CN104385271B - 基于互联网的遥操作机器人无源控制方法 - Google Patents
基于互联网的遥操作机器人无源控制方法 Download PDFInfo
- Publication number
- CN104385271B CN104385271B CN201410451737.5A CN201410451737A CN104385271B CN 104385271 B CN104385271 B CN 104385271B CN 201410451737 A CN201410451737 A CN 201410451737A CN 104385271 B CN104385271 B CN 104385271B
- Authority
- CN
- China
- Prior art keywords
- main side
- side controller
- signal
- wave filter
- model
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000004891 communication Methods 0.000 claims abstract description 10
- 230000006698 induction Effects 0.000 claims description 28
- 238000013016 damping Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 16
- 230000007613 environmental effect Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- KCXVZYZYPLLWCC-UHFFFAOYSA-N EDTA Chemical group OC(=O)CN(CC(O)=O)CCN(CC(O)=O)CC(O)=O KCXVZYZYPLLWCC-UHFFFAOYSA-N 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 9
- 229960001484 edetic acid Drugs 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 4
- 230000010355 oscillation Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000011160 research Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009514 concussion Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
<b>本发明涉及遥操作机器人控制技术领域，是一种基于互联网的遥操作机器人无源控制方法，包括操作端、主端模型、滤波器、主端控制器、互联网、从端控制器、从端模型和从端现场设备，其步骤如下：步骤1，建立主端模型、从端模型、主端控制器和从端控制器；步骤2，将操作端、主端模型、滤波器和主端控制器依次相连，将从端控制器、从端模型和从端现场设备依次相连。在本发明中，根据互联网的网络历史数据设定滤波器参数，之后根据滤波器参数设定主端控制器及从端控制器参数初始值，最后</b><b>根据从端和</b><b>主端的信号跟踪状况调整主端控制器及从端控制器</b><b>参数，有效提高现有基于互联网通讯的遥操作机器人系统的稳定性和透明性，具有稳定、可靠、透明的特点。</b>
Description
技术领域
本发明涉及遥操作机器人控制技术领域，是一种基于互联网的遥操作机器人无源控制方法。
背景技术
遥操作机器人系统由操作者、主机器人、通信环节、从机器人和工作环境组成。是指操作者对本地主机器人进行操作，并将运动指令通过通信媒介传送给远地从机器人，从机器人接收到命令跟踪主机器人的运动，完成远程复杂或危险环境下的任务，同时将自己的工作状态返回给操作者。但是由于遥操作机器人系统是通过互联网Internet作为传输媒介，Internet本身存在可变时延，数据丢包等现象，而且Internet的时延上限随着系统主从端的距离增大而变大，数据丢包现象也变得严重，这就提高了系统主端对从端控制上的难度，系统的透明性也会下降。目前，国内国外的研究大多针对系统的稳定性，对系统透明性的研究较少，而且针对大时延的研究也很少。
发明内容
本发明提供了一种基于互联网的遥操作机器人无源控制方法，克服了上述现有技术之不足，其能有效解决现有遥操作机器人系统基于互联网通讯下的稳定性较差、透明性不足的问题。
本发明的技术方案是通过以下措施来实现的：一种基于互联网的遥操作机器人无源控制方法，包括操作端、主端模型、滤波器、主端控制器、互联网、从端控制器、从端模型和从端现场设备，其步骤如下：步骤1，建立主端模型、从端模型、主端控制器和从端控制器；步骤2，将操作端、主端模型、滤波器和主端控制器依次相连，将从端控制器、从端模型和从端现场设备依次相连，主端控制器和从端控制器通过互联网进行通讯；步骤3，根据互联网的网络历史数据设定滤波器的参数，之后根据滤波器的参数设定主端控制器参数和从端控制器参数的初始值；步骤4，通过操作端向主端模型发出控制信号；步骤5，主端模型对收到的控制信号进行运算处理并发送至滤波器；步骤6，滤波器对收到的信号进行滤波处理并发送给主端控制器；步骤7，主端控制器对收到的信号进行运算处理并发送至互联网；步骤8，从端控制器连接互联网并接收信号，对收到的信号进行运算处理并发送至从端模型；步骤9，从端模型对收到的信号进行运算处理并发送至从端现场设备；步骤10，根据从端和主端的信号跟踪状况调整主端控制器参数和从端控制器参数，实现对从端现场设备的遥操作控制。
下面是对上述发明技术方案的进一步优化或/和改进：
建立上述主端模型的方法是：
设为操作者力信号，为主端速度阻尼系数，为主端速度信号，为主端惯性系数，为主端加速度信号，为从端电机反馈力信号，
则主端模型为，
其中设定：主端速度阻尼系数=0.05，主端惯性系数=0.06；
建立上述从端模型的方法是：
首先，建立环境动力学模型，设为环境力信号，为环境惯性系数，为从端加速度信号，为环境速度阻尼信号系数，为从端速度信号，为环境刚性增益，
则环境动力学模型为，
其中设定：环境惯性系数=0，环境速度阻尼信号系数=10.05，环境刚性增益=0；
其次，建立从端模型，设为从端电机力信号，为环境力信号，为从端惯性系数，为从端加速度信号，为从端速度阻尼信号系数，为从端速度信号，
则从端模型为，
其中设定：从端惯性系数=0.06，从端速度阻尼信号系数=0.05。
上述滤波器为基于电感元件的滤波器，滤波器的参数为滤波器感抗值，设定滤波器感抗值的方法是：
首先，利用网络时延测量软件检测互联网的时延均值和时延方差，则互联网的网络时延阈值为网络的时延均值加网络的时延标准差，丢包率阈值为实际测量的丢包率；
其次，根据网络历史数据修改滤波器感抗值：当网络平均时延大于网络时延阈值，网络实际丢包率大于丢包率阈值时，当网络平均时延每增大0.3秒或丢包率每增大2%，滤波器感抗值增大0.5；当网络平均时延小于网络时延阈值，丢包率小于丢包率阈值时，减小滤波器感抗值；当网络时延阈值为1秒时，滤波器感抗值=1.5亨；
之后，根据从端反馈信号调整滤波器感抗值：如果信号断续严重则相应增大滤波器感抗值，反之则相应减小滤波器感抗值。
建立上述主端控制器的方法是：
设为主端控制器力信号，为主端控制器刚性增益系数，为主端速度信号，为从端电机反馈速度信号，为主端控制器速度阻尼系数，为主端电机速度信号，
则主端控制器为；
建立上述从端控制器的方法是：
设为从端控制器力信号，为从端控制器刚性增益系数，为从端速度信号，为从端电机速度信号，为从端控制器速度阻尼信号，
则从端控制器为。
上述的主端控制器参数和从端控制器参数的初始值为：主端控制器速度阻尼=0.01，主端控制器刚性增益=0.01，从端控制器速度阻尼=0.1，从端控制器刚性增益=0.01。
调整上述的主端控制器参数和从端控制器参数的方法是：根据主从端速度信号跟踪图调整主端控制器参数，当系统没有时延时，主端控制器速度阻尼=0.01，主端控制器刚性增益=0.01；当跟踪差较大时，增大主端控制器速度阻尼，系统振荡严重时，增大主端控制器刚性增益；根据主从端力信号跟踪图调整从端控制器参数，调整方法如主端控制器。
在本发明中，根据互联网的网络历史数据设定滤波器参数，之后根据滤波器参数设定主端控制器及从端控制器参数初始值，最后根据从端和主端的信号跟踪状况调整主端控制器及从端控制器参数，有效提高现有基于互联网通讯的遥操作机器人系统的稳定性和透明性，具有稳定、可靠、透明的特点。
附图说明
图1为本发明的遥操作机器人控制模型图。
图2为本发明的无源控制方法流程图。
附图中的编码分别为：1为操作端，2为主端模型，3为滤波器，4为主端控制器，5为互联网，6为从端控制器，7为从端模型，8为从端现场设备。
具体实施方式
本发明不受下述实施例的限制，可根据本发明的技术方案与实际情况来确定具体的实施方式。
下面结合实施例及附图对本发明作进一步描述：
如附图1、2所示，该基于互联网的遥操作机器人无源控制方法，包括操作端1、主端模型2、滤波器3、主端控制器4、互联网5、从端控制器6、从端模型7和从端现场设备8，其步骤如下：步骤1，建立主端模型2、从端模型7、主端控制器4和从端控制器6；步骤2，将操作端1、主端模型2、滤波器3和主端控制器4依次相连，从端控制器6、从端模型7和从端现场设备8依次相连，主端控制器4和从端控制器6通过互联网5进行通讯；步骤3，根据互联网5的网络历史数据设定滤波器3的参数，之后根据滤波器3的参数设定主端控制器4参数和从端控制器6参数的初始值；步骤4，通过操作端1向主端模型2发出控制信号；步骤5，主端模型2对收到的控制信号进行运算处理并发送至滤波器3；步骤6，滤波器3对收到的信号进行滤波处理并发送给主端控制器4；步骤7，主端控制器4对收到的信号进行运算处理并发送至互联网5；步骤8，从端控制器6连接互联网5并接收信号，对收到的信号进行运算处理并发送至从端模型7；步骤9，从端模型7对收到的信号进行运算处理并发送至从端现场设备8；步骤10，根据从端和主端的信号跟踪状况调整主端控制器4参数和从端控制器6参数，实现对从端现场设备8的遥操作控制。在本发明中，操作端1包括操作杆、操作人机界面等，主端模型2包括主机器人和主边环境，从端模型7包括从机器人和从边环境，由操作者根据互联网5的网络历史数据设定滤波器3的参数，之后根据滤波器3的参数设定主端控制器4参数和从端控制器6参数的初始值，最后由操作者根据从端和主端的信号跟踪状况，调整主端控制器4参数和从端控制器6参数，从而有效提高现有基于互联网通讯的遥操作机器人系统的稳定性和透明性。
下面结合实施例及附图对本发明作进一步描述：
如附图1、2所示，建立上述主端模型2的方法是：
设为操作者力信号，为主端速度阻尼系数，为主端速度信号，为主端惯性系数，为主端加速度信号，为从端电机反馈力信号，
则主端模型2为，
其中设定：主端速度阻尼系数=0.05，主端惯性系数=0.06。
主端惯性系数是根据实验所用的设备的本身参数来设定的，主端惯性系数的取值范围一般为：0.01-0.1。操作端1的输出端子与主端模型2的数据接口通过导线连接在一起或者通过无线局域网连接在一起。当主端模型2为一维的参数时，主端电机为直流伺服电机，操作端1可以为固定在主端电机轴上的圆盘，圆盘的边缘安装一个向外突出的转动灵活的摇把，操作者只需抓住摇把控制主端电机顺时针或逆时针旋转，就能够输出一维的力信号，满足实验需求。
建立上述从端模型7的方法是：
首先，建立环境动力学模型，设为环境力信号，为环境惯性系数，为从端加速度信号，为环境速度阻尼信号系数，为从端速度信号，为环境刚性增益，
则环境动力学模型为，
其中设定：环境惯性系数=0，环境速度阻尼信号系数=10.05，环境刚性增益=0；
其次，建立从端模型7，设为从端电机力信号，为环境力信号，为从端惯性系数，为从端加速度信号，为从端速度阻尼信号系数，为从端速度信号，
则从端模型7为，
其中设定：从端惯性系数=0.06，从端速度阻尼信号系数=0.05。
从端速度阻尼信号系数是根据实验所用的设备的本身参数来设定的，从端速度阻尼信号系数的取值范围一般为：0.01-0.1。
如附图1、2所示，上述滤波器3为基于电感元件的滤波器，滤波器3的参数为滤波器感抗值，设定滤波器感抗值的方法是：
首先，利用网络时延测量软件检测互联网5的时延均值和时延方差，则互联网5的网络时延阈值为网络的时延均值加网络的时延标准差，丢包率阈值为实际测量的丢包率。利用网络时延测量软件，如pingtester软件，可以测试实验两地的实时网络时延，一般网络时延分为3类：稳定型时延，这种类型的特点是时延一般在50毫秒以下；相对稳定型时延，范围一般是在50毫秒至200毫秒之间；大波动型时延，一般超过200毫秒，这种时延相当不稳定；
其次，根据网络历史数据修改滤波器感抗值：当网络平均时延大于网络时延阈值，网络实际丢包率大于丢包率阈值时，当网络平均时延每增大0.3秒或丢包率每增大2%，滤波器感抗值增大0.5；当网络平均时延小于网络时延阈值，丢包率小于丢包率阈值时，减小滤波器感抗值；当网络时延阈值为1秒时，滤波器感抗值=1.5亨。对于时延的模拟需要两个参数：时延均值和时延方差，根据这两个数据可以确定网络的最大时延以及平均时延。网络时延阈值为最大时延，设置为1秒。不同时刻的时延情况也不尽相同，我们只模拟一定时间段内的时延，设为网络的时延均值，为网络的平均时延，为网络的最大时延，为网络的时延方差，则为网络的时延标准差，，。丢包率阈值的确定是根据实际网络丢包率确定的，在模拟时只需确定丢包率参数即可。丢包率要根据实际情况，最小为0，最大为100%，一般情况下丢包率为0-5%。同样，丢包率阈值取值即为实际测量的丢包率。例如，将网络时延阈值设定为1秒，丢包率阈值设定为5%，则根据网络历史数据，可以设定滤波器感抗值=1.94亨；
之后，根据从端反馈信号调整滤波器感抗值：如果信号断续严重则相应增大滤波器感抗值，反之则相应减小滤波器感抗值。
如附图1、2所示，建立上述主端控制器4的方法是：
设为主端控制器力信号，为主端控制器刚性增益系数，为主端速度信号，为从端电机反馈速度信号，为主端控制器速度阻尼系数，为主端电机速度信号，
则主端控制器4为；
建立上述从端控制器6的方法是：
设为从端控制器力信号，为从端控制器刚性增益系数，为从端速度信号，为从端电机速度信号，为从端控制器速度阻尼信号，
则从端控制器6为。
其中从端电机速度信号是指经过通讯环节后传到从端的速度信号。
如附图1、2所示，上述的主端控制器4参数和从端控制器6参数的初始值为：主端控制器速度阻尼=0.01，主端控制器刚性增益=0.01，从端控制器速度阻尼=0.1，从端控制器刚性增益=0.01。
为了保证系统的稳定性和透明性要求，应保证在系统无时延环境下从端电机反馈力与操纵者力信号迟延小于0.1秒，从端电机反馈力与环境力大致相同。从控制器方程结构来看，控制器可看做一比例积分控制结构。先通过给系统提供阶跃信号，借用比例积分调整方法并考虑所采用的主从端模型的参数进行设置。=0.2，=0.2。设置好后根据响应曲线调整各参数，比例增益即主端控制器速度阻尼增加，可以减小被控量的稳态偏差，如果控制量变化过大也会造成控制过程的反复震荡；反之，比例增益即主端控制器速度阻尼减小，振荡减小但是稳态偏差会增大。积分系数即主端控制器刚性增益增大，系统被控量振荡减小，动态偏差增大；反之，则相反。从端控制器参数设定如主端所述。
根据主端控制器4的公式和从端控制器6的公式可以看出，当网络产生时延时，主端控制信号增强，从而提高了主端控制器的控制力度，减小了传输到从端的力信号；从端控制信号减小，从而从端的力信号增大，从而保证从端能较好地跟踪主端力信号，反之亦然。
如附图1、2所示，调整上述的主端控制器4参数和从端控制器6参数的方法是：
根据主从端速度信号跟踪图调整主端控制器4参数，当系统没有时延时，主端控制器速度阻尼=0.01，主端控制器刚性增益=0.01；当跟踪差较大时，增大主端控制器速度阻尼，系统振荡严重时，增大主端控制器刚性增益；根据主从端力信号跟踪图调整从端控制器6参数，调整方法如主端控制器4。通常由主从端跟踪状况根据经验判断来调整控制器参数，主从端信号跟踪一般相差0-20%，对应的控制器调整参数为0-200。由于通讯环节为基于互联网的模型而不是单纯的传输线，因此，根据力信号和速度信号跟踪图调整控制参数为主端控制器速度阻尼=1，从端控制器速度阻尼=180，增强系统主从端控制效果。
本发明基于无源控制的思想，根据遥操作机器人系统实际参量，包括主端惯性系数、从端惯性系数、主端速度阻尼系数、主端控制器速度阻尼系数，以及环境惯性系数、环境刚性增益、环境速度阻尼信号系数作为模拟参数，根据主从端信号跟踪情况调整控制器参数从而达到我们对系统稳定性和透明性的要求。
Claims (6)
1.一种基于互联网的遥操作机器人无源控制方法，其特征在于包括操作端、主端模型、滤波器、主端控制器、互联网、从端控制器、从端模型和从端现场设备，其步骤如下：步骤1，建立主端模型、从端模型、主端控制器和从端控制器；步骤2，将操作端、主端模型、滤波器和主端控制器依次相连，将从端控制器、从端模型和从端现场设备依次相连，主端控制器和从端控制器通过互联网进行通讯；步骤3，根据互联网的网络历史数据设定滤波器的参数，之后根据滤波器的参数设定主端控制器参数和从端控制器参数的初始值；步骤4，通过操作端向主端模型发出控制信号；步骤5，主端模型对收到的控制信号进行运算处理并发送至滤波器；步骤6，滤波器对收到的信号进行滤波处理并发送给主端控制器；步骤7，主端控制器对收到的信号进行运算处理并发送至互联网；步骤8，从端控制器连接互联网并接收信号，对收到的信号进行运算处理并发送至从端模型；步骤9，从端模型对收到的信号进行运算处理并发送至从端现场设备；步骤10，根据从端和主端的信号跟踪状况调整主端控制器参数和从端控制器参数，实现对从端现场设备的遥操作控制；其中：所述滤波器为基于电感元件的滤波器，滤波器的参数为滤波器感抗值，设定滤波器感抗值的方法是：
首先，利用网络时延测量软件检测互联网的时延均值和时延方差，则互联网的网络时延阈值为网络的时延均值加网络的时延标准差，丢包率阈值为实际测量的丢包率；
其次，根据网络历史数据修改滤波器感抗值：当网络平均时延大于网络时延阈值，网络实际丢包率大于丢包率阈值时，当网络平均时延每增大0.3秒或丢包率每增大2%，滤波器感抗值增大0.5；当网络平均时延小于网络时延阈值，丢包率小于丢包率阈值时，减小滤波器感抗值；当网络时延阈值为1秒时，滤波器感抗值=1.5亨；
之后，根据从端反馈信号调整滤波器感抗值：如果信号断续严重则相应增大滤波器感抗值，反之则相应减小滤波器感抗值。
2.根据权利要求1所述的基于互联网的遥操作机器人无源控制方法，其特征在于，建立主端模型的方法是：
设为操作者力信号，为主端速度阻尼系数，为主端速度信号，为主端惯性系数，为主端加速度信号，为从端电机反馈力信号，
则主端模型为，
其中设定：主端速度阻尼系数=0.05，主端惯性系数=0.06；
建立从端模型的方法是：
首先，建立环境动力学模型，设为环境力信号，为环境惯性系数，为从端加速度信号，为环境速度阻尼信号系数，为从端速度信号，为环境刚性增益，则环境动力学模型为，
其中设定：环境惯性系数=0，环境速度阻尼信号系数=10.05，环境刚性增益=0；
其次，建立从端模型，设为从端电机力信号，为环境力信号，为从端惯性系数，为从端加速度信号，为从端速度阻尼信号系数，为从端速度信号，则从端模型为，
其中设定：从端惯性系数=0.06，从端速度阻尼信号系数=0.05。
3.根据权利要求1或2所述的基于互联网的遥操作机器人无源控制方法，其特征在于，建立主端控制器的方法是：
设为主端控制器力信号，为主端控制器刚性增益系数，为主端速度信号，为从端电机反馈速度信号，为主端控制器速度阻尼系数，为主端电机速度信号，则主端控制器为；
建立从端控制器的方法是：
设为从端控制器力信号，为从端控制器刚性增益系数，为从端速度信号，为从端电机速度信号，为从端控制器速度阻尼信号，则从端控制器为。
4.根据权利要求3所述的基于互联网的遥操作机器人无源控制方法，其特征在于，所述的主端控制器参数和从端控制器参数的初始值为：主端控制器速度阻尼=0.01，主端控制器刚性增益=0.01，从端控制器速度阻尼=0.1，从端控制器刚性增益=0.01。
5.根据权利要求3所述的基于互联网的遥操作机器人无源控制方法，其特征在于，调整所述的主端控制器参数和从端控制器参数的方法是：根据主从端速度信号跟踪图调整主端控制器参数，当系统没有时延时，主端控制器速度阻尼=0.01，主端控制器刚性增益=0.01；当跟踪差较大时，增大主端控制器速度阻尼，系统振荡严重时，增大主端控制器刚性增益；根据主从端力信号跟踪图调整从端控制器参数，调整方法如主端控制器。
6.根据权利要求4所述的基于互联网的遥操作机器人无源控制方法，其特征在于，调整所述的主端控制器参数和从端控制器参数的方法是：根据主从端速度信号跟踪图调整主端控制器参数，当系统没有时延时，主端控制器速度阻尼=0.01，主端控制器刚性增益=0.01；当跟踪差较大时，增大主端控制器速度阻尼，系统振荡严重时，增大主端控制器刚性增益；根据主从端力信号跟踪图调整从端控制器参数，调整方法如主端控制器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410451737.5A CN104385271B (zh) | 2014-09-06 | 2014-09-06 | 基于互联网的遥操作机器人无源控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410451737.5A CN104385271B (zh) | 2014-09-06 | 2014-09-06 | 基于互联网的遥操作机器人无源控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104385271A CN104385271A (zh) | 2015-03-04 |
| CN104385271B true CN104385271B (zh) | 2016-01-13 |
Family
ID=52603274
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410451737.5A Active CN104385271B (zh) | 2014-09-06 | 2014-09-06 | 基于互联网的遥操作机器人无源控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104385271B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106375421A (zh) * | 2016-08-30 | 2017-02-01 | 上海交通大学 | 基于远程操控的机器人辅助智能维护系统 |
| CN106938462B (zh) * | 2016-12-07 | 2019-05-31 | 北京邮电大学 | 一种基于自适应pd和模糊逻辑的遥操作双边控制方法 |
| CN112363389B (zh) * | 2020-11-11 | 2022-07-05 | 西北工业大学 | 一种针对单主多从遥操作模式的共享自主编队规划控制方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5266875A (en) * | 1991-05-23 | 1993-11-30 | Massachusetts Institute Of Technology | Telerobotic system |
| US6144884A (en) * | 1998-04-17 | 2000-11-07 | Massachusetts Institute Of Technology | Teleoperation with variable delay |
| US8190292B2 (en) * | 2005-08-29 | 2012-05-29 | The Board Of Trustees Of The Leland Stanford Junior University | High frequency feedback in telerobotics |
| CN1785608A (zh) * | 2005-11-10 | 2006-06-14 | 上海大学 | 多指机械灵巧手闭环实时动作控制平台 |
| CN102814815A (zh) * | 2012-08-24 | 2012-12-12 | 广东工业大学 | 一种虚拟工程机器人系统及控制方法 |
| CN103862473A (zh) * | 2014-03-04 | 2014-06-18 | 南昌大学 | 基于从端本地数据的波变量位移跟踪控制方法 |
-
2014
- 2014-09-06 CN CN201410451737.5A patent/CN104385271B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN104385271A (zh) | 2015-03-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104385271B (zh) | 基于互联网的遥操作机器人无源控制方法 | |
| CN106067747A (zh) | 一种用于伺服系统控制的滑模扰动观测器的设计方法 | |
| CN105450120B (zh) | 基于动态面滑模控制的永磁同步电机混沌镇定控制方法 | |
| JP5816826B2 (ja) | モータ駆動装置 | |
| CN107121932A (zh) | 电机伺服系统误差符号积分鲁棒自适应控制方法 | |
| CN102385342A (zh) | 虚拟轴机床并联机构运动控制的自适应动态滑模控制方法 | |
| CN103672103B (zh) | 一种调节阀控制方法、装置及智能阀门定位器 | |
| Arabasi et al. | Simultaneous travel and hoist maneuver input shaping control using frequency modulation | |
| CN114859708A (zh) | 一种单连杆柔性机械臂跟踪控制方法 | |
| CN102269971A (zh) | 基于模型跟踪的自适应伺服控制器 | |
| CN107263455B (zh) | 二自由度scara机器人的位置跟踪控制方法 | |
| CN103572967A (zh) | 一种臂架控制设备、系统、方法和工程机械 | |
| CN109687703A (zh) | 基于干扰上界估计的降压型直流变换器固定时间滑模控制方法 | |
| CN104683066A (zh) | 多模网关的抗互扰方法 | |
| CN103345159A (zh) | 基于神经网络自适应逆的混合动力车bsg系统控制方法 | |
| CN113157012A (zh) | 一种控制机械振动的方法和系统 | |
| CN107957683A (zh) | 一种具有输入约束的网络化倒立摆系统的时延补偿方法 | |
| Taşdelen et al. | On Smith predictor-based controller design for systems with integral action and time delay | |
| CN105119985B (zh) | 一种多工位智能机器人及其控制方法 | |
| WO2016188461A1 (zh) | 磁悬浮轴承的控制方法和控制装置 | |
| CN205422842U (zh) | 一种基于can总线的蒸汽轮机阀门控制系统 | |
| CN105099263A (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 | |
| Imai et al. | Experimental validation of communication disturbance observer for networked control systems with information losses | |
| CN105549392A (zh) | 一种伺服系统的非线性补偿控制方法 | |
| Choi et al. | WiP abstract: Packet loss compensation for cyber-physical control systems |
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 |