进行路径规划时具有平滑的自主学习能力，提高了机器人在具有动态障碍的环境的适应能力，也提高了机器人在复杂多变的环境下规划的路径的质量。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.041 seconds)
