-
公开(公告)号:CN119439733A
公开(公告)日:2025-02-14
申请号:CN202411565927.X
申请日:2024-11-05
Applicant: 重庆邮电大学
IPC: G05B13/04
Abstract: 本发明涉及一种基于干扰观测器的四足机器人单腿滑模控制方法,属于机器人控制技术领域。首先,建立四足机器人单腿在摆动阶段的足端轨迹;然后,建立四足机器人单腿的运动学模型,以实现足端目标位置与对应关节角度的转换;在此基础上,设计非奇异终端滑模控制器,以应对无干扰情况下的动力学控制;最后,结合滑模控制器与干扰估计,设计最终的复合控制策略,实现对机器人关节角度的稳定跟踪,从而提高单腿系统的抗扰性能。本发明利用有限时间干扰观测器与非奇异终端滑模控制器的结合,设计出一种复合控制器,以提高四足机器人的足端轨迹跟踪精度与系统鲁棒性,消除机器人所受外部扰动以及建模误差导致的不确定性。
-
公开(公告)号:CN118348851A
公开(公告)日:2024-07-16
申请号:CN202410427791.X
申请日:2024-04-10
Applicant: 重庆邮电大学
IPC: G05B19/042
Abstract: 本发明涉及一种用于电子节气门系统的终端滑模复合抗干扰控制系统及方法,属于电子节气门系统控制领域。该系统至少包括复合控制器,复合控制器包括终端滑模控制器和干扰观测器。复合控制器根据目标开度和实际开度计算出所需脉宽调制信号输送给驱动电路,驱动电路通过直流电机使节气门阀片运动,并且在节气门阀片运动过程中,节气门节流阀中的位置传感器持续将节气门阀片的实际开度返回至复合控制器,形成闭环控制。该方法通过对集总干扰的准确估计,并将干扰估计信息与非奇异快速终端滑模控制方法相结合,设计了前述的复合控制器以实现节气门阀片的开度控制,能有效抑制电子节气门系统中的非线性、参数不确定性、外部扰动以及系统故障带来的影响。
-
公开(公告)号:CN116250849A
公开(公告)日:2023-06-13
申请号:CN202211559232.1
申请日:2022-12-06
Applicant: 重庆邮电大学
IPC: A61B5/372 , A61B5/00 , G06F18/2415 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本发明请求保护一种基于信息分离器和区域卷积网络的脑电信号识别方法,包括:采集脑电数据,并对脑电数据进行滤波、小波包分解和数据标准化等预处理;根据电极安装位置构建拓扑图,再将经过预处理的脑电数据嵌入图中;使用所构建的图创建信息分离器获取每个节点独立的源信息,然后使用聚焦区域特征并且关注的区域范围依次递增的区域卷积网络提取脑电信号特征,区域卷积网络包含三个卷积层,分别为提取节点自身特征的节点卷积层、提取以节点为中心的领域特征的领域卷积层和提取全局特征的全局卷积层;最后由全连接层完成分类识别。本发明可显著降低电极之间的信息冗余度并有效提高脑电信号的识别准确率。
-
公开(公告)号:CN111216131B
公开(公告)日:2023-03-24
申请号:CN202010069103.9
申请日:2020-01-21
Applicant: 重庆邮电大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于柔性执行器驱动的机器人串级抗干扰控制方法,所述机器人包括臂侧位置控制器和电机侧位置控制器,臂侧位置控制器和电机侧位置控制器以串级方式相连,所述控制方法包括:获取臂侧实际位置q;获取电机侧实际位置θ;根据所述臂侧实际位置q与臂侧参考位置qr以及所述臂侧位置控制器得到电机侧参考位置θr;根据所述电机侧参考位置θr与所述电机侧实际位置θ以及所述电机侧位置控制器得到电机侧位置控制器的输出电压u;根据所述电机侧位置控制器的输出电压u驱动所述机器人。本发明相比传统的柔性执行器驱动的机器人控制方法,该控制方法算法简单,结构容易实现,系统可以达到良好的动态性能和稳态性能。
-
公开(公告)号:CN112332654B
公开(公告)日:2022-05-20
申请号:CN202011174609.2
申请日:2020-10-28
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种DC‑DC降压转换器连续滑模控制方法,包括以下步骤:对DC‑DC降压转换器输出的电压vs、电流iL以及参考电压vr输入广义比例积分观测器进行扰动观测,获得不匹配扰动估计对不匹配扰动估计进行增益后得到匹配扰动估计对DC‑DC降压转换器输出的电压vs与给定的参考电压vr的差值、DC‑DC降压转换器输出的电流iL、不匹配扰动估计以及匹配扰动估计进行连续滑模控制,获得占空比μ;对占空比μ进行脉宽调制,将调制后的脉冲宽度调制电压用于驱动DC‑DC降压转换器;本发明的有益效果为能够使得系统具有良好的动态性能以及稳态性能的同时有效的抑制不匹配时变干扰的控制方法。
-
公开(公告)号:CN112580436B
公开(公告)日:2022-05-03
申请号:CN202011342014.3
申请日:2020-11-25
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于黎曼流形坐标对齐的脑电信号域适应方法,属于于迁移学习域适应方法,特别是脑机接口中跨会话、跨对象分类的数据对齐方法。包括以下步骤:首先对采集到的脑电数据进行去均值、滤波、归一化等预处理;然后使用协方差矩阵对其进行处理,将脑电数据转化为对称正定(SPD)矩阵;根据对称正定矩阵构建黎曼流形空间;接着,将流形空间中的脑电数据点映射到对应的切线空间中进行坐标对齐;最后,将对齐后的脑电数据点映射回黎曼流形空间,并进行矢量化处理。本发明能够减少脑机接口系统中不同受试者脑电信号之间的差异,使得不同对象间的数据分布趋于一致。
-
公开(公告)号:CN119884813A
公开(公告)日:2025-04-25
申请号:CN202411838484.7
申请日:2024-12-13
Applicant: 重庆邮电大学
IPC: G06F18/24 , G06F18/15 , G06F18/27 , G06F18/213 , G06N3/0442 , G01W1/02 , G16C20/20 , G16C20/70 , G06F123/02
Abstract: 本发明涉及一种基于SARIMA‑LSTM组合模型的空气质量指数预测方法,属于空气质量预报技术领域。首先,获取空气质量历史数据,包括AQI数据、污染物浓度数据、气象因素数据;其次,建立SARIMA模型,对AQI进行预测;再次,建立LSTM模型,对AQI进行预测;最后,基于时变权重法建立SARIMA‑LSTM组合模型,得到更准确的AQI预测值。相比于传统的预测方法,本发明在处理时间序列数据、捕捉非线性关系、提高鲁棒性和泛化能力、实现实时预测等方面具有显著优势。这些优点使得本发明在实际应用中具有更高的实用价值和预测精度。
-
公开(公告)号:CN114740734B
公开(公告)日:2025-01-28
申请号:CN202210465627.9
申请日:2022-04-29
Applicant: 重庆邮电大学
IPC: G05B13/04
Abstract: 本发明涉及柔性执行器驱动的机器人控制领域,公开了一种基于时变扰动和连续滑膜的柔性执行器,包括第一观测器、第二观测器、第一连续滑膜控制器、第二连续滑膜控制器,本发明还公开了一种基于时变扰动和连续滑膜的柔性执行器的设计方法和控制方法。本发明使用的是滑模控制器,可以从反馈通道提高系统的抗干扰性能,观测器用的是降阶观测器,既可以完成扰动估计的功能,又可以降低算法实现时的计算负担。
-
公开(公告)号:CN118280391A
公开(公告)日:2024-07-02
申请号:CN202410427787.3
申请日:2024-04-10
Applicant: 重庆邮电大学
IPC: G10L25/51 , B62D57/032 , B60R11/02 , G10L25/24 , G10L25/30 , G10L21/0208 , G10L25/45
Abstract: 本发明涉及一种用于足式机器人的地面类型识别装置及方法,属于机器人环境感知领域。该装置包括机器人本体、安装于机器人本体的足部的录音模块以及搭载已训练的轻量化识别模型的微型计算机,其中,录音模块包括定向麦克风,若干采用减震结构安装于机器人本体的若干足部并形成麦克风阵列。该方法基于该装置采集机器人在室内外地面环境下的足端触地的音频信号;再采用改进的音频信号处理方法得到MFCC特征,并且在处理过程中使用谱减法消除机器人运行时产生的噪音干扰;将改进后的MFCC特征作为卷积神经网络的输入,训练得到轻量化识别模型。在识别时同样提取MFCC特征输入训练好的轻量化识别模型中得到识别结果。
-
公开(公告)号:CN116859952A
公开(公告)日:2023-10-10
申请号:CN202311006799.0
申请日:2023-08-10
IPC: G05D1/02
Abstract: 本发明公开一种基于二阶连续滑模的车队纵向复合控制方法及系统,涉及汽车控制技术领域。所述方法包括:构建包含执行器动态的目标车队的车辆纵向动力学模型;基于所述车辆纵向动力学模型,并利用有限时间干扰观测器、二阶连续滑模算法和耦合滑模面,非零初始偏差情形下对所述目标车队的车头间距偏差进行动态控制,使所述目标车队的车头间距为期望值的同时保证车队系统的弦稳定。本发明能够保证估计误差的有限时间稳定,采用连续控制信号,避免现有技术方案控制信号不连续所带来的抖振问题,从而提高车队纵向控制系统的性能。
-
-
-
-
-
-
-
-
-