CN111537123A - 工业机器人功率预测方法 - Google Patents

工业机器人功率预测方法 Download PDF

Info

Publication number
CN111537123A
CN111537123A CN202010131623.8A CN202010131623A CN111537123A CN 111537123 A CN111537123 A CN 111537123A CN 202010131623 A CN202010131623 A CN 202010131623A CN 111537123 A CN111537123 A CN 111537123A
Authority
CN
China
Prior art keywords
industrial robot
power
joint motor
joint
effective
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010131623.8A
Other languages
English (en)
Other versions
CN111537123B (zh
Inventor
江沛
吴勇强
曹华军
陈元杰
兰运坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University
Original Assignee
Chongqing University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University filed Critical Chongqing University
Priority to CN202010131623.8A priority Critical patent/CN111537123B/zh
Publication of CN111537123A publication Critical patent/CN111537123A/zh
Application granted granted Critical
Publication of CN111537123B publication Critical patent/CN111537123B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01LMEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L3/00Measuring torque, work, mechanical power, or mechanical efficiency, in general
    • G01L3/24Devices for determining the value of power, e.g. by measuring and simultaneously multiplying the values of torque and revolutions per unit of time, by multiplying the values of tractive or propulsive force and velocity
    • G01L3/242Devices for determining the value of power, e.g. by measuring and simultaneously multiplying the values of torque and revolutions per unit of time, by multiplying the values of tractive or propulsive force and velocity by measuring and simultaneously multiplying torque and velocity
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00Climate change mitigation technologies for sector-wide applications
    • Y02P80/10Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier

Landscapes

  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Combustion & Propulsion (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Electric Motors In General (AREA)
  • Manipulator (AREA)

Abstract

本专利提供一种工业机器人功率预测方法,其特征在于:上述预测方法具体包括以下步骤:确定所述目标工业机器人关节电机的有效输出功率;确定所述目标工业机器人的损耗功率;获得所述目标工业机器人的待机功率;确定所述目标工业机器人的实际功率,所述实际功率为所述工业机器人关节电机的有效输出功率、所述损耗功率和所述待机功率之和。本专利提供的工业机器人功率预测方法构建确定工业机器人实际功率模型,根据工业机器人关节扭矩和角速度即可快速、准确确定其实际能耗,实现在没有功率测试仪的情况下,精准预测工业机器人的实际功率。

Description

工业机器人功率预测方法
技术领域
本发明涉及智能制造技术领域,尤其涉及工业机器人功率预测方法。
背景技术
工业机器人在各行业应用量大面广,能源消耗巨大。近年能源成本的上升,对工业机器人能耗的准确估计和管控的需求日益提升。众所周知,工业机器人的负载具有动态性、时变性和复杂性,直接导致即使额定能耗相同的工业机器人在执行不同工作任务时,其所消耗的实际功率相差较大,因此,在实际的生产中,无法将工业机器人的额定能耗视为其实际能耗,如若此,无法反映机器人的实际能耗,不利于机器人能耗管控日益精准的要求。因此,准确预估工业机器人的实际能耗是非常必要的。目前,检测工业机器人实时能耗主要是直接在工业机器人和电源之间接入功率仪,或者分别测量三相电源的电压和电流进行确定,但是功率检测设备昂贵,无法给每一台工业机器人配备一个,且每次检测时的接线操作繁琐。如何在脱离检测仪器的情况下准确确定工业机器人的能耗成为一个技术难点。
因此,亟需一种可准确预测工业机器人实际功率的方法。
发明内容
有鉴于此,本发明提供一种可对工业机器人的实际功率准确预测的工业机器人功率预测方法。
本发明一种工业机器人功率预测方法,其特征在于:上述预测方法具体包括以下步骤:
S1:根据目标工业机器人的实际运动轨迹,获取所述工业机器人运动过程中的关节电机的力矩和所述关节电机的角速度;
S2:确定所述目标工业机器人的关节电机的有效输出功率,所述工业机器人的关节电机的有效输出功率为所述工业机器人的所有关节工业机器人关节电机的有效输出功率之和;
S3:确定所述目标工业机器人的损耗功率;
S4:获得所述目标工业机器人的待机功率;
S5:确定所述目标工业机器人的实际功率,所述实际功率为所述工业机器人关节电机的有效输出功率、所述损耗功率和所述待机功率之和。
进一步,所述损耗功率采用如下方法确定:
Figure RE-GDA0002574734440000021
其中,P损耗总表示所述目标工业机器人的损耗功率,C0、Ck,1…Ck,n表示拟合系数,k表示所述目标工业机器人的关节,n表示所述目标工业机器人的关节总数,t表示关节电机输出端的力矩,w表示关节电机的角速度。
进一步,所述工业机器人关节电机的有效输出功率采用如下方法确定:
Figure RE-GDA0002574734440000022
其中,P有效总表示所述目标工业机器人的关节电机的有效输出功率,k表示所述目标工业机器人的关节,n表示所述目标工业机器人的关节总数,P有效表示所述目标工业机器人的单个关节电机的有效输出功率;
所述P有效采用如下方法确定:
P有效=t×w (3)
其中,P有效表示单个关节电机的有效输出功率,t表示关节电机输出端的力矩,w表示关节电机的角速度。
进一步,所述步骤S1中所述关节电机的力矩采用如下方法确定:
t=μI (4)
其中,t表示关节电机输出端的力矩,μ表示线性系数,I表示流经所述关节电机的电流;
所述线性系数采用如下方法确定:
Figure RE-GDA0002574734440000031
μ表示线性系数,t额表示所述关节电机的额定力矩,I额表示所述关节电机的额定电流。
进一步,所述步骤S1中所述关节速度采用如下方法确定:
Figure RE-GDA0002574734440000032
其中,w表示t2时刻的关节角速度,t1和t2代表两个不同的时刻,q2表示t2时刻的角度值,q1表示t1时刻的角度值。
本发明的有益技术效果:本专利提供的工业机器人功率预测方法构建出确定工业机器人实际功率模型,实现根据工业机器人关节扭矩和角速度快速、准确确定其实际能耗,从而在没有功率测试仪的前提下准确确定工业机器人的实际功率,为工业机器人的节能提供数据支撑。
具体实施方式
以下结合说明书对本发明做出进一步的说明:
本发明提供的一种工业机器人功率预测方法,其特征在于:上述预测方法具体包括以下步骤:
S1:根据目标工业机器人的实际运动轨迹,获取所述工业机器人运动过程中的关节电机的力矩和所述关节电机的角速度;在实际应用中,需要对工业机器人的每个关节电机的力矩和关节电机的角速度进行采集;
S2:确定所述目标工业机器人的关节电机的有效输出功率,所述工业机器人的关节电机的有效输出功率为所述工业机器人的所有关节电机的有效输出功率之和;即工业机器人所有关节电机的有效输出功率的之和;
S3:确定所述目标工业机器人的损耗功率;
S4:获得所述目标工业机器人的待机功率;
S5:确定所述目标工业机器人的实际功率,所述实际功率为所述工业机器人关节电机的有效输出功率、所述损耗功率和所述待机功率之和。工业机器人系统由本体、伺服电机、变频器、整流器等部分组成。伺服电机、变频器和整流器的损耗都和电流成一定的关系,系统的功率为工业机器人关节电机的有效输出功率、系统损耗功率和待机功率三部分之和。可通过在电源和工业机器人之间安装一个功率测试仪来获取功率数据,本领域技术人员应该知道,功率测试仪不仅价格较为昂贵,而且安装较为繁琐,故,在实际生产中每台工业机器人配备一台功率测试仪的可行性不高。通过上述技术方案,可直接通过工业机器人的关节电机的扭矩和关节电机的角速度确定工业机器人的实际功率,成本低、操作简单且易于推广,为工业机器人的节能提供数据支撑。
在本实施例中,所述损耗功率采用如下方法确定:
Figure RE-GDA0002574734440000041
其中,P损耗总表示所述目标工业机器人的损耗功率,C0、Ck,1…Ck,n表示拟合系数,k表示所述目标工业机器人的关节,n表示所述目标工业机器人的关节总数,t表示关节电机输出端的力矩,w表示关节电机的角速度。通过让机器人执行其工作,按50赫兹的频率采集运动过程中的关节电机输出端的力矩t、关节角q和总功率P,为了实验的结果的精确,所述总功率是通过在电源和工业机器人之间安装一个功率测试仪来获取的,通过总功率减去待机功率和工业机器人关节电机的有效输出功率,从而得到损耗功率。将实验中获取损耗功率的数据,通过现有的数学软件,如MATLAB,采用现有的拟合算法,如最小二乘法,进行拟合,从而确定C0、Ck,1…Ck,n等拟合系数。此处实用功率检测设备是为了获得准确的实验数据,从而获得损耗功率准确的拟合系数,一次拟合,拟合系数永久有效;即此处实用功率检测设备是为了本专利构建的实际功率预测方法的模型的准确性,一但模型确定后,在模型的实际使用中即不再需要功率检测设备;即一旦确定损耗功率的拟合系数后,可直接应用本专利提供方法来确定工业机器人的实际功率,即采集工业机器人的待机功率、关节电机输出力矩和关节角速度,代入本方法即可确定工业机器人的实际功率。如表1所示,通过采集和确定工业机器人的关节电机的有效输出功率、总功率和待机功率,所述工业机器人关节电机的有效输出功率和总功率的部分数据如表1所示,在本实施例中,测得待机功率为134.3167瓦,从而确定出损耗功率,并将损耗功率输入道MATLAB中,在本实施例中采用的是最小二乘法来拟合,从而获得C0、 Ck,1…Ck,n等拟合系数的值,从而实现在没有功率测试仪的情况下,确定出工业机器人的损耗功率和有功功率。
表1工业机器人关节电机的有效输出功率和总功率
Figure RE-GDA0002574734440000061
在本实施例中,实施工业机器人关节电机的有效输出功率采用如下方法确定:
Figure RE-GDA0002574734440000071
其中,P有效总表示所述目标工业机器人的关节电机的有效输出功率,k表示所述目标工业机器人的关节,n表示所述目标工业机器人的关节总数,P有效表示所述目标工业机器人的单个关节电机的有效输出功率;
所述P有效采用如下方法确定:
P有效=t×w (3)
其中,P有效表示单个关节电机的有效输出功率,t表示关节电机输出端的力矩,w表示关节电机的角速度。
如表2所示,为获取的工业机器人的关节电机的输出力矩和角速度。通过关节电机的输出力矩和角速度即可获得工业机器人的关节电机的有效输出功率。
Figure RE-GDA0002574734440000081
表2关节力矩和角速度数据表
在本实施例中,所述步骤S1中所述关节电机的力矩采用如下方法确定:
t=μI (4)
其中,t表示关节电机输出端的力矩,μ表示线性系数,I表示流经所述关节电机的电流;
所述线性系数采用如下方法确定:
Figure RE-GDA0002574734440000091
μ表示线性系数,t额表示所述关节电机的额定力矩,I额表示所述关节电机的额定电流。
在本实施例中,所述步骤S1中所述关节速度采用如下方法确定:
Figure RE-GDA0002574734440000092
其中,w表示t2时刻的关节角速度,t1和t2代表两个不同的时刻,q2表示t2时刻的角度值,q1表示t1时刻的角度值。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。

Claims (5)

1.一种工业机器人功率预测方法,其特征在于:所述预测方法具体包括以下步骤:
S1:根据目标工业机器人的实际运动轨迹,获取所述目标工业机器人运动过程中的关节电机的力矩和所述关节电机的角速度;
S2:确定所述目标工业机器人的关节电机的有效输出功率,所述工业机器人的关节电机的有效输出功率为所述工业机器人的所有关节电机的有效输出功率之和;
S3:确定所述目标工业机器人的损耗功率;
S4:获得所述目标工业机器人的待机功率;
S5:确定所述目标工业机器人的实际功率,所述实际功率为所述工业机器人关节电机的有效输出功率、所述损耗功率和所述待机功率之和。
2.根据权利要求1所述工业机器人功率预测方法,其特征在于:所述损耗功率采用如下方法确定:
Figure FDA0002395919730000011
其中,P损耗总表示所述目标工业机器人的损耗功率,C0、Ck,1…Ck,n表示拟合系数,k表示所述目标工业机器人的关节,n表示所述目标工业机器人的关节总数,t表示关节电机输出端的力矩,w表示关节电机的角速度。
3.根据权利要求1所述工业机器人功率预测方法,其特征在于:所述工业机器人关节电机的有效输出功率采用如下方法确定:
Figure FDA0002395919730000012
其中,P有效总表示所述目标工业机器人的关节电机的有效输出功率,k表示所述目标工业机器人的关节,n表示所述目标工业机器人的关节总数,P有效表示所述目标工业机器人的单个关节电机的有效输出功率;
所述P有效采用如下方法确定:
P有效=t×w (3)
其中,P有效表示单个关节电机的有效输出功率,t表示关节电机输出端的力矩,w表示关节电机的角速度。
4.根据权利要求1所述工业机器人功率预测方法,其特征在于:所述步骤S1中所述关节电机的力矩采用如下方法确定:
t=μI (4)
其中,t表示关节电机输出端的力矩,μ表示线性系数,I表示流经所述关节电机的电流;
所述线性系数采用如下方法确定:
Figure FDA0002395919730000021
其中,μ表示线性系数,t额表示所述关节电机的额定力矩,I额表示所述关节电机的额定电流。
5.根据权利要求1所述工业机器人功率预测方法,其特征在于:所述步骤S1中所述关节速度采用如下方法确定:
Figure FDA0002395919730000022
其中,w表示t2时刻的关节角速度,t1和t2代表两个不同的时刻,q2表示t2时刻的角度值,q1表示t1时刻的角度值。
CN202010131623.8A 2020-02-28 2020-02-28 工业机器人功率预测方法 Active CN111537123B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010131623.8A CN111537123B (zh) 2020-02-28 2020-02-28 工业机器人功率预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010131623.8A CN111537123B (zh) 2020-02-28 2020-02-28 工业机器人功率预测方法

