申请/专利权人：华侨大学

申请日：2023-09-13

公开（公告）日：2023-12-19

公开（公告）号：CN117245652A

主分类号：B25J9/16

分类号：B25J9/16

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.05#实质审查的生效;2023.12.19#公开

摘要：本发明涉及一种基于AFD时‑频迭代学习的微尺度机器人淀积系统控制方法，包括：S1，迭代学习动力学模型建立步骤；S2，初始化步骤；S3，跟踪误差的自适应傅立叶分解AFD时频分布计算步骤；S4，前馈信号的自适应傅立叶分解时频分布计算步骤；S5，临界频率确定步骤；S6，学习滤波器幅频特性计算步骤；S7，鲁棒滤波器幅频特性计算步骤；S8，迭代学习的系统输入计算步骤；S9，迭代学习次数判断步骤；S10，跟踪轨迹输出步骤。本发明结合基于AFD的时频分析法、具有超前相位的ILC法及L‑Q滤波器频带宽度调整法，实现了微尺度机器人淀积系统的高精度控制。

主权项：1.一种基于AFD时-频迭代学习的微尺度机器人淀积系统控制方法，其特征在于，包括：S1，迭代学习动力学模型建立步骤；建立微尺度机器人淀积系统的迭代学习动力学模型，如下： 其中，表示电机运行时刻为t+1时的转角位置；表示电机运行时刻为t+1时的转速；表示电机运行时刻为t时的转角位置；表示电机运行时刻为t时的转速；ykt+1表示微尺度机器人淀积系统在第k次迭代学习时轨迹控制动力学输出；ukt表示微尺度机器人淀积系统在第k次迭代学习时轨迹控制动力学输入；dkt表示微尺度机器人淀积系统在第k次迭代学习时产生的高频结构共振；和分别表示微尺度机器人淀积系统的系统本征矩阵；t∈[0,T]，T表示微尺度机器人淀积系统的最大运行周期；S2，初始化步骤；设置k＝0，迭代学习最大次数为M；设置微尺度机器人淀积系统一轴向运动的迭代初始输入为u0t；通过微尺度机器人淀积系统的迭代学习动力学模型得到k＝0时的系统输出y0t，以及k＝0的初始迭代学习控制跟踪误差ekt＝ydt-ykt和初始前馈信号uf,kt＝u0t+Lekt；其中ydt表示微尺度机器人淀积系统一轴向运动的期望跟踪轨迹，ykt表示第k次迭代时的系统输出；其中，L表示学习滤波器，Z-1[·]表示逆Z变换；表示学习滤波器L在初始频带宽度Λ0t时的幅频特性；S3，跟踪误差的自适应傅立叶分解AFD时频分布计算步骤；计算ekt的自适应傅立叶分解时频分布Pet,ω，； 其中，ρmt表示ekt的瞬时信号幅度；ek,1＝ekt；ek,m是ekt的自适应傅立叶分解第m次的分解项；l是最大分解阶次；是ekt自适应傅立叶分解的基函数，Bmejt是m阶正交系统；ce,0是ekt自适应傅立叶分解的常数项；Re{·}表示实部；·,·表示内积；计算ekt的瞬时相位α'mt，如下： 其中，表示对ekt进行自适应傅立叶分解第m次分解时的单位圆内的复数系数；表示对取模；表示的复数辐角；表示AFD第i次分解时的单位圆内的复数系数；表示对取模，表示的复数辐角；计算ekt的时频分布为其中，|·|表示复数的模；δ·为狄拉克函数；S4，前馈信号的自适应傅立叶分解时频分布计算步骤；计算uf,kt的AFD时频分布Put,ω，其中，γmt表示uf,kt的瞬时信号幅度；uf,k,m表示前馈信号uf,kt第m次自适应傅立叶分解的信号分量；是uf,kt自适应傅立叶分解的基函数；cu,0是uf,kt自适应傅立叶分解的常数项；计算uf,kt的瞬时相位β'mt为 其中，ψm表示对uf,kt进行自适应傅立叶分解第m次分解时的单位圆内的复数系数；|ψm|表示对ψm取模；表示ψm的复数辐角；ψi表示AFD第i次分解时的单位圆内的复数系数；|ψi|表示对ψi取模，表示ψi的复数辐角；计算uf,kt的时频分布其中，S5，临界频率确定步骤；设置时频分布Pet,ω的能量幅值He，以及时频分布Put,ω的能量幅值Hu；求解不等式Pet,ω≥He和Put,ω≥Hu确定跟踪误差ekt和前馈信号uf,kt的临界频率；如果Pet,ω≥He，则Λkt＝maxωkt；如果Put,ω≥Hu，则Ωkt＝maxωkt；其中，Λkt表示学习滤波器L第k次迭代的频带宽度；Ωkt表示鲁棒滤波器Q第k次迭代的频带宽度；ωkt表示第k次迭代学习的系统信号频率；S6，学习滤波器幅频特性计算步骤；计算学习滤波器L的幅频特性如下： 其中，fs是采样频率；S7，鲁棒滤波器幅频特性计算步骤；计算鲁棒滤波器Q的幅频特性如下： 其中，S8，迭代学习的系统输入计算步骤；使用具有超前相位迭代学习控制律计算第k+1次迭代学习的系统输入Uk+1z，如下： 其中，Uk+1z是uk+1t的频域表达，即Uk+1z＝Z[uk+1t]；Z[·]是Z变换，为复数变量，ω为频率，Ts为采样周期，j是虚数单位；Ukz＝Z[ukt]；Ekz＝Z[ekt]；和分别是鲁棒滤波器和学习滤波器，Λkt和Ωkt分别为滤波器的频带宽度；对Uk+1z进行Z逆变换，得到uk+1t，即uk+1t＝Z-1[Uk+1z]，其中Z-1[·]表示Z逆变换；S9，迭代学习次数判断步骤；令k＝k+1，重复执行步骤S3-S9，直至满足迭代学习次数为k＝M；S10，跟踪轨迹输出步骤；将获得的uk+1t代入建立的建立微尺度机器人淀积系统的迭代学习动力学模型1和2，获得跟踪上期望跟踪轨迹的动力学输出ykt+1。

全文数据：

权利要求：

百度查询： 华侨大学 基于AFD时-频迭代学习的微尺度机器人淀积系统控制方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD