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！

申请/专利权人：中南大学;长沙德岭仪器科技有限公司

摘要：本发明公开了一种六轴振动台的解耦控制方法，包括获取目标六轴振动台的数据信息；将目标六轴振动台的动力学耦合模型以全局线性化表示并构建koopman预测器；采用深度神经网络得到预测器的特征函数和算子矩阵；训练得到深度koopman估计器并得到目标六轴振动台的状态信息；基于深度koopman估计器作为预测模型设计多维模型预测控制器并采用模糊神经网络进行在线整定；采用整定后的多维模型预测控制器对目标六轴振动台进行控制，完成目标六轴振动台的解耦控制。本发明还公开了一种实现所述六轴振动台的解耦控制方法的系统。本发明能够根据具体情况进行振动台的实时调节，增强了系统的鲁棒性；而且可靠性更高，而且精确性更好。

主权项：1.一种六轴振动台的解耦控制方法，其特征在于包括如下步骤：S1.获取目标六轴振动台的数据信息；S2.根据步骤S1获取的数据信息，采用koopman算子理论，将目标六轴振动台的动力学耦合模型以全局线性化表示，从而构建koopman预测器；包括如下步骤：设定目标六轴振动台的位姿动力学模型；在位姿动力学模型中，引入koopman算子，构建得到koopman预测器，用于将目标六轴振动台的非线性模型升维到线性空间，进而得到目标六轴振动台的动力学模型的线性化表达；S3.采用深度神经网络计算得到步骤S2构建的预测器的特征函数和算子矩阵；S4.基于目标六轴振动台的位姿输入数据和输出数据，训练得到深度koopman估计器，并通过得到的深度koopman估计器获取目标六轴振动台的状态信息；具体包括如下步骤：基于目标六轴振动台的位姿输入数据、控制信号和输出数据，训练得到第一深度神经网络和第二深度神经网络，从而确定从原始状态和输入到koopman不变子空间下的映射、线性动力系统和从不变子空间到原始状态的映射；其中，A为升维系统的系统矩阵，表示k时刻的位姿观测函数矩阵，B为升维系统的输入矩阵，为k时刻的控制向量；为k时刻的位姿向量；设计网络的准则函数为：式中表示求范数操作；K为koopman算子矩阵；基于深度神经网络的表示为；为位姿在k时刻的控制信号；koopman预测器的输入和深度神经网络的输入均为六轴振动台的六个位姿，的输出为六轴振动台的六个位姿的估计值；S5.基于步骤S4得到的深度koopman估计器作为预测模型，设计多维模型预测控制器；S6.采用模糊神经网络对步骤S5设计的多维模型预测控制器的参数进行在线整定；S7.采用步骤S6得到的整定后的多维模型预测控制器，对目标六轴振动台进行控制，从而完成目标六轴振动台的解耦控制。

全文数据：

权利要求：

百度查询： 中南大学 长沙德岭仪器科技有限公司 六轴振动台的解耦控制方法及系统