专利交易市场

本发明涉及一种基于迭代学习的扫地机器人轨迹控制方法，包括：S1，迭代学习动力学模型建立步骤；S2，参数设置步骤；S3，参数比较步骤；S4，全局搜索步骤；S5，局部搜索步骤；S6，更新步骤；S7，运行次数判断步骤；S8，迭代学习次数判断步骤；S9，跟踪轨迹输出步骤。本发明在全局和局部两个层面上进行搜索，通过引入个体性能的概率量化和多样化的进化策略，避免过早陷入局部最优解，提高迭代控制的全局搜索速度和收敛精度，且减少了控制过程的跟踪误差，满足扫地机器人快速、高精度跟踪控制需求。

本发明涉及基于稳定逆模型的数控机床迭代学习误差补偿控制方法，通过将不稳定部分视为非因果操作，并基于无限预览生成控制输入，实现了系统的稳定反演。这种方法不仅能够保证系统的稳定性，还能实现快速收敛，同时保持高精度的控制效果。本发明通过创新的技术方案，有效解决了现有技术在处理非最小相位系统时的稳定性、精度和效率问题，为数控机床误差补偿控制提供了一个全面、高效的解决方案。本发明所提出的基于稳定逆模型的数控机床迭代学习误差补偿控制系统的模块化设计使得系统具有良好的灵活性和可扩展性。可以根据具体应用需求调整或替换不同模块。且由于其应用了本发明所提出的相关方法，因此也具备相关方法的有益效果。

本发明公开了一种化工批次过程模糊迭代学习控制方法。本发明首先通过分析一个非线性批次过程的状态空间模型，建立一个简单的模糊模型；然后采用迭代学习控制策略并定义了系统状态误差和输出跟踪误差，通过结合误差补偿的技术，得到了一种基于跟踪误差的控制更新律，进而得到控制量作用于被控对象。本发明将迭代学习控制与模糊控制相结合，有效的解决了工业生产过程中的不确定性以及非线性问题，并且系统的稳定性也有一定的提升。