CN103101053A - 机器人控制系统、机器人系统以及传感器信息处理装置 - Google Patents
机器人控制系统、机器人系统以及传感器信息处理装置 Download PDFInfo
- Publication number
- CN103101053A CN103101053A CN2012104415870A CN201210441587A CN103101053A CN 103101053 A CN103101053 A CN 103101053A CN 2012104415870 A CN2012104415870 A CN 2012104415870A CN 201210441587 A CN201210441587 A CN 201210441587A CN 103101053 A CN103101053 A CN 103101053A
- Authority
- CN
- China
- Prior art keywords
- digital filtering
- coefficient
- driving frequency
- section
- frequency
- 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
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J13/00—Controls for manipulators
- B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1612—Programme controls characterised by the hand, wrist, grip control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/1633—Programme controls characterised by the control loop compliant, force, torque control, e.g. combined with position control
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/39—Robotics, robotics to robotics hand
- G05B2219/39325—External force control, additional loop comparing forces corrects position
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/39—Robotics, robotics to robotics hand
- G05B2219/39343—Force based impedance control
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/39—Robotics, robotics to robotics hand
- G05B2219/39529—Force, torque sensor in wrist, end effector
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/41—Servomotor, servo controller till figures
- G05B2219/41166—Adaptive filter frequency as function of oscillation, rigidity, inertia load
-
- Y—GENERAL 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
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S901/00—Robots
- Y10S901/02—Arm motion controller
- Y10S901/09—Closed loop, sensor feedback controls arm movement
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Manipulator (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供机器人控制系统、机器人系统以及传感器信息处理装置。机器人控制系统具有:基于来自测力传感器的传感器信息来输出机器人的目标轨道的修正值的力控制部;对目标轨道进行基于修正值的修正处理来求出目标值并输出求出的目标值的目标值输出部;以及基于目标值来进行机器人的反馈控制的机器人控制部,力控制部具有数字滤波部,力控制部通过对传感器信息进行基于数字滤波部的数字滤波处理,来求出力控制的常微分方程式的解并基于求出的解来输出修正值。
Description
技术领域
本发明涉及机器人控制系统、机器人系统以及传感器信息处理装置等。
背景技术
在使用机械手等机器人进行的作业中,有伴随着各种限制条件、例如与物体接触的作业。这样的情况下,除了进行位置的控制之外,多有要求力的控制的情况。例如,描摹物体的表面的情况、使一个物体与其他的物体嵌合的情况、以不破坏柔软物的方式进行把持的情况等,除了仅仅进行位置的控制之外,还需要应对来自物体的反作用力的动作。
作为在机器人中进行力控制的代表方法,有被称作阻抗控制的方法。所谓阻抗控制,是使机器人与其实际的质量、粘性特性、弹性特性无关地以具有正好适用于作业的这些值的方式动作的控制方法。这是基于由安装于机器人的测力传感器等得到的力信息而解出运动方程式,并根据该解使机器人动作的控制方法。通过适当地设定该运动方程式,能够使机械手等机器人如同正好具有规定的质量、粘性、弹性那样地动作。作为与这样的阻抗控制、力控制有关的现有技术,公知有专利文献1、2、3所公开的技术。
专利文献1:日本特开平6-320451号公报
专利文献2:日本特开平2-205489号公报
专利文献3:日本特开平4-369004号公报
专利文献1中公开了如下方法,即,即使在控制对象柔软的情况这样非常复杂的系统中,也能够精度良好地进行阻抗控制。
专利文献2中公开了如下方法,即,不使用测力传感器,通过在控制系统内部具有运动模型来推断力,控制系统虽然变复杂了但不需要传感器,并且利用更加纯粹的机械式构造来进行阻抗控制。
另一方面,专利文献3中公开了用于减少运算量的一个方法。其不进行求出上述的专利文献1、2所记载的逆雅可比行列的计算,而通过使用倒置雅可比行列来减少计算量。
在阻抗控制中,为了使机器人等以具有所希望的特性(质量/粘性特性/弹性特性)的方式动作,需要对使用了与该特性对应的系数参数的常微分方程式(作为2阶线性常微分方程式的运动方程式)进行求解。公知有各种对常微分方程式进行求解的方法,但使用Runge-Kutta法、Newton法等。
但是,这些方法不适用于硬件化,也难以进行稳定性的判定。另外,也有难以与响应性的切换对应的问题。此处,响应性指的是根据给予机器人的所希望的特性(质量/粘性特性/弹性特性)来决定的动态特性,响应性低例如指由大的质量系数、大的粘性系数、小的弹性系数实现的特性,响应性高例如指由小的质量系数、小的粘性系数、大的弹性系数实现的特性。它们取决于实现的作业内容或者作业的场面,最佳的特性是不同的。因此,能够容易地切换响应特性是非常重要的功能。
发明内容
根据本发明的几个方式,能够提供容易地进行硬件化、稳定性的验证、解的响应性的切换的机器人控制系统、机器人系统以及传感器信息处理装置等。
本发明的一个方式涉及如下机器人控制系统,即,包括:力控制部,其基于来自测力传感器的传感器信息来输出机器人的目标轨道的修正值;目标值输出部,其对所述目标轨道进行基于所述修正值的修正处理来求出目标值,并输出求出的所述目标值;以及机器人控制部,其基于所述目标值来进行所述机器人的反馈控制,所述力控制部具有数字滤波部,所述力控制部通过对所述传感器信息进行基于所述数字滤波部的数字滤波处理,来求出力控制的常微分方程式的解,并基于求出的所述解来输出所述修正值。
本发明的一个方式中,机器人控制系统基于来自测力传感器的传感器信息来进行力控制并求出修正值,使用基于修正值而得到的目标值来进行机器人的反馈控制。力控制中,利用数字滤波处理来进行求出常微分方程式的解的处理而输出修正值,由此能够容易地进行该处理的硬件化、稳定性的判定、响应性的切换等。
另外,本发明的一个方式中也可以构成为,所述数字滤波部包括:数字滤波系数输出部,其基于所述常微分方程式的各项系数参数来输出数字滤波系数;以及数字滤波运算部,其基于所述数字滤波系数以及所述传感器信息来进行所述数字滤波处理。
由此,能够使常微分方程式的各项系数参数与数字滤波系数对应,来进行数字滤波处理等。
另外,本发明的一个方式中也可以构成为,所述数字滤波系数输出部包括:数字滤波系数变换部,其进行将所述系数参数变换为所述数字滤波系数的处理;以及数字滤波系数存储部,其对由所述数字滤波系数变换部变换后的所述数字滤波系数进行存储,所述数字滤波系数输出部输出存储于所述数字滤波系数存储部的所述数字滤波系数。
由此,能够将常微分方程式的各项系数参数变换为数字滤波系数。
另外,本发明的一个方式中也可以构成为,所述数字滤波部包括数字滤波器稳定度判定部,其中,所述数字滤波器稳定度判定部对用于所述数字滤波处理的数字滤波器的动作的稳定度进行判定,在所述数字滤波器稳定度判定部中判定为所述数字滤波器的所述动作稳定的情况下,所述数字滤波系数输出部输出所述数字滤波系数。
由此,通过进行数字滤波处理的稳定性的判定,能够对与常微分方程式相关的系统的稳定性进行判定等。
另外,本发明的一个方式中也可以构成为,在以第一驱动频率以及与所述第一驱动频率相比频率高的第二驱动频率中的任一个驱动频率来进行所述数字滤波处理的情况下,所述数字滤波系数输出部输出与第一驱动频率对应的第一数字滤波系数以及与第二驱动频率对应的第二数字滤波系数中的至少一个,所述数字滤波运算部根据从所述数字滤波系数输出部输出的所述数字滤波系数,进行基于使用了所述第一数字滤波系数的所述第一驱动频率的所述数字滤波处理、以及基于使用了所述第二数字滤波系数的所述第二驱动频率的所述数字滤波处理中的至少一个处理。
由此,能够切换数字滤波处理的驱动频率等。通过切换驱动频率,能够变更解的响应性,除此之外,能够应对由噪声减少用的频带限制处理等引起的响应特性的变化等。
另外,本发明的一个方式中也可以构成为,所述数字滤波部包括选择处理部,其中,所述选择处理部基于所述传感器信息的信号频带信息来选择所述第一驱动频率以及所述第二驱动频率中的任一个所述驱动频率,所述数字滤波部以在所述选择处理部中选择的所述驱动频率来进行所述数字滤波处理并输出所述修正值。
由此,能够基于传感器信息的信号频带信息自动地选择驱动频率等。
另外,本发明的一个方式中也可以构成为,所述选择处理部将对所述传感器信息实施了低通滤波处理后的低域传感器信息、以及对所述传感器信息实施了高通滤波处理后的高域传感器信息作为所述信号频带信息,来选择所述驱动频率。
由此,能够使用低域传感器信息与高域传感器信息作为信号频带信息。
另外,本发明的一个方式中也可以构成为,在将所述数字滤波处理的所述驱动频率从高频率的所述第二驱动频率切换为低频率的所述第一驱动频率的情况下,所述数字滤波运算部:在第一期间,进行基于使用了所述第二滤波系数的第二驱动频率的所述数字滤波处理,在所述第一期间的下一个切换期间,进行基于使用了所述第一滤波系数的第一驱动频率的所述数字滤波处理、以及基于使用了所述第二滤波系数的第二驱动频率的所述数字滤波处理这双方,在所述切换期间的下一个第二期间,进行基于使用了所述第一滤波系数的第一驱动频率的所述数字滤波处理。
由此,能够顺畅地进行驱动频率从高频向低频的切换等。
另外,本发明的一个方式中也可以构成为,在将所述数字滤波处理的所述驱动频率从低频率的所述第一驱动频率切换为高频率的所述第二驱动频率的情况下,所述数字滤波运算部基于第一输出值以及第二输出值来进行求出插补值的插补处理,并基于所述插补值来进行基于使用了所述第二滤波系数的第二驱动频率的所述数字滤波处理,其中,所述第一输出值是切换时刻的基于使用了所述第一滤波系数的第一驱动频率的所述数字滤波处理的输出值,所述第二输出值是过去时刻的基于使用了所述第一滤波系数的第一驱动频率的所述数字滤波处理的输出值,所述过去时刻是比所述切换时刻靠前的时刻,所述插补值是所述切换时刻与所述过去时刻之间的时刻的插补值。
由此,能够顺畅地进行驱动频率从低频向高频的切换等。
另外,本发明的一个方式中也可以构成为,所述数字滤波部包括第一数字滤波运算部与第二数字滤波运算部来作为所述数字滤波运算部,所述数字滤波系数输出部向所述第一数字滤波运算部输出第一数字滤波系数,并且向所述第二数字滤波运算部输出与所述第一数字滤波系数不同的第二数字滤波系数,所述第一数字滤波运算部进行基于所述第一数字滤波系数以及所述传感器信息的所述数字滤波处理,所述第二数字滤波运算部进行基于所述第二数字滤波系数以及所述传感器信息的所述数字滤波处理。
由此,能够使多个数字滤波运算部并行动作,并能够顺畅地进行响应特性的切换等。
另外,本发明的一个方式中也可以构成为,所述数字滤波部包括数字滤波输出选择部,其中,所述数字滤波输出选择部选择所述第一数字滤波运算部的处理结果、与所述第二数字滤波运算部的处理结果中的任一个,将该任一个处理结果作为所述修正值而输出。
由此,在使多个数字滤波处理并行动作的情况下,也能够选择适当的输出值。
另外,本发明的一个方式中也可以构成为,在以第一驱动频率以及与所述第一驱动频率相比频率高的第二驱动频率中任一个驱动频率来进行所述数字滤波处理的情况下,所述数字滤波系数输出部将与所述第一驱动频率对应的数字滤波系数作为所述第一数字滤波系数而输出,并且将与所述第二驱动频率对应的数字滤波系数作为所述第二数字滤波系数而输出,所述第一数字滤波运算部基于所述第一数字滤波系数并以所述第一驱动频率来进行所述数字滤波处理,所述第二数字滤波运算部基于所述第二数字滤波系数并以所述第二驱动频率来进行所述数字滤波处理。
由此,能够切换数字滤波处理的驱动频率等。
另外,本发明的一个方式中也可以构成为,所述力控制部包括频带限制部,其中,所述频带限制部对所述传感器信息进行使给予的频带通过的频带限制处理,并将进行了所述频带限制处理后的所述传感器信息输出至所述第一数字滤波运算部、所述第二数字滤波运算部,所述频带限制部向所述第一数字滤波运算部输出进行了使第一频带通过的频带限制处理后的所述传感器信息,并且向所述第二数字滤波运算部输出进行了使频带比第一频带宽的第二频带通过的频带限制处理的所述传感器信息。
由此,能够使传感器信息与驱动频率对应地对传感器信息进行频带限制处理。
