-
公开(公告)号：CN112171677A
公开(公告)日：2021-01-05
申请号：CN202011064505.6
申请日：2020-09-30
Applicant: 桂林电子科技大学
IPC: B25J9/16
Abstract: 本发明公开一种工业机器人柔性关节迟滞误差补偿控制方法，利用基于改进的LSTM的工业机器人柔性关节迟滞特性模型在线预测机器人关节输出角度，通过与理想关节输出比较，计算得到输出扭矩角，对应得到关节输入端的角度补偿量，对关节输入端设定输入角度进行补偿，从关节的电机驱动端，实现对关节复杂迟滞特性抵消，有效提高工业机器人关节转换精度。迟滞模型具有在线学习能力，不仅在线补偿工业机器人关节本身结构带来传递非线性误差，同时可补偿工业机器人关节在长时间运行下的慢漂移特性带来转换误差，提高了关节长期运行的保持高精度下的稳定性。
-
公开(公告)号：CN118884828A
公开(公告)日：2024-11-01
申请号：CN202410913336.0
申请日：2024-07-09
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种双Bouc‑Wen模型的电机驱动关节扭转角补偿控制方法，针对基于独立的Bouc‑Wen模型，关节迟滞建模精度不高问题，增加第二个Bouc‑Wen模型，用于描述第一个模型的输出误差；将两个模型组合，构建一个混合结构的关节迟滞模型，用于准确描述柔性关节强非线性、非对称性及非光滑复杂迟滞特性；通过非线性递推最小二乘法参数辨识，实现双Bouc‑Wen模型结构的混合迟滞模型参数的在线更新。基于双Bouc‑Wen模型结构的混合迟滞模型，实现扭转角的补偿控制。通过机器人所有关节扭转角的有效补偿控制，实现机器人系统的高精度控制。
-
公开(公告)号：CN118859706A
公开(公告)日：2024-10-29
申请号：CN202410856873.6
申请日：2024-06-28
Applicant: 桂林电子科技大学
IPC: G05B13/04
Abstract: 本发明公开一种基于刚度阻尼特征的神经网络建模的自适应阻抗控制方法，针对由于环境参数未知导致参考轨迹不易确定问题，构造了一个自适应PI控制器，进行参考轨迹补偿，减少力跟踪的稳态误差；此外，根据力误差对刚度系数及阻尼系数的统一调节规律即刚度阻尼特征，设计了一个描述接触力误差与刚度阻尼特征关系的激活函数，构建自适应刚度阻尼特征神经网络模型。本发明基于参考轨迹补偿与刚度阻尼特征神经网络模型，实现自适应阻抗控制。
-
公开(公告)号：CN117103250A
公开(公告)日：2023-11-24
申请号：CN202310950544.3
申请日：2023-07-31
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种工业机器人柔性关节扭转角的前馈补偿控制方法，先通过设计非对称非线性迟滞函数作为Preisach模型迟滞算子，描述柔性关节的非对称特性；再在Preisach模型的输入端加入输出历史信息，在Preisach模型的输出端加入惯性滤波环节，描述柔性关节的速率相关特性；后将改进的Preisach模型与实现非线性映射的全连接神经网络串联构成一种深度神经网络迟滞模型，用于描述随负载变化的扭矩与扭转角的变化规律。基于上述深度神经网络迟滞模型得到角度预测值，通过前馈补偿控制，修正机器人柔性关节的角度设定值，间接消除扭转角的影响，达到提高工业机器人柔性关节的执行精度的目的。
-
公开(公告)号：CN115556093A
公开(公告)日：2023-01-03
申请号：CN202211138252.1
申请日：2022-09-19
Applicant: 桂林电子科技大学
IPC: B25J9/16
Abstract: 本发明公开基于NARXNN‑CNN混合迟滞模型的机器人关节补偿控制方法，针对机器人柔性关节传递精度随负载变化，关节输入输出角度之差扭转角与输出力矩表现为强非线性、非对称性及非光滑性的复杂迟滞特性，设计了NARXNN‑CNN混合迟滞模型，并设计分段式损失函数来实现独立分段偏差反向传递学习。通过NARXNN‑CNN混合迟滞模型预测扭转角的修正量，并利用该扭转角的修正量对关节输出角度设定值进行补偿，从而间接避免由于关节材料、制造及复杂结构的装配及负载变化等所造成的关节传递误差。
-
Patent Agency Ranking
公开(公告)号：CN112994538B
公开(公告)日：2022-09-13
申请号：CN202110138493.5
申请日：2021-02-01
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于傅里叶神经网络SRM转矩脉动抑制控制系统和方法，参考转矩和实际输出转矩之间的关系，搭建傅里叶神经网络频谱探测模块，快速地在线获取傅里叶神经网络输出转矩信号中含有各次谐波含量的频谱；结合考虑转矩的动态特性，依据在线获取的转矩谐波信息和历史转矩谐波信息，设计参考转矩补偿的信号发生器，其输出对速度控制器输出参考转矩进行补偿，剔除了参考转矩中不希望的引起输出转矩脉动对应的谐波信息，以获得更为理想的参考转矩，在转矩分配器和电流内环控制的配合下，实现控制系统输出转矩的各次谐波幅值大幅度减小，有效抑制转矩脉动。
-
公开(公告)号：CN111515962B
公开(公告)日：2022-04-12
申请号：CN202010500340.6
申请日：2020-06-04
Applicant: 桂林电子科技大学
IPC: B25J9/16
Abstract: 本发明公开一种含有谐波减速器柔性关节的传递误差补偿控制方法，设计了一个基于类迟滞算子和在线序列极限学习机的串联结构的迟滞混合模型，用于描述谐波减速器柔性关节特殊的迟滞非线性特性。模型参数学习采用递推参数更新，可在线捕捉柔性关节的不同运行状态下的迟滞特性动态变化。串联结构的迟滞混合模型预测输出角度，通过迟滞混合模型预测输出角度与谐波减速器柔性关节理想的输出角度相减，乘以减速比，通过前馈补偿控制，实现柔性关节高速端驱动伺服电机的补偿控制，提高柔性关节传递精度。本系统可构成嵌入式系统，运算量小，从信息的角度，通过补偿控制，解决柔性关节中减速器由于制造、加工工艺瓶颈问题。
-
公开(公告)号：CN111515962A
公开(公告)日：2020-08-11
申请号：CN202010500340.6
申请日：2020-06-04
Applicant: 桂林电子科技大学
IPC: B25J9/16
Abstract: 本发明公开一种含有谐波减速器柔性关节的传递误差补偿控制方法，设计了一个基于类迟滞算子和在线序列极限学习机的串联结构的迟滞混合模型，用于描述谐波减速器柔性关节特殊的迟滞非线性特性。模型参数学习采用递推参数更新，可在线捕捉柔性关节的不同运行状态下的迟滞特性动态变化。串联结构的迟滞混合模型预测输出角度，通过迟滞混合模型预测输出角度与谐波减速器柔性关节理想的输出角度相减，乘以减速比，通过前馈补偿控制，实现柔性关节高速端驱动伺服电机的补偿控制，提高柔性关节传递精度。本系统可构成嵌入式系统，运算量小，从信息的角度，通过补偿控制，解决柔性关节中减速器由于制造、加工工艺瓶颈问题。
-
-
公开(公告)号：CN113759713B
公开(公告)日：2023-12-12
申请号：CN202110880826.1
申请日：2021-08-02
Applicant: 桂林电子科技大学
IPC: G05B13/04
Abstract: 本发明公开一种忆阻模型与神经网络混合的谐波减速器误差补偿控制方法，将忆阻器模型改进成为忆阻迟滞模型，用于描述谐波减速器迟滞输出的基本变化规律；借助具有非线性拟合能力的RBF神经网络对谐波减速器迟滞模型与忆阻迟滞模型之间的差值进行补偿。RBF神经网络与忆阻迟滞模型输出叠加，构成谐波减速器混合迟滞模型，通过谐波减速器迟滞特性建模，预测在不同转矩下的扭转角输出，从谐波减速器驱动端进行传递误差的补偿。与从制造角度解决谐波减速器传递误差的方法完全不同，回避了谐波减速器的复杂结构与柔轮与刚轮之间周期性的啮合、脱开、再啮合的正反转传动的复杂运行机制，从信息建模与补偿的角度，提高谐波减速器的转换精度。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.031 seconds)
