期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
采用强化学习的多轴运动系统时间最优轨迹优化
被引量：
5
1
作者
张铁
廖才磊
+1 位作者
邹焱飚
康中强
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2021年第7期33-40,共8页
为实现多轴运动系统高速运动并解决电机动载荷过载的问题,提出了一种采用强化学习的时间最优轨迹优化方法。使用改进状态-动作-奖励-状态-动作(SARSA)算法和迭代交互法来寻找时间最优轨迹:通过改进SARSA算法与基于运动学模型建立的强化...
为实现多轴运动系统高速运动并解决电机动载荷过载的问题,提出了一种采用强化学习的时间最优轨迹优化方法。使用改进状态-动作-奖励-状态-动作(SARSA)算法和迭代交互法来寻找时间最优轨迹:通过改进SARSA算法与基于运动学模型建立的强化学习环境进行交互学习,找到满足运动学约束的初始策略轨迹;通过迭代交互法与真实环境进行交互学习,从而将电机动态载荷约束引入到强化学习环境中并对策略轨迹进行修正;最终得到满足电机动态载荷约束的时间最优轨迹。在自行搭建的两轴运动系统上进行验证,结果表明,改进SARSA算法优化得到的策略轨迹的速度和加速度曲线均在约束范围内,且经过10次迭代后的轨迹实际测量力矩曲线也在电机动载荷约束范围内,所提方法能够得到同时满足运动学约束和动力学约束的时间最优轨迹。
展开更多
关键词
多轴运动系统
电机动载荷过载
时间最优轨迹优化
强化学习
在线阅读
下载PDF
职称材料
用于残余振动抑制的深度神经网络输入整形器
被引量：
2
2
作者
张铁
康中强
+1 位作者
邹焱飚
廖才磊
《华南理工大学学报（自然科学版）》
CSCD
北大核心
2021年第8期103-112,共10页
针对多轴伺服系统在高速运动急停段因系统柔性产生的残余振动问题,提出了一种适用性广的后置自适应输入整形器算法。该算法无需辨识系统模态参数,以递归最小二乘法(RLS)为基础,残余振动信号作为算法输入,优化得到当前轨迹下抑振效果最...
针对多轴伺服系统在高速运动急停段因系统柔性产生的残余振动问题,提出了一种适用性广的后置自适应输入整形器算法。该算法无需辨识系统模态参数,以递归最小二乘法(RLS)为基础,残余振动信号作为算法输入,优化得到当前轨迹下抑振效果最优的整形器系数向量,并引入自适应遗忘因子更新算法,以提高整形器在非平稳环境下的跟踪性能。同时建立多层全连接神经网络模型,选择多组激励轨迹作为样本对网络模型进行训练,解决了原有算法在轨迹多次变更的工况下,重新进行优化引起的时间成本显著增加的问题。实验结果表明:相比普通后置自适应输入整形器,应用带自适应遗忘因子后置输入整形器整形后的轨迹停止后的残余振动幅值平均减小了28.3%,最多的减小36.9%,残余振动收敛时间缩短28.4%。应用基于多层神经网络模型的输入整形器整形后的残余振动幅值相比普通后置自适应输入整形器平均减小了21.6%,最多的减小29.8%,残余振动收敛时间缩短23.7%。本研究提出的算法对于提高多轴伺服系统定位精度、缩短定位等待时间具有一定的应用意义,并且多层神经网络模型的引入在期望轨迹变化频繁的工况下提高了整体工作效率。
展开更多
关键词
多轴伺服系统
后置输入整形器
递归最小二乘
遗忘因子
神经网络
在线阅读
下载PDF
职称材料
题名
采用强化学习的多轴运动系统时间最优轨迹优化
被引量：
5
1
作者
张铁
廖才磊
邹焱飚
康中强
机构
华南理工大学机械与汽车工程学院
出处
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2021年第7期33-40,共8页
基金
国家重点研发计划资助项目(2020YFC2007603)。
文摘
为实现多轴运动系统高速运动并解决电机动载荷过载的问题,提出了一种采用强化学习的时间最优轨迹优化方法。使用改进状态-动作-奖励-状态-动作(SARSA)算法和迭代交互法来寻找时间最优轨迹:通过改进SARSA算法与基于运动学模型建立的强化学习环境进行交互学习,找到满足运动学约束的初始策略轨迹;通过迭代交互法与真实环境进行交互学习,从而将电机动态载荷约束引入到强化学习环境中并对策略轨迹进行修正;最终得到满足电机动态载荷约束的时间最优轨迹。在自行搭建的两轴运动系统上进行验证,结果表明,改进SARSA算法优化得到的策略轨迹的速度和加速度曲线均在约束范围内,且经过10次迭代后的轨迹实际测量力矩曲线也在电机动载荷约束范围内,所提方法能够得到同时满足运动学约束和动力学约束的时间最优轨迹。
关键词
多轴运动系统
电机动载荷过载
时间最优轨迹优化
强化学习
Keywords
multi-axis motion system
motor dynamic overload
time-optimal trajectory optimization
reinforcement learning
分类号
TP273.1 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
用于残余振动抑制的深度神经网络输入整形器
被引量：
2
2
作者
张铁
康中强
邹焱飚
廖才磊
机构
华南理工大学机械与汽车工程学院
出处
《华南理工大学学报（自然科学版）》
CSCD
北大核心
2021年第8期103-112,共10页
基金
广东省科技计划重点项目(2019B040402006)。
文摘
针对多轴伺服系统在高速运动急停段因系统柔性产生的残余振动问题,提出了一种适用性广的后置自适应输入整形器算法。该算法无需辨识系统模态参数,以递归最小二乘法(RLS)为基础,残余振动信号作为算法输入,优化得到当前轨迹下抑振效果最优的整形器系数向量,并引入自适应遗忘因子更新算法,以提高整形器在非平稳环境下的跟踪性能。同时建立多层全连接神经网络模型,选择多组激励轨迹作为样本对网络模型进行训练,解决了原有算法在轨迹多次变更的工况下,重新进行优化引起的时间成本显著增加的问题。实验结果表明:相比普通后置自适应输入整形器,应用带自适应遗忘因子后置输入整形器整形后的轨迹停止后的残余振动幅值平均减小了28.3%,最多的减小36.9%,残余振动收敛时间缩短28.4%。应用基于多层神经网络模型的输入整形器整形后的残余振动幅值相比普通后置自适应输入整形器平均减小了21.6%,最多的减小29.8%,残余振动收敛时间缩短23.7%。本研究提出的算法对于提高多轴伺服系统定位精度、缩短定位等待时间具有一定的应用意义,并且多层神经网络模型的引入在期望轨迹变化频繁的工况下提高了整体工作效率。
关键词
多轴伺服系统
后置输入整形器
递归最小二乘
遗忘因子
神经网络
Keywords
multi-axis servo system
post input shaper
recursive least square method
forgetting factor
neural network
分类号
TP273.2 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
采用强化学习的多轴运动系统时间最优轨迹优化
张铁
廖才磊
邹焱飚
康中强
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2021
5
在线阅读
下载PDF
职称材料
2
用于残余振动抑制的深度神经网络输入整形器
张铁
康中强
邹焱飚
廖才磊
《华南理工大学学报（自然科学版）》
CSCD
北大核心
2021
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
