LEARNING开放获取
基于多目标贝叶斯优化的工业驱动器自主调试方法
David Petrovic, Gian Antonio Susto, Angelo Cenedese
2026
摘要
本文提出了一种无需系统模型或固件修改的全自动工业驱动器电流环调试方法,通过贝叶斯优化直接在实际硬件上进行黑箱优化。该方法将调试问题转化为多目标优化任务,在真实电机驱动系统上验证了与手动调试相当的性能。
关键词
Bayesian optimizationindustrial drivesauto-tuningmulti-objectivecontrol loops
相关论文
LEARNING
开放获取📊 1 引用
面向学习与规划的并行可微可达性:具有认证神经动力学与控制器的系统
Keyi Shen, Glen Chou
2026
LEARNING
📊 0 引用
人工智能增强的智能焊接岛:基础模型革新制造业
Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
基于深度强化学习和动态图神经网络的多任务机器人调度代理
Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
基于微调与AAS增强检索的LLM驱动自动化DFA评估
Jiaxin Liu, Xiaofeng Zhou, Suyang Yu 等 8 位作者
Robotics and Computer-Integrated Manufacturing · 2026