CN117872949A - 基于plc的电动防护门远程控制系统及方法 - Google Patents
基于plc的电动防护门远程控制系统及方法 Download PDFInfo
- Publication number
- CN117872949A CN117872949A CN202410179852.5A CN202410179852A CN117872949A CN 117872949 A CN117872949 A CN 117872949A CN 202410179852 A CN202410179852 A CN 202410179852A CN 117872949 A CN117872949 A CN 117872949A
- Authority
- CN
- China
- Prior art keywords
- plc
- module
- data
- electric
- protection door
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000033001 locomotion Effects 0.000 claims abstract description 86
- 230000001681 protective effect Effects 0.000 claims abstract description 36
- 238000000354 decomposition reaction Methods 0.000 claims description 25
- 230000004927 fusion Effects 0.000 claims description 24
- 230000005540 biological transmission Effects 0.000 claims description 18
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 239000013598 vector Substances 0.000 claims description 5
- 230000008713 feedback mechanism Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 abstract description 7
- 238000011217 control strategy Methods 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 4
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 19
- 230000001276 controlling effect Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000007123 defense Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Selective Calling Equipment (AREA)
Abstract
本发明涉及控制领域,尤其涉及基于PLC的电动防护门远程控制系统及方法。具体包括:首先,获取并融合电动防护门的运动参数,将融合后的运动参数分解为决策信号,并通过构建多层次决策网络进行控制决策;然后,将多层次决策网络的输出传递给PLC,生成并执行电动防护门运动控制命令,远程控制电动防护门的运动。解决了现有技术缺乏对电动防护门运动状态的综合和深入分析,往往只能处理简单的单一参数,忽视了运动参数的综合影响;在需要快速响应或精确定位的情况下无法精确控制电动防护门的运动;以及缺乏动态适应性,无法根据环境变化或不同的使用场景自动调整控制策略的技术问题。
Description
技术领域
本发明涉及控制领域,尤其涉及基于PLC的电动防护门远程控制系统及方法。
背景技术
电动防护门作为保障安全、控制访问和节能的关键设施,在各种商业、工业和公共场所得到了广泛应用。随着技术的发展和安全需求的提高,对电动防护门的控制系统提出了更高的要求,特别是在精确控制、响应速度、灵活性和可靠性方面。
传统的电动防护门控制系统多依赖于基础的机械控制逻辑,这些系统通常只能处理简单的控制任务,如基于时间或基本传感器输入的开关控制。然而,这些系统在处理复杂环境下的动态变化、实现精确控制以及适应不断变化的操作需求方面往往存在局限。
随着智能技术的发展,特别是数据处理、机器学习和人工智能技术的进步,为电动防护门的控制提供了新的解决方案。这些技术使得可以更加细致和全面地分析门的运动状态,实现更加智能和自适应的控制策略。然而,将这些先进技术有效地集成到电动防护门的控制系统中,并确保系统的高效率、高精度和高可靠性,仍然是一个挑战。
我国专利申请号:CN201110115418.3,公开日:2011.12.21,公开了一种人防工程的电动防护门控制装置,主要包括防爆操作柜,触摸屏,PLC,防爆呼叫器,中间继电器,交流接触器,接线端子排,电动防护门,热风机,电动球阀,限位开关,温湿度传感器;其特征在于:控制装置采用防爆操作柜为柜体,以PLC为核心控制器,具体包括有光电隔离输入、输出、A/D转换模块;该发明装置不仅采取多种电磁脉冲防护措施,还采用了防腐、防潮措施,确保系统可以在核电磁脉冲及人防工程中安全可靠的工作。
但上述技术至少存在如下技术问题:现有技术缺乏对电动防护门运动状态的综合和深入分析,往往只能处理简单的单一参数,在需要快速响应或精确定位的情况下忽视了运动参数的综合影响;无法精确控制电动防护门的运动;缺乏动态适应性,无法根据环境变化或不同的使用场景自动调整控制策略,这在复杂或变化多端的应用环境中尤为明显。
发明内容
本发明提供基于PLC的电动防护门远程控制系统及方法,解决了现有技术缺乏对电动防护门运动状态的综合和深入分析,往往只能处理简单的单一参数,忽视了运动参数的综合影响;在需要快速响应或精确定位的情况下无法精确控制门的运动;缺乏动态适应性,无法根据环境变化或不同的使用场景自动调整控制策略,这在复杂或变化多端的应用环境中尤为明显。实现了一种高精度、高效率且具有良好适应性的电动防护门远程控制系统,通过数据融合、智能决策网络和自适应控制策略,显著提升了电动防护门控制的性能。
本发明的基于PLC的电动防护门远程控制系统及方法,具体包括以下技术方案:
基于PLC的电动防护门远程控制系统,包括以下部分:
状态监控模块、数据融合模块、信号分解模块、多层决策模块、数据接口、控制命令生成模块、执行模块;
所述状态监控模块,用于实时监控并获取电动防护门的运动状态,包括位置、速度、加速度的运动参数,状态监控模块通过数据传输的方式与数据融合模块相连;
所述数据融合模块,用于处理运动状态数据,通过融合函数将不同的运动参数综合成单一数据表示,数据融合模块通过数据传输的方式与信号分解模块相连;
所述信号分解模块,用于对数据融合模块的输出进行非线性分解,提取特征以生成控制决策信号,信号分解模块通过数据传输的方式与多层决策模块相连;
所述多层决策模块,用于构建多层次决策网络,处理信号分解模块的输出,多层决策模块通过数据传输的方式与数据接口相连;
所述数据接口,作为多层次决策网络输出与PLC之间的桥梁,负责将多层次决策网络的数据转换为适合PLC解读的格式,数据接口通过数据传输的方式与控制命令生成模块相连;
所述控制命令生成模块,在PLC内部实现,用于解析来自数据接口的数据,结合多层次决策网络的输出和电动防护门的当前运动状态,生成电动防护门运动控制命令,控制命令生成模块通过数据传输的方式与执行模块相连;
所述执行模块,用于执行生成的电动防护门运动控制命令。
基于PLC的电动防护门远程控制方法,包括以下步骤:
S1.获取并融合电动防护门的运动参数,将融合后的运动参数分解为决策信号,并通过构建多层次决策网络进行控制决策;
S2.将多层次决策网络的输出传递给PLC,生成并执行电动防护门运动控制命令,远程控制电动防护门的运动。
优选的,所述S1,具体包括:
实时监控并获取电动防护门的运动状态,并将运动状态表示为包含电动防护门运动参数的多维向量,所述运动参数包括位置、速度、加速;设计融合函数来融合运动参数,得到综合数据表示。
优选的,所述S1,还包括:
对综合数据表示进行非线性分解,生成决策信号;并通过非线性分解函数提取综合数据表示的特征。
优选的,所述S1,还包括:
将非线性分解后的数据转化为控制决策,并构建多层次决策网络;所述多层次决策网络的层级结构能学习和提取不同层次的特征。
优选的,所述S1,还包括:
设计自适应反馈机制,调整多层次决策网络的参数。
优选的,所述S2,具体包括:
在PLC中融入电动防护门的当前运动状态,包括速度和预期位置;将多层次决策网络的输出转换成电动防护门运动控制命令。
优选的,所述S2,还包括:
执行电动防护门运动控制命令,利用控制命令生成公式远程控制电动防护门的运动。
本发明的技术方案的有益效果是有益效果是:
1、通过将电动防护门的多种运动状态表示为多维向量,并使用复杂的数据融合函数,本发明能够更全面地分析和理解门的运动特性,为做出更准确的控制决策提供了强有力的数据支持;利用非线性分解函数和基于深度学习的多层次决策网络,本发明能够从融合的数据中提取关键信息,优化控制决策,提高了控制命令的精确性,从而提升了电动防护门运动的准确度和效率;
2、通过在PLC中集成自适应反馈机制,本发明能够根据实时反馈数据不断调整决策网络的参数,确保了系统即使在外部环境或负载条件发生变化时仍能保持高效和精确的控制;控制命令生成模块能够根据多层次决策网络的输出和电动防护门的当前运动状态生成精确的控制命令,使得系统能够适应各种运行条件和性能要求。
附图说明
图1为本发明一个实施例所提供的基于PLC的电动防护门远程控制系统结构图;
图2为本发明一个实施例所提供的基于PLC的电动防护门远程控制方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的基于PLC的电动防护门远程控制系统及方法的具体方案。
参照附图1,其示出了本发明一个实施例所提供的基于PLC的电动防护门远程控制系统结构图,该系统包括以下部分:
状态监控模块、数据融合模块、信号分解模块、多层决策模块、数据接口、控制命令生成模块、执行模块;
状态监控模块,用于实时监控并获取电动防护门的运动状态,包括位置、速度、加速度等运动参数,状态监控模块通过数据传输的方式与数据融合模块相连;
数据融合模块,用于处理多维的运动状态数据,通过融合函数将不同的运动参数综合成一个单一的数据表示,数据融合模块通过数据传输的方式与信号分解模块相连;
信号分解模块,用于对数据融合模块的输出进行非线性分解,提取关键特征以生成有效的控制决策信号,信号分解模块通过数据传输的方式与多层决策模块相连;
多层决策模块,用于通过基于深度学习构建的多层次决策网络,处理信号分解模块的输出,提炼出用于控制电动防护门的关键信息,多层决策模块通过数据传输的方式与数据接口相连;
数据接口,作为多层次决策网络的输出与PLC之间的桥梁,负责将多层次决策网络的输出数据转换为适合PLC解读的格式,数据接口通过数据传输的方式与控制命令生成模块相连;
控制命令生成模块,在PLC内部实现,用于解析来自数据接口的数据,结合多层次决策网络的输出和电动防护门的当前运动状态,生成实际的电动防护门运动控制命令,控制命令生成模块通过数据传输的方式与执行模块相连;
执行模块,用于执行生成的电动防护门运动控制命令,直接控制电动防护门的运动,如调节速度或改变位置。
参照附图2,其示出了本发明一个实施例所提供的基于PLC的电动防护门远程控制方法流程图,该方法包括以下步骤:
S1.获取并融合电动防护门的运动参数,将融合后的运动参数分解为决策信号,并通过构建多层次决策网络进行控制决策;
状态监控模块实时监控并获取电动防护门的运动状态,为了对电动防护门多种运动状态进行综合分析,将多种运动状态表示为一系列多维向量X={x1,x2,…,xn},其中每个xi代表了电动防护门的一个运动参数,如位置、速度、加速度等,n是运动参数的总数。运动参数是电动防护门远程控制系统的关键,直接影响电动防护门的运动和响应。
数据融合模块为了处理多维向量X,设计一个融合函数,融合所有运动参数,使用双曲正切函数来增加融合过程中对运动参数变化的敏感度,采用如下公式来实现数据融合:
式中,F(X)表示数据融合函数的输出,代表了电动防护门多维运动状态参数经过转换后得到的综合数据表示,α1i、α2i、α3i是融合权重,分别调节每个运动维度在融合过程中的影响力度。使用三种不同的数学函数——双曲正切函数、自然对数和立方根——来处理每个参数,可以捕捉数据的不同特征:双曲正切函数用于强调极端值,自然对数用于处理非线性响应,立方根则用于平滑小的或负的数值。
信号分解模块将融合的数据分解成具有实际控制意义的决策信号,通过非线性分解函数提取和强调关键特征,同时压制不重要的变量,从而优化控制决策。采用以下公式进行非线性分解:
式中,G(F(X))是非线性分解函数的输出,表示经过函数G处理后的融合数据,目的是提取关键信息并转换为可用于控制的信号,δl表示第l个特征的分解权重,用于控制第l个特征在分解过程中的重要性,[F(X)]l是综合数据中的第l个特征。
为了将非线性分解后的数据转化为控制决策,多层决策模块构建基于深度学习的多层次决策网络。多层次决策网络的每一层都对数据进行进一步的处理和转换,提炼出控制电动防护门所需的信息。每一层的输出公式如下:
式中,Oj是第j层神经网络的输出,σ是激活函数,例如ReLU或Sigmoid,用于引入非线性并控制输出范围,Θjk是第j层第k个神经元的权重矩阵,bj是第j层的偏置项,是第j-1层第k个神经元的输出。多层次决策网络的层级结构允许每一层学习和提取不同层次的特征,从而使得整体网络能够对输入数据做出精确的控制决策。
多层次决策网络的参数集合决定了不同层次如何相互作用,以及如何对输入的数据进行处理和响应。为了提高控制精度和响应速度,设计一个自适应反馈机制,根据实时反馈数据不断调整多层次决策网络的参数,从而适应电动防护门运动状态的变化。参数更新公式如下:
式中,和/>分别是更新前后的多层次决策网络第j层的参数集合,η是学习率,用于控制参数更新的速度,L是损失函数,/>是损失函数关于参数的平方梯度。平方梯度下降的使用是一种非标准的优化策略,旨在更强烈地调整对损失函数影响最大的参数。
S2.将多层次决策网络的输出传递给PLC,生成并执行电动防护门运动控制命令,远程控制电动防护门的运动。
建立一个数据接口,用于将多层次决策网络的输出传递给PLC,涉及到数据格式的转换和同步,确保多层次决策网络输出能够被PLC正确解读,数据接口负责将多层次决策网络的抽象输出转换为PLC可以接受的具体指令格式。
在PLC中,控制命令生成模块考虑多层次决策网络的输出,还融入电动防护门的当前运动状态,如速度和预期位置,将多层次决策网络的输出转换成实际的电动防护门运动控制命令,采用控制命令生成公式,为了确保控制命令的精确性和适应性,定义以下映射函数来实现:
式中,C是生成的控制命令,Lfinal是数据接口将多层次决策网络输出转换后的结果,代表了根据电动防护门当前状态的计算结果,κ是比例系数,用于将输入数据调整到适合PLC的范围,ρ和ω是用于引入周期性调节的参数,增加控制命令的动态性,t是时间变量,表示在控制过程中的时间点,μ是调节速度差异对控制命令影响的系数,vcurrent和vtarget分别代表电动防护门的当前速度和目标速度,v是基线偏移量,确保控制命令始终在合理范围内。sin(ω·t)项引入了控制命令的时间依赖性,使命令能够根据时间变化自动调整,适应可能出现的周期性负载或环境变化。log(1+|vcurrent-vtarget|)项用于处理当前速度与目标速度之间的差异,确保即使在速度变化较大时,控制命令仍然平滑,避免过度反应。
在实际操作中,执行模块执行生成的控制命令,利用控制命令生成公式来精确地远程控制电动防护门的运动。例如,如果电动防护门需要以更快的速度关闭,PLC将根据电动防护门的当前速度和预定速度计算出新的速度设置,并发送相应的控制信号到电机。PLC不仅能够响应复杂的输入数据,还能够根据实时反馈动态调整其控制策略,提高电动防护门运动控制的精确度和效率。
综上所述,便完成了基于PLC的电动防护门远程控制系统及方法。
发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同或相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
上述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (8)
1.基于PLC的电动防护门远程控制系统,其特征在于,包括以下部分:
状态监控模块、数据融合模块、信号分解模块、多层决策模块、数据接口、控制命令生成模块、执行模块;
所述状态监控模块,用于实时监控并获取电动防护门的运动状态,包括位置、速度、加速度的运动参数,状态监控模块通过数据传输的方式与数据融合模块相连;
所述数据融合模块,用于处理运动状态数据,通过融合函数将不同的运动参数综合成单一数据表示,数据融合模块通过数据传输的方式与信号分解模块相连;
所述信号分解模块,用于对数据融合模块的输出进行非线性分解,提取特征以生成控制决策信号,信号分解模块通过数据传输的方式与多层决策模块相连;
所述多层决策模块,用于构建多层次决策网络,处理信号分解模块的输出,多层决策模块通过数据传输的方式与数据接口相连;
所述数据接口,作为多层次决策网络输出与PLC之间的桥梁,负责将多层次决策网络的数据转换为适合PLC解读的格式,数据接口通过数据传输的方式与控制命令生成模块相连;
所述控制命令生成模块,在PLC内部实现,用于解析来自数据接口的数据,结合多层次决策网络的输出和电动防护门的当前运动状态,生成电动防护门运动控制命令,控制命令生成模块通过数据传输的方式与执行模块相连;
所述执行模块,用于执行生成的电动防护门运动控制命令。
2.基于PLC的电动防护门远程控制方法,其特征在于,包括以下步骤:
S1.获取并融合电动防护门的运动参数,将融合后的运动参数分解为决策信号,并通过构建多层次决策网络进行控制决策;
S2.将多层次决策网络的输出传递给PLC,生成并执行电动防护门运动控制命令,远程控制电动防护门的运动。
3.根据权利要求2所述的基于PLC的电动防护门远程控制方法,其特征在于,所述S1,具体包括:
实时监控并获取电动防护门的运动状态,并将运动状态表示为包含电动防护门运动参数的多维向量,所述运动参数包括位置、速度、加速;设计融合函数来融合运动参数,得到综合数据表示。
4.根据权利要求3所述的基于PLC的电动防护门远程控制方法,其特征在于,所述S1,还包括:
对综合数据表示进行非线性分解,生成决策信号;并通过非线性分解函数提取综合数据表示的特征。
5.根据权利要求4所述的基于PLC的电动防护门远程控制方法,其特征在于,所述S1,还包括:
将非线性分解后的数据转化为控制决策,并构建多层次决策网络;所述多层次决策网络的层级结构能学习和提取不同层次的特征。
6.根据权利要求5所述的基于PLC的电动防护门远程控制方法,其特征在于,所述S1,还包括:
设计自适应反馈机制,调整多层次决策网络的参数。
7.根据权利要求2所述的基于PLC的电动防护门远程控制方法,其特征在于,所述S2,具体包括:
在PLC中融入电动防护门的当前运动状态,包括速度和预期位置;将多层次决策网络的输出转换成电动防护门运动控制命令。
8.根据权利要求7所述的基于PLC的电动防护门远程控制方法,其特征在于,所述S2,还包括:
执行电动防护门运动控制命令,利用控制命令生成公式远程控制电动防护门的运动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410179852.5A CN117872949A (zh) | 2024-02-18 | 2024-02-18 | 基于plc的电动防护门远程控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410179852.5A CN117872949A (zh) | 2024-02-18 | 2024-02-18 | 基于plc的电动防护门远程控制系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117872949A true CN117872949A (zh) | 2024-04-12 |
Family
ID=90577622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410179852.5A Pending CN117872949A (zh) | 2024-02-18 | 2024-02-18 | 基于plc的电动防护门远程控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117872949A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107975316A (zh) * | 2017-11-15 | 2018-05-01 | 郑州精益达汽车零部件有限公司 | 电动乘客门智能控制系统及防夹方法 |
KR20200137085A (ko) * | 2019-05-28 | 2020-12-09 | 한국철도기술연구원 | 전동차의 전기식 출입문 고장예측 장치 |
CN213545073U (zh) * | 2020-12-16 | 2021-06-25 | 中国人民解放军66139部队 | 人防工程内部设备远程控制系统 |
US20220316259A1 (en) * | 2021-03-30 | 2022-10-06 | AISIN Technical Center of America, Inc. | Automatic control of a power tailgate under external loading |
CN116680654A (zh) * | 2023-06-13 | 2023-09-01 | Ife-威奥轨道车辆门系统(青岛)有限公司 | 车辆门系统的状态预测方法、装置、设备及存储介质 |
CN117113276A (zh) * | 2023-08-31 | 2023-11-24 | 重庆大学 | 一种面向多传感器的信息融合方法及装置 |
CN117432309A (zh) * | 2023-12-20 | 2024-01-23 | 江苏省金鑫安防设备有限公司 | 一种防火隐藏门及控制和制备方法 |
CN117555258A (zh) * | 2023-11-14 | 2024-02-13 | 济南巨光风田门业有限公司 | 一种基于人工智能的电动上叠门智能控制管理系统 |
-
2024
- 2024-02-18 CN CN202410179852.5A patent/CN117872949A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107975316A (zh) * | 2017-11-15 | 2018-05-01 | 郑州精益达汽车零部件有限公司 | 电动乘客门智能控制系统及防夹方法 |
KR20200137085A (ko) * | 2019-05-28 | 2020-12-09 | 한국철도기술연구원 | 전동차의 전기식 출입문 고장예측 장치 |
CN213545073U (zh) * | 2020-12-16 | 2021-06-25 | 中国人民解放军66139部队 | 人防工程内部设备远程控制系统 |
US20220316259A1 (en) * | 2021-03-30 | 2022-10-06 | AISIN Technical Center of America, Inc. | Automatic control of a power tailgate under external loading |
CN116680654A (zh) * | 2023-06-13 | 2023-09-01 | Ife-威奥轨道车辆门系统(青岛)有限公司 | 车辆门系统的状态预测方法、装置、设备及存储介质 |
CN117113276A (zh) * | 2023-08-31 | 2023-11-24 | 重庆大学 | 一种面向多传感器的信息融合方法及装置 |
CN117555258A (zh) * | 2023-11-14 | 2024-02-13 | 济南巨光风田门业有限公司 | 一种基于人工智能的电动上叠门智能控制管理系统 |
CN117432309A (zh) * | 2023-12-20 | 2024-01-23 | 江苏省金鑫安防设备有限公司 | 一种防火隐藏门及控制和制备方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Adaptive finite time control of nonlinear systems under time-varying actuator failures | |
Sun et al. | Neural network-based adaptive controller design of robotic manipulators with an observer | |
Kwan et al. | Robust neural-network control of rigid-link electrically driven robots | |
Huang et al. | Neural-network predictive control for nonlinear dynamic systems with time-delay | |
CN114839881B (zh) | 智能化垃圾清理与环境参数大数据物联网系统 | |
Liu et al. | The research of adaptive sliding mode controller for motor servo system using fuzzy upper bound on disturbances | |
Yuan et al. | Practically fast finite-time stability in the mean square of stochastic nonlinear systems: application to one-link manipulator | |
Gao et al. | Fault tolerant control scheme for a class of interconnected nonlinear time delay systems using event-triggered approach | |
CN117872949A (zh) | 基于plc的电动防护门远程控制系统及方法 | |
Tian et al. | Network teleoperation robot system control based on fuzzy sliding mode | |
CN116859839A (zh) | 基于模型训练的工业控制方法和装置 | |
Wang et al. | Observer-based event-triggered tracking control for discrete-time nonlinear systems using adaptive critic design | |
Wu et al. | Soft computing techniques and their applications in intelligent industrial control systems: A survey | |
CN113536607B (zh) | 一种变电站信号传输系统评估方法及系统 | |
CN114995248A (zh) | 智能养护与环境参数大数据物联网系统 | |
Hua et al. | Distributed control for uncertain nonlinear multiagent systems subject to hybrid faults | |
Liu et al. | Trajectory-tracking control for manipulators based on fuzzy equivalence and a terminal sliding mode | |
CN108319149B (zh) | 一种具有自学习控制模式的电磁开关智慧控制系统 | |
Tan et al. | A genetic approach for real-time identification and control of a helicopter system | |
Wang et al. | Deep Koopman operator based model predictive control for nonlinear robotics systems | |
Kuang | A perspective of Intelligent algorithms and manipulator control | |
Li et al. | Learning quasi-periodic robot motions from demonstration | |
Jin-Yue et al. | Research on the non-linear function fitting of RBF neural network | |
Chu | Stability Optimization Simulation of Industrial Robot in ROS Environment | |
Al-Rabadi et al. | Intelligent Regulation Using Genetic Algorithm-Based Tuning for the Fuzzy Control of the Power Electronic Switching-Mode Buck Converter. |
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 |