另外,本发明的一个方式中也可以构成为,所述数字滤波系数输出部包括系数选择部,其中,所述系数选择部选择第一数字滤波系数、以及与所述第一数字滤波系数不同的第二滤波系数中的任一个,所述数字滤波系数输出部将在所述系数选择部中选择的所述数字滤波系数输出至所述数字滤波运算部。
由此,能够从多个数字滤波系数中选择一个,并能够顺畅地切换数字滤波处理等。
另外,本发明的一个方式中也可以构成为,在以第一驱动频率以及与所述第一驱动频率相比频率高的第二驱动频率中任一个驱动频率来进行所述数字滤波处理的情况下,所述系数选择部选择与所述第一驱动频率对应的所述第一数字滤波系数、以及与所述第二驱动频率对应的所述第二数字滤波系数中的任一个,所述数字滤波系数输出部将在所述系数选择部中选择的所述数字滤波系数输出至所述数字滤波运算部,在从所述数字滤波系数输出部输出所述第一数字滤波系数的情况下,所述数字滤波运算部基于所述第一数字滤波系数并以所述第一驱动频率来进行所述数字滤波处理,在从所述数字滤波系数输出部输出所述第二数字滤波系数的情况下,所述数字滤波运算部基于所述第二数字滤波系数并以所述第二驱动频率来进行所述数字滤波处理。
由此,能够切换数字滤波处理的驱动频率等。
另外,本发明的一个方式中也可以构成为,所述力控制部包括频带限制部,其中,所述频带限制部对所述传感器信息进行使给予的频带通过的频带限制处理,并将进行了所述频带限制处理的所述传感器信息输出至所述数字滤波运算部,在进行基于所述第一驱动频率的所述数字滤波处理的情况下,所述频带限制部将进行了使第一频带通过的频带限制处理后的所述传感器信息输出至所述数字滤波运算部,在进行基于所述第二驱动频率的所述数字滤波处理的情况下,所述频带限制部将进行了使频带比所述第一频带宽的第二频带通过的频带限制处理后的所述传感器信息输出至所述数字滤波运算部。
由此,能够使传感器信息与驱动频率对应地对传感器信息进行频带限制处理。
另外,本发明的一个方式中也可以构成为,所述常微分方程式是以假想质量项、假想粘性项以及假想弹性项为系数参数的运动方程式。
由此,能够求出运动方程式作为常微分方程式并输出修正值。
另外,本发明的一个方式中也可以构成为,所述目标值输出部包括:轨道生成部,其输出所述机器人的目标位置信息;以及运动学逆解处理部,其基于来自所述轨道生成部的所述目标位置信息来进行运动学逆解处理,并输出所述机器人的关节角信息。
由此,能够在求出目标位置信息的基础上,变换为关节角信息,并基于变换后的关节角信息来求出机器人的反馈控制的目标值。
另外,本发明的一个方式中也可以构成为,所述力控制部通过对所述传感器信息进行基于所述数字滤波部的数字滤波处理,来求出所述力控制的所述常微分方程式的解,并将求出的所述解作为所述修正值而输出。
由此,能够直接将常微分方程式的解作为修正值输出。
另外,本发明的一个方式中也可以构成为,所述力控制部通过对所述传感器信息进行基于所述数字滤波部的数字滤波处理来求出所述力控制的所述常微分方程式的解,对求出的所述解实施运动学逆解处理并输出所述修正值。
由此,能够通过对常微分方程式的解实施运动学逆解处理来求出修正值,并输出求出的修正值。
另外,本发明的其他方式涉及包括所述任一项所述的机器人控制系统与所述机器人的机器人系统。
另外,本发明的其他方式涉及如下传感器信息处理装置,包括:传感器信息取得部,其取得来自传感器的传感器信息;以及传感器信息处理部,其对取得的所述传感器信息进行处理,所述传感器信息处理部具有数字滤波部,所述传感器信息处理部通过对所述传感器信息进行基于所述数字滤波部的数字滤波处理,来求出传感器信息处理的常微分方程式的解,并将求出的解作为所述传感器信息处理的输出值而输出。
附图说明
图1是机器人控制系统以及机器人系统的基本构成例。
图2是机器人系统的一个例子。
图3(A)~图3(C)是力控制的说明图。
图4(A)、图4(B)是柔顺控制的说明图。
图5(A)、图5(B)是阻抗控制的说明图。
图6是不包括测力反馈的情况的控制系统的基本构成例。
图7是包括测力反馈的情况的控制系统的基本构成例。
图8是求出运动方程式的解时的数字滤波器的基本形。
图9(A)~图9(C)是系统的稳定性判定方法的说明图。
图10是使用了数字滤波器的机器人控制系统以及机器人系统的基本构成例。
图11是第一实施方式的机器人控制系统以及机器人系统的构成例。
图12是用于说明第一实施方式的处理的流程图。
图13是第二实施方式的机器人控制系统以及机器人系统的构成例。
图14是用于说明第二实施方式的处理的流程图。
图15是第三实施方式的机器人控制系统以及机器人系统的构成例。
图16是从高频向低频切换的驱动频率切换处理的说明图。
图17是用于说明从高频向低频切换的驱动频率切换处理的流程图。
图18是从低频向高频切换的驱动频率切换处理的说明图。
图19是用于说明从低频向高频切换的驱动频率切换处理的流程图。
图20是第四实施方式的机器人控制系统以及机器人系统的构成例。
图21(A)、图21(B)是求出目标轨道、修正值、目标值的具体的系统构成例。
具体实施方式
以下,对本实施方式进行说明。此外,以下说明的本实施方式并不不当地限定权利要求书所记载的本发明的内容。并且,本实施方式中说明的构成的全部并不限于是本发明的必须构成要件。
1.概要
1.1基本构成
本实施方式的机器人控制系统(机械手控制系统)以及包括该机器人控制系统的机器人系统的构成例如图1所示。其中,本实施方式的机器人控制系统、机器人系统不限定于图1的构成,可以实施省略其一部分构成元件、追加其他的构成元件等各种变形。
本实施方式的机器人控制系统包括力控制部20、目标值输出部60、机器人控制部80。并且,本实施方式的机器人系统由该机器人控制系统与机器人100(测力传感器10)构成。
目标值输出部60输出机器人(狭义为机械手)的反馈控制的目标值。基于该目标值,来实现机器人100的反馈控制。以多关节机器人等为例,该目标值为机器人的关节角信息等。机器人的关节角信息是表示例如机器人臂部的连杆机构处的各关节的角度(接合轴与接合轴所成的角度)的信息。
目标值输出部60能够包括轨道生成部62与运动学逆解(inversekinematics)处理部64。轨道生成部62输出机器人的轨道信息。轨道信息能够包括机器人的末端执行部(终点)的位置信息(x,y,z)、以及绕各坐标轴的旋转角度信息(u,v,w)。运动学逆解处理部64基于来自轨道生成部62的轨道信息,进行运动学逆解处理,并将例如机器人的关节角信息作为目标值来输出。运动学逆解处理是对具有关节的机器人的动作进行计算的处理,是根据机器人的末端执行部的位置姿势等通过运动学逆解来计算关节角信息等的处理。
力控制部20(狭义为阻抗控制部)基于来自测力传感器10的传感器信息来进行力控制(测力控制),并输出目标值的修正值。更具体而言,力控制部20(阻抗控制部)基于来自测力传感器10的传感器信息(力信息、力矩信息)来进行阻抗控制(或者柔顺控制)。力控制相对于例如以往的位置控制是施加了力反馈的控制。阻抗控制是通过控制使末端执行部(手指尖)相对于外力的位移产生的容易程度(机械阻抗)成为更加优选的状态的方法。具体而言,是在机器人的末端执行部与质量、粘性系数以及弹性元件连接的模型中以作为目标而设定的质量、粘性系数以及弹性系数来与物体接触的控制。并且,测力传感器10是对作为机器人100所输出的力的反作用力而受到的力、力矩进行检测的传感器。该测力传感器10通常安装于机器人100臂部的手腕部分,检测到的力、力矩作为传感器信息而被用于各种力控制(阻抗控制)。
机器人控制部80基于来自目标值输出部60的目标值,进行机器人的反馈控制。具体而言,基于修正处理的结果输出的目标值来进行机器人的反馈控制,其中,上述修正处理是基于来自力控制部20的修正值来进行的。例如基于目标值与来自机器人100的反馈信号,来进行机器人100的反馈控制。例如机器人控制部80包括多个驱动控制部82-1~82-N(狭义为马达控制部),并向机器人100所具有的驱动部102-1~102-N输出其控制信号。此处,驱动部102-1~102-N是用于使机器人100的各关节动作的驱动机构,其例如通过马达等来实现。
图2表示包括本实施方式的机器人控制系统的机器人系统的例子。该机器人系统包括控制装置300(信息处理装置)与机器人310(图1的机器人100)。控制装置300进行机器人310的控制处理。具体而言,进行基于动作顺序信息(方案信息)而使机器人310动作的控制。机器人310具有臂部320以及手部(把持部)330。而且,根据来自控制装置300的动作指示来进行动作。例如,进行对载置于未图示的托盘的工件进行把持或使该工件移动等动作。另外,基于由未图示的拍摄装置取得的拍摄图像信息,对机器人的姿势、工件的位置等信息进行检测,并将检测到的信息向控制装置300传输。
本实施方式的机器人控制系统例如设于图2的控制装置300,例如通过控制装置300的硬件、程序来实现机器人控制系统。而且,根据本实施方式的机器人控制系统,能够减少对于控制装置300等控制硬件的性能要求,并且,能够以高的响应性使机器人310动作。其中,图2是单臂型的例子,但也可以为双臂型等多臂型的机器人。
1.2力控制/阻抗控制
接下来,对力控制、阻抗控制(柔顺控制)的概要进行说明。
图3(A)表示以机器人的左臂部AL、右臂部AR来夹持并移动物体OB的情况。例如,仅进行位置控制的话,有可能使物体掉落或破坏,通过力控制,能够如图3(A)那样地从两侧以适当的力来夹持柔软的物体或脆的物体并使之移动。
另外,通过力控制,能够如图3(B)所示以臂部AM等来描摹具不确定性的物体的表面SF。这样的控制仅通过位置控制是无法实现的。另外,通过力控制,还能够如图3(C)所示,在粗略定位后尝试着进行对位地将物体OB嵌入孔部HL。
然而,在利用弹簧等实际的机械部件的力控制中,有用途受限这样的问题。另外,在利用这样的机械部件的力控制中,难以进行特性的动态切换。
另一方面,控制马达的扭矩的扭矩控制简单,但有位置精度变差这样的问题。另外,异常时会产生碰撞等问题。例如图3(A)中,在引起异常情况使物体OB掉落的情况下,在扭矩控制中,由于没有应取得平衡的反作用力,所以产生左右的臂部AL、AR碰撞等问题。
与此相对,阻抗控制(柔顺控制)有控制复杂的缺点,但有通用性、安全性高的优点。
图4(A)、图4(B)是对作为阻抗控制之一的柔顺控制进行说明的图。柔量指的是弹簧常量的倒数,弹簧常量表示硬度,与此相对,柔量指的是柔软度。当在机器人与环境之间发生相互作用时会给予作为机械柔软性的柔量,将这样的控制称作柔顺控制。
例如图4(A)中,在机器人的臂部AM上安装有测力传感器SE。该机器人的臂部AM被程序控制为,根据由测力传感器SE得到的传感器信息(力/扭矩信息)来改变姿势。具体而言,对机器人进行控制,以使将图4(A)的A1所示的假想弹簧正好安装于臂部AM的前端。
例如A1所示的弹簧的弹簧常量为100Kg/m。若以图4(B)的A2所示5Kg的力来按压,则如A3所示,弹簧收缩5cm。相反,若收缩5cm,则可以认为以5Kg的力来进行按压。即,力信息与位置信息相对应。
柔顺控制中,进行将该A1所示的假想弹簧安装于臂部AM的前端的控制。具体而言,机器人被控制成响应于测力传感器SE的输入而动作,相对于A2所示的5Kg的加重,如A3所示那样后退5cm,并被控制成位置信息与力信息对应地变化。
在这样的单纯的柔顺控制中不包括时间项,包括时间项、考虑其2次项的控制是阻抗控制。具体而言,2次项是质量项,1次项是粘性项,阻抗控制的模型能够由下式(1)所示的运动方程式来表示。
式1:
上式(1)中,m是质量,μ是粘性系数,k是弹性系数,f是力,x是从目标位置开始的位移。并且,x的1次微分、2次微分分别与速度、加速度对应。阻抗控制中,构成用于使作为臂部前端的末端执行部具有上式(1)的特性的控制系统。即,进行控制,以使臂部前端正好具有由上式(1)表示的假想质量、假想粘性系数、假想弹性系数。
这样,阻抗控制是如下控制,即在粘性元件及弹性元件在各方向上与臂部前端的质量连接的模型中,以作为目的设定的粘性系数、弹性系数来与物体接触。
例如图5(A)所示,考虑如下控制,即用机器人的臂部AL、AR来抓取物体OB,并使之沿轨道TR移动。在这种情况下,轨道TRL是设于物体OB左侧的内侧的点PL所通过的轨道,是假定阻抗控制而决定的假想的左手的轨道。并且,轨道TRR是设于物体OB右侧的内侧的点PR所通过的轨道,是假定阻抗控制而决定的假想的右手的轨道。在这种情况下,控制臂部AL,以使产生对应于臂部AL的前端与点PL的距离差的力。并且,臂部AR被控制成使产生对应于臂部AR的前端与点PR的距离差的力。这样,能够实现一边柔软地抓取物体OB一边移动物体OB的阻抗控制。而且,阻抗控制中,如图5(A)的B1所示,即使产生物体OB落下的情况,也如B2、B3所示,臂部AL、AR被控制成它们的前端在点PL、PR的位置停止。即,只要假想的轨道不是碰撞轨道,就能够防止臂部AL、AR碰撞。
并且,如图5(B)所示,在以描摹物体的表面SF的方式进行控制的情况下,阻抗控制中,被控制成对应于假想的轨道TRVA与前端的距离差DF的力相对于臂部AM的前端起作用。因此,能够对臂部AM进行一边施加力一边描摹表面SF的控制。
1.3控制系统的构成
图6表示不包括测力反馈的情况的控制系统的基本构成例。
轨道生成部562生成轨道信息p(xyzuvw)而向运动学逆解处理部564输出。此处,轨道信息p包括例如臂部的前端(末端执行部)的位置信息(xyz)与绕各轴的旋转信息(uvw)。而且,运动学逆解处理部564基于该轨道信息p而进行运动学逆解处理,生成并输出作为目标值的各关节的关节角θ。而且,基于该关节角θ来进行马达控制,由此进行机器人的臂部的动作控制。在这种情况下,图6的马达(M)的控制通过公知的PID控制来实现。该PID控制是公知的技术,从而此处省略详细的说明。
图6中,利用轨道生成部562与运动学逆解处理部564来构成目标值输出部。该目标值输出部的处理是机器人整体的处理。另一方面,后段的马达控制是每个关节的控制。
图7表示包括测力反馈的情况的控制系统的基本构成例。图7中,相对于图6,还设有测力传感器510、姿势修正部532、手部/工具自重修正部534、运动方程式处理部536、以及运动学正解(forwardkinematics)处理部540。
图7中,接受来自测力传感器510的传感器信息,姿势修正部532进行传感器的姿势修正,手部/工具自重修正部534进行手部/工具自重修正。而且,运动方程式处理部536进行求出上述的式(1)所示的运动方程式的解的处理,并输出修正值Δp。通过利用该修正值Δp来修正轨道信息p,从而进行作为目标值的关节角θ的修正处理。并且,运动学正解处理部540进行运动学正解处理,求出机器人的轨道信息p’而向轨道生成部562反馈。并且,向姿势修正部532、手部/工具自重修正部534输出用于确定姿势的信息。此外,机器人的轨道信息p’向轨道生成部562的反馈用于进行基于p’的轨道的修正处理等,若不进行该修正处理等,则不一定需要反馈。
在手部/工具自重修正部534中,进行手部/工具自重修正,并在姿势修正部532中进行姿势修正。此处,手部/工具自重修正是根据来自测力传感器10的传感器信息(受力信息)来抵消由机器人的手部的自重、手部所抓取的工具的自重引起的影响的修正处理。并且,姿势修正是根据传感器信息(力信息)来抵消由测力传感器10的姿势引起的影响的修正处理。这些手部/工具自重修正以及姿势修正能够例如由下式(2)来表示。
式2
上式(2)中,Fx、Fy、Fz、Fu、Fv、Fw是作为来自测力传感器10的传感器信息的力信息、扭矩信息。并且,Bx、By、Bz、Bu、Bv、Bw是偏置项。而且,作为修正后的传感器信息(力信息、扭矩信息)的fx、fy、fz、fu、fv、fw被输入运动方程式处理部536。此外,由于数据有固定值,所以实际的修正系数为6×7=42个。这些手部/工具自重修正以及姿势修正是公知的修正处理,所以省略详细说明。
1.4数字滤波处理
图7的运动方程式处理部536中需要求出运动方程式(广义为常微分方程式)的解。以往,为了求出运动方程式的解,使用Newton法、Runge-Kutta法等。但是,这些方法不适于硬件化,也难以进行稳定性的判定。另外,也有难以与响应性的切换对应的问题。
因此,为了对应上述的三个问题,本申请人使用数字滤波器来作为解出常微分方程式的方法。
1.4.1使用运动方程式的数字滤波器的解法
运动方程式由上述的式(1)的形式来表示。运动方程式是线性常微分方程式,从而若求出作为相对于脉冲输入的解的脉冲响应,则通过脉冲响应与外力项的卷积,能够得到相对于任意外力项的解。
此处,若将求出运动方程式的解的步骤定义为向测力传感器的传感器信息的输入输出解(例如位置信息)的滤波器,则能够根据上式(1)的形式考虑为2极的模拟滤波器。
即,运动方程式的解能够作为模拟滤波器的输出而求出,通过将该模拟滤波器数字滤波器化,能够使用数字滤波器来解出运动方程式。
可知各种模拟滤波器的数字滤波器化的方法,例如使用ImpulseInvariance法即可。这是考虑给予与以离散时间T对模拟滤波器的脉冲响应进行了采样后的值相同的脉冲响应的数字滤波器的方法。ImpulseInvariance法是公知的方法,从而省略详细的说明。
以上的结果,常微分方程式的解能够作为数字滤波器的输出而求出。若为运动方程式,则如图8所示,成为2极的数字滤波器。图8中,d是1个样本的延迟,C0、C1、C2是滤波器的系数。
若为根据数字滤波器的处理,则容易进行硬件化,并且如后述那样,也容易进行稳定性的判定。另外,若切换数字滤波器的系数,则不仅能够切换特性(柔软地动作或生硬地动作等),也能够切换滤波器驱动频率而切换解的响应性。
1.4.2数字滤波器的稳定度判定
阻抗控制中,根据运动方程式的质量项(m)、粘性项(μ)以及弹性项(k)的设定情况,有出现系统不稳定的的可能性。若以极端的例子来说明,则对机器人施加一次力,之后无论是否接触,机器人的振动均继续,也可能成为像这样的振荡的系统。这样的稳定性(稳定度)低的系统在实用上不推荐,从而对与运动方程式有关的系统的稳定性进行判定,在不稳定的情况下需要某些处理。
但是,上述的Newton法、Runge-Kutta法等中,能够求出运动方程式的解,但不能进行稳定性的判定。因此,需要与求解处理相独立地进行判定稳定性的处理,但一般可知稳定性的判定处理不容易。
本实施方式的方法中,由于使用数字滤波器来处理运动方程式,所以与运动方程式有关的系统的稳定性的判定仅是对应的数字滤波器的稳定性的判定。数字滤波器的稳定性的判定能够容易进行,判定极是否位于单位圆中即可。
具体例如图9(A)~图9(C)所示。这些均是极在单位圆中的例子,在极位于单位圆外的情况下,判定为不稳定。另外,在如图9(C)所示地极位于从单位圆的圆周上向内侧离开某种程度的位置的情况下,尤其不会产生问题。但是,在如图9(A)所示地极位于离单位圆极近的位置(其中,图9(A)是不为重根但在尽可能接近的位置上具有两个极的例子)的情况下,需要引起注意。这是由于如下原因,即根据数字滤波器的安装方法的不同,有相对于设计值产生误差的可能。在该误差成为使极的位置向单位圆的外侧方向移动的要因的情况下,对于图9(A)所示的稳定性不充裕的数字滤波器而言,不论设计上是否稳定,安装时有可能进行不稳定的动作,从而需要某些处理。
1.4.3使用数字滤波器的情况的构成例
图10表示使用数字滤波器来求出运动方程式的解的情况的、机器人控制系统以及包括该机器人控制系统的机器人系统的构成例。此外,本实施方式的机器人控制系统、机器人系统不限定于图10的构成,可以实施省略其一部分构成元件、或追加其它的构成元件等各种变形。
测力传感器10、目标值输出部60、机器人控制部80以及机器人100与图1相同,从而省略详细的说明。
力控制部20包括数字滤波部22。数字滤波部22对来自测力传感器的传感器信息(也包括对传感器信息实施了修正处理、频带限制处理的信息)进行数字滤波处理,将输出值作为修正值而向目标值输出部60输出。另外,力控制部20也可以包括对传感器信息进行频带限制处理的频带限制部24。
数字滤波部22包括数字滤波运算部221、数字滤波系数输出部222以及数字滤波器稳定度判定部223。数字滤波运算部221基于传感器信息与数字滤波系数,进行数字滤波处理而求出运动方程式的解。数字滤波系数输出部222基于运动方程式的系数参数(质量项m、粘性项μ、弹性项k以及驱动周期T),而求出数字滤波系数,并向数字滤波运算部221与数字滤波器稳定度判定部223输出。数字滤波器稳定度判定部223基于数字滤波系数,进行该数字滤波器的稳定性的判定。
数字滤波系数输出部222也可以包括数字滤波系数存储部224与数字滤波系数变换部225。数字滤波系数变换部225将运动方程式的系数参数变换为数字滤波系数。数字滤波系数存储部224存储变换后的数字滤波系数。若在数字滤波系数存储部224中存储有多个数字滤波系数,则通过对输出的数字滤波系数进行切换,能够对机器人的动作特性、解的响应性进行切换。
以下,基于图10的构成,对第一~第四实施方式进行说明。第一实施方式是本发明的基本方式。第二实施方式是在切换多个滤波器的情况下,使多个滤波器并行动作的例子。具体而言,为有多个数字滤波运算部221的构成。第三实施方式是在切换多个滤波器的情况下,使用一个数字滤波运算部221的例子。该情况下,当切换驱动频率时,需要进行切换用的处理。第四实施方式是基于传感器信息来进行对多个滤波器进行切换时的滤波器选择处理的例子。
2.第一实施方式
2.1构成
图11表示第一实施方式的包括机器人控制系统的机器人系统的构成例。
测力传感器10、轨道生成部62、运动学逆解处理部64、马达控制部82-1等与图1相同,从而省略详细的说明。另外,由于输入修正部30对传感器信息进行修正处理,所以也可以包括例如图7的姿势修正部532、手部/工具自重修正部534等。运动学正解处理部40与图7的运动学正解处理部540对应,向输入修正部30输出运动学正解处理的结果,并且根据需要也向轨道生成部62输出运动学正解处理的结果。
另外,机器人控制系统包括数字滤波运算部221、数字滤波器稳定度判定部223、数字滤波系数存储部224、数字滤波系数变换部225、响应特性输入部226以及滤波器状态存储部227,具体而言这些部件包括在力控制部20的数字滤波部22内。
使用图10,对数字滤波运算部221、数字滤波器稳定度判定部223、数字滤波系数存储部224、数字滤波系数变换部225进行了说明,因此省略详细说明。
响应特性输入部226对数字滤波系数变换部225输出运动方程式的系数参数(m、μ、k)以及驱动周期T(驱动频率)。
滤波器状态存储部227存储滤波器状态。此处,滤波器状态指的是,数字滤波运算部221的输出(即,运动方程式的解)。如上所述,运动方程式与2极的数字滤波器对应,具体而言如图8所示。由图8可明确,该数字滤波器花费2次延迟,因此为了求出某时刻的输出值,需要1时刻前的输出值与2时刻前的输出值。滤波器状态存储部227存储这些内容,存储数字滤波运算部221的输出,并且对数字滤波运算部221输送过去的输出值。
2.2详细的处理
接下来,使用图12的流程图对本实施方式的详细处理例进行说明。图12是数字滤波部22的处理的流程图。
若开始该处理,则首先等待输出的时刻(S101),之后取得外力值F(S102)。此处的外力值F是对来自测力传感器10的传感器信息实施了基于输入修正部30的修正处理后的值。
接下来,使用取得的F来求出运动方程式的解(S103)。具体而言,在滤波器状态存储部227中,将1步骤前的数字滤波运算部221的输出Yn-1设为Yn-2的值,并且,将Yn的值替换为Yn-1。而且,根据从数字滤波系数存储部224输出的数字滤波系数(C0,C1,C2)、以及从滤波器状态存储部227输出的过去的输出值(Yn-1、Yn-2),由数字滤波运算部221来进行求出输出值Yn的处理。
以上是求出某1时刻的运动方程式的解的处理。1时刻的处理后,进行是否变更下一个时刻的响应特性的判定(S104),在不变更的情况下返回S101。在变更的情况下,首先从响应特性输入部226取得响应特性的参数(m、μ、k、T)(S105),在数字滤波系数变换部225中计算数字滤波系数(S106)。而且,基于计算后的数字滤波系数,在数字滤波器稳定度判定部223中对数字滤波器的稳定性进行判定(S107)。在滤波器不稳定的情况下,不在数字滤波系数存储部224中存储而返回S101。即,下一个步骤中,也不变更响应特性。S107中,在判定滤波器稳定的情况下,在数字滤波系数存储部224中存储数字滤波系数(S108),返回S101而以更新后的数字滤波系数来进行下一个步骤的处理。
以上的本实施方式中,机器人控制系统包括:如图10所示地基于来自测力传感器10的传感器信息而输出针对机器人目标轨道的修正值的力控制部20;通过基于修正值修正目标轨道来输出目标值的目标值输出部60;以及基于目标值来进行机器人100的反馈控制的机器人控制部80。而且,力控制部20具有数字滤波部22,通过对传感器信息进行基于数字滤波部22的数字滤波处理,来求出力控制的常微分方程式的解,从而基于求出的解来输出修正值。
此处,目标值指的是机器人100的反馈控制的目标值,机器人控制部80的控制基于该目标值而进行。目标值能够通过对目标轨道进行基于修正值的修正处理而取得。此外,目标轨道狭义上也可以表示机器人的末端执行部(终点)的空间目标位置的变化。一个目标位置例如由三维空间坐标xyz(也考虑姿势的话,也可以追加绕各轴的旋转角uvw)来表示,目标轨道是该目标位置的集合。但是,目标轨道不限定于此,也可以是机器人的目标关节角的集合。具有关节的机器人中,若决定各关节的角度,则末端执行部的位置被运动学正解处理唯一地决定。即,N关节机器人中,能够由N个关节角(θ1~θN)来表现一个目标位置,从而若将该N个关节角的组设为一个目标关节角,则能够将目标轨道考虑为目标关节角的集合。因而,从力控制部20输出的修正值可以是与位置相关的值,也可以是与关节角相关的值。
图21(A)、图21(B)表示具体例。若使用上式(1)的运动方程式作为利用数字滤波处理来求解的对象即常微分方程式,则该运动方程式的解是与位置相关的值。因而,在目标轨道是目标位置的情况下,直接将解设为修正值即可,系统构成例如图21(A)所示。此外,目标值可以是与位置相关的值、也可以是与关节角相关的值,但一般假定机器人的反馈控制使用关节角。
与此相对,与目标值输出部60的运动学逆解处理部64不同,也考虑图21(B)那样的力控制部20包括运动学逆解处理部29的例子。例如,对于目标值输出部60的目标轨道生成处理、力控制部20的修正值输出处理而言,有处理的时刻、处理速率不同的情况等。该情况下,目标轨道是目标关节角,力控制部20中,对运动方程式的解进行变换处理(例如运动学逆解处理)而将其设为修正值。
另外,力控制的常微分方程式指的是,力控制中求解所需要的常微分方程式。狭义上也可以是线性常微分方程式。更加狭义而言,也可以是为了使机器人100以正好具有所希望的特性(质量/粘性/弹性等)的方式动作而求解所需要的常微分方程式,也可以是式(1)所示的运动方程式。
由此,力控制中需要的常微分方程式的求解处理能够使用数字滤波器来进行。与使用Newton法、Runge-Kutta法等方法的情况相比,能够容易硬件化,也能够如上所述地容易进行稳定性的判定。并且,通过对数字滤波处理所使用的数字滤波器进行切换(例如对滤波系数进行切换),也能够简单地对响应特性进行切换。
另外,数字滤波部22也可以包括:如图10所示地基于常微分方程式的各项系数参数来输出数字滤波系数的数字滤波系数输出部222;以及基于数字滤波系数以及传感器信息来进行数字滤波处理的数字滤波运算部221。
此处,常微分方程式的各项系数参数指的是,常微分方程式的常量项、1阶微分项的系数、2阶微分项的系数…n阶微分项的系数。上述的式(1)的例子中,m、μ、k是系数参数。另外,数字滤波处理所使用的传感器信息可以是来自测力传感器10的输出值的信息,也可以是对该输出值实施基于输入修正部30(图11所记载)的修正处理后的信息。另外,也可以是实施基于频带限制部24(图10所记载)的频带限制处理后的信息。
由此,在输出数字滤波处理所需要的数字滤波系数的基础上,能够进行基于该数字滤波系数以及传感器信息的数字滤波处理。
另外,如图10、图11所示,数字滤波系数输出部222也可以包括:将常微分方程式的系数参数变换为数字滤波系数的数字滤波系数变换部225;以及存储数字滤波系数的数字滤波系数存储部224。而且,数字滤波系数输出部222将存储于数字滤波系数存储部224的数字滤波系数输出。
由此,根据常微分方程式的系数参数,能够求出数字滤波系数。当进行力控制时,首先决定该力控制所需要的常微分方程式。例如,若决定欲使机器人100取得的物理特性,则决定在上式(1)的m、μ、k中输入有具体数值的运动方程式。但是,常微分方程式的系数参数与数字滤波系数不同,从而若决定常微分方程式,则需要得到求出该常微分方程式的解的数字滤波器(具体而言为求出数字滤波系数)的处理。在本实施方式中,该处理通过数字滤波系数变换部225来进行。
另外,如图10所示,数字滤波部22也可以包括对用于数字滤波处理的数字滤波器的稳定度(稳定性)进行判定的数字滤波器稳定度判定部223。而且,在判定为数字滤波器稳定的情况下,数字滤波系数输出部222输出数字滤波系数。
由此,能够对数字滤波器的稳定性进行判定。力控制的常微分方程式的系数参数根据设定情况,有作出现实中无法得到的系统(例如振荡的机器人等)的情况。因此,需要判定常微分方程式的稳定性,但若使用数字滤波器,则该判定变得容易。详细如上所述。
另外,虽然在本实施方式中没有对数字滤波器的驱动频率的切换进行说明(在第二、第三实施方式中后述),但不会对使用图10所示的基本构成来进行驱动频率的切换的情况造成妨碍。具体而言,也可以在第一驱动频率、与作为比第一驱动频率高的频率的第二驱动频率之间一边切换驱动频率一边进行数字滤波处理。该情况下,数字滤波系数输出部222输出与第一驱动频率对应的第一数字滤波系数以及与第二驱动频率对应的第二数字滤波系数中的至少一个。数字滤波运算部221根据输出的数字滤波系数,进行基于使用了第一数字滤波系数的第一驱动频率的数字滤波处理、以及基于使用了第二数字滤波系数的第二驱动频率的数字滤波处理中的至少一个。
由此,能够进行数字滤波处理的驱动频率的切换。通过切换驱动频率,能够切换常微分方程式的解的响应性。
另外,本实施方式的常微分方程式也可以是以假想质量项、假想粘性项、假想弹性项为系数参数的运动方程式。
由此,能够求出运动方程式的解。因而,能够使机器人100以正好具有与假想质量项对应的质量、与假想粘性项对应的粘性、以及与假想弹性项对应的弹性的方式动作。
另外,如图10所示,目标值输出部60也可以包括:输出机器人100的目标位置信息的轨道生成部62;以及基于来自轨道生成部62的目标位置信息而进行运动学逆解处理,并输出机器人100的关节角信息的运动学逆解处理部64。
此处,目标位置信息指的是,与机器人100(狭义上为机器人100的末端执行部)的目标位置相关的信息,目标位置例如由xyz(也可以包括与姿势相关的uvw)来表示。目标位置信息可以是一个目标位置的信息,也可以是表示机器人100的时间的位置变化(移动路径)的多个目标位置的信息。
由此,在输出机器人100的目标位置信息的基础上,能够进行运动学逆解处理而变换为关节角信息。通过利用轨道生成部62来生成机器人100的目标位置信息,能够有计划地控制机器人100。但是,为了使机器人100柔软地移动,使其具有关节是当然的,该情况下,一般通过控制关节的角度来进行机器人的控制。因而,难以将目标位置信息设为直接目标值,从而需要将其变换为关节角信息的运动学逆解处理部64。
另外,以上的本实施方式涉及包括上述的机器人控制系统(包括力控制部20、目标值输出部60、机器人控制部80)与机器人100的机器人系统。
由此,不仅能够实现机器人控制装置,也能够实现执行本实施方式的处理的机器人系统。
另外,以上的本实施方式能够用于如下传感器信息处理装置,该传感器信息处理装置包括取得来自传感器的传感器信息的传感器信息取得部、以及对取得的传感器信息进行处理的传感器信息处理部。传感器信息处理部包括数字滤波部,通过对传感器信息进行基于数字滤波部的数字滤波处理,来求出传感器信息处理的常微分方程式的解,并作为传感器信息处理的输出值而输出。
以上的说明中,作为传感器信息处理装置,对用于机器人控制系统的情况进行了说明。机器人控制系统中,传感器信息处理装置与图10等的力控制部20相当,传感器与测力传感器10相当。传感器信息取得部虽未特别图示,但也可以兼作与测力传感器10连接的部件(图10的情况下为频带限制部24)。另外,传感器信息处理部与图10的数字滤波部22对应,并且也可以包括频带限制部24、图11的输入修正部30等。但是,传感器信息处理装置不限定用于机器人控制系统,也可以用于其它的控制系统。该情况下,基于对传感器信息的传感器信息处理(包括数字滤波处理),输出控制所使用的信息。另外,传感器信息处理装置不限定于用于控制系统,也可以用于其它的系统(装置)。例如,也可以在使用传感器来检测各种信息的检测系统等中使用。
此处,传感器信息处理指的是对来自传感器的输出值实施某些处理并求出有用的信息的处理,至少包括求出常微分方程式的解的处理。例如,机器人控制系统中,成为根据测力传感器的力信息来求出修正值(例如机器人的目标位置的修正值)之类的、针对物理意义不同的信息的变换处理。另外,如果是检测系统,则考虑提高检测精度的处理(例如,减少传感器信息所包含的噪声的处理)等。
此外,传感器信息处理装置的适用不限定于机器人控制系统,输出传感器信息的传感器也不限定于测力传感器。例如,也可以是加速度传感器、角速度传感器、方位传感器、生物体传感器(脉搏传感器等)、GPS等。
由此,通过对传感器信息的数字滤波处理,来求出常微分方程式的解,从而能够实现输出输出值的传感器信息处理装置。该传感器信息处理装置例如也可以作为包括传感器的IC芯片等来实现。由于能够不输出传感器信息本身,而是输出使用了传感器信息的常微分方程式的解等,从而当与其它的系统等组合时,增加装置的输出值的有用性。
3.第二实施方式
本实施方式中,假定切换数字滤波器的驱动频率的情况。例如,考虑根据频带限制来切换驱动频率的情况。一般地,在测力传感器的传感器信息中噪声多。因此,优选进行频带限制处理,但通过频带的宽度会由于状况不同而不同(若相对于噪声得到大的信号值,则频带限制处理较轻即可,能够扩大通过频带)。通过频带越狭噪声就越减少,但响应特性也变差,从而还需要与通过频带对应地切换数字滤波器的驱动频率。具体而言,在扩大通过频带的情况下,以高的驱动频率来使之动作,在变窄通过频带的情况下,以低的驱动频率来使之动作。
在本实施方式中,设置多个数字滤波运算部221,分别输入实施了通过频带的不同频带限制处理的传感器信息,以不同的驱动频率来使之动作。即,预先使驱动频率的不同的两个滤波器并行动作,根据状况而选择适当的滤波器。此外,以下的说明中,对使两个滤波器并行动作的例子进行了说明,但也可以使三个以上的数字滤波器并行动作。
3.1构成
图13表示第二实施方式的包括机器人控制系统的机器人系统的构成例。
省略与第一实施方式(图11)相同位置的详细说明。与第一实施方式比较,不同点在于,数字滤波运算部221是两个(221-1、221-2)、数字滤波系数存储部224是两个(224-1、224-2)、滤波器状态存储部227是两个(227-1、227-2)。另外,数字滤波部22包括频带限制部24-1、24-2以及数字滤波输出选择部220。
频带限制部24-1对传感器信息进行将第一频带设为通过频带的频带限制处理并向数字滤波运算部221-1输出。频带限制部24-2对传感器信息进行将与第一频带不同的第二频带设为通过频带的频带限制处理并向数字滤波运算部221-2输出。
数字滤波输出选择部220接受数字滤波运算部221-1与数字滤波运算部221-2的输出,选择其中一个,并将选择的值作为数字滤波部22的输出值而输出。
数字滤波系数存储部224-1对进行了图12的S105~S107的处理结果、判定为稳定的第一数字滤波系数进行存储。同样,数字滤波系数存储部224-2对与第一数字滤波系数不同的第二数字滤波系数进行存储。
数字滤波运算部221-1中,基于存储于数字滤波系数存储部224-1的第一数字滤波系数、从频带限制部24-1输出的频带限制处理后的传感器信息以及从滤波器状态存储部227-1输出的过去的输出值,来进行数字滤波处理。
同样,数字滤波运算部221-2中,基于存储于数字滤波系数存储部224-2的第二数字滤波系数、从频带限制部24-2输出的频带限制处理后的传感器信息、以及从滤波器状态存储部227-2输出的过去的输出值,来进行数字滤波处理。即,两个数字滤波器并列动作。
3.2详细的处理
接下来,使用图14的流程图,来对本实施方式的详细的处理例进行说明。图14是数字滤波部22的处理的流程图。
若开始该处理,则首先等待输出的时刻(S201),之后取得外力值F(S202)。此处的外力值F是对来自测力传感器10的传感器信息实施了基于输入修正部30的修正处理后的值。
接下来,对是否进行了并列动作的滤波器的全部处理进行判定(S203)。在残留未处理的滤波器的情况下,选择该滤波器(S204),在频带限制部(24-1等中对应的部件)中进行与选择的滤波器对应的频带限制处理(S205)。而且,在与选择的滤波器对应的数字滤波运算部中,将实施了频带限制处理的传感器信息作为输入值来进行数字滤波处理(S206)。S206的详细情况与S103相同。处理后,返回S203。
S203中,在判定为全部滤波器的处理完毕的情况下,在数字滤波输出选择部220中,从多个滤波器中选择输出滤波器(S207),并将选择的滤波器的输出值输出(S208)。S208的处理后,返回S201。
以上的本实施方式中,如图13所示,数字滤波部22包括第一数字滤波运算部(221-1)与第二数字滤波运算部(221-2),作为数字滤波运算部221。数字滤波系数输出部222向第一数字滤波运算部输出第一数字滤波系数,向第二数字滤波运算部输出第二数字滤波系数。而且,第一数字滤波运算部中,进行基于第一数字滤波系数以及传感器信息的数字滤波处理,第二数字滤波运算部中,进行基于第二数字滤波系数以及传感器信息的数字滤波处理。
由此,能够并行进行多个数字滤波处理。因此,当进行用于切换机器人特性的数字滤波系数的切换时,也能够预先使切换前后的数字滤波处理并行动作,从而能够顺畅地进行切换。另外,当进行驱动频率的切换时,也不需要如后述的第三实施方式那样的切换处理。
另外,如图13所示,数字滤波部22也可以包括数字滤波输出选择部220,其中,该数字滤波输出选择部220选择第一数字滤波运算部的处理结果与第二数字滤波运算部的处理结果中的任一个来作为修正值而输出。
由此,在多个数字滤波器并行动作的情况下,也能够选择适当的数字滤波器,将选择的数字滤波器的处理结果作为修正值而输出。数字滤波器的选择与力控制的内容(例如机器人100的动作)直接关联,从而需要选择适当的数字滤波器,以使成为用户所希望的控制。
另外,也可以以第一驱动频率与第二驱动频率(频率比第一驱动频率的频率高)中任一个驱动频率来进行数字滤波处理。该情况下,数字滤波系数输出部222输出与第一驱动频率对应的值来作为第一数字滤波系数,输出与第二驱动频率对应的值来作为第二数字滤波系数。而且,第一数字滤波运算部使用第一数字滤波系数来进行基于第一驱动频率的数字滤波处理,第二数字滤波运算部使用第二数字滤波系数来进行基于第二驱动频率的数字滤波处理。
由此,能够切换数字滤波处理的驱动频率。通过切换驱动频率,能够切换常微分方程式的解的响应性。本实施方式中,切换前、切换后,均并行进行基于第一驱动频率的数字滤波处理与基于第二驱动频率的数字滤波处理,从而能够顺畅地进行切换。
另外,如图10所示,力控制部20也可以包括频带限制部24,其中,该频带限制部24对传感器信息进行使给予的频带通过的频带限制处理,并向数字滤波运算部输出进行了频带限制处理的传感器信息。而且,频带限制部24向第一数字滤波运算部输出进行了使第一频带通过的频带限制处理的传感器信息,并向第二数字滤波运算部输出进行了使第二频带(比第一频带宽的频带)通过的频带限制处理的传感器信息。
此外,如图13所示,频带限制部24也可以由频带限制部241与频带限制部242构成。
由此,能够与驱动频率对应地对传感器信息实施频带限制处理。具体而言,驱动频率越高则通过频带宽度越宽,驱动频率越低则通过频带宽度越窄。如上所述,使频带限制处理越强,则响应特性越差。此外,像这样地频带限制处理的强度与驱动频率具有对应关系,但是也可以先决定其中一个。在传感器信息中噪声多的情况下,为了除去噪声,最好使频带限制处理变强。即,从噪声量的观点出发,有首先决定频带限制处理的强度、相应地决定驱动频率的例子。与此对应,根据常微分方程式的解的响应性,也有先决定驱动频率(例如为了马上求解,提高驱动频率等)、相应地决定频带限制处理的强度的例子。
4.第三实施方式
本实施方式中,假定与第二实施方式相同地切换数字滤波器的驱动频率的情况。在本实施方式中,对进行数字滤波处理的数字滤波运算部221为一个的构成进行说明。在数字滤波运算部221为一个的情况下,当切换驱动频率时需要进行切换处理。具体而言,下面分为从高频向低频的切换、与从低频向高频的切换来进行说明。
4.1构成
图15表示第三实施方式的包括机器人控制系统的机器人系统的构成例。省略与第二实施方式(图13)相同位置的详细说明。与第二实施方式比较,不同点在于,数字滤波运算部221是一个。另外,包括输入选择部25、系数选择部228以及状态选择/处理部229。
系数选择部228选择从数字滤波系数存储部224-1输出的第一数字滤波系数与从数字滤波系数存储部224-2输出的第二数字滤波系数中的用于数字滤波处理的系数中的一个系数,并将选择的数字滤波系数向数字滤波运算部221输出。也可以认为从多个数字滤波器中选择用于输出的输出滤波器。
状态选择/处理部229进行与由系数选择部228选择的数字滤波系数所对应的数字滤波器(以下称为“输出滤波器”)的滤波器状态相关的处理。具体而言,从与输出滤波器对应的滤波器状态存储部,取得使用了输出滤波器的数字滤波处理的过去的输出值,并向数字滤波运算部221输出。并且,将数字滤波运算部221的输出值向与输出滤波器对应的滤波器状态存储部输出。
如上所述,本实施方式的数字滤波处理中,需要使用过去的时刻的输出值。此时,在选择某数字滤波器来作为输出滤波器的情况下,当然必须使用已选择的该数字滤波器的过去的输出值。即,在系数选择部228中,选择与第i个数字滤波器对应的数字滤波系数,并且在状态选择/处理部229中,不能选择与第i个不同的第k个数字滤波器所对应的滤波器状态。因而,系数选择部228以及状态选择/处理部229均进行从多个候补中选择一个候补的处理,但选择处理不是独立进行的,从而需要考虑如选择与相同的数字滤波器对应的候补那样的限制条件。
另外,输入选择部25从来自频带限制部24-1以及频带限制部24-2的输出中选择一个并向数字滤波运算部221输出。此处,也选择与输出滤波器对应的输出。数字滤波器的驱动频率与频带限制处理的通过频带宽度的关系如第二实施方式中所述。即,若选择输出滤波器,则也决定频带限制处理的通过频带,从而输入选择部25选择来自对应的频带限制部的输出。如上所述,不仅系数选择部228以及状态选择/处理部229,输入选择部25也进行基于输出滤波器的选择的选择处理。
4.2详细的处理
4.2.1从高频向低频的切换
本实施方式中,当进行驱动频率的切换时需要进行切换处理。首先,对从高频(短周期)向低频(长周期)的切换进行说明。
如图16所示,考虑在A1的时刻切换驱动频率。此时,为了求出切换后的低频滤波器的输出值,需要A2以及A3所示的过去2时刻的低频滤波器的输出值。
即使驱动频率不同,仅是取样的速率不同,顺滑地连接取样点的波形应该相同。即,如图16的例子,当设为高频为低频的10倍的取样速率时,若预先保持高频滤波器的10时刻前以及20时刻前的输出值,则能够取得低频滤波器的1时刻前以及2时刻前的输出值。
但是,若以滤波器状态存储部227仅存储过去2时刻大小的输出值的情况为前提,则会产生问题。即,切换前,高频滤波器动作,从而如A4(高频滤波器的1时刻过去的时刻)以及A5(高频滤波器的2时刻过去的时刻)所示,仅预先保持高频滤波器的过去2时刻的信息,而失去了A2/A3所示的时刻的输出值。
因此,在本实施方式中,在切换时设置切换期间,在该切换期间内,使高频滤波器与低频滤波器并行动作。图16的话,在A3的时刻发出切换指示,在A3至A1的期间内使两个滤波器并行动作。在此基础上,在A1的时刻进行滤波器的切换。这样,A1为止的期间内,继续进行使用高频滤波器的输出,并且能够取得低频滤波器的A3、A2的输出值,从而在A1的时刻,低频滤波器的输出所需要的值齐全,而能够没有问题地进行切换处理。
此外,如上所述,高频滤波器与低频滤波器仅是取样速率不同,相同时刻的输出应该相同。因而,即使是并行动作,不需要使用低频滤波器的数字滤波系数的运算,运算与高频滤波器相关地进行即可。而且,将高频滤波器的输出值中的、A3时刻以及A2时刻的值存储在与低频滤波器对应的滤波器状态存储部中。
接下来,使用图17的流程图,对本实施方式的详细处理例进行说明。图17是数字滤波部22的处理的流程图。
若开始该处理,则首先等待输出的时刻(S301),之后取得外力值F(S302)。此处的外力值F是对来自测力传感器10的传感器信息实施了基于输入修正部30的修正处理后的值。
接下来,进行与图12的S103相同的数字滤波处理(S303),对是否变更驱动周期的情况进行判定(S304)。S304中为No(否)的情况下,返回S301,继续处理。
在S304中为Yes(是)的情况下,取得变更后的数字滤波系数,进行稳定性的判定(S305~S307)。该处理与图12的S105~S107相同。
S307中为Yes的情况下,首先将该时刻的输出值作为低频滤波器的2时刻前的输出值而进行存储。图16的话,与A3时刻对应。实际的切换在A1时刻进行,从而从切换时开始计算的话,A3时刻的输出值为2时刻过去。
S309~S311是与S301~S303相同地在高频滤波器的数字滤波处理。而且,对现时刻是否是低频滤波器的第一个周期的输出时刻进行判定(S312)。图16的话,对是否是A2的时刻进行判定。A3与A2间的时刻的高频滤波器的输出值不对低频滤波器的动作有帮助。因而,仅在A2的时刻(S312中为Yes的情况),将此时的输出值作为低频滤波器的1时刻前的输出值而进行存储(S313)。S313的处理后,返回S309。
S312中为No的情况下,对现时刻是否是低频滤波器的第二个周期的输出时刻进行判定(S314)。图16的话,对是否是A1的时刻进行判定。S314中为No的情况下,返回S309,为Yes的情况下,将驱动频率切换为低频(S315)。
即,S308~S315中,对A3的时刻的输出值进行存储(S308),在A3至A2期间不做任何动作(S312以及S314中均为No)。而且在A2的时刻,存储输出值(S313),A2至A1期间不做任何动作(S312以及S314均为No)。这样,在保持A2、A3的输出值的基础上,等待A1的时刻而进行驱动频率的切换(S315)。
4.2.2从低频向高频的切换
接下来,对从低频(长周期)向高频(短周期)的切换进行说明。如图18所示,考虑在B1的时刻切换驱动频率。此时,为了求出切换后的高频滤波器的输出值,需要B4以及B5所示的过去2时刻的高频滤波器的输出值。与此相对,在B1的时刻保持的过去时刻的输出是B2以及B3所示的时刻。
因而,由于没有高频滤波器的动作所需要的过去2时刻的输出值,从而保持原样的话无法进行驱动频率的切换。在本实施方式中,基于B1的时刻以及B2的时刻的低频滤波器的输出值,来进行推断B4/B5时刻的高频滤波器的输出值的插补处理(内插处理)。例如,使用下式(3)来进行处理即可。
式3
上式(3)中,左边的Y是与高频滤波器相关的值,右边的Y是与低频滤波器相关的值。另外,PS表示高频滤波器的驱动周期,PL表示低频滤波器的驱动周期。即,使用一般的线性插补。其中,插补处理的方法不限定与此,例如也可以使用B3的时刻的输出值,进行基于2次函数的近似处理等。
接下来,使用图19的流程图,对本实施方式的详细的处理例进行说明。图19是数字滤波部22的处理的流程图。
S401~S407与图17的S301~S307的处理相同,从而省略详细的说明。S407中为Yes的情况下,即指示驱动频率的切换,并且,在判定为切换后的数字滤波器稳定的情况下,使用上式(3),来求出高频滤波器的过去2时刻的输出值(S408),返回S401,进行基于高频滤波器的数字滤波处理。
以上的本实施方式中,如图15所示,数字滤波系数输出部222包括系数选择部228,该系数选择部228选择第一数字滤波系数、以及与第一数字滤波系数不同的第二数字滤波系数中的一个。而且,数字滤波系数输出部222将由系数选择部228选择的数字滤波系数向数字滤波运算部221输出。
此外,向系数选择部228输出数字滤波系数的数字滤波系数存储部也可以如图15所示由两个数字滤波系数存储部(224-1、224-2)构成。
由此,预先存储多个数字滤波系数,通过选择其中一个来使用,在数字滤波运算部221为一个的情况下,也能够顺畅地切换多个数字滤波器。此外,为了顺畅地进行切换,优选滤波器状态存储部227预先存储与多个数字滤波器对应的滤波器状态(例如如图15所示,能够通过由多个滤波器状态存储部227-1、227-2构成等来实现)。
另外,也可以以第一驱动频率与第二驱动频率(频率比第一驱动频率的频率高)中任一个驱动频率来进行数字滤波处理。该情况下,系数选择部228选择与第一驱动频率对应的第一数字滤波系数、以及与第二驱动频率对应的第二数字滤波系数中的任一个。而且,数字滤波运算部221使用选择的数字滤波系数,并以与该系数对应的驱动频率来进行数字滤波处理。
由此,能够切换数字滤波处理的驱动频率。切换驱动频率的优点如上所述。
另外,如图10所示,力控制部20也可以包括频带限制部24,该频带限制部24对传感器信息进行使给予的频带通过的频带限制处理,并将进行了频带限制处理的传感器信息向数字滤波运算部输出。而且,于频带限制部24使用第一驱动频率的情况下,输出进行了使第一频带通过的频带限制处理的传感器信息,在使用第二驱动频率的情况下,输出进行了使第二频带(比第一频带宽的频带)通过的频带限制处理的传感器信息。
此外,如图15所示,频带限制部24也可以由频带限制部24-1、频带限制部24-2以及输入选择部25构成。与多个驱动频率对应地实施多个频带限制处理,但由于数字滤波运算部221为一个,从而需要从多个频带限制处理后的传感器信息中选择适当的信息。或者,也可以构成为,在多个频带限制处理中,仅执行一个处理,不执行其它的处理。
由此,能够与驱动频率对应地对传感器信息实施频带限制处理。频带限制处理的优点如第二实施方式中所述。
另外,在将数字滤波处理的驱动频率从高频的第二驱动频率切换为低频的第一驱动频率的情况下,数字滤波运算部221也可以在第一期间、切换期间以及第二期间内切换数字滤波处理。此处,第一期间的下一个期间是切换期间,切换期间的下一个期间是第二期间。第一期间内,进行基于使用了第二数字滤波系数的第二驱动频率的数字滤波处理。切换期间内,进行基于使用了第一数字滤波系数的第一驱动频率的数字滤波处理、以及基于使用了第二数字滤波系数的第二驱动频率的数字滤波处理双方。第二期间内,进行基于使用了第一数字滤波系数的第一驱动频率的数字滤波处理。
由此,如使用图16以及图17详述那样,能够进行从高频向低频的顺畅的切换处理。此外,图16中,第一期间与A3时刻的前一个期间对应,切换期间与A3至A1的期间对应,第二期间与A1以下的期间对应。
另外,在将数字滤波处理的驱动频率从低频的第一驱动频率切换为高频的第二驱动频率的情况下,数字滤波运算部221也可以基于作为切换时刻的第一数字滤波处理的输出值的第一输出值、以及作为过去时刻的第一数字滤波处理的输出值的第二输出值,进行求出切换时刻与过去时刻间的时刻的插补值的插补处理。而且,基于由插补处理求出的插补值,进行切换时刻以后的第二数字滤波处理。
此处,第i(i=1或者2)个数字滤波处理指的是,基于使用了第i个数字滤波系数的第i个驱动频率的数字滤波处理。另外,切换时刻指的是,切换驱动频率的时刻,与图18的B1相当。过去时刻是比切换时刻靠过去的时刻,与B2、B3对应(狭义上是第一数字滤波处理的取样时刻)。插补值是根据第一输出值以及第二输出值求出的值,狭义上,是与第二数字滤波处理的取样时刻、并且切换时刻的1时刻前以及2时刻前的时刻(与B4以及B5相当)的数字滤波处理的输出值对应的值。
由此,如使用图18以及图19详述那样,能够进行从高频向低频的顺畅的切换处理。
5.第四实施方式
第二实施方式以及第三实施方式中,驱动频率的切换例如基于用户经由外部I/F等输入的输入信息来进行。与此相对,在本实施方式中,基于来自测力传感器的传感器信息,来进行输出滤波器的选择处理(狭义上为驱动频率的切换处理)。
具体而言,求出对传感器信息实施了低通滤波处理的低域传感器信息、以及实施了高通滤波处理的高域传感器信息。而且,根据低域传感器信息与高域传感器信息,计算相对于信号整体的高频分量的比率。在高频分量的比率高的情况下,选择驱动频率高的数字滤波器作为输出滤波器,在高频分量的比率低的情况下,选择驱动频率低的数字滤波器。
5.1构成
图20表示第四实施方式的包括机器人控制系统的机器人系统的构成例。省略与第三实施方式(图15)相同位置的详细说明。与第三实施方式比较,不同点在于,追加了选择处理部50、低通滤波器51以及高通滤波器52。此外,为了简化说明,省略频带限制部24-1、频带限制部24-2以及输入选择部25,但本实施方式中,也可以使用这些部件。该情况下,选择处理部50的处理结果也向输入选择部25输出。
低通滤波器51对来自测力传感器的传感器信息实施低通滤波处理、并输出低域传感器信息。同样,高通滤波器52对来自测力传感器的传感器信息实施高通滤波处理、并输出高域传感器信息。
选择处理部50基于低域传感器信息以及高域传感器信息,求出高频分量相对于信号整体的比率。另外,基于求出的比率,从多个数字滤波器中,进行作为输出滤波器而使用的数字滤波器的选择处理,向系数选择部228与状态选择/处理部229输出选择处理的结果。
系数选择部228选择与选择的输出滤波器对应的数字滤波系数,状态选择/处理部229进行与选择的输出滤波器所对应的滤波器状态相关的处理。
5.2详细的处理
本实施方式的处理的详细情况与图17或图19相同。基于由选择处理部50选择的输出滤波器是否变化的情况,来进行S304或S404的驱动频率的切换判定。
此外,以上对与第三实施方式相同地使用一个数字滤波运算部的构成进行了说明,但并不限定与此。例如,也可以如第二实施方式(图13)那样地使用两个数字滤波运算部的构成。该情况下,图13中追加选择处理部50、低通滤波器51以及高通滤波器52,选择处理部50的处理结果向数字滤波输出选择部220输出。而且,数字滤波输出选择部220中,对来自与由选择处理部50选择的数字滤波器对应的数字滤波运算部的输出进行选择,而成为数字滤波部22的输出。
以上的本实施方式中,如图20所示,数字滤波部22包括选择处理部50,该选择处理部50基于传感器信息的信号频带信息来选择数字滤波器的驱动频率。而且,数字滤波部22以在选择处理部50中选择的驱动频率来进行数字滤波处理,并输出修正值。
此处,驱动频率的选择狭义上为选择第一驱动频率与第二驱动频率中的任一个,但也可以为三个以上的候补的驱动频率。
由此,由于用户不进行输入等,就能够选择驱动频率,从而对于用户,能够提供容易使用的系统。
另外,选择处理部50也可以将对传感器信息实施了低通滤波器51的低域传感器信息、对传感器信息实施了高通滤波器52的高域传感器信息作为上述的信号频带信息来使用。即,基于低域传感器信息与高域传感器信息来选择驱动频率。
由此,通过滤波处理这个容易的处理,能够进行驱动频率的选择。作为处理的具体例,考虑根据低域传感器信息与高域传感器信息,求出高频分量相对于信号整体的比率。在高频分量多的情况下,驱动频率也变高并与信号的高频分量对应。若高频分量少,则驱动频率也低。
以上,对使用本发明的四个实施方式1~4以及其变形例进行了说明,但本发明不限定于各实施方式1~4、其变形例本身,实施阶段中,在不脱离发明要旨的范围内,能够使构成元件变形而具体化。另外,通过适当地组合上述的各实施方式1~4、变形例所公开的多个构成元件,能够形成各种发明。例如,也可以从各实施方式1~4、变形例所记载的全部构成元件中删除几个构成元件。并且,也可以适当地组合不同的实施方式、变形例所说明的构成元件。另外,说明书或者附图中,对于至少一次与更加广义或者同义的不同用语一起记载的用语而言,在说明书或者附图中的任意位置,都能够置换为其不同的用语。这样,在不脱离发明的主旨的范围内能够有各种变形、应用。
附图标记说明:
AL、AM、AR…臂部;HL…孔部;OB…物体;SF…表面;20…力控制部;22…数字滤波部;24、24-1、24-2…频带限制部;25…输入选择部;30…输入修正部;40…运动学正解处理部;50…选择处理部;51…低通滤波器;52…高通滤波器;60…目标值输出部;62…轨道生成部;64…运动学逆解处理部;80…机器人控制部;82-1~82-N…驱动控制部(马达控制部);100…机器人;102-1~102-N…驱动部;220…数字滤波输出选择部;221、221-1、221-2…数字滤波运算部;222…数字滤波系数输出部;223…数字滤波器稳定度判定部;224、224-1、224-2…数字滤波系数存储部;225…数字滤波系数变换部;226…响应特性输入部;227、227-1、227-2…滤波器状态存储部;228…系数选择部;229…状态选择·处理部;300…控制装置;310…机器人;320…臂部;510…测力传感器;532…姿势修正部;534…手部/工具自重修正部;536…运动方程式处理部。
Claims (20)
1.一种机器人控制系统,其特征在于,包括:
力控制部,其基于来自测力传感器的传感器信息来输出机器人的目标轨道的修正值;
目标值输出部,其对所述目标轨道进行基于所述修正值的修正处理来求出目标值,并输出求出的所述目标值;以及
机器人控制部,其基于所述目标值来进行所述机器人的反馈控制,
所述力控制部具有数字滤波部,
所述力控制部通过对所述传感器信息进行基于所述数字滤波部的数字滤波处理,来求出力控制的常微分方程式的解并基于求出的所述解来输出所述修正值。
2.根据权利要求1所述的机器人控制系统,其特征在于,
所述数字滤波部包括:
数字滤波系数输出部,其基于所述常微分方程式的各项系数参数来输出数字滤波系数;以及
数字滤波运算部,其基于所述数字滤波系数以及所述传感器信息来进行所述数字滤波处理。
3.根据权利要求2所述的机器人控制系统,其特征在于,
所述数字滤波系数输出部包括:
数字滤波系数变换部,其进行将所述系数参数变换为所述数字滤波系数的处理;以及
数字滤波系数存储部,其对由所述数字滤波系数变换部变换后的所述数字滤波系数进行存储,
所述数字滤波系数输出部输出存储于所述数字滤波系数存储部的所述数字滤波系数。
4.根据权利要求2或3所述的机器人控制系统,其特征在于,
所述数字滤波部包括数字滤波器稳定度判定部,其中,所述数字滤波器稳定度判定部对用于所述数字滤波处理的数字滤波器的动作的稳定度进行判定,
在所述数字滤波器稳定度判定部中判定为所述数字滤波器的所述动作稳定的情况下,所述数字滤波系数输出部输出所述数字滤波系数。
5.根据权利要求2~4中任一项所述的机器人控制系统,其特征在于,
在以第一驱动频率以及与所述第一驱动频率相比频率高的第二驱动频率中的任一个驱动频率来进行所述数字滤波处理的情况下,
所述数字滤波系数输出部输出与第一驱动频率对应的第一数字滤波系数以及与第二驱动频率对应的第二数字滤波系数中的至少一个,
所述数字滤波运算部根据从所述数字滤波系数输出部输出的所述数字滤波系数,进行基于使用了所述第一数字滤波系数的所述第一驱动频率的所述数字滤波处理、以及基于使用了所述第二数字滤波系数的所述第二驱动频率的所述数字滤波处理中的至少一个处理。
6.根据权利要求5所述的机器人控制系统,其特征在于,
所述数字滤波部包括选择处理部,其中,所述选择处理部基于所述传感器信息的信号频带信息来选择所述第一驱动频率以及所述第二驱动频率中的任一个所述驱动频率,
所述数字滤波部以在所述选择处理部中选择的所述驱动频率来进行所述数字滤波处理并输出所述修正值。
7.根据权利要求6所述的机器人控制系统,其特征在于,
所述选择处理部将对所述传感器信息实施了低通滤波处理后的低域传感器信息、以及对所述传感器信息实施了高通滤波处理后的高域传感器信息作为所述信号频带信息,来选择所述驱动频率。
8.根据权利要求5~7中任一项所述的机器人控制系统,其特征在于,
在将所述数字滤波处理的所述驱动频率从高频率的所述第二驱动频率切换为低频率的所述第一驱动频率的情况下,
所述数字滤波运算部:
在第一期间,进行基于使用了所述第二滤波系数的第二驱动频率的所述数字滤波处理,
在所述第一期间的下一个切换期间,进行基于使用了所述第一滤波系数的第一驱动频率的所述数字滤波处理、以及基于使用了所述第二滤波系数的第二驱动频率的所述数字滤波处理这双方,
在所述切换期间的下一个第二期间,进行基于使用了所述第一滤波系数的第一驱动频率的所述数字滤波处理。
9.根据权利要求5~7中任一项所述的机器人控制系统,其特征在于,
在将所述数字滤波处理的所述驱动频率从低频率的所述第一驱动频率切换为高频率的所述第二驱动频率的情况下,
所述数字滤波运算部基于第一输出值以及第二输出值来进行求出插补值的插补处理,并基于所述插补值来进行基于使用了所述第二滤波系数的第二驱动频率的所述数字滤波处理,其中,所述第一输出值是切换时刻的基于使用了所述第一滤波系数的第一驱动频率的所述数字滤波处理的输出值,所述第二输出值是过去时刻的基于使用了所述第一滤波系数的第一驱动频率的所述数字滤波处理的输出值,所述过去时刻是比所述切换时刻靠前的时刻,所述插补值是所述切换时刻与所述过去时刻之间的时刻的插补值。
10.根据权利要求2~4中任一项所述的机器人控制系统,其特征在于,
所述数字滤波部包括第一数字滤波运算部与第二数字滤波运算部来作为所述数字滤波运算部,
所述数字滤波系数输出部向所述第一数字滤波运算部输出第一数字滤波系数,并且向所述第二数字滤波运算部输出与所述第一数字滤波系数不同的第二数字滤波系数,
所述第一数字滤波运算部进行基于所述第一数字滤波系数以及所述传感器信息的所述数字滤波处理,
所述第二数字滤波运算部进行基于所述第二数字滤波系数以及所述传感器信息的所述数字滤波处理。
11.根据权利要求10所述的机器人控制系统,其特征在于,
所述数字滤波部包括数字滤波输出选择部,其中,所述数字滤波输出选择部选择所述第一数字滤波运算部的处理结果与所述第二数字滤波运算部的处理结果中的任一个,将该任一个处理结果作为所述修正值而输出。
12.根据权利要求10或11所述的机器人控制系统,其特征在于,
在以第一驱动频率以及与所述第一驱动频率相比频率高的第二驱动频率中任一个驱动频率来进行所述数字滤波处理的情况下,
所述数字滤波系数输出部将与所述第一驱动频率对应的数字滤波系数作为所述第一数字滤波系数而输出,并且将与所述第二驱动频率对应的数字滤波系数作为所述第二数字滤波系数而输出,
所述第一数字滤波运算部基于所述第一数字滤波系数并以所述第一驱动频率来进行所述数字滤波处理,
所述第二数字滤波运算部基于所述第二数字滤波系数并以所述第二驱动频率来进行所述数字滤波处理。
13.根据权利要求12所述的机器人控制系统,其特征在于,
所述力控制部包括频带限制部,其中,所述频带限制部对所述传感器信息进行使给予的频带通过的频带限制处理,并将进行了所述频带限制处理后的所述传感器信息输出至所述第一数字滤波运算部、所述第二数字滤波运算部,
所述频带限制部向所述第一数字滤波运算部输出进行了使第一频带通过的频带限制处理后的所述传感器信息,并且向所述第二数字滤波运算部输出进行了使频带比第一频带宽的第二频带通过的频带限制处理后的所述传感器信息。
14.根据权利要求2~4中任一项所述的机器人控制系统,其特征在于,
所述数字滤波系数输出部包括系数选择部,其中,所述系数选择部选择第一数字滤波系数以及与所述第一数字滤波系数不同的第二滤波系数中的任一个,
所述数字滤波系数输出部将在所述系数选择部中选择的所述数字滤波系数输出至所述数字滤波运算部。
15.根据权利要求14所述的机器人控制系统,其特征在于,
在以第一驱动频率以及与所述第一驱动频率相比频率高的第二驱动频率中的任一个驱动频率来进行所述数字滤波处理的情况下,
所述系数选择部选择与所述第一驱动频率对应的所述第一数字滤波系数以及与所述第二驱动频率对应的所述第二数字滤波系数中的任一个,
所述数字滤波系数输出部将在所述系数选择部中选择的所述数字滤波系数输出至所述数字滤波运算部,
在从所述数字滤波系数输出部输出所述第一数字滤波系数的情况下,所述数字滤波运算部基于所述第一数字滤波系数并以所述第一驱动频率来进行所述数字滤波处理,在从所述数字滤波系数输出部输出所述第二数字滤波系数的情况下,所述数字滤波运算部基于所述第二数字滤波系数并以所述第二驱动频率来进行所述数字滤波处理。
16.根据权利要求15所述的机器人控制系统,其特征在于,
所述力控制部包括频带限制部,其中,所述频带限制部对所述传感器信息进行使给予的频带通过的频带限制处理,并将进行了所述频带限制处理后的所述传感器信息输出至所述数字滤波运算部,
在进行基于所述第一驱动频率的所述数字滤波处理的情况下,所述频带限制部将进行了使第一频带通过的频带限制处理后的所述传感器信息输出至所述数字滤波运算部,在进行基于所述第二驱动频率的所述数字滤波处理的情况下,所述频带限制部将进行了使频带比所述第一频带宽的第二频带通过的频带限制处理后的所述传感器信息输出至所述数字滤波运算部。
17.根据权利要求1~16中任一项所述的机器人控制系统,其特征在于,
所述常微分方程式是以假想质量项、假想粘性项以及假想弹性项为系数参数的运动方程式。
18.根据权利要求1~17中任一项所述的机器人控制系统,其特征在于,
所述目标值输出部包括:
轨道生成部,其输出所述机器人的目标位置信息;以及
运动学逆解处理部,其基于来自所述轨道生成部的所述目标位置信息来进行运动学逆解处理,并输出所述机器人的关节角信息。
19.一种机器人系统,其特征在于,包括:
权利要求1~18中任一项所述的机器人控制系统;以及
机器人。
20.一种传感器信息处理装置,其特征在于,包括:
传感器信息取得部,其取得来自传感器的传感器信息;以及
传感器信息处理部,其对取得的所述传感器信息进行处理,
所述传感器信息处理部具有数字滤波部,
所述传感器信息处理部通过对所述传感器信息进行基于所述数字滤波部的数字滤波处理,来求出传感器信息处理的常微分方程式的解,并将求出的解作为所述传感器信息处理的输出值而输出。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011-243131 | 2011-11-07 | ||
JP2011243131A JP6305673B2 (ja) | 2011-11-07 | 2011-11-07 | ロボット制御システム、ロボットシステム及びロボット |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103101053A true CN103101053A (zh) | 2013-05-15 |
CN103101053B CN103101053B (zh) | 2016-09-07 |
Family
ID=48224251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210441587.0A Active CN103101053B (zh) | 2011-11-07 | 2012-11-07 | 机器人控制系统、机器人系统以及传感器信息处理装置 |
Country Status (3)
Country | Link |
---|---|
US (2) | US8958914B2 (zh) |
JP (1) | JP6305673B2 (zh) |
CN (1) | CN103101053B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104589354A (zh) * | 2013-10-31 | 2015-05-06 | 精工爱普生株式会社 | 机器人控制装置、机器人系统以及机器人 |
CN104626152A (zh) * | 2013-11-14 | 2015-05-20 | 沈阳新松机器人自动化股份有限公司 | 工业机器人主动柔顺控制方法及装置 |
CN104669244A (zh) * | 2013-12-02 | 2015-06-03 | 精工爱普生株式会社 | 机器人 |
CN105843174A (zh) * | 2016-03-22 | 2016-08-10 | 大连理工大学 | 一种样条曲线插补参数计算方法 |
CN106826826A (zh) * | 2017-02-14 | 2017-06-13 | 上海新时达电气股份有限公司 | 一种机器人控制方法与装置 |
CN106965171A (zh) * | 2016-01-14 | 2017-07-21 | 发那科株式会社 | 具备学习功能的机器人装置 |
TWI618998B (zh) * | 2016-11-07 | 2018-03-21 | 正修學校財團法人正修科技大學 | 自動循跡機器人及其控制方法 |
CN108015776A (zh) * | 2018-01-19 | 2018-05-11 | 广东海洋大学 | 一种基于CompactRIO的机器人控制系统 |
CN113352327A (zh) * | 2021-06-28 | 2021-09-07 | 深圳亿嘉和科技研发有限公司 | 五自由度机械臂关节变量确定方法 |
CN115674188A (zh) * | 2022-09-20 | 2023-02-03 | 南方电网电力科技股份有限公司 | 基于双路滤波器的串联机械臂精确柔顺开环跟踪控制系统 |
Families Citing this family (54)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9906838B2 (en) | 2010-07-12 | 2018-02-27 | Time Warner Cable Enterprises Llc | Apparatus and methods for content delivery and message exchange across multiple content delivery networks |
US9015093B1 (en) | 2010-10-26 | 2015-04-21 | Michael Lamport Commons | Intelligent control with hierarchical stacked neural networks |
US8775341B1 (en) | 2010-10-26 | 2014-07-08 | Michael Lamport Commons | Intelligent control with hierarchical stacked neural networks |
US9566710B2 (en) | 2011-06-02 | 2017-02-14 | Brain Corporation | Apparatus and methods for operating robotic devices using selective state space training |
JP6305673B2 (ja) * | 2011-11-07 | 2018-04-04 | セイコーエプソン株式会社 | ロボット制御システム、ロボットシステム及びロボット |
US9186793B1 (en) | 2012-08-31 | 2015-11-17 | Brain Corporation | Apparatus and methods for controlling attention of a robot |
US8996177B2 (en) | 2013-03-15 | 2015-03-31 | Brain Corporation | Robotic training apparatus and methods |
US9764468B2 (en) | 2013-03-15 | 2017-09-19 | Brain Corporation | Adaptive predictor apparatus and methods |
US9242372B2 (en) | 2013-05-31 | 2016-01-26 | Brain Corporation | Adaptive robotic interface apparatus and methods |
US9384443B2 (en) | 2013-06-14 | 2016-07-05 | Brain Corporation | Robotic training apparatus and methods |
US9314924B1 (en) | 2013-06-14 | 2016-04-19 | Brain Corporation | Predictive robotic controller apparatus and methods |
US9792546B2 (en) | 2013-06-14 | 2017-10-17 | Brain Corporation | Hierarchical robotic controller apparatus and methods |
US9436909B2 (en) | 2013-06-19 | 2016-09-06 | Brain Corporation | Increased dynamic range artificial neuron network apparatus and methods |
US9579789B2 (en) | 2013-09-27 | 2017-02-28 | Brain Corporation | Apparatus and methods for training of robotic control arbitration |
US9296101B2 (en) | 2013-09-27 | 2016-03-29 | Brain Corporation | Robotic control arbitration apparatus and methods |
US9114537B2 (en) | 2013-10-31 | 2015-08-25 | Apex Brands, Inc. | Tooling system with electronic signal maintenance |
US9463571B2 (en) | 2013-11-01 | 2016-10-11 | Brian Corporation | Apparatus and methods for online training of robots |
US9597797B2 (en) * | 2013-11-01 | 2017-03-21 | Brain Corporation | Apparatus and methods for haptic training of robots |
US9248569B2 (en) | 2013-11-22 | 2016-02-02 | Brain Corporation | Discrepancy detection apparatus and methods for machine learning |
US9358685B2 (en) | 2014-02-03 | 2016-06-07 | Brain Corporation | Apparatus and methods for control of robot actions based on corrective user inputs |
US9364950B2 (en) | 2014-03-13 | 2016-06-14 | Brain Corporation | Trainable modular robotic methods |
US9533413B2 (en) | 2014-03-13 | 2017-01-03 | Brain Corporation | Trainable modular robotic apparatus and methods |
US9987743B2 (en) | 2014-03-13 | 2018-06-05 | Brain Corporation | Trainable modular robotic apparatus and methods |
EP3135445B1 (en) * | 2014-03-28 | 2021-04-28 | Sony Corporation | Robot arm device |
US9346167B2 (en) | 2014-04-29 | 2016-05-24 | Brain Corporation | Trainable convolutional network apparatus and methods for operating a robotic vehicle |
US9630318B2 (en) | 2014-10-02 | 2017-04-25 | Brain Corporation | Feature detection apparatus and methods for training of robotic navigation |
CN107106396B (zh) * | 2014-10-29 | 2020-10-27 | 村田机械株式会社 | 训练装置以及力量的修正方法 |
US9426946B2 (en) | 2014-12-02 | 2016-08-30 | Brain Corporation | Computerized learning landscaping apparatus and methods |
US9717387B1 (en) | 2015-02-26 | 2017-08-01 | Brain Corporation | Apparatus and methods for programming and training of robotic household appliances |
US9840003B2 (en) | 2015-06-24 | 2017-12-12 | Brain Corporation | Apparatus and methods for safe navigation of robotic devices |
DE102015009048B3 (de) * | 2015-07-13 | 2016-08-18 | Kuka Roboter Gmbh | Steuern eines nachgiebig geregelten Roboters |
WO2017048788A1 (en) | 2015-09-14 | 2017-03-23 | Tolomatic, Inc. | Actuator diagnostics and prognostics |
CN105460310A (zh) * | 2015-12-31 | 2016-04-06 | 青岛汇智智能系统工程有限公司 | 自动化包装生产线的机器人称重装置 |
US10152033B2 (en) | 2016-02-01 | 2018-12-11 | Varian Semiconductor Equipment Associates, Inc. | Proportional integral derivative control incorporating multiple actuators |
US9891599B2 (en) * | 2016-02-01 | 2018-02-13 | Varian Semiconductor Equipment Associates, Inc. | Proportional integral derivative control incorporating multiple actuators |
JP6739954B2 (ja) * | 2016-03-18 | 2020-08-12 | キヤノン株式会社 | ロボット装置、物品の製造方法、および制御方法 |
US10241514B2 (en) | 2016-05-11 | 2019-03-26 | Brain Corporation | Systems and methods for initializing a robot to autonomously travel a trained route |
US9987752B2 (en) | 2016-06-10 | 2018-06-05 | Brain Corporation | Systems and methods for automatic detection of spills |
US10282849B2 (en) | 2016-06-17 | 2019-05-07 | Brain Corporation | Systems and methods for predictive/reconstructive visual object tracker |
US10016896B2 (en) | 2016-06-30 | 2018-07-10 | Brain Corporation | Systems and methods for robotic behavior around moving bodies |
US20180021949A1 (en) * | 2016-07-20 | 2018-01-25 | Canon Kabushiki Kaisha | Robot apparatus, robot controlling method, program, and recording medium |
US10274325B2 (en) | 2016-11-01 | 2019-04-30 | Brain Corporation | Systems and methods for robotic mapping |
US10001780B2 (en) | 2016-11-02 | 2018-06-19 | Brain Corporation | Systems and methods for dynamic route planning in autonomous navigation |
US10723018B2 (en) | 2016-11-28 | 2020-07-28 | Brain Corporation | Systems and methods for remote operating and/or monitoring of a robot |
CN106625671B (zh) * | 2016-12-27 | 2019-02-19 | 西北工业大学 | 一种空间机器人抓捕翻滚目标的最优轨迹规划方法 |
US10377040B2 (en) | 2017-02-02 | 2019-08-13 | Brain Corporation | Systems and methods for assisting a robotic apparatus |
US10852730B2 (en) | 2017-02-08 | 2020-12-01 | Brain Corporation | Systems and methods for robotic mobile platforms |
JP6460138B2 (ja) * | 2017-03-13 | 2019-01-30 | オムロン株式会社 | 処理装置、制御パラメータ決定方法、及び制御パラメータ決定プログラム |
US10293485B2 (en) | 2017-03-30 | 2019-05-21 | Brain Corporation | Systems and methods for robotic path planning |
JP7106816B2 (ja) * | 2017-03-31 | 2022-07-27 | セイコーエプソン株式会社 | 制御装置、制御システム、およびロボットシステム |
CN108972558B (zh) * | 2018-08-16 | 2020-02-21 | 居鹤华 | 一种基于轴不变量的多轴机器人动力学建模方法 |
CN111791241B (zh) * | 2020-06-16 | 2022-02-08 | 浙江华消科技有限公司 | 机器人轨迹误差校正方法及装置、消防机器人 |
CN113084828B (zh) * | 2021-04-02 | 2022-11-11 | 上海电气集团股份有限公司 | 一种运动控制方法、装置、设备和存储介质 |
CN113733104B (zh) * | 2021-10-12 | 2023-07-21 | 武汉联影智融医疗科技有限公司 | 机械臂的控制方法、计算机设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1309597A (zh) * | 1998-11-30 | 2001-08-22 | 索尼公司 | 机器人装置及其控制方法 |
JP2011143494A (ja) * | 2010-01-13 | 2011-07-28 | Ihi Corp | ロボット制御装置及び方法 |
CN102139714A (zh) * | 2010-01-18 | 2011-08-03 | 三星电子株式会社 | 仿人机器人及其步行控制方法 |
CN102189366A (zh) * | 2010-03-01 | 2011-09-21 | 株式会社神户制钢所 | 夹紧确认系统、焊接机器人系统、夹紧工具控制装置及夹紧确认方法 |
CN102198659A (zh) * | 2010-03-24 | 2011-09-28 | 索尼公司 | 夹取判断装置和夹取判断方法 |
US20140107840A1 (en) * | 2009-10-30 | 2014-04-17 | Honda Motor Co., Ltd. | Information processing method, apparatus, and computer readable medium |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2507891B2 (ja) | 1989-02-01 | 1996-06-19 | 工業技術院長 | マニピュレ―タのインピ―ダンス制御方式 |
JP2694669B2 (ja) * | 1989-06-09 | 1997-12-24 | 株式会社日立製作所 | ロボットの動作制御方法 |
US5144549A (en) * | 1990-06-29 | 1992-09-01 | Massachusetts Institute Of Technology | Time delay controlled processes |
JPH04141391A (ja) * | 1990-10-02 | 1992-05-14 | Citizen Watch Co Ltd | コンプライアンス制御方法 |
JPH04369004A (ja) | 1991-06-17 | 1992-12-21 | Yaskawa Electric Corp | マニピュレータのインピーダンス制御方法 |
US5329442A (en) * | 1991-08-29 | 1994-07-12 | The United States Of America As Represented By The Secretary Of The Navy | Optimal distributed control system for a linear distributed parameter system |
US5550953A (en) * | 1994-04-20 | 1996-08-27 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | On-line method and apparatus for coordinated mobility and manipulation of mobile robots |
JPH06206185A (ja) * | 1993-01-08 | 1994-07-26 | Yaskawa Electric Corp | ロボット制御装置 |
JP3105694B2 (ja) | 1993-04-26 | 2000-11-06 | 三洋電機株式会社 | マニピュレータ制御方法 |
GB9417170D0 (en) * | 1994-08-25 | 1994-10-12 | Isis Innovation | Non-linear filtering |
US5519605A (en) * | 1994-10-24 | 1996-05-21 | Olin Corporation | Model predictive control apparatus and method |
JP3331100B2 (ja) * | 1995-08-10 | 2002-10-07 | 富士通株式会社 | マニピュレータシミュレート装置 |
JP3592826B2 (ja) * | 1996-03-05 | 2004-11-24 | 株式会社東芝 | 膜形状予測方法 |
JPH10582A (ja) * | 1996-06-13 | 1998-01-06 | Toshiba Corp | ロボット制御装置 |
US5892679A (en) * | 1996-09-13 | 1999-04-06 | Honeywell-Measurex Corporation | Method and system for controlling a multiple input/output process with minimum latency using a pseudo inverse constant |
US5777872A (en) * | 1996-09-13 | 1998-07-07 | Honeywell-Measurex Corporation | Method and system for controlling a multiple input/output process with minimum latency |
US6266578B1 (en) * | 1998-05-15 | 2001-07-24 | Firdaus E. Udwadia | Computer based control system |
JP3383614B2 (ja) * | 1999-08-04 | 2003-03-04 | 技術研究組合医療福祉機器研究所 | 水平多関節型ロボットアームのインピーダンス制御装置 |
JP4369004B2 (ja) | 2000-02-28 | 2009-11-18 | ダイコク電機株式会社 | 遊技場用管理システム |
GB0026868D0 (en) * | 2000-11-03 | 2000-12-20 | Isis Innovation | Control of deposition and other processes |
AU2002340656A1 (en) * | 2001-11-06 | 2003-05-19 | Bombardier Inc. | Apparatus for controlling a joystick having force-feedback |
KR100507835B1 (ko) * | 2003-02-03 | 2005-08-17 | 한국과학기술원 | Pid 제어기의 최적 게인 선정방법 |
JP4247382B2 (ja) * | 2003-06-27 | 2009-04-02 | 独立行政法人 宇宙航空研究開発機構 | 回転機構用制御装置 |
US7688016B2 (en) * | 2005-09-28 | 2010-03-30 | Canadian Space Agency | Robust impedance-matching of manipulators interacting with unknown environments |
US8467904B2 (en) * | 2005-12-22 | 2013-06-18 | Honda Motor Co., Ltd. | Reconstruction, retargetting, tracking, and estimation of pose of articulated systems |
WO2008046694A1 (de) * | 2006-10-17 | 2008-04-24 | Endress+Hauser Gmbh+Co.Kg | Konfigurierbares feldgerät für die prozessautomatisierungstechnik |
EP2291791A4 (en) * | 2008-05-27 | 2011-06-22 | Sloan Kettering Inst Cancer | MODELS FOR COMBINATORY PERTURBATIONS OF LIVING BIOLOGICAL SYSTEMS |
JP6305673B2 (ja) * | 2011-11-07 | 2018-04-04 | セイコーエプソン株式会社 | ロボット制御システム、ロボットシステム及びロボット |
-
2011
- 2011-11-07 JP JP2011243131A patent/JP6305673B2/ja active Active
-
2012
- 2012-11-06 US US13/669,824 patent/US8958914B2/en active Active
- 2012-11-07 CN CN201210441587.0A patent/CN103101053B/zh active Active
-
2015
- 2015-01-06 US US14/590,032 patent/US9463573B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1309597A (zh) * | 1998-11-30 | 2001-08-22 | 索尼公司 | 机器人装置及其控制方法 |
US20140107840A1 (en) * | 2009-10-30 | 2014-04-17 | Honda Motor Co., Ltd. | Information processing method, apparatus, and computer readable medium |
JP2011143494A (ja) * | 2010-01-13 | 2011-07-28 | Ihi Corp | ロボット制御装置及び方法 |
CN102139714A (zh) * | 2010-01-18 | 2011-08-03 | 三星电子株式会社 | 仿人机器人及其步行控制方法 |
CN102189366A (zh) * | 2010-03-01 | 2011-09-21 | 株式会社神户制钢所 | 夹紧确认系统、焊接机器人系统、夹紧工具控制装置及夹紧确认方法 |
CN102198659A (zh) * | 2010-03-24 | 2011-09-28 | 索尼公司 | 夹取判断装置和夹取判断方法 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104589354B (zh) * | 2013-10-31 | 2018-12-07 | 精工爱普生株式会社 | 机器人控制装置、机器人系统以及机器人 |
CN104589354A (zh) * | 2013-10-31 | 2015-05-06 | 精工爱普生株式会社 | 机器人控制装置、机器人系统以及机器人 |
CN104626152A (zh) * | 2013-11-14 | 2015-05-20 | 沈阳新松机器人自动化股份有限公司 | 工业机器人主动柔顺控制方法及装置 |
CN104626152B (zh) * | 2013-11-14 | 2016-08-31 | 沈阳新松机器人自动化股份有限公司 | 工业机器人主动柔顺控制方法及装置 |
CN104669244A (zh) * | 2013-12-02 | 2015-06-03 | 精工爱普生株式会社 | 机器人 |
CN106965171A (zh) * | 2016-01-14 | 2017-07-21 | 发那科株式会社 | 具备学习功能的机器人装置 |
CN105843174B (zh) * | 2016-03-22 | 2018-05-08 | 大连理工大学 | 一种样条曲线插补参数计算方法 |
CN105843174A (zh) * | 2016-03-22 | 2016-08-10 | 大连理工大学 | 一种样条曲线插补参数计算方法 |
TWI618998B (zh) * | 2016-11-07 | 2018-03-21 | 正修學校財團法人正修科技大學 | 自動循跡機器人及其控制方法 |
CN106826826A (zh) * | 2017-02-14 | 2017-06-13 | 上海新时达电气股份有限公司 | 一种机器人控制方法与装置 |
CN106826826B (zh) * | 2017-02-14 | 2019-09-20 | 上海新时达电气股份有限公司 | 一种机器人控制方法与装置 |
CN108015776A (zh) * | 2018-01-19 | 2018-05-11 | 广东海洋大学 | 一种基于CompactRIO的机器人控制系统 |
CN108015776B (zh) * | 2018-01-19 | 2023-10-27 | 广东海洋大学 | 一种基于CompactRIO的机器人控制系统 |
CN113352327A (zh) * | 2021-06-28 | 2021-09-07 | 深圳亿嘉和科技研发有限公司 | 五自由度机械臂关节变量确定方法 |
CN115674188A (zh) * | 2022-09-20 | 2023-02-03 | 南方电网电力科技股份有限公司 | 基于双路滤波器的串联机械臂精确柔顺开环跟踪控制系统 |
CN115674188B (zh) * | 2022-09-20 | 2024-01-12 | 南方电网电力科技股份有限公司 | 基于双路滤波器的串联机械臂精确柔顺开环跟踪控制系统 |
Also Published As
Publication number | Publication date |
---|---|
JP6305673B2 (ja) | 2018-04-04 |
US8958914B2 (en) | 2015-02-17 |
CN103101053B (zh) | 2016-09-07 |
US9463573B2 (en) | 2016-10-11 |
US20130116827A1 (en) | 2013-05-09 |
US20150112487A1 (en) | 2015-04-23 |
JP2013094952A (ja) | 2013-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103101053A (zh) | 机器人控制系统、机器人系统以及传感器信息处理装置 | |
US9517562B2 (en) | Robot controller, robot system, robot control method | |
US20220184804A1 (en) | Robot control | |
US11845186B2 (en) | Inverse kinematics solving method for redundant robot and redundant robot and computer readable storage medium using the same | |
US9050721B2 (en) | Robot controller, robot system, robot control method | |
Gillespie et al. | Simultaneous position and stiffness control for an inflatable soft robot | |
EP3067162B1 (en) | Master-slave system | |
CN102348541A (zh) | 机器人设备及其控制方法 | |
CN112247962A (zh) | 面向上肢穿戴机器人的人机博弈控制方法及系统 | |
Biagiotti et al. | Cartesian impedance control for dexterous manipulation | |
JP3115147B2 (ja) | ロボット制御装置及びコントローラ | |
Filaretov et al. | Synthesis of system for automatic formation of multilink manipulator velocity | |
JP2013146792A (ja) | ロボット制御装置、ロボットシステム、センサー情報処理装置及びロボット制御方法 | |
JP2008200763A (ja) | 作業用マニピュレータの制御装置 | |
Kim | Compliant motion control for a compliant rehabilitation system | |
JP6390669B2 (ja) | ロボット制御システム、ロボットシステム | |
Sacchi et al. | A configuration space reference generation approach for real-time collision avoidance of industrial robot manipulators | |
Müller et al. | Human-robot interaction with redundant robots using force-field-dependent variable impedance control | |
Legnani et al. | Calibration of a SCARA Robot By Force-Controlled Contour Tracking of an Object of Known Geometry. | |
JPH10193290A (ja) | ロボット制御装置 | |
Mosquera et al. | Robust control for a SCARA robot with parametric uncertainty | |
Pfeiffer | Grasping Optimization and Control | |
Nganga-Kouya et al. | SFB Adaptive Hybrid Control for Robotics System Based on the Passivity. | |
Jalani | Real Time Implementation of Cartesian Space Control for Underactuated Robot Fingers | |
Righettini et al. | Influence of the manipulator dynamic properties on the design of a force-position controller |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |