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 > 华南理工大学冯颖获国家专利权

华南理工大学冯颖获国家专利权

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!

龙图腾网获悉华南理工大学申请的专利基于LD-GPI模型的高精度MSMA驱动器平台系统辨识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:CN116577983B

龙图腾网通过国家知识产权局官网在2025-11-04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:202310424981.1,技术领域涉及:G05B13/04;该发明授权基于LD-GPI模型的高精度MSMA驱动器平台系统辨识方法是由冯颖;利崇彬设计研发完成,并于2023-04-20向国家知识产权局提交的专利申请。

基于LD-GPI模型的高精度MSMA驱动器平台系统辨识方法在说明书摘要公布了:本发明公开了一种基于LD‑GPI模型的高精度MSMA驱动器平台系统辨识方法,用于表征变载荷应用场景条件下的MSMA驱动器平台特点,步骤如下:首先用LD‑GPI模型表征变载荷下的应用场景,表征强饱和与非对称两个特征,同时用二阶线性系统表征动力学特征,完整表征MSMA驱动器平台的输入输出特性;其次,将求解未知参数问题转化为系统辨识问题,通过迭代的计算方式对所建立的高精度模型进行系统辨识;最后,通过改进LM方法的计算迭代,有效地进行高精度模型的系统辨识。本发明极大改善了高精度模型的系统辨识效果。

本发明授权基于LD-GPI模型的高精度MSMA驱动器平台系统辨识方法在权利要求书中公布了:1.一种基于LD-GPI模型的高精度MSMA驱动器平台系统辨识方法,其特征在于,所述系统辨识方法包括以下步骤: S1、搭建MSMA驱动器平台,通过激光位移测量装置,测量变频电流信号激励下MSMA驱动器在水平方向上的位移; S2、建立MSMA驱动器平台的内部动态模型,表述式如下: 其中,L是Lt的简称,Lt表示MSMA驱动器平台的预压力,I是It的简称,It表示MSMA驱动器平台的驱动电流,Γ[L,I]t是MSMA驱动器内部迟滞特征,xt是MSMA驱动器在水平方向上的位移,和分别为xt的一阶求导和二阶求导,是MSMA驱动器内部机电特性的第一参数和第二参数,采用LD-GPI模型来描述MSMA驱动器内部迟滞特征,其中,LD-GPI模型为Load-DependentGeneralizedPrandtl-Ishlinskii迟滞模型的简称, 同时, 其中,H[I]t是驱动电流校正函数,Λi[L,I]t是广义play算子,pi是第i个广义play算子的权重函数,且满足pi≥0,q是广义play算子的数量,k0,k1,k2,k3分别是当驱动电流变化量为非负数时驱动电流校正函数的第一参数、第二参数、第三参数和第四参数,w0,w1,w2,w3分别是当驱动电流变化量为负数时驱动电流校正函数的第一参数、第二参数、第三参数和第四参数,第i个广义play算子的权重函数定义式为ρ,τ,ri分别是第i个广义play算子的权重函数的第一参数、第二参数和第三参数,ΔI表示MSMA驱动器平台的驱动电流的单位变化量; S3、采用改进的LM算法对MSMA驱动器平台的内部动态模型进行系统辨识,过程如下: S31、定义系统辨识过程中涉及到的数学表达式: 同时, 其中,X={x1,x2,...,xn}是待辨识的参数向量,n是待辨识参数的个数,m是MSMA驱动器实际位移值的数据个数,fX是误差向量,和分别表示n阶和m阶实数域,FX是目标函数,fjX是第j个LD-GPI模型值与第j个MSMA驱动器实际位移值的误差,JfX是fX的雅可比矩阵,表示实数域内的m×n矩阵; S32、初始化常数ε1≥0,ε2≥0,kmax≥0,以及参数k=0,X=X0,β=2,并定义: 其中,ε1是最小全局更新步距,ε2是最小下降试探步距,kmax是最大迭代次数,k是迭代次数,X0是待辨识参数向量的初始值,μ是阻尼参数,η是阻尼参数的初始校正值,是矩阵第l行第l列上的元素,β是实现阻尼参数更新的第一参数,A是计算下降试探步的第一矩阵,G是计算下降试探步的第二矩阵; S33、迭代计算下降试探步hlm: hlm=-A+μI-1G7 其中,I是单位矩阵;||hlm||表示hlm向量全部元素的平方和再开平方,若||hlm||≤ε2,则终止迭代; S34、计算实际下降量Acthlm和预测下降量Prehlm,计算公式如下: 其中,L·是目标函数F·的领域近似函数,即 计算实际下降量和预测下降量的比值θ: S35、若θ>0,则更新待辨识参数向量X、计算下降试探步的第一矩阵A、计算下降试探步的第二矩阵G和阻尼参数μ: μ=μ·max0.4,3.4·θ3-5.1·θ2+0.1·θ+211 若θ≤0,则更新阻尼参数和实现阻尼参数更新的第一参数: S36、令迭代次数k加1,||G||∞表示G矩阵内所有元素绝对值中的最大值,若||G||∞≤ε1或k>kmax,则结束系统辨识,否则返回步骤S33。

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华南理工大学,其通讯地址为:510640 广东省广州市天河区五山路381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。