Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 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 > 兰州理工大学吴沁获国家专利权

兰州理工大学吴沁获国家专利权

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!

龙图腾网获悉兰州理工大学申请的专利一种基于改进趋近律的滑模控制方法及系统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:CN116430734B

龙图腾网通过国家知识产权局官网在2025-10-03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:202310554172.2,技术领域涉及:G05B13/04;该发明授权一种基于改进趋近律的滑模控制方法及系统是由吴沁;包正强;王星联;张洁;罗殿立;刘俊设计研发完成,并于2023-05-17向国家知识产权局提交的专利申请。

一种基于改进趋近律的滑模控制方法及系统在说明书摘要公布了:本发明公开了一种基于改进趋近律的滑模控制方法,涉及数控技术领域,通过获取位置样条参考轨迹;建立进给系统自由度模型,获取滑模面,将滑模面结合加入双曲正切函数项的幂次趋近律控制滑模控制器,将位置样条参考轨迹输入滑模控制器获取控制律;将控制律输入滚珠丝杠进给系统,获取干扰真实值与系统的输出;将系统的输出负反馈到滑模控制器输入端,并获取控制律、干扰真实值、系统的输出通过非线性干扰观测器计算干扰估计值,调整滑模控制器使跟踪误差收敛到零。本发明提供的一种基于改进趋近律的滑模控制方法,获得较高的跟踪性能,精准补偿外界干扰,提升系统鲁棒性,解决了现有技术中系统抖振导致的观测出现误差的问题。

本发明授权一种基于改进趋近律的滑模控制方法及系统在权利要求书中公布了:1.一种基于改进趋近律的滑模控制方法,其特征在于,包括: 步骤1:获取数控车床的位置样条参考轨迹; 步骤2:建立进给系统自由度模型,获取滑模面,将所述滑模面结合加入双曲正切函数项的幂次趋近律控制滑模控制器,将所述位置样条参考轨迹输入所述滑模控制器获取控制律; 步骤3:将所述控制律输入滚珠丝杠进给系统,获取干扰真实值与滚珠丝杠进给系统的输出; 步骤4:将所述滚珠丝杠进给系统的输出负反馈到滑模控制器输入端,并获取所述控制律、所述干扰真实值、所述滚珠丝杠进给系统的输出通过非线性干扰观测器计算干扰估计值,调整所述滑模控制器使跟踪误差收敛到零; 所述进给系统自由度模型包括: 两自由度柔性体模型,表示为其中,dm为进给系统中移动部件受到的等效干扰,dj为进给系统中旋转部件受到的等效干扰,m1为进给系统中转动部件等效的质量,m2为进给系统中直线运动部件的质量,c1为模型转动部件的等效阻尼,c2为滚珠丝杠副螺母的等效阻尼,c3为直线移动部件的等效粘性阻尼,w1工作台端的常数项表达式,w2电机端的常数表达式,g2控制输入项前的系数,g1干扰项前的系数; 所述滑模面定义为: 其中,ρ3、ρ4均为滑模面参数;为工作台的位移跟踪误差,e2为工作台的速度跟踪误差,e3为电机的位移跟踪误差,e4为电机的速度跟踪误差;ρi>0,i=1,…,4,当s=0时,取ρ4=1,则有e4=‑ρ1e1‑ρ2e2‑ρ3e3,丝杠旋转等效位移指令为x1r,为x1r导数,工作台位移指令为x2r,为x2r导数,定义跟踪误差为e1=x2r‑x2,e3=x1r‑x1,令E=[e1 e2 e3]T,则有通过对ρ1、ρ2、ρ3的设计使G满足Hurwitz条件;从而使t→∞时,E=[e1 e2 e3]T→0; 为了使G满足Hurwitz,必须满足下列式中的根实部为负数根据系统选取相应的特征值λ值,从而可得到相应的ρ值; 对跟踪误差求导可得: 对两自由度柔性体模型的滑模面求导,得滑模面导数: 其中,m1为进给系统中转动部件等效的质量,m2为进给系统中直线运动部件的质量; 所述加入双曲正切函数项的幂次趋近律具体包括: 其中,k1为双曲正切函数项前正调整系数,a为双曲正切函数正调节系数,k2为幂次项前正调整系数,s为滑模面,为趋近律; 两自由度柔性体模型对应的控制律为: 其中F=m1ρ2dmm2dm+dj,代表进给系统受到的总干扰。

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兰州理工大学,其通讯地址为:730050 甘肃省兰州市七里河区兰工坪路287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”。

以上内容由龙图腾AI智能生成。

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。