CN106444382A - 一种保证物理可行性的串联机器人动力学参数辨识方法 - Google Patents
一种保证物理可行性的串联机器人动力学参数辨识方法 Download PDFInfo
- Publication number
- CN106444382A CN106444382A CN201610940842.4A CN201610940842A CN106444382A CN 106444382 A CN106444382 A CN 106444382A CN 201610940842 A CN201610940842 A CN 201610940842A CN 106444382 A CN106444382 A CN 106444382A
- Authority
- CN
- China
- Prior art keywords
- matrix
- parameter
- kinetic parameter
- physical feasibility
- formula
- 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
Classifications
-
- 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种保证物理可行性的串联机器人动力学参数辨识方法,包括步骤:S1、机器人按照激励轨迹进行周期性运动;S2、在运动过程中,以一定采样频率采集各个关节的角度和力矩;S3、建立串联机器人动力学模型,使用带权最小二乘法计算出机器人动力学参数;S4、在计算得到的动力学参数的参数空间邻域范围内,使用半正定矩阵规划方法,得到一组既满足物理可行性要求,又与计算的参数最接近的新的动力学参数。本发明解决使用带权最小二乘法不能保证计算得到的动力学参数物理可行性的问题,既保证动力学参数的物理可行性,又保证动力学参数接近于带权最小二乘法得到的最优动力学参数。
Description
技术领域
本发明涉及串联机器人动力学参数辨识方法,特别涉及一种保证物理可行性的串联机器人动力学参数辨识方法。
背景技术
串联机器人在制造业、农业、娱乐业等行业得到越来越广泛的应用,许多应用场景需要串联机器人拥有高速、高精度的运动性能。基于串联机器人动力学模型的运动控制能赋予机器人高速、高精度的运动性能,这种方法需要精确的串联机器人动力学参数。
一般情况下,串联机器人的动力学参数不能直接获得,需要通过实施辨识实验获取。现有的串联机器人动力学参数辨识方法,主要通过最小二乘法或者改进的最小二乘法计算超定的回归方程组获得,计算得到的动力学参数往往无法保证物理可行性,比如可能出现机器人某个连杆质量小于零的计算结果。不合理的动力学参数可能给基于动力学模型的串联机器人运动控制带来灾难性的后果。
发明内容
本发明的目的是提供一种保证物理可行性的串联机器人动力学参数辨识方法,旨在解决现有串联机器人动力学参数辨识方法无法保证辨识得到的动力学物理可行性的问题。
本发明的目的通过下述技术方案来实现:
一种保证物理可行性的串联机器人动力学参数辨识方法,包括如下步骤:
S1、机器人按照激励轨迹进行周期性运动;
S2、在机器人运动过程中,以一定采样频率采集各个关节的角度和力矩;
S3、建立串联机器人动力学模型,利用步骤S2采集的数据,使用带权最小二乘法计算出机器人动力学参数βWLS;
S4、在步骤S3计算得到的动力学参数βWLS的参数空间邻域范围内,使用半正定矩阵规划的最优化方法,得到一组既满足物理可行性要求,又与计算的参数最接近的新动力学参数βf,βf即为保证物理可行性的串联机器人动力学参数。
进一步地,所述步骤S4包含如下步骤:
S4.1、定义机器人动力学参数的物理可行性约束表达式:
Dβ(β,δd)≥0, (1)
式(1)中,β为机器人可辨识的动力学参数,δd为不可辨识的动力学参数;
S4.2、定义机器人动力学参数βWLS的参数空间邻域表达式:
v=||βf-βWLS||2, (2)
式(2)中,βf为保证物理可行性的串联机器人动力学参数;βWLS为使用带权最小二乘法计算得到机器人动力学参数;
S4.3、定义最优化问题的描述形式:
S4.4、使用半正定规划方法求解步骤S4.3所述的最优化问题。
进一步地,所述步骤S4.1包含如下步骤:
S4.1.1、定义机器人连杆k的物理可行性约束,主要包括质量和惯性张量的物理可行性约束:
式(4)中,mk是连杆k的质量;Ik是连杆k关于质心的惯性张量,Ik>0表示Ik是正定矩阵,
S4.1.2、用关于连杆k坐标系原点的惯性张量Lk代替Ik,根据平行移轴定理,它们之间存在如下关系:
式(5)中,rk为以连杆k坐标系原点o为起点,连杆k质心G为终点的矢量,
且有
S4.1.3、使用连杆k的第一惯量矩lk代替连杆k的质心位置rk,它们之间存在如下关系:
S4.1.4、重新定义机器人连杆k的物理可行性约束:
式(7)的第二个不等式重写为如下的二次矩阵不等式:
式中,e表示3×3的单位阵;
将式(8)改写成非严格的线性矩阵不等式形式:
式中,ε为无穷小的正数,e为单位阵,δk为连杆动力学参数,
δk=[Lxxk Lxyk Lxzk Lyyk Lyzk Lzzk lxk lyk lzk mk]T;
S4.1.5、定义n个连杆的串联机器人物理可行性约束:
考虑关节粘滞摩擦力系数fv,库伦摩擦力系数fc和输出轴转动惯量Ia的物理可行性,式(10)进一步扩展为:
D(δ)=diag(D1(δ1),…,Dn(δn),fv1,fc1,Ia1,…fvn,fcn,Ian)≥0, (11)
式中,diag(·)表示对角阵;
S4.1.6、定义串联机器人标准动力学参数δ和可辨识动力学参数β之间的双向映射关系:
Gδ=[β δd]T, (12)
式中,则δd为不可辨识的动力学参数;
S4.1.7、定义串联机器人可辨识动力学参数β的物理可行性约束:
Dβ(β,δd)≡D(G-1[βδd]T)≥0。 (13)
进一步地,所述步骤S4.1.6中矩阵Pb,Kd,Pd的计算方法包含如下步骤:
(1)随机生成S组且满足S远远大于机器人标准动力学参数δ的个数。将S组代入回归矩阵函数可以得到回归矩阵HS;
(2)对HS使用QR分解可以得到正则上三角矩阵R:
(3)遍历矩阵R的对角元素,记录其中非零对角元素在矩阵中的列号,依次写入数组db,定义行列数等于机器人标准动力学参数δ个数的单位矩阵P',依照数组db记录的列号,按顺序从单位矩阵P'中取出对应的列组成新矩阵,该矩阵为Pb,剩余的列组成新矩阵,该矩阵为Pd,则P=[Pb Pd];
(4)对矩阵Hb,Hd分别使用QR分解,可得:
则有:
则有:
Kd=Rb -1Rd。 (17)
本发明相对于现有技术具有如下的优点及效果:
本发明使用带权最小二乘法计算出机器人动力学参数,在计算得到的动力学参数的参数空间邻域范围内,使用半正定矩阵规划方法,得到一组新的动力学参数。既保证动力学参数的物理可行性,又保证动力学参数接近于带权最小二乘法得到的最优动力学参数。
附图说明
图1是本发明实施例的保证物理可行性的串联机器人动力学参数辨识方法流程示意图。
图2是本发明实施例的保证物理可行性的串联机器人动力学参数辨识方法步骤S4的流程示意图。
图3是本发明实施例的保证物理可行性的串联机器人动力学参数辨识方法步骤S4.1的流程示意图。
图4是本发明实施例的保证物理可行性的串联机器人动力学参数辨识方法步骤S4.1.6的流程示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步的详细描述,但本发明的实施方式不限于此。
现以某六自由度垂直关节串联机器人为动力学参数辨识对象,按照以下步骤进行机器人动力学参数辨识:
S1、设计激励轨迹,机器人各关节按照激励轨迹进行周期性运动;
S2、在机器人运动过程中,以1000Hz采样频率采集各个关节的角度和力矩;
S3、建立六自由度垂直关节串联机器人动力学模型,利用步骤S2采集的各个关节角度,计算各个关节的角速度和角加速度,利用各个关节的角度、角速度、角加速度和力矩,使用带权最小二乘法计算出机器人可辨识的动力学参数βWLS;
S4、在步骤S3计算得到的动力学参数βWLS的参数空间邻域范围内,使用半正定矩阵规划的最优化方法,得到一组既满足物理可行性要求,又与计算的参数最接近的新动力学参数βf。βf即为保证物理可行性的串联机器人动力学参数。
具体而言,如图2所示,所述步骤S4包含如下步骤:
S4.1、定义机器人动力学参数的物理可行性约束表达式:
Dβ(β,δd)≥0, (1)
式(1)中,β为机器人可辨识的动力学参数,δd为不可辨识的动力学参数;
S4.2、定义机器人动力学参数βWLS的参数空间邻域表达式:
v=||βf-βWLS||2, (2)
式(2)中,βf为保证物理可行性的串联机器人动力学参数;βWLS为使用带权最小二乘法计算得到机器人动力学参数;
S4.3、定义最优化问题的描述形式:
S4.4、使用半正定规划方法求解步骤S4.3所述的最优化问题。
具体而言,如图3所示,所述步骤S4.1包含如下步骤:
S4.1.1、定义机器人连杆k的物理可行性约束,主要包括质量和惯性张量的物理可行性约束:
式(4)中,mk是连杆k的质量;Ik是连杆k关于质心的惯性张量,Ik>0表示Ik是正定矩阵,
S4.1.2、用关于连杆k坐标系原点的惯性张量Lk代替Ik,根据平行移轴定理,它们之间存在如下关系:
式(5)中,rk为以连杆k坐标系原点o为起点,连杆k质心G为终点的矢量,
且有
S4.1.3、使用连杆k的第一惯量矩lk代替连杆k的质心位置rk,它们之间存在如下关系:
S4.1.4、重新定义机器人连杆k的物理可行性约束:
式(7)的第二个不等式重写为如下的二次矩阵不等式:
式中,e表示3×3的单位阵;
将式(8)改写成非严格的线性矩阵不等式形式:
式中,ε为无穷小的正数,e为单位阵,δk为连杆动力学参数,
δk=[Lxxk Lxyk Lxzk Lyyk Lyzk Lzzk lxk lyk lzk mk]T;
S4.1.5、定义n个连杆的串联机器人物理可行性约束:
考虑关节粘滞摩擦力系数fv,库伦摩擦力系数fc和输出轴转动惯量Ia的物理可行性,式(10)进一步扩展为:
D(δ)=diag(D1(δ1),…,Dn(δn),fv1,fc1,Ia1,…fvn,fcn,Ian)≥0, (11)
式中,diag(·)表示对角阵;
S4.1.6、定义串联机器人标准动力学参数δ和可辨识动力学参数β之间的双向映射关系:
Gδ=[β δd]T, (12)
式中,则δd为不可辨识的动力学参数;
S4.1.7、定义串联机器人可辨识动力学参数β的物理可行性约束:
Dβ(β,δd)≡D(G-1[βδd]T)≥0。 (13)
具体而言,如图4所示,所述步骤S4.1.6中矩阵Pb,Kd,Pd的计算方法包含如下步骤:
(1)随机生成S组且满足S远远大于机器人标准动力学参数δ的个数。将S组代入回归矩阵函数可以得到回归矩阵HS;
(2)对HS使用QR分解可以得到正则上三角矩阵R:
(3)遍历矩阵R的对角元素,记录其中非零对角元素在矩阵中的列号,依次写入数组db,定义行列数等于机器人标准动力学参数δ个数的单位矩阵P',依照数组db记录的列号,按顺序从单位矩阵P'中取出对应的列组成新矩阵,该矩阵为Pb,剩余的列组成新矩阵,该矩阵为Pd,则P=[Pb Pd];
(4)对矩阵Hb,Hd分别使用QR分解,可得:
则有:
则有:
Kd=Rb -1Rd。 (17)
上述实施例为本方面较佳的实施方式,但本方明的实施方式并不受上述实施例的限制,其他的任何背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (4)
1.一种保证物理可行性的串联机器人动力学参数辨识方法,其特征在于,包括如下步骤:
S1、机器人按照激励轨迹进行周期性运动;
S2、在机器人运动过程中,以一定采样频率采集各个关节的角度和力矩;
S3、建立串联机器人动力学模型,利用步骤S2采集的数据,使用带权最小二乘法计算出机器人动力学参数βWLS;
S4、在步骤S3计算得到的动力学参数βWLS的参数空间邻域范围内,使用半正定矩阵规划的最优化方法,得到一组既满足物理可行性要求,又与计算的参数最接近的新动力学参数βf,βf即为保证物理可行性的串联机器人动力学参数。
2.根据权利要求1所述的一种保证物理可行性的串联机器人动力学参数辨识方法,其特征在于,所述步骤S4包含如下步骤:
S4.1、定义机器人动力学参数的物理可行性约束表达式:
Dβ(β,δd)≥0, (1)
式(1)中,β为机器人可辨识的动力学参数,δd为不可辨识的动力学参数;
S4.2、定义机器人动力学参数βWLS的参数空间邻域表达式:
v=||βf-βWLS||2, (2)
式(2)中,βf为保证物理可行性的串联机器人动力学参数;βWLS为使用带权最小二乘法计算得到机器人动力学参数;
S4.3、定义最优化问题的描述形式:
S4.4、使用半正定规划方法求解步骤S4.3所述的最优化问题。
3.根据权利要求2所述的一种保证物理可行性的串联机器人动力学参数辨识方法的步骤S4,其特征在于,所述步骤S4.1包含如下步骤:
S4.1.1、定义机器人连杆k的物理可行性约束,主要包括质量和惯性张量的物理可行性约束:
式(4)中,mk是连杆k的质量;Ik是连杆k关于质心的惯性张量,表示Ik是正定矩阵,
S4.1.2、用关于连杆k坐标系原点的惯性张量Lk代替Ik,根据平行移轴定理,它们之间存在如下关系:
式(5)中,rk为以连杆k坐标系原点o为起点,连杆k质心G为终点的矢量,
且有
S4.1.3、使用连杆k的第一惯量矩lk代替连杆k的质心位置rk,它们之间存在如下关系:
S4.1.4、重新定义机器人连杆k的物理可行性约束:
式(7)的第二个不等式重写为如下的二次矩阵不等式:
式中,e表示3×3的单位阵;
将式(8)改写成非严格的线性矩阵不等式形式:
式中,ε为无穷小的正数,e为单位阵,δk为连杆动力学参数,
δk=[Lxxk Lxyk Lxzk Lyyk Lyzk Lzzk lxk lyk lzk mk]T;
S4.1.5、定义n个连杆的串联机器人物理可行性约束:
考虑关节粘滞摩擦力系数fv,库伦摩擦力系数fc和输出轴转动惯量Ia的物理可行性,式(10)进一步扩展为:
D(δ)=diag(D1(δ1),…,Dn(δn),fv1,fc1,Ia1,…fvn,fcn,Ian)≥0, (11)
式中,diag(·)表示对角阵;
S4.1.6、定义串联机器人标准动力学参数δ和可辨识动力学参数β之间的双向映射关系:
Gδ=[β δd]T, (12)
式中,则δd为不可辨识的动力学参数;
S4.1.7、定义串联机器人可辨识动力学参数β的物理可行性约束:
Dβ(β,δd)≡D(G-1[βδd]T)≥0。 (13)
4.根据权利要求3所述的一种保证物理可行性的串联机器人动力学参数辨识方法的步骤S4.1,其特征在于,所述步骤S4.1.6中矩阵Pb,Kd,Pd的计算方法包含如下步骤:
(1)随机生成S组且满足S远远大于机器人标准动力学参数δ的个数。将S组代入回归矩阵函数可以得到回归矩阵HS;
(2)对HS使用QR分解可以得到正则上三角矩阵R:
(3)遍历矩阵R的对角元素,记录其中非零对角元素在矩阵中的列号,依次写入数组db,定义行列数等于机器人标准动力学参数δ个数的单位矩阵P',依照数组db记录的列号,按顺序从单位矩阵P'中取出对应的列组成新矩阵,该矩阵为Pb,剩余的列组成新矩阵,该矩阵为Pd,则P=[Pb Pd];
(4)对矩阵Hb,Hd分别使用QR分解,可得:
则有:
则有:
Kd=Rb -1Rd。 (17)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610940842.4A CN106444382B (zh) | 2016-10-25 | 2016-10-25 | 一种保证物理可行性的串联机器人动力学参数辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610940842.4A CN106444382B (zh) | 2016-10-25 | 2016-10-25 | 一种保证物理可行性的串联机器人动力学参数辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106444382A true CN106444382A (zh) | 2017-02-22 |
CN106444382B CN106444382B (zh) | 2019-06-18 |
Family
ID=58178219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610940842.4A Active CN106444382B (zh) | 2016-10-25 | 2016-10-25 | 一种保证物理可行性的串联机器人动力学参数辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106444382B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107703747A (zh) * | 2017-10-09 | 2018-02-16 | 东南大学 | 一种面向搅拌摩擦焊应用的重载机器人动力学参数自标定方法 |
CN109062051A (zh) * | 2018-08-28 | 2018-12-21 | 苏州艾利特机器人有限公司 | 一种提高机器人动力学参数辨识精度的方法 |
CN114367977A (zh) * | 2021-12-08 | 2022-04-19 | 沈阳工业大学 | 一种基于rto和scfo结合的下肢康复机器人的控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102320043A (zh) * | 2011-06-07 | 2012-01-18 | 北京邮电大学 | 一种机器人动力学参数的动静态辨识方法 |
CN103034123A (zh) * | 2012-12-11 | 2013-04-10 | 中国科学技术大学 | 基于动力学模型参数辨识的并联机器人控制方法 |
CN104614991A (zh) * | 2014-12-31 | 2015-05-13 | 南京埃斯顿机器人工程有限公司 | 提高机器人参数辨识精度的方法 |
CN105242537A (zh) * | 2015-09-25 | 2016-01-13 | 哈尔滨工业大学深圳研究生院 | 一种辨识空间机器人动力学参数的方法 |
CN105932670A (zh) * | 2016-05-26 | 2016-09-07 | 国网山东省电力公司潍坊供电公司 | 一种基于半定规划的配电网状态估计方法 |
-
2016
- 2016-10-25 CN CN201610940842.4A patent/CN106444382B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102320043A (zh) * | 2011-06-07 | 2012-01-18 | 北京邮电大学 | 一种机器人动力学参数的动静态辨识方法 |
CN103034123A (zh) * | 2012-12-11 | 2013-04-10 | 中国科学技术大学 | 基于动力学模型参数辨识的并联机器人控制方法 |
CN104614991A (zh) * | 2014-12-31 | 2015-05-13 | 南京埃斯顿机器人工程有限公司 | 提高机器人参数辨识精度的方法 |
CN105242537A (zh) * | 2015-09-25 | 2016-01-13 | 哈尔滨工业大学深圳研究生院 | 一种辨识空间机器人动力学参数的方法 |
CN105932670A (zh) * | 2016-05-26 | 2016-09-07 | 国网山东省电力公司潍坊供电公司 | 一种基于半定规划的配电网状态估计方法 |
Non-Patent Citations (3)
Title |
---|
HASENAUER J,等: "Parameter identification, experimental design and model falsification for biological network models using semidefinite programming", 《IET SYSTEMS BIOLOGY》 * |
SOUSA C D,等: "Physically feasible dynamic parameter identification of the 7-DOF WAM robot", 《INTELLIGENT ROBOTS AND SYSTEMS (IROS), 2013 IEEE/RSJ INTERNATIONAL CONFERENCE ON. IEEE》 * |
黎柏春,等: "一种改进的机器人动力学参数辨识方法", 《中国工程机械学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107703747A (zh) * | 2017-10-09 | 2018-02-16 | 东南大学 | 一种面向搅拌摩擦焊应用的重载机器人动力学参数自标定方法 |
CN109062051A (zh) * | 2018-08-28 | 2018-12-21 | 苏州艾利特机器人有限公司 | 一种提高机器人动力学参数辨识精度的方法 |
CN114367977A (zh) * | 2021-12-08 | 2022-04-19 | 沈阳工业大学 | 一种基于rto和scfo结合的下肢康复机器人的控制方法 |
CN114367977B (zh) * | 2021-12-08 | 2024-01-23 | 沈阳工业大学 | 一种基于rto和scfo结合的下肢康复机器人的控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106444382B (zh) | 2019-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11529733B2 (en) | Method and system for robot action imitation learning in three-dimensional space | |
US20210011458A1 (en) | Method for programming repeating motion of redundant robotic arm | |
CN103495977B (zh) | 一种6r型工业机器人负载识别方法 | |
CN102915039B (zh) | 一种仿动物空间认知的多机器人联合目标搜寻方法 | |
Kang et al. | Robot manipulator modeling in Matlab-SimMechanics with PD control and online gravity compensation | |
Valasek et al. | Improved adaptive–reinforcement learning control for morphing unmanned air vehicles | |
CN110170992A (zh) | 一种基于动态规划的模块化机械臂多故障容错控制方法 | |
CN105093934A (zh) | 考虑干扰与模型不确定性的多机器人系统分布式有限时间跟踪控制方法 | |
CN108789417A (zh) | 基于自适应动态规划的可重构机械臂保代价分散控制方法 | |
CN104570736B (zh) | 一种星‑臂耦合系统的动力学参数在轨辨识方法和装置 | |
CN107685343A (zh) | 一种机械臂运动学参数标定构型优化方法 | |
CN106444382A (zh) | 一种保证物理可行性的串联机器人动力学参数辨识方法 | |
CN108445768B (zh) | 空间机器人操作空间轨迹跟踪的增广自适应模糊控制方法 | |
CN112016194A (zh) | 基于Koopman算子的全方位移动机械臂数据驱动模型预测控制方法 | |
CN111639749A (zh) | 一种基于深度学习的工业机器人摩擦力辨识方法 | |
Barhaghtalab et al. | Dynamic analysis, simulation, and control of a 6-DOF IRB-120 robot manipulator using sliding mode control and boundary layer method | |
CN112497216A (zh) | 一种基于深度学习的工业机器人位姿精度补偿方法 | |
CN105354433A (zh) | 一种空间机械臂参数对运动可靠性影响比重的确定方法 | |
CN114102600A (zh) | 一种多空间融合的人机技能迁移与参数补偿方法及系统 | |
CN110253573A (zh) | 一种基于串并联估计模型的柔性机械臂系统模糊控制方法 | |
CN110110469A (zh) | 基于奇异值分解的并联机器人动力学参数辨识方法 | |
Li et al. | Adaptive Neural Network Backstepping Control Method for Aerial Manipulator Based on Variable Inertia Parameter Modeling | |
CN107650121B (zh) | 一种用于机器人的控制方法 | |
CN116690561B (zh) | 一种用于单连杆机械臂的自适应最优反步控制方法及系统 | |
CN114800525B (zh) | 机器人碰撞检测方法、系统、计算机及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |