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！

龙图腾网恭喜西安理工大学申请的专利一种基于自适应迭代学习的挤压机动梁位置跟踪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：CN119376262B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202411961546.3，技术领域涉及：G05B13/04；该发明授权一种基于自适应迭代学习的挤压机动梁位置跟踪控制方法是由张春丽;谢宇伟;吴亚丽;钱富才设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本一种基于自适应迭代学习的挤压机动梁位置跟踪控制方法在说明书摘要公布了：本发明公开了一种基于自适应迭代学习的挤压机动梁位置跟踪控制方法，属于位置控制技术领域。基于自适应迭代学习的挤压机动梁位置跟踪控制方法，包括以下步骤：根据动梁的物理性质，通过对动梁的运动方式进行分析，构建非线性参数化动梁系统的动力学模型；对动力学模型中未知部分建立模糊模型，并确定动梁的位置跟踪误差系统；基于自适应迭代学习控制理论，设计挤压机动梁的有限时间高精度位置跟踪控制策略；分析控制器的稳定性。基于自适应迭代学习的挤压机动梁位置跟踪控制方法，基于自适应迭代学习控制理论，结合傅里叶级数‑模糊逼近方法，实现动梁的有限时间高精度位置跟踪控制。

本发明授权一种基于自适应迭代学习的挤压机动梁位置跟踪控制方法在权利要求书中公布了：1.一种基于自适应迭代学习的挤压机动梁位置跟踪控制方法，其特征在于，包括以下步骤：S1、根据动梁的物理性质，通过对动梁的运动方式进行分析，构建非线性参数化动梁系统的动力学模型；S2、对动力学模型中未知部分建立模糊模型，并确定动梁的位置跟踪误差系统；S3、基于自适应迭代学习控制理论，设计挤压机动梁的有限时间高精度位置跟踪控制策略；S4、分析控制器的稳定性；所述S1中，非线性参数化动梁系统的动力学模型为： ；其中，为非线性参数化动梁系统第次往复运动时的第个状态变量，为非线性参数化动梁系统第次往复运动时的控制输入，为系统的动态维数，为含有未知时变参数的未建模的动力学，是不确定的有界外部干扰，，为动梁第次往复运动时的输出位移，为往复运动次数；所述S2中，模糊模型建立的具体过程包括：S21、对动力学模型中未知时变参数进行处理；将未知时变参数展开为傅里叶级数 ，其中，是关于时间的三角函数阵；是权重矩阵；是傅里叶级数展开后的剩余误差，其界为；S22、建立傅里叶级数-模糊逼近器； ； ；其中， ； 为新的逼近函数，为被逼近的未知函数，是关于状态参数和的阶基函数向量，是逼近误差，权重矩阵和是有界的，满足，，是未知正常数界，m为权重上界的下标，为权重上界的下标； ，表示的上界； ，其中、分别是未知权值向量和的估计，、分别表示和估计值和实际值之间的估计误差；表示泰勒级数展开中的高阶项的和；S23、设计误差函数； ；其中，表示动梁第次往复运动时的输出位移，为参考输出轨迹；在每次迭代的开始，初始误差值，，其中是一个收敛级数序列；构造新的误差函数为 ；其中，是饱和函数，表达式为 ；其中，是一个改进的时变层边界函数，为一个可调参数，其值大于零；所述S3中，跟踪控制策略设计的具体步骤包括：S31、设计虚拟控制输入；选取新的误差函数和： ； ；针对挤压机动梁模型的第一个子系统： ；根据位置跟踪误差，选取Lyapunov函数为；为了使得负半定，设计虚拟控制器如下： ；其中，是未知参数的估计，，是增益值；S32、设计实际控制输入以及参数自适应律；实际控制器为 ； ；选取参数更新律为 ； ；其中，新的误差函数为： ； ； ； ，； ； ，其中，下标g为系统中不确定函数的标记，下标f为系统中不确定函数的标记。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区东关南街街道金花南路5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”。