[发明专利]模型未知的双电机负载的动态规划最优控制方法有效
| 申请号： | 201711337500.4 | 申请日： | 2017-12-14 |
| 公开（公告）号： | CN108196446B | 公开（公告）日： | 2020-04-17 |
| 发明（设计）人： | 任雪梅;吕永峰;李林伟;王敏林 | 申请（专利权）人： | 北京理工大学 |
| 主分类号： | G05B13/04 | 分类号： | G05B13/04 |
| 代理公司： | 北京理工大学专利中心 11120 | 代理人： | 高会允;仇蕾安 |
| 地址： | 100081 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了模型未知的双电机负载的动态规划最优控制方法，能够应用神经网络逼近方法和自适应算法，计算得到对模型未知双电机伺服系统的最优控制。该方法包括如下步骤：建立针对双电机负载系统的神经网络模型，估计所述双电机负载系统的神经网络模型的权重参数。建立针对性能指标函数的神经网络模型，结合哈密尔顿‑雅克比‑贝尔曼HJB方程，估计所述性能指标函数的神经网络模型的权重参数。结合所述双电机负载系统的神经网络模型以及所述性能指标函数的神经网络模型采用HJB方程求解最优控制，获得每个电机的最优输入力矩。根据所述最优输入力矩对相应电机的参数进行调节。 | ||
| 搜索关键词： | 模型 未知 电机 负载 动态 规划 最优 控制 方法 | ||
【主权项】：
1.模型未知的双电机负载的动态规划最优控制方法，其特征在于，该方法包括如下步骤：建立针对双电机负载系统的神经网络模型，估计所述双电机负载系统的神经网络模型的权重参数；建立针对性能指标函数的神经网络模型，结合哈密尔顿‑雅克比‑贝尔曼HJB方程，估计所述性能指标函数的神经网络模型的权重参数；结合所述双电机负载系统的神经网络模型以及所述性能指标函数的神经网络模型采用HJB方程求解最优控制，获得每个电机的最优输入力矩；根据所述最优输入力矩对相应电机的参数进行调节。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京理工大学，未经北京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711337500.4/，转载请声明来源钻瓜专利网。
