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！

龙图腾网获悉长春光华学院;吉林大学申请的专利一种压电驱动隔振系统的基于广义比例积分观测器的增强型滑模预测控制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：CN120370682B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202510408883.8，技术领域涉及：G05B13/04；该发明授权一种压电驱动隔振系统的基于广义比例积分观测器的增强型滑模预测控制方法是由王金莉;周淼磊;张勇;苏良才;姜炫利;王超设计研发完成，并于2025-04-02向国家知识产权局提交的专利申请。

本一种压电驱动隔振系统的基于广义比例积分观测器的增强型滑模预测控制方法在说明书摘要公布了：本发明提出了一种压电驱动隔振系统的基于广义比例积分观测器的增强型滑模预测控制方法，以解决变质量载荷条件下压电驱动隔振系统的振动抑制问题。首先，本发明将变质量载荷条件下压电驱动主被动隔振器系统中的变质量载荷考虑为系统中的不确定性并表示为未知函数，振动考虑为系统中的扰动；然后，利用神经网络的状态观测器对未知的系统状态进行估计，系统中的未知函数由神经网络逼近；利用广义比例积分观测器来估计并预测系统中的不匹配和匹配时变扰动；采用增强型滑模预测方法对滑模面进行预测，通过滚动优化最小化损失函数求解最优控制序列并导出应用于系统的控制信号。

本发明授权一种压电驱动隔振系统的基于广义比例积分观测器的增强型滑模预测控制方法在权利要求书中公布了：1.一种压电驱动隔振系统的基于广义比例积分观测器的增强型滑模预测控制方法，其特征在于，该方法的具体步骤如下： 步骤1：根据压电驱动主被动隔振系统的动力学模型描述变质量载荷条件下压电驱动主被动隔振器系统，该系统描述如下： 1 其中为系统状态且，为系统阶数，和分别为系统的输入与输出， 为控制增益，为压电陶瓷的迟滞；未知函数表示由变质量载荷引起的系统不确定 性，为由外部振动引起的干扰；其中和分别为系统中的 不匹配不确定性和扰动；为已知函数，参数与系统物理特 性相关且已知；基于欧拉法，系统1的离散时间模型推导为： 2 其中为采样周期，是未知系统状态的估计值； 步骤2：利用神经网络来逼近压电驱动主被动隔振系统2中的未知函数，所述神经网络描述为： 3 其中为系统输入向量，为权向量，为高斯形式的主动函数 向量，为逼近误差，最优权值为； 通过应用神经网络来逼近未知函数，系统2被重写作如下形式 4 其中，表示系统的复合扰动；，为控制 器增益，代表近似误差； 为了简化说明，将函数写作，系统4改写成如下形式： 定义k时刻的复合扰动，k时刻的近似误差；其中复合扰动的变化率是一致有界的，，此 外，的变化率是有界的，定义为；对于压电主被动隔振系统，函数的变化率是一致有界的，该函数的范数定义为； 针对离散系统4的状态观测器如下： 5 其中分别为状态和扰动的估计，，且为状态观测器中的设计参 数； 状态估计误差为： 6 其中与分别为状态、 权值和扰动估计误差；， ； 步骤3：首先，定义及其高阶差分，其中表示 最大差分阶数；假设，另外，定义并且推导如下： 7 其中 利用广义比例积分观测器来估计并预测系统中的上述的不匹配和匹配时变扰动，所述广义比例积分观测器如下： 8 其中表示对的估计，为观测器中的设计参 数； 估计误差表达式如下： 9 估计误差的矩阵形式总结如下： 10 其中，，； 通过结合方程7和8中，p步向前扰动预览被导出为： 11 其中是的估计值，并且； 考虑李亚普诺夫函数，其中，，矩阵和都是正定的； 定义，且，对于的计算如下： 12 如果矩阵A的特征值满足，则对于任意正定矩阵，存在满足方程的正定矩阵；然后公式12可写为： 13 其中表示矩阵的最小特征根； 定义矩阵，对于的计算如下： 14 如果矩阵A的特征值满足，则对于任意正定矩阵，存在满足方程的正定矩阵；然后等式14可写为： 15 对于的计算如下： 16 其中，，；观测器的收敛性与项有关； 步骤4：将滑模面定义为 17 其中，，参数表示 自变量为的多项式的系数，其特征值满足其中Re表示复数的实部； 滑模状态误差的积分器定义为： 18 其中是滑模状态误差；是一个遗忘因子； 滑模趋近律定义为： 19 其中，，为符号函数；此外，函数； 定义扩展状态，，可以得到： 20 21 其中，，，，，，，，，，； 预测的表达形式为： 22 其中，， ，，，，，，，，，预测和控制时域是相同的，表示为p； 结合定义的滑模趋近律，预测的滑模面，和滑模状态误差积分器构建损失函数，其描述为： 23 其中和表示权重矩阵； 得出新的损失函数为： 24 其中 通过设置，最佳控制序列被导出为： 25 根据滚动时域优化原理，应用于系统的控制信号被导出为： 26 其中； 神经网络中权值的自适应律设计为： 27 其中和是正常数。

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长春光华学院;吉林大学，其通讯地址为：130100 吉林省长春市长春经济技术开发区武汉路3555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。