Publications (2)

Publication Number Publication Date
CN111537123A true CN111537123A (zh) 2020-08-14
CN111537123B CN111537123B (zh) 2022-08-23

Family

ID=71951971

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010131623.8A Active CN111537123B (zh) 2020-02-28 2020-02-28 工业机器人功率预测方法

Country Status (1)

Country Link
CN (1) CN111537123B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113752300A (zh) * 2021-09-22 2021-12-07 重庆工商大学 一种工业机器人能耗预测方法

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3818754A (en) * 1972-05-04 1974-06-25 Clayton Manufacturing Co Automatic load control system for hydraulic rotary power absorbers
GB2168819A (en) * 1984-12-21 1986-06-25 Voest Alpine Ag Determining the torque applied by a motor or engine to a rotating load
CN1074760A (zh) * 1992-12-30 1993-07-28 华北石油管理局第二采油厂 无负荷发动机动力性能测量方法及其装置
KR20120024098A (ko) * 2010-09-06 2012-03-14 삼성전자주식회사 보행 로봇 및 그 제어방법
RU2454643C1 (ru) * 2010-12-10 2012-06-27 Государственное образовательное учреждение высшего профессионального образования "Саратовский государственный технический университет" (СГТУ) Способ определения мощности механических потерь двигателя внутреннего сгорания
CN102564666A (zh) * 2012-02-26 2012-07-11 吉林大学 一种行走机械非行驶功率测量系统
CN104985598A (zh) * 2015-06-24 2015-10-21 南京埃斯顿机器人工程有限公司 一种工业机器人碰撞检测方法
CN106096241A (zh) * 2016-06-06 2016-11-09 穆诗智 一种改变传动模式节约电能的方法
US20170211997A1 (en) * 2016-01-22 2017-07-27 Garmin Switzerland Gmbh Ski power measurement system
WO2017151459A1 (en) * 2016-02-29 2017-09-08 Linestream Technologies Method for automatically identifying speed operation range in a mechanical system driven by pmsm or induction motors under friction and load condition
US20170356816A1 (en) * 2016-06-10 2017-12-14 Level Engineering Inc. Systems and methods for measuring drivetrain power transmission
CN108549321A (zh) * 2018-04-10 2018-09-18 广州启帆工业机器人有限公司 一种综合时间能量跃度的工业机器人轨迹生成方法及系统
CN108621157A (zh) * 2018-04-27 2018-10-09 上海师范大学 基于模型约束的机械臂能量最优轨迹规划控制方法及装置
CN108897318A (zh) * 2018-06-22 2018-11-27 哈尔滨理工大学 液压四足机器人动力机构负载匹配方法
CN109017450A (zh) * 2016-12-14 2018-12-18 大连民族大学 四轮独立驱动电动汽车力矩分配方法
CN109291055A (zh) * 2018-11-29 2019-02-01 库卡机器人(广东)有限公司 机器人运动控制方法、装置、计算机设备和存储介质
CN110103222A (zh) * 2019-05-24 2019-08-09 北京无线电测量研究所 一种工业机器人碰撞检测方法
CN110421564A (zh) * 2019-08-06 2019-11-08 浙江大学 一种基于关节能耗评估的机器人工作单元布局优化方法

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3818754A (en) * 1972-05-04 1974-06-25 Clayton Manufacturing Co Automatic load control system for hydraulic rotary power absorbers
GB2168819A (en) * 1984-12-21 1986-06-25 Voest Alpine Ag Determining the torque applied by a motor or engine to a rotating load
CN1074760A (zh) * 1992-12-30 1993-07-28 华北石油管理局第二采油厂 无负荷发动机动力性能测量方法及其装置
KR20120024098A (ko) * 2010-09-06 2012-03-14 삼성전자주식회사 보행 로봇 및 그 제어방법
RU2454643C1 (ru) * 2010-12-10 2012-06-27 Государственное образовательное учреждение высшего профессионального образования "Саратовский государственный технический университет" (СГТУ) Способ определения мощности механических потерь двигателя внутреннего сгорания
CN102564666A (zh) * 2012-02-26 2012-07-11 吉林大学 一种行走机械非行驶功率测量系统
CN104985598A (zh) * 2015-06-24 2015-10-21 南京埃斯顿机器人工程有限公司 一种工业机器人碰撞检测方法
US20170211997A1 (en) * 2016-01-22 2017-07-27 Garmin Switzerland Gmbh Ski power measurement system
WO2017151459A1 (en) * 2016-02-29 2017-09-08 Linestream Technologies Method for automatically identifying speed operation range in a mechanical system driven by pmsm or induction motors under friction and load condition
CN106096241A (zh) * 2016-06-06 2016-11-09 穆诗智 一种改变传动模式节约电能的方法
US20170356816A1 (en) * 2016-06-10 2017-12-14 Level Engineering Inc. Systems and methods for measuring drivetrain power transmission
CN109017450A (zh) * 2016-12-14 2018-12-18 大连民族大学 四轮独立驱动电动汽车力矩分配方法
CN108549321A (zh) * 2018-04-10 2018-09-18 广州启帆工业机器人有限公司 一种综合时间能量跃度的工业机器人轨迹生成方法及系统
CN108621157A (zh) * 2018-04-27 2018-10-09 上海师范大学 基于模型约束的机械臂能量最优轨迹规划控制方法及装置
CN108897318A (zh) * 2018-06-22 2018-11-27 哈尔滨理工大学 液压四足机器人动力机构负载匹配方法
CN109291055A (zh) * 2018-11-29 2019-02-01 库卡机器人(广东)有限公司 机器人运动控制方法、装置、计算机设备和存储介质
CN110103222A (zh) * 2019-05-24 2019-08-09 北京无线电测量研究所 一种工业机器人碰撞检测方法
CN110421564A (zh) * 2019-08-06 2019-11-08 浙江大学 一种基于关节能耗评估的机器人工作单元布局优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ALBERTELLI P 等: "Energy saving opportunities in direct drive machine tool spindles", 《JOURNAL OF CLEANER PRODUCTION》 *
MICHELE GADALETA 等: "A Simulation Tool for Computing Energy Optimal Motion Parameters of Industrial Robots", 《PROCEDIA MANUFACTURING》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113752300A (zh) * 2021-09-22 2021-12-07 重庆工商大学 一种工业机器人能耗预测方法

Also Published As

Publication number Publication date
CN111537123B (zh) 2022-08-23

Similar Documents

Publication Publication Date Title
CN107717994B (zh) 基于主从空间映射的主从异构机器人通用控制方法及系统
CN109514602A (zh) 一种基于负载自适应辨识的工业机器人力矩补偿控制方法
JP2011005623A (ja) 消費電力推定装置
Mohammad et al. Energy saving in feed drive systems using sliding-mode-based contouring control with a nonlinear sliding surface
CN110868128B (zh) 提高永磁直线同步电动机鲁棒跟踪控制精度的装置及方法
CN110289781B (zh) 一种中点钳位型三电平逆变器温度平衡控制方法及系统
CN110601627A (zh) 一种pmsm的可拓展电压空间矢量输出的fcs-mpdtc控制系统及方法
CN111537123B (zh) 工业机器人功率预测方法
CN113285481B (zh) 并网变流器电感参数在线估计方法、预测控制方法及系统
CN110370271B (zh) 工业串联机器人的关节传动比误差校准方法
CN104964683A (zh) 一种室内环境地图创建的闭环校正方法
CN117375480B (zh) 一种机器人传动时电机速度波动的同步控制系统
CN115229796A (zh) 一种面向航空大构件铣削的机器人末端位姿跟踪补偿方法
CN105048918A (zh) 一种无刷直流电机自适应模糊控制方法
CN108512479B (zh) 电机控制器及其计算电机扭矩预测值的方法
CN108599547A (zh) 三相电压型功率因数校正变换器鲁棒模型预测控制方法
CN111130411B (zh) 提高双轴直驱平台伺服系统同步控制精度的装置及方法
CN112605997A (zh) 一种用于机械臂的主动自适应力控装置及其控制方法
CN105099263B (zh) 基于广义回归神经网络辨识器的超声波电机位置与速度控制系统
CN114123904B (zh) 适用于永磁同步电机高速区运行的预测电流增量控制方法
CN106602945B (zh) 一种直流有刷电机转速离散控制和显式预测控制方法
Gong et al. Model-based real-time dynamic power factor measurement in AC resistance spot welding with an embedded ANN
CN106533285A (zh) 基于Kriging模型的永磁直流电机转速控制方法
Tang et al. Adaptive chattering-free terminal sliding mode control for a coordinate measuring machine system
TW202135455A (zh) 伺服馬達驅動器裝置及其電流控制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant