-
公开(公告)号：CN118848961A
公开(公告)日：2024-10-29
申请号：CN202410866440.9
申请日：2024-07-01
Applicant: 桂林电子科技大学
IPC: B25J9/16 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种基于迟滞模型的电机驱动关节扭转角的补偿控制方法，在通过卡尔曼滤波还原剔除噪声干扰后的关节迟滞特性数据基础上，主设计了一种改进TCN迟滞模型，在模型各分支引入不同因子的扩张卷积，解决TCN神经网络迟滞模型在极值点存在较大误差问题；针对改进TCN迟滞模型依然存在由相位滞后引起的误差，设计相位超前环节与TCN神经网络模型串联，构造一个基于相位超前补偿的改进TCN神经网络迟滞模型，获得高精度关节迟滞模型。基于所发明的关节模组的迟滞模型，实现扭转角的前馈补偿控制，有效消除或抑制随负载变化所带来较大的扭转角对关节执行精度的影响，实现机器人高精度定位控制。
-
公开(公告)号：CN110665922B
公开(公告)日：2024-07-09
申请号：CN201911113664.8
申请日：2019-11-14
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种工业油罐清理机器人，所述第一喷头与所述主体固定连接，所述第二喷头与所述主体固定连接，所述输水连通管与所述进水口固定连接，并与所述第一喷头固定连接，且与所述第二喷头固定连接，所述双通道增压泵与所述主体固定连接，并与所述输水连通管固定连接，进行执行冲洗任务时，通过所述双通道增压泵将所述输水连通管内的水通过所述第一喷头排出，对油罐中的杂质进行高压冲洗，同时可通过所述第二喷头排出的高压水可将杂质冲刷至油罐回收槽，避免了传统的清洁方式让油罐中原油的质量损耗，不便于原油的回收，浪费资源。
-
公开(公告)号：CN110644692B
公开(公告)日：2024-07-09
申请号：CN201911076094.X
申请日：2019-11-06
Applicant: 桂林电子科技大学
IPC: E04D13/10
Abstract: 本发明公开了一种基于双目视觉的房顶维护机器人，通过所述履带轮与所述传动组件转动连接，所述第一滑动杆与所述机器人主体转动连接，所述摩擦防滑夹与所述第一滑动杆滑动连接，所述驱动组件与所述摩擦防滑夹转动连接，所述摩擦防滑夹在所述驱动组件的驱动下缓慢转动，进而在所述第一滑动杆上左右滑动，带动整个装置在屋顶进行水平移动；所述履带轮在所述传动组件的驱动下升降，并通过所述履带轮带动整个装置在屋顶纵向滑动，代替了人工爬上屋顶，避免了安全事故的发生，使扫雪的效果更好。
-
公开(公告)号：CN113884935B
公开(公告)日：2024-05-14
申请号：CN202111288182.3
申请日：2021-11-02
Applicant: 桂林电子科技大学
IPC: G01R31/392
Abstract: 本发明公开基于锂电池在线电化学阻抗谱测量的SOH估算系统和方法，测量电池不同老化循环次数下的电化学阻抗谱和电池开路电压；使用灰色关联度对电化学阻抗谱进行特征选择；建立并训练机器学习模型；采集被测电池数据进行SOH估算。本发明通过对电池电化学阻抗谱进行分析，得到相关的特征参数，避免了复杂等效电路模型的参数辨识。本发明可完成对电池的电化学阻抗谱测量和电池SOH的估算，提高了系统的集成度和可靠性。
-
公开(公告)号：CN113765449B
公开(公告)日：2023-07-07
申请号：CN202110864550.8
申请日：2021-07-29
Applicant: 桂林电子科技大学
IPC: H02P21/00 , H02P21/05 , H02P21/30 , H02P25/092 , H02P25/098 , H02P6/16 , H02P6/17
Abstract: 本发明公开一种基于双Sigmod神经网络电感模型的SRM磁链控制系统与方法，根据SRM相电感变化曲线特征，设计双Sigmod激励函数，通过神经网络电感模型在线获得电感强非线性信息，实现基于双Sigmod神经网络电感模型的SRM磁链控制。在模型学习过程中，引入PD的偏差预处理方法，进一步加速了神经网络电感模型参数更新。本系统可构成嵌入式系统，基于神经网络电感模型，实现转矩到磁链准确转换，转换后得到参考磁链，实现SRM的磁链控制，有效抑制SRM转矩脉动。
-
Patent Agency Ranking
公开(公告)号：CN115319755A
公开(公告)日：2022-11-11
申请号：CN202211137827.8
申请日：2022-09-19
Applicant: 桂林电子科技大学
IPC: B25J9/16
Abstract: 本发明公开一种基于反馈校正的GRU神经网络机器人柔性关节补偿控制方法，针对负载转矩传感器的情况下，通过反映负载大小变化的电机驱动电流与关节扭转角之间的特性，描述关节在不同负载下的迟滞特性，在GRU神经网络的基础上引入反馈结构，利用模型输出值与期望输出值之间的误差组成补偿量，反馈给GRU神经网络模型，用于校正GRU神经网络模型的输出值，以提高关节的GRU神经网络模型精度。柔性关节迟滞模型预测随负载变化的扭转角，作为补偿量，修改关节的角度设定值，从关节输入端，间接实现对关节迟滞特性造成误差的有效补偿。本发明是一种低成本补偿控制方法，有利于低成本高精度轻型工业机器人的高端智能制造中的大量普及。
-
公开(公告)号：CN113759713A
公开(公告)日：2021-12-07
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。
-
公开(公告)号：CN112959321A
公开(公告)日：2021-06-15
申请号：CN202110184868.1
申请日：2021-02-10
Applicant: 桂林电子科技大学
IPC: B25J9/16
Abstract: 本发明公开一种基于改进PI结构的机器人柔性关节转换误差补偿方法，在对称Play算子的结构基础上，将Play算子中的线性部分用改进后的非线性Sigmoid函数替代，构造一个与迟滞曲线轮廓接近的新函数，得到非线性迟滞算子，以新迟滞算子为激励函数，构建神经网络迟滞模型，对柔性关节表现出的复杂迟滞特性进行建模，并基于该神经网络迟滞模型对柔性关节的驱动电机的进行控制补偿。本发明的神经网络迟滞模型具有在线学习能力，能够在线补偿工业机器人关节本身结构带来传递非线性误差，提高工业机器人关节执行的精度。
-
公开(公告)号：CN110744294A
公开(公告)日：2020-02-04
申请号：CN201911142377.X
申请日：2019-11-20
Applicant: 桂林电子科技大学
IPC: B23P19/06
Abstract: 本发明公开了一种新型锁螺丝机器人，通过在所述位移组件的底部固定连接有所述第一连接板，并所述第一连接板的底部的四周均通过螺栓依次连接有所述第一卡板、所述第一滚珠和所述第二卡板，所述第二卡板的底部连接有所述滑动伸缩杆，所述滑动伸缩杆的底端依次连接有所述第四卡板、所述第二滚珠和所述第三卡板，且所述第三卡板的底部通过螺栓固定连接有所述第二连接板，所述第二连接板的底端连接所述电机和接触头，利用所述万向组件和所述滑动伸缩杆可以对所述接触头进行角度调节，使其可以进行多种角度的螺丝锁紧，从而扩大装置的应用面，使用更加方便，实用性更好。
-
公开(公告)号：CN107276465B
公开(公告)日：2019-06-28
申请号：CN201710494319.8
申请日：2017-06-26
Applicant: 桂林电子科技大学
IPC: H02P6/34 , H02P6/10 , H02P23/00 , H02P25/098
Abstract: 本发明为一种转矩‑电流神经网络开关磁阻电机控制方法与系统，本方法为SRM各相配置一个神经网络前馈控制器，以转矩‑电流逆模型为其激活函数，以给定总转矩分配的各相参考转矩和转子位置角为输入，以PID控制器的输出实现反馈误差学习。神经网络前馈控制器的输出与PID控制器的输出叠加作为参考电流送入电流滞环控制器，结合当前电流反馈信号控制SRM运行。本系统SRM安装电流、位置和转矩传感器，信号处理器含有三个神经网络前馈控制器、转矩分配模块、PID控制模块、电流迟滞环控制模块。内环电流滞环控制器跟踪参考电流，控制SRM运行，充分考虑了SRM具有特殊强非线性，有效减小SRM的转矩脉动。
-
-
-
-
-
-
-
-
-
Search Results
179
records
(took 0.036 seconds)
