Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜中国科学院长春光学精密机械与物理研究所徐瑞获国家专利权

恭喜中国科学院长春光学精密机械与物理研究所徐瑞获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜中国科学院长春光学精密机械与物理研究所申请的专利压电促动器的跟踪控制方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119582642B

龙图腾网通过国家知识产权局官网在2025-05-13发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510139758.1,技术领域涉及:H02N2/06;该发明授权压电促动器的跟踪控制方法是由徐瑞;周劲松;田大鹏;王中石设计研发完成,并于2025-02-08向国家知识产权局提交的专利申请。

压电促动器的跟踪控制方法在说明书摘要公布了:本发明涉及精密运动控制技术领域,尤其涉及一种压电促动器的跟踪控制方法,本发明所提出的跟踪控制方法使用神经网络逼近压电促动器的非线性动态项,而无需建立非线性动态模型,使用迟滞模型描述迟滞非线性,设计自适应律以更新迟滞模型的密度函数,保证模型能够准确描述率相关迟滞特性。在此基础上,设计一种模糊逼近器,使用模糊逼近器替代传统滑模控制中的切换项,解决滑模控制抖振问题。

本发明授权压电促动器的跟踪控制方法在权利要求书中公布了:1.一种压电促动器的跟踪控制方法,其特征在于,包括如下步骤:S1:将压电促动器描述为二阶非线性系统动力学模型;在步骤S1中:将压电促动器模型表征为: 其中,、、、、均表示压电促动器模型的参数且均为常数,表示压电促动器的输出位移,表示压电促动器的输入电压,表示压电促动器的迟滞非线性;使用迟滞模型描述压电促动器的迟滞非线性项,压电促动器除迟滞非线性项之外的非线性动态项表示为,则将压电促动器模型改写为: 其中,、均表示压电促动器模型状态,表示位移量,表示压电促动器模型的输出位移值,表示使用迟滞模型描述的压电促动器的迟滞非线性项,表示外部扰动,表示迟滞模型的输入值,表示迟滞模型的密度函数,表示迟滞模型算子且表示为: 其中,表示Preisach平面,,表示迟滞模型算子在Preisach平面上的坐标,和表示迟滞模型算子的饱和转折点,表示所在Preisach平面为实平面,和表示的最小值与最大值,表示由迟滞模型算子更新的利普希茨函数,表示迟滞环边界函数且表示为: 其中,代表边界函数的自变量,表示迟滞环位移输出的最大值,根据非减或非增,令或,计算相应的边界函数的值;表示迟滞环边界函数的斜率,,表示Preisach平面上的分割线;迟滞模型为: 其中,表示迟滞模型自适应更新的密度函数;将积分区域的Preisach平面用均匀分布的条水平线和竖直线划分成个网格;对于第个网格,将该网格左下角节点处的值和值分别定义为和,二者相乘得到,并作为第个网格的补偿值;对全部个网格的补偿值进行求和,获得总的补偿项且表示为: 其中,;表示作为元素构成的列向量,;S2:针对压电促动器除迟滞非线性项之外的非线性动态项,设计神经网络估计器;其中,神经网络估计器表示为: 其中,表示隐含层与输出层之间的估计权重向量,表示隐含层节点的Sigmoid激活函数,表示输入层与隐含层之间的权重矩阵,表示神经网络估计器的输入数据;S3:设计模糊逼近自适应神经网络滑模跟踪控制器;其中,模糊逼近自适应神经网络滑模跟踪控制器表示为: 其中,表示模糊逼近自适应神经网络滑模跟踪控制器的输出值,表示期望轨迹信号的二阶导数;表示迟滞模型中自适应密度函数的自适应更新率;表示模糊逼近器;表示中心平均解模糊器;表示估计权重向量的更新率;表示自适应权重向量;表示乘积推理机的输出向量;表示滑模面;表示列向量;、、均表示模糊逼近自适应神经网络滑模跟踪控制器的参数,且均为正常数;S4:将模糊逼近自适应神经网络滑模跟踪控制器的输出值输入压电促动器,对压电促动器进行跟踪控制;其中,模糊逼近自适应神经网络滑模跟踪控制器的输出值表示为: 。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中国科学院长春光学精密机械与物理研究所,其通讯地址为:130033 吉林省长春市经济技术开发区东南湖大路3888号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。