龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：同济大学
申请日：2024-03-01
公开（公告）日：2024-06-25
公开（公告）号：CN118244616A
主分类号：G05B11/42
分类号：G05B11/42
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明提出了一种基于开普勒优化‑神经网络PID的电子离合器位置控制法，包括以下步骤：步骤1、获取历史输入集和历史输出集；步骤2、建立并对循环神经网络模型进行初始化，之后利用步骤1中的训练集训练循环神经网络模型；步骤3、利用开普勒优化算法KOA修正各层权重矩阵U、V和W，得到优化的循环神经网络模型；步骤4、对电子离合器当前时刻的位置误差ex进行采样并处理，获得当前采样数据，将当前采样数据输入至步骤3优化的循环神经网络模型，优化的循环神经网络模型输出当前时刻的PID控制器中的比例系数Kp、积分系数Ki、微分系数Kd；步骤5、PID控制器根据当前时刻的比例系数Kp、积分系数Ki、微分系数Kd，计算控制量以对电子离合器的位置进行控制。本发明能在解空间中快速收敛到全局最优解，避免陷入局部最优，从而提高电子离合器位置控制的精确性和稳定性。
主权项：1.一种基于开普勒优化-神经网络PID的电子离合器位置控制法，其特征在于，包括以下步骤：步骤1、获取历史输入集和历史输出集，具体包括：对电子离合器历史时刻的位置误差ex进行采样并处理，获取包含位置误差ex、误差的变化率和误差的积分三类数据的历史输入集；x代表时刻；其中，位置误差ex为目标位置与实际位置的差值；对电子离合器历史时刻的PID控制器的比例系数Kp、积分系数Ki、微分系数Kd进行采样，以获取历史输出集；其中，历史输入集和历史输出集构成训练集；步骤2、建立并对循环神经网络模型进行初始化，之后利用步骤1中的训练集训练循环神经网络模型；其中，初始化包括对循环神经网络模型、各层权重矩阵U、V和W分别进行初始化；步骤3、利用开普勒优化算法KOA修正各层权重矩阵U、V和W，得到优化的循环神经网络模型；步骤4、对电子离合器当前时刻的位置误差ex进行采样并处理，获得当前采样数据，将当前采样数据输入至步骤3优化的循环神经网络模型，优化的循环神经网络模型输出当前时刻的PID控制器中的比例系数Kp、积分系数Ki、微分系数Kd；步骤5、PID控制器根据当前时刻的比例系数Kp、积分系数Ki、微分系数Kd，计算控制量以对电子离合器的位置进行控制。
全文数据：
权利要求：
百度查询： 同济大学 基于开普勒优化-神经网络PID的电子离合器位置控制法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号