-
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：CN113934138B
公开(公告)日：2024-02-23
申请号：CN202111237227.4
申请日：2021-10-21
Applicant: 苏州科技大学 , 苏州杰森电器有限公司
IPC: G05B11/42
Abstract: 了传统PID控制的跟踪滞后问题，还解决了由摩本发明涉及一种用于伺服系统的摩擦补偿 擦带来的速度过零时的位置“平顶现象”和速度前馈控制器，包括PID控制器的三环控制系统，三 “死区现象”。环控制系统由内向外依次包括电流环、位置环以及速度环；还包括在三环控制系统中增加的前馈控制环节和反馈控制环节，所述前馈控制环节包括速度前馈、加速度前馈以及通过LuGre摩擦模型得到的摩擦补偿，所述速度前馈为对位置环输入的一节微分环节，所述加速度反馈为对速度环输入的二阶微分环节；所述反馈控制环节包括微分负反馈；通过粒子群优化算法整定所述前馈控(56)对比文件Chih-Jer Lin 等《.Identification andCompensation of Nonlinear FrictionCharacteristics and Precision Control fora Linear Motor Stage》《.IEEE/ASMETRANSACTIONS ON MECHATRONICS》.2013,第1-12页.
-
公开(公告)号：CN113934138A
公开(公告)日：2022-01-14
申请号：CN202111237227.4
申请日：2021-10-21
Applicant: 苏州科技大学 , 苏州杰森电器有限公司
IPC: G05B11/42
Abstract: 本发明涉及一种用于伺服系统的摩擦补偿前馈控制器，包括PID控制器的三环控制系统，三环控制系统由内向外依次包括电流环、位置环以及速度环；还包括在三环控制系统中增加的前馈控制环节和反馈控制环节，所述前馈控制环节包括速度前馈、加速度前馈以及通过LuGre摩擦模型得到的摩擦补偿，所述速度前馈为对位置环输入的一节微分环节，所述加速度反馈为对速度环输入的二阶微分环节；所述反馈控制环节包括微分负反馈；通过粒子群优化算法整定所述前馈控制环节中的三个参数：速度前馈增益Ka，加速度前馈增益Kb，以及摩擦补偿增益Kf。本发明解决了传统PID控制的跟踪滞后问题，还解决了由摩擦带来的速度过零时的位置“平顶现象”和速度“死区现象”。
-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN119515980A
公开(公告)日：2025-02-25
申请号：CN202411665243.7
申请日：2024-11-20
Applicant: 苏州科技大学 , 苏州杰森电器有限公司
IPC: G06T7/73 , G06T7/90 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明属于姿态估计技术领域，具体公开了一种基于深度学习的物体六自由度位姿估计方法。包括以下步骤：S1：获取原始RGBD图像，通过掩膜技术对原始RGBD图像进行处理；S2：构建金字塔网络，将处理后的RGBD图像输入所述金字塔网络中，给不同特征赋予不同的权重，生成物体的旋转和平移预测；S3：构建损失函数，通过6D姿态估计数据集模型进行训练以及验证，并评价模型在处理6D姿态估计任务时的精度和鲁棒性。本发明提出了一种基于深度学习的物体六自由度位姿估计方法，其包含一种金字塔网络。该网络结构在复杂的场景中提取丰富的颜色和几何信息，从而实现精确的姿态估计。
-
公开(公告)号：CN119260706A
公开(公告)日：2025-01-07
申请号：CN202411721524.X
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蠕动式软体机器人的径向致动器，所述径向致动器内设置有气腔、微通道和圆柱形空腔，圆柱形空腔沿径向致动器的中轴线设置，气腔呈圆环状且沿径向致动器内壁设置且与径向致动器保持第一预设距离，微通道设置于气腔与径向致动器内壁之间，气腔包围圆柱形空腔且气腔内壁与圆柱形空腔外壁保持第二预设距离，气腔内部气压可增大或减小；微通道内置有液态金属，当增大气腔中的气压发生改变时，径向致动器发生形变导致微通道产生形变，进而变导致液态金属的电阻发生变化，根据液态金属的电阻变化判断径向致动器的膨胀变形情况。本发明提高了径向致动器的膨胀变形性能，使其能更快地固定位移，提高了蠕动式软体机器人的运动效率。
-
公开(公告)号：CN115528961A
公开(公告)日：2022-12-27
申请号：CN202211142160.0
申请日：2022-09-20
Applicant: 苏州科技大学 , 苏州杰森电器有限公司
IPC: H02P21/00
Abstract: 本发明属于永磁同步电机控制技术领域，具体公开了基于新型趋近律的永磁同步电机非奇异终端滑模控制方法，其主要为在线性滑模面中引入终端吸引子，获得终端滑模面；根据滑模的存在条件，构建新型趋近律，将终端滑模面与新型趋近律结合，获取滑模控制器函数。本发明以永磁同步电机为对象，设计了新型的速度控制器。通过几种滑模面的对比，根据控制对象非线性的特性，设计了非奇异终端滑模面，提高了趋近速度。根据趋近阶段远离滑模面和接近滑模面的两个阶段，使用切换函数，引入终端因子，增加速度的同时减小抖振。同时增加了指数项，在远离滑模面的阶段大大提高了趋近速度。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.048 seconds)
