CN107199569B - 一种基于关节能量均衡分配的关节机器人轨迹规划方法 - Google Patents
一种基于关节能量均衡分配的关节机器人轨迹规划方法 Download PDFInfo
- Publication number
- CN107199569B CN107199569B CN201710481048.2A CN201710481048A CN107199569B CN 107199569 B CN107199569 B CN 107199569B CN 201710481048 A CN201710481048 A CN 201710481048A CN 107199569 B CN107199569 B CN 107199569B
- Authority
- CN
- China
- Prior art keywords
- joint
- robot
- moment
- particle
- angle
- 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
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
- B25J9/1628—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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J17/00—Joints
- B25J17/02—Wrist joints
- B25J17/0258—Two-dimensional joints
- B25J17/0266—Two-dimensional joints comprising more than two actuating or connecting rods
-
- 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
- B25J9/1651—Programme controls characterised by the control loop acceleration, rate 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
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- 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
- G05B2219/40—Robotics, robotics mapping to robotics vision
- G05B2219/40519—Motion, trajectory planning
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Numerical Control (AREA)
- Manipulator (AREA)
- Feedback Control In General (AREA)
Abstract
本发明属于机器人领域,并公开了一种基于关节能量均衡分配的关节机器人轨迹规划方法,包括以下步骤:1)建立机器人连杆模型;2)建立机器人动力学模型,获得各关节转矩计算公式;3)辨识机器人的动力学参数;4)得到各个关节的力矩曲线,对机器人各个关节力矩曲线进行拟合,利用曲率最大法对拟合曲线进行判别,记录最大插值点数及所对应的关节;5)建立评价函数作为能量均衡分配的判断标准,利用粒子群算法寻求评价函数最优解,构成机器人运行轨迹。通过本方法机器人能够自主判断运动过程中各关节电机能量相对均衡受力的位置点,生成运动轨迹。可以保证机器人在运动过程中轨迹平滑,运动时间短,各关节承受负载均衡。
Description
技术领域
本发明属于工业机器人领域,更具体地,涉及一种关节机器人轨迹规划方法。
背景技术
机器人动力学是研究机器人运动与受力之间的关系,建立机器人动力学模型是机器人动态控制和高精度运动控制、动态设计及运动仿真的基础。目前,机器人动力学计算的方法主要有:牛顿-欧拉法,拉格朗日法,凯恩法,旋量定理法。应用不同的动力学方法所得到的动力学方程是不同的,其计算效率有很大差别,牛顿-欧拉方程是采用形位坐标作为独立变量的传统力学方法,在处理少数关节时,形式简洁,在本发明中选择牛顿-欧拉法计算机器人动力学。
机器人动力学模型的建立依赖于机器人连杆的运动参数和机器人连杆惯性参数的确定,前者容易获得,后者必须加以辨识。机器人连杆的惯性参数辨识是机器人动力学的重要部分。现有的机器人惯性参数辨识方法有:解体测量计算法,解体实验测量法,不解体实验测量法,三维模型测量法,理论辨识法。理论辨识法不需要解体机器人,也不需要专门的实验平台,可以获得较高的精度,因此,本设计采用理论辨识法辨识机器人的惯性参数。
粒子群算法和遗传算法类似,也是一种基于群体叠代的算法,但并没有遗传算法的交叉以及变异,而是粒子在解空间追随最优的粒子进行搜索。粒子群算法的优势在于简单,容易实现,无需梯度信息,参数少,特别适合于处理实优化问题。
现阶段对机器人的轨迹规划多为基于时间最优和整体能量最优,没有将机器人关节电机力矩和能量均衡作为机器人运动中轨迹的判定条件,难以满足实际生产中对机器人精确控制的要求。对于重载机器人运动过程抖动,能耗过大等问题无法通过运动学轨迹规划解决。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于关节能量均衡分配的关节机器人轨迹规划方法,其目的在于通过动力学计算不同位姿、速度下机器人的关节力矩,建立机器人关节电机能量均衡的评价函数,使机器人通过动态粒子群算法自动规划运动轨迹,从而优化器人运动过程中各关节电机负载不均衡,能耗过大的问题。
为实现上述目的,按照本发明,提供了一种基于关节能量均衡分配的关节机器人轨迹规划方法,其特征在于,包括以下步骤:
1)根据D-H参数法建立n关节机器人连杆模型;
2)建立机器人动力学模型,获得机器人关节力矩关系式;
3)辨识机器人在不同位姿的动力学参数;
4)输入机器人起始关节角度和终止关节角度,得到各个关节的力矩曲线,对机器人各个关节力矩曲线进行拟合,利用曲率最大法挑选特征点,获得各关节对应的特征点数,记录最大特征点数及获得最大特征点数的关节;
5)建立评价函数作为能量均衡分配的判断标准,利用粒子群算法寻求评价函数最优解,则获得机器人运行轨迹。
优选地,步骤1)具体步骤如下:
根据D-H参数法建立关节机器人的连杆坐标系模型,列出参数表,定义参数表中的关节角度θ=[θ1,θ2,...,θn],分别求解机器人关节i相对于关节i-1的变换矩阵:
其中,2≤i≤n,αi-1表示关节i的轴线相对关节i-1轴线转动的角度,di表示ai-1和ai之间的距离。
优选地,步骤2)具体过程如下:
利用牛顿-欧拉法,首先向外递推计算各连杆的速度和加速度,从而获得各连杆的惯性力和力矩,然后向内递推计算各连杆相互作用的力和力矩,以及计算各关节的驱动力和驱动力矩,最终得到机器人关节力矩τ、角度、角速度及角加速度的关系式:
优选地,步骤3)具体过程如下:
根据理论辨识法对机器人不同位置及姿态下各个连杆的惯性张量进行辨识,惯性张量表示如下所示:
其中,Ixx=∫∫∫V(y2+z2)ρdυ、Iyy=∫∫∫V(x2+z2)ρdυ、Izz=∫∫∫V(x2+y2)ρdυ表示机器人各连杆绕各自连杆坐标轴x、y、z的质量惯性矩,Ixy=∫∫∫Vxyρdυ、Iyz=∫∫∫Vyzρdυ、Izx=∫∫∫Vzxρdυ表示惯性积。
优选地,步骤4)具体过程如下:
4.1)输入机器人起始关节角度及目标关节角度,对起始位置到目标位置的路径进行初始规划,使机器人各关节同时启动,同时到达,并以S型加减速运行,使机器人运行平稳且运行时间最优,辨识在对应位姿下机器人的惯性特性后,带入步骤2)中机器人关节力矩的关系式中,从而得到各关节对应的力矩曲线;
4.2)利用曲率最大点的方法确定需要插入的中间离散点,中间离散点的曲率计算如下:
其中,|κir|表示机器人关节i上第r个离散点pir所对应的曲率,βir机器人关节i上r-1、r、r+1离散点相连而得到的夹角,||pir+1-pir-1||表示r-1和r+1离散点连线的模长,pir-1、pir和pir+1分别表示离散点坐标(xir-1,τir-1)、(xir,τir)和(xir+1,τir+1),xir-1、xir和xir+1表示第r-1、r和r+1个离散点,τir-1、τir和τir+1表示第r-1、r和r+1个离散点的力矩。
如果κir>κir-1、κir>κir+1和κir>a·κiavg这三个条件同时满足,则在各关节中挑选满足上述条件的中间离散点作为插值点,遍历各关节,得到各个关节的插值点数Ni,从而获得特征插值点数Ne=max(N1,N2,...,Nn),并记录特征插值点数所对应关节e。
优选地,步骤5)具体过程如下:
5.1)针对机器人能量均衡的目标建立评价函数f(p):
其中,ω是惯性系数,是粒子保持原有速度的系数,c1是粒子跟踪自己历史最优值的权重系数,c2是粒子跟踪群体最优值的权重系数,ξ,η∈[0,1],代表随机数,r代表约束因子;
5.2.3)搜索得到关节e角度为θej时,对应一组机器人关节角,缩小机器人角度范围后,再对θej+1利用粒子群算法得到一组机器人关节角,直到Ne个特征点都得到一组最优关节值。
优选地,n=5或n=6。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
1)在机器人轨迹规划过程中,将动力学作为主要判定依据,能够实现机器人的动态控制与高精度控制。
2)机器人根据运动过程中关节所需力矩值,自主搜索运动轨迹,可以保证机器人运动过程中关节能量均衡分配,并且所需要的力矩值更优,节约机器人能耗。
附图说明
图1是华中数控6008型机器人的结构图;
图2是本发明实施的求解流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
参照图1~图2,以华中数控6008机器人为例,机器人结构如图1所示。
具体实施步骤如下所示:
S1:利用D-H参数法建立n关节机器人连杆坐标系,得到机器人连杆参数如表1所示,计算机器人位姿矩阵,该机器人为6关节机器人,则n=6;
表1机器人连杆参数表
S2:以角度,角速度及角加速度为输入量,建立机器人动力学模型。利用牛顿—欧拉法正向递推相对角速度相对角加速度相对加速度连杆质心加速度连杆质心力矩及连杆质心力矩然后反向递推关节受力fi i及关节力矩关节力矩表示为:
S3:辨识机器人处于不同位姿所对应的惯性张量:
其中,Ixx=∫∫∫V(y2+z2)ρdυ、Iyy=∫∫∫V(x2+z2)ρdυ、Izz=∫∫∫V(x2+y2)ρdυ表示机器人各连杆绕各自连杆坐标轴x、y、z的质量惯性矩,Ixy=∫∫∫Vxyρdυ、Iyz=∫∫∫Vyzρdυ、Izx=∫∫∫Vzxρdυ表示惯性积。
用辨识得到的时变惯性张量,代替动力学模型中的静态惯性张量,进行关节力矩的计算。
S4:以θ=[0°,90°,0°,0°,-90°,0°]为机器人起始点关节角度,θ=[60°,120°,-60°,30°,-30°,0°]为机器人终止点关节角度,对机器人进行轨迹规划,六个关节同时启动,同时到达,得到一组机器人关节力矩曲线。
S5:根据力矩曲线计算插值点数,计算离散点的曲率,选择曲率最大、产生突变的离散点作为插值点,曲率计算如下所示:
其中,|κir|表示机器人关节i上第r个离散点pir所对应的曲率,βir机器人关节i对应拟合曲线上r-1、r、r+1离散点相连而得到的夹角,||pir+1-pir-1||表示r-1和r+1离散点连线的模长,pir-1、pir和pir+1分别表示离散点坐标(xir-1,τir-1)、(xir,τir)和(xir+1,τir+1)。
如果同时满足κir>κir-1、κir>κir+1和κir>a·κiavg,则挑选成为特征点,得到特征点数Ne=max(N1,N2,N3,N4,N5,N6),并记录最大特征点数所对应关节e。
S6:针对机器人能量均衡的目标建立评价函数,机器人各关节的质量值如表2所示。
表2机器人各关节参数表
i | m<sub>i</sub>(kg) | Cm<sub>i</sub>(mm) | P<sub>ei</sub>(kw) |
1 | 89<sub>.</sub>303 | (-84.845,-4.973,-127.436) | 1 |
2 | 20.121 | (95.384,90,27.670) | 2.5 |
3 | 26.074 | (75.335,-60.73,-6.994) | 1 |
4 | 8.084 | (0.066,-67.6,105.307) | 0.2 |
5 | 2.082 | (-0.26,63.63,-20.5) | 0.2 |
6 | 0.04 | (0,0,38.25) | 0.1 |
根据表2,可得6008机器人关节电机额定功率Pe=[1,2.5,1,0.2,0.2,0.1],取c1=c2=c3=0.8,c4=c5=c6=0.2,可得评价函数f(P):
其中,Pi=Ti·ωi,
S7:对六个关节角进行插点,插入点数为Ne,以关节e为标准,按曲率极值点分段,利用粒子群法计算其他五个关节在各段所对应的关节角度。
S9:第l个粒子在k+1次迭代后的速度和位置可以用下列公式计算:
S10:对关节e,每个角度值都对应一组解,从第一个插值点开始,求得一组解后缩小机器人角度范围,再利用粒子群算法求下一个插值点机器人关节角度,知道Ne个特征点都求得对应的最优关节值。
本发明求得的机器人轨迹是以关节能量均衡分配为目标,同时采用S加减速对求得插值点进行插值,使机器人运动时间也能保证最优,速度,加速度连续变化,运动轨迹平滑。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于关节能量均衡分配的关节机器人轨迹规划方法,其特征在于,包括以下步骤:
1)根据D-H参数法建立n关节机器人连杆模型;
步骤1)具体步骤如下:
根据D-H参数法建立关节机器人的连杆坐标系模型,列出参数表,定义参数表中的关节角度θ=[θ1,θ2,...,θn],分别求解机器人关节i相对于关节i-1的变换矩阵:
其中,2≤i≤n,αi-1表示关节i的轴线相对关节i-1轴线转动的角度,di表示ai-1和ai之间的距离;
2)建立机器人动力学模型,获得机器人关节力矩关系式;
步骤2)具体过程如下:
利用牛顿-欧拉法,首先向外递推计算各连杆的速度和加速度,从而获得各连杆的惯性力和力矩,然后向内递推计算各连杆相互作用的力和力矩,以及计算各关节的驱动力和驱动力矩,最终得到机器人关节力矩τ、角度、角速度及角加速度的关系式:
3)辨识机器人在不同位姿的动力学参数;
步骤3)具体过程如下:
根据理论辨识法对机器人不同位置及姿态下各个连杆的惯性张量进行辨识,惯性张量表示如下所示:
其中,Ixx=∫∫∫V(y2+z2)ρdυ、Iyy=∫∫∫V(x2+z2)ρdυ、Izz=∫∫∫V(x2+y2)ρdυ表示机器人各连杆绕各自连杆坐标轴x、y、z的质量惯性矩,Ixy=∫∫∫Vxyρdυ、Iyz=∫∫∫Vyzρdυ、Izx=∫∫∫Vzxρdυ表示惯性积;
4)输入机器人起始关节角度和终止关节角度,得到各个关节的力矩曲线,对机器人各个关节力矩曲线进行拟合,利用曲率最大法挑选特征点,获得各关节对应的特征点数,记录最大特征点数及获得最大特征点数的关节;
步骤4)具体过程如下:
4.1)输入机器人起始关节角度及目标关节角度,对起始位置到目标位置的路径进行初始规划,使机器人各关节同时启动,同时到达,并以S型加减速运行,使机器人运行平稳且运行时间最优,辨识在对应位姿下机器人的惯性特性后,带入步骤2)中机器人关节力矩的关系式中,从而得到各关节对应的力矩曲线;
4.2)利用曲率最大点的方法确定需要插入的中间离散点,中间离散点的曲率计算如下:
其中,|κir|表示机器人关节i上第r个离散点pir所对应的曲率,βir机器人关节i上r-1、r、r+1离散点相连而得到的夹角,||pir+1-pir-1||表示r-1和r+1离散点连线的模长,pir-1、pir和pir+1分别表示离散点坐标(xir-1,τir-1)、(xir,τir)和(xir+1,τir+1),xir-1、xir和xir+1表示第r-1、r和r+1个离散点,τir-1、τir和τir+1表示第r-1、r和r+1个离散点的力矩;
如果κir>κir-1、κir>κir+1和κir>a·κiavg这三个条件同时满足,则在各关节中挑选满足上述条件的中间离散点作为插值点,遍历各关节,得到各个关节的插值点数Ni,从而获得特征插值点数Ne=max(N1,N2,...,Nn),并记录特征插值点数所对应关节e;
5)建立评价函数作为能量均衡分配的判断标准,利用粒子群算法寻求评价函数最优解,则获得机器人运行轨迹;
步骤5)具体过程如下:
5.1)针对机器人能量均衡的目标建立评价函数f(p):
其中,ω是惯性系数,是粒子保持原有速度的系数,c1是粒子跟踪自己历史最优值的权重系数,c2是粒子跟踪群体最优值的权重系数,ξ,η∈[0,1],代表随机数,r代表约束因子;
5.2.3)搜索得到关节e角度为θej时,对应一组机器人关节角,缩小机器人角度范围后,再对θej+1利用粒子群算法得到一组机器人关节角,直到Ne个特征点都得到一组最优关节值。
2.根据权利要求1所述的一种基于关节能量均衡分配的关节机器人轨迹规划方法,其特征在于,n=5或n=6。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710481048.2A CN107199569B (zh) | 2017-06-22 | 2017-06-22 | 一种基于关节能量均衡分配的关节机器人轨迹规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710481048.2A CN107199569B (zh) | 2017-06-22 | 2017-06-22 | 一种基于关节能量均衡分配的关节机器人轨迹规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107199569A CN107199569A (zh) | 2017-09-26 |
CN107199569B true CN107199569B (zh) | 2020-01-21 |
Family
ID=59908211
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710481048.2A Active CN107199569B (zh) | 2017-06-22 | 2017-06-22 | 一种基于关节能量均衡分配的关节机器人轨迹规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107199569B (zh) |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108227492B (zh) * | 2018-01-03 | 2020-07-14 | 华中科技大学 | 一种六自由度串联机器人末端负载动力学参数的辨识方法 |
CN108393883B (zh) * | 2018-01-12 | 2021-03-16 | 苏州工业职业技术学院 | 一种表面改性机器人关节空间轨迹优化的方法 |
CN108621157A (zh) * | 2018-04-27 | 2018-10-09 | 上海师范大学 | 基于模型约束的机械臂能量最优轨迹规划控制方法及装置 |
CN108621158B (zh) * | 2018-04-27 | 2021-05-18 | 上海师范大学 | 一种关于机械臂的时间最优轨迹规划控制方法及装置 |
CN109483555B (zh) * | 2018-05-17 | 2022-01-04 | 上海节卡机器人科技有限公司 | 一种串联旋转关节工业机器人静力学模型参数辨识方法 |
CN108748160B (zh) * | 2018-06-21 | 2020-09-25 | 河南大学 | 基于多种群粒子群算法的机械臂运动规划方法 |
CN108890389B (zh) * | 2018-06-22 | 2019-09-24 | 华中科技大学 | 一种利用尺度效应规划进给速度的方法 |
CN109039222B (zh) * | 2018-07-19 | 2020-06-12 | 中国科学院长春光学精密机械与物理研究所 | 一种加速力矩受限的转台运动曲线在线规划方法及系统 |
CN108994836A (zh) * | 2018-08-20 | 2018-12-14 | 上海交通大学 | 一种蛇形机器人路径跟随规划方法 |
CN108858205A (zh) * | 2018-09-03 | 2018-11-23 | 鲁东大学 | 一种基于人形机器人关节控制的平滑处理方法、装置和系统 |
CN109291055B (zh) * | 2018-11-29 | 2021-06-01 | 库卡机器人(广东)有限公司 | 机器人运动控制方法、装置、计算机设备和存储介质 |
CN110253576B (zh) * | 2019-06-17 | 2022-06-24 | 东北大学 | 一种巡检机器人关节运动控制方法及巡检机器人 |
CN110450154A (zh) * | 2019-07-18 | 2019-11-15 | 广州弘度信息科技有限公司 | 一种基于动力学的机械臂柔性控制方法 |
CN110421564A (zh) * | 2019-08-06 | 2019-11-08 | 浙江大学 | 一种基于关节能耗评估的机器人工作单元布局优化方法 |
CN110646180B (zh) * | 2019-08-27 | 2021-03-02 | 杭州电子科技大学 | 一种水平式软体节肢机器人关节测试装置及其测试方法 |
CN113021334B (zh) * | 2019-12-25 | 2022-09-30 | 广东省智能制造研究所 | 一种能量最优的机器人控制方法 |
CN111185909B (zh) * | 2020-01-14 | 2022-03-18 | 深圳众为兴技术股份有限公司 | 机器人运行工况获取方法、装置、机器人及存储介质 |
CN111702758A (zh) * | 2020-06-09 | 2020-09-25 | 珠海格力智能装备有限公司 | 一种码垛机器人 |
CN111966040B (zh) * | 2020-08-11 | 2021-12-17 | 南京晨光集团有限责任公司 | 一种机器人拾放任务中用于平衡冲击动载的轨迹生成方法 |
CN112222703B (zh) * | 2020-09-30 | 2022-11-04 | 上海船舶工艺研究所(中国船舶集团有限公司第十一研究所) | 一种焊接机器人能耗最优轨迹规划方法 |
CN112757275B (zh) * | 2020-12-30 | 2022-02-25 | 中国科学院自动化研究所 | 基于速度精度权衡的肌肉骨骼系统控制方法、系统和装置 |
CN113043277B (zh) * | 2021-04-01 | 2022-06-07 | 中联重科股份有限公司 | 多关节机构轨迹规划方法、装置、电子设备及存储介质 |
CN113172621B (zh) * | 2021-04-13 | 2023-05-09 | 哈尔滨工业大学(威海) | 一种面向scara机械臂的动力学参数辨识方法 |
CN113435025B (zh) * | 2021-06-22 | 2023-04-07 | 同济大学 | 一种结合多级优化模型的机器人高性能轨迹自动生成方法 |
CN115229780B (zh) * | 2021-10-18 | 2023-04-11 | 达闼机器人股份有限公司 | 机械臂运动路径规划方法及装置 |
CN114609929B (zh) * | 2022-03-08 | 2023-10-31 | 南京理工大学 | 一种三铰点多级液压快速起竖恒功率轨迹规划方法 |
CN114326588B (zh) * | 2022-03-14 | 2022-05-20 | 深圳市山龙智控有限公司 | 一种伺服驱动系统的效率优化控制方法、系统及存储介质 |
CN114706429B (zh) * | 2022-03-15 | 2023-07-28 | 南京理工大学 | 一种多连杆起竖系统快速起竖恒功率轨迹规划方法 |
CN117681213B (zh) * | 2024-02-04 | 2024-05-31 | 之江实验室 | 一种工业机器人运动轨迹规划及评价方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102785248B (zh) * | 2012-07-23 | 2015-03-04 | 华中科技大学 | 一种解耦型六自由度工业机器人的运动控制方法 |
CN106313047B (zh) * | 2016-09-28 | 2018-08-21 | 华中科技大学 | 一种基于Bezier样条的机器人实时拐角过渡方法 |
-
2017
- 2017-06-22 CN CN201710481048.2A patent/CN107199569B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107199569A (zh) | 2017-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107199569B (zh) | 一种基于关节能量均衡分配的关节机器人轨迹规划方法 | |
CN106647282B (zh) | 一种考虑末端运动误差的六自由度机器人轨迹规划方法 | |
CN108227492B (zh) | 一种六自由度串联机器人末端负载动力学参数的辨识方法 | |
CN110561438B (zh) | 基于动力学参数辨识的工业机器人力/位柔顺控制方法 | |
CN110989626B (zh) | 一种基于控制参数化的无人机路径规划方法 | |
CN109159127A (zh) | 一种基于蚁群算法的双焊接机器人智能路径规划方法 | |
CN110543727B (zh) | 一种基于改进粒子群算法的全向移动智能轮椅机器人参数辨识方法 | |
CN109676610B (zh) | 一种断路器装配机器人及其实现工作轨迹优化的方法 | |
CN108563897B (zh) | 一种基于极值搜索算法的四旋翼无人机参数辨识方法 | |
CN112380616B (zh) | 高复杂易形变航天舱段高精度数字孪生对接装配方法 | |
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 | |
Wenna et al. | A digital twin for 3D path planning of large-span curved-arm gantry robot | |
CN109471361A (zh) | 一种异构多机器人系统的多目标跟踪控制方法 | |
CN109262612B (zh) | 一种基于改进粒子群算法的欠驱动机械臂关节角寻优方法 | |
Shi et al. | Research on path planning method of forging handling robot based on combined strategy | |
CN113043278B (zh) | 一种基于改进型鲸鱼搜索方法的机械臂轨迹规划方法 | |
CN116352697A (zh) | 基于改进多目标pso算法的机械臂轨迹优化获取方法 | |
CN112990549B (zh) | 一种空间非合作目标抵近绕飞观测轨迹优化方法 | |
CN116945177A (zh) | 上甑机器人补料路径规划方法、装置、电子设备及介质 | |
CN113721626A (zh) | 一种制动盘补偿累计误差的机器人轨迹规划方法 | |
CN112016162A (zh) | 一种四旋翼无人机pid控制器参数优化方法 | |
Zhuang et al. | Obstacle avoidance path planning for apple picking robotic arm incorporating artificial potential field and a* algorithm | |
CN112507480A (zh) | 一种惯性参数辨识方法 | |
CN112306097A (zh) | 一种新型无人机路径规划方法 | |
CN114840947A (zh) | 一种带约束的三自由度机械臂动力学模型 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |