CN108098799A - 机器人控制设备、机器人控制方法和拾取设备 - Google Patents
机器人控制设备、机器人控制方法和拾取设备 Download PDFInfo
- Publication number
- CN108098799A CN108098799A CN201710748847.1A CN201710748847A CN108098799A CN 108098799 A CN108098799 A CN 108098799A CN 201710748847 A CN201710748847 A CN 201710748847A CN 108098799 A CN108098799 A CN 108098799A
- Authority
- CN
- China
- Prior art keywords
- connecting rod
- motor
- estimate
- external force
- robert controller
- 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.)
- Withdrawn
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J13/00—Controls for manipulators
-
- 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
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
-
- 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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- 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
- B25J9/1638—Programme controls characterised by the control loop compensation for arm bending/inertia, pay load weight/inertia
-
- 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
- B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
- B25J9/1676—Avoiding collision or forbidden zones
-
- 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
- G05B2219/39186—Flexible joint
-
- 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
- G05B2219/39353—Joint space observer
-
- 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
- G05B2219/39355—Observer, disturbance observer
-
- 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
- G05B2219/41374—Observe position and driving signal, predict, estimate disturbance signal
-
- 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
- G05B2219/41387—Observe reference torque, position and feedback position, estimate contact force
Abstract
本发明涉及机器人控制设备、机器人控制方法和拾取设备。根据一个实施例,一种机器人控制设备用于包括连杆和用于旋转地驱动连杆的电机的机械臂。机器人控制设备包括推导部。推导部基于电机的角速度和电流参考值,推导出包括连杆的旋转角度的变化的第一估计值和包括电机的旋转角度的变化的第二估计值。此外,推导部基于第一估计值和第二估计值之间的差,推导出对机械臂生成的外力。
Description
相关申请的交叉引用
本申请基于并要求于2016年11月25日提交的日本专利申请No.2016-229327的优先权;其全部内容以引用的方式并入本文。
技术领域
本文所描述的实施例总体上涉及机器人控制设备、机器人控制方法和拾取设备。
背景技术
在使用机械臂的自动化线中,工人执行称为“教学”的工作,以预先存储臂的末端的位置数据。教学需要时间和劳动,工人的负担很大。因此,工人需要无教学化。为了执行无教学化,机器人同时使用视觉传感器和力传感器。然而,视觉传感器在深度方向上具有误差,并且具有高精度的视觉传感器需要高成本。此外,在使用安装在机械臂的末端的力传感器的情况下,可以从通过触碰操作(末端与工作对象轻微接触)获取的接触信息来测量深度方向。但是,力传感器价格昂贵且容易破损。代替力传感器,即使附接了检测接触力的机构,这也成为高成本的因素。
因此,在没有附加的传感器等的情况下,基于驱动机械臂的每个接头的电机的编码器值,请求在臂的末端处出现的外力的估计。
发明内容
实施例提供一种能够高精度地估计加到机械臂末端的外力的机器人控制设备、机器人控制方法以及拾取设备。
根据一个实施例,机器人控制设备用于包括连杆和用于旋转地驱动连杆的电机的机械臂。机器人控制设备包括推导部。推导部基于电机的角速度和电流参考值,推导出包括连杆的旋转角度的变化的第一估计值和包括电机的旋转角度的变化的第二估计值。此外,推导部基于第一估计值和第二估计值之间的差,推导出对机械臂生成的外力。
附图说明
图1是作为根据第一实施例的机器人控制设备的控制目标的双连杆机械臂的截面图的一个示例。
图2是机械臂的1-连杆的示意图。
图3是示出机械臂的每个轴的位置及其速度控制器的框图。
图4是使用扭转加速度的机器人控制设备的框图。
图5是根据第一实施例的机器人控制设备的观测器部的框图。
图6是基于图5所示的观测器部来估计臂末端的扭转加速度的观测器部的框图。
图7A和7B是示出由根据第一实施例的机器人控制设备估计的臂末端的扭转加速度的估计值的曲线图。
图8是根据第二实施例的机器人控制设备的观测器部的框图。
图9是示出由根据第二实施例的机器人控制设备估计的臂末端的扭转速度的估计值的曲线图。
图10是根据第三实施例的机器人控制设备的观测器部的框图。
图11是示出由根据第三实施例的机器人控制设备估计的PI控制输出值的曲线图。
图12A和12B是示出包括根据第一、第二和第三实施例的机器人控制设备的拾取设备的一个示例的侧视图和正视图。
图13是示出面向放置物体G的货架的拾取设备的示意图。
具体实施方式
在下文中,参考附图来描述根据实施例的机器人控制设备。具有相同的附图标记表示相同的部件。顺便提及,附图是示意性或概念性的,各部件的厚度和宽度之间的关系、部件之间的尺寸比等不一定与实际相同。此外,即使相同的部件也可以在附图中以不同的尺寸或尺寸比示出。
(第一实施例)
将参考图1来解释第一实施例。图1是作为根据第一实施例的机器人控制设备的控制目标的双连杆机械臂的截面图的一个示例。
对于该机械臂,第一连杆3的一端安装到底座1的上部。第一连杆3的另一端安装到第二连杆8。
底座1包括第一电机4、第一减速齿轮5和第一编码器6。第一连杆3包括第二电机9、第二减速齿轮10和第二编码器11。第二连杆8的末端包括有效载荷12。通过第二连杆8的末端处的有效载荷12,机械臂接触工作对象(作业)。
在机器人控制设备13中,通过第一电机4、第一编码器6和第一减速齿轮5(具有弹簧特性)的组合,第一连杆3围绕作为中心的第一轴2平面地转动。优选地,第一电机4、第一编码器6和第一减速齿轮5以第一轴2为中心同轴定位。此外,在机器人控制设备13中,通过第二电机9、第二编码器11和第二减速齿轮10(具有弹簧特性)的组合,第二连杆8围绕作为中心的第二轴7(用于第一连杆3)平面地转动。优选地,第二电机4、第二编码器11和第二减速齿轮10以第二轴7为中心同轴定位。
底座1围绕第一轴2旋转地支撑第一连杆3。此外,底座1是金属外壳,并且防止外部冲击的施加。基体1不限于金属,也可以是树脂。
第一连杆3的一端连接到底座1中的第一减速齿轮5。第二电机9、第二减速齿轮10和第二编码器11位于第一连杆3的另一端。第二连杆8(可围绕第二轴7旋转)的一端连接到第二减速齿轮10。第一连杆3和第二连杆8是机器人的臂部。
第一减速齿轮5和第二减速齿轮10分别位于第一电机4和第二电机9处,减小其旋转速度,并且确定第一连杆3和第二连杆8的旋转速度。减速比通过电机的转数等适当地进行调整。
第一编码器6和第二编码器11分别位于第一电机4和第二电机9处,执行对电机的旋转角度的感测,并将旋转角度输出到机器人控制设备13。第一编码器6和第二编码器11可以是用于位置检测的传感器或换能器。
有效载荷12是与工作对象接触的第二连杆8的末端。有效载荷12是第二连杆8的一部分,优选地具有容易与工作对象接触的形状。例如,可以在有效载荷12上形成突起。有效载荷12的位置不限于第二连杆8的末端,而可以是第二连杆8的侧面。
图2是机械臂的1-连杆的示意图。这被称为二-惯性系统。该机械臂由非线性动力学模型表示为具有弹性接头的串联2-连杆臂。在图2中,关于物理参数、转动惯量、摩擦系数和弹簧系数(导出1-连杆非线性动力学模型所必需的),显示了第一轴代表它们。如图2所示,连杆30经由减速齿轮25由电机20驱动控制。对于第一轴,电机20的转矩输入为u1,电机20的转动惯量为mM1,电机20的旋转角度(即由编码器检测到的输出)为θM1,电机20的粘度摩擦系数为dM1,电机20的库仑摩擦系数为fM1,减速齿轮25的阻尼系数为dG1,减速齿轮25的弹簧系数为kG1,连杆30的转动惯量为mL1,连杆30的粘度摩擦系数为dL1,连杆30的旋转角度为θL1。
对于第二轴(图中未示出),电机20的转矩输入为u2,电机20的转动惯量为mM2,电机20的旋转角度(即由编码器检测到的输出)为θM2,电机20的粘度摩擦系数为dM2,电机20的库仑摩擦系数为fM2,减速齿轮25的阻尼系数为dG2,减速齿轮25的弹簧系数为kG2,连杆30的转动惯量为mL2,连杆30的粘度摩擦系数为dL2,连杆30的旋转角度为θL2。
结果,在2-连杆臂非线性动力学模型中,作为二维向量,电机20的转矩输入为u,电机20的转动惯量为mM,电机20的旋转角度(即由编码器检测到的输出)为θM,电机20的粘度摩擦系数为dM,电机20的库仑摩擦系数为fM,减速齿轮25的阻尼系数为dG,减速齿轮25的弹簧系数为kG,连杆30的转动惯量为mL,连杆30的粘度摩擦系数为dL,连杆30的旋转角度为θL。
在具有弹性接头的串联2-连杆臂非线性动力学模型中,将电机侧表示为方程(1),将连杆侧表示为方程(2)。
θM=[θM1,θM2]T:电机的旋转角度(1,2:轴编号)
θL=[θL1,θL2]T:连杆的旋转角度
a=[a1,a2]T:连杆的平移加速度
ML(θL)∈R2×2:连杆的惯性矩阵
离心力·科里奥利力向量
MM=diag(mM1,mM2):减速齿轮的电机侧惯性
DM=diag(dM1,dM2):电机轴的粘度摩擦系数
DL=diag(dL1,dL2):连杆轴的粘度摩擦系数
KG=diag(kG1,kG2):减速齿轮的弹簧系数
DG=diag(dG1,dG2):减速齿轮的阻尼系数
NG=diag(nG1,nG2):减速比(nG1,nG2≤1)
fM=[fM1,fM2]T:电机轴的库伦摩擦系数
E=diag(e1,e2):转矩/电压(电流参考值)常数
u=[u1,u2]T:输入电压(给电机电流控制器的参考值)
此处,假设由连杆的长度、质心、质量和转动惯量组成的参数为α、β、γ。将连杆的惯性矩阵表示为方程(3)。
此外,将参数α、β、γ的细节表示为方程(4)。
li:每个连杆的长度(i:轴编号)
mi:每个连杆的质量
lgi:每个连杆的质心(连杆沿纵向两侧对称)
Izi:围绕每个连杆的质心的转动惯量
将离心力和科里奥利力向量表示为方程(5)。
对于电机角速度控制器,将PI(比例、积分)控制视为FF-I-P(前馈-积分-比例)控制,并且表示为两自由度PI速度控制器的方程(6)。
电机角速度的目标值(i:轴编号)
电机角速度
电机角速度的目标值的前馈控制增益
电机角速度的误差积分的前馈控制增益
电机角速度的比例的前馈控制增益
ui:输入电压(给电机电流控制器的参考值)
图3是示出机械臂的每个轴的位置及其速度控制器的框图。如图3所示,两自由度PI速度控制器由在位置控制器(P控制)内部级联的控制器构成。此外,在图3中,示出了与第一轴相关的两自由度PI速度控制器。
在下文中,集中在除位置控制器之外的电机的角速度控制器。假设控制周期足够短。结果,电机的角速度控制器将被解释为连续系统。
首先,通过常规方法来识别方程(1)的物理参数。接下来,将所识别的物理参数代入表示速度反馈控制规则的方程(1)和方程(6)。结果,建立了2-连杆机械臂的速度控制器的仿真模型。
在第一实施例中,通过使用该仿真模型,观测器部(称为“计算部”或“推导部”)估计机械臂的末端的扭转加速度。
图4是机器人控制设备13的框图。机器人控制设备13包括观测器部131(基于具有受控PI速度的动力学模型)、阈值指示部132、外力判定部133、接触位置存储器134和反向轨迹生成部135。
观测器部131接受第一电机4和第二电机9的转矩输入(电流参考值)和来自第一编码器6和第二编码器11的编码器值。通过使用2-连杆臂非线性动力学模型,观测器部131计算扭转加速度的估计值。
在阈值指示部132中,指示了加在臂末端上的外力的阈值(预先由工人(使用者)指示)。阈值指示部132(被称为“指示部”)配备了输入设备(图中未示出),工人可以使用输入设备进行指示。此外,可以通过考虑臂的刚度来设置预定值。作为输入设备,可以使用计算机或便携式终端。此处,外力是来自外部的在连杆处出现的加速度。外力包括除加速度以外的速度和外部扰动转矩。
外力判定部133(被称为“判定部”)将阈值(由阈值指示部132指示)与臂末端的扭转加速度(由观测器部131推导)进行比较。如果扭转加速度大于(或等于)阈值,则观测器部131判定存在来自外部的外力。如果扭转加速度小于阈值,则观测器部131判定不存在来自外部的外力。作为判定,如果扭转加速度大于阈值,则观测器部131可以判定存在来自外部的外力。如果扭转加速度小于(或等于)阈值,则观测器部131可以判定不存在来自外部的外力。来自外部的外力是通过触碰操作在第二连杆8的有效载荷12(机械臂的末端)处出现的外力。
当扭转加速度大于(或等于)阈值时(作为外力判定部133的比较结果),接触位置存储器134(称为“储存器”)存储每个轴的电机的编码器值。编码器值例如为电机的旋转角度、旋转数量、电机的速度、电机的负载等的值。例如,作为接触位置存储器134,可以使用诸如磁带或盒式磁带的带系统,诸如磁盘(软盘(注册商标)/硬盘)或光盘(CD-ROM/MO/MD/DVD/CD-R)的盘系统,诸如IC卡(包括存储卡)或光卡的卡系统,以及诸如掩模ROM/EPROM/EEPROM/闪存ROM的半导体存储器系统。
反向轨迹生成部135(被称为“生成部”)生成沿着与工作对象相反的方向移动臂的轨迹,以便抑制由由于触碰操作而发生的外力引起的冲击。通过该操作,将臂停止在离工作对象的表面一定距离处。
由计算机的CPU(中央处理单元)执行观测器部件131、外力判定部133和反向轨迹生成部件135进行的计算。
接下来,将详细解释第一实施例的观测器部。
图5是根据第一实施例的观测器部的框图。如图5所示,观测器部131配备了第一轴的PI控制器1311、第二轴的PI控制器1312、2-连杆臂非线性动力学模型1313、积分器和用以对非线性动力学模型1313进行积分。
PI控制器1311基于驱动第一轴的电机的速度dθM1/dt与驱动第一轴的电机的旋转速度的估计值之间的误差执行PI控制。PI控制器1312基于驱动第二轴的电机的速度dθM2/dt与驱动第二轴的电机的旋转速度的估计值之间的误差执行PI控制。基于第一输入τ1(PI控制器1311的输出与第一轴的操作量u1的和)和第二输入τ2(PI控制器1312的输出与第二轴的操作量u2的和),2-连杆臂非线性动力学模型1313估计第一连杆和第二连杆的角加速度,估计分别驱动第一连杆和第二连杆的两个电机的角加速度,并输出角加速度的相应估计值。积分器1314a对第一连杆的角加速度的估计值(从非线性动力学模型1313输出的)进行积分,并输出角速度的估计值。积分器1314b对来自积分器1314a的输出值进行积分,并输出第一连杆的旋转角度的估计值。积分器1314c对驱动第一连杆的电机的角加速度的估计值(从非线性动力学模型1313输出的)进行积分,并输出电机的角速度的估计值。积分器1314d对来自积分器1314c的输出值进行积分,并输出驱动第一连杆的电机的旋转角度的估计值。
积分器1315a对第二连杆的角加速度的估计值(从非线性动力学模型1313输出的)进行积分,并输出角速度的估计值。积分器1315b对来自积分器1315a的输出值进行积分,输出第二连杆的旋转角度的估计值。积分器1315c对驱动第二连杆的电机的角加速度的估计值(从非线性动力学模型1313输出的)进行积分,并输出电机的角速度的估计值。积分器1315d对来自积分器1315c的输出值进行积分,并输出驱动第二连杆的电机的旋转角度的估计值。
第一连杆和第二连杆的角加速度的估计值、第一连杆和第二连杆的角速度的估计值、驱动第一连杆和第二连杆的电机的角速度的估计值以及电机的旋转角度的估计值分别从观测器部1312输出。
换言之,机械臂的非线性动力学模型1313构建在图5所示的观测器部131中。作为PI控制器1311和1312的观测器增益,如在仿真模型中那样地使用机械臂的每个轴的现有速度控制器的PI控制增益。即,不存在定期调整观测器增益的工程成本。这是通过准确识别物理参数来实现的。
将基于非线性动力学模型的PI控制型观测器表示为二阶微分形式,例如从方程(1)变换得到的方程(7)。在方程(7)中,^表示估计值。
到观测器的电机的角速度的输入
u=[u1,u2]T:到观测器的输入(电机的电流参考值)
KPV=diag(kPV1,kPV2):速度误差比例控制增益
KIV=diag(kIV1,kIV2):速度误差积分控制增益
τ=[τ1,τ2]T:观测器内部的输入(电机的电流参考值)
以这种方式,电机的角速度(编码器差)和到电机驱动器的输入电压(电流参考值)被输入到观测器部131。此处,将PI控制器1311和1312的观测器增益选择为与实际机器的速度环路的FF-I-P控制(两自由度PI控制)的PI增益相同的PI增益。在这种情况下,最好是考虑观测器的跟随性能的仅一个自由度。因此,将观测器增益设定为诸如“FF=P”的PI控制。该系统是具有恒定增益的一类非线性观测器。
结果,根据每个连杆的角加速度的估计值与电机的角加速度的估计值之间的差异,将扭转角加速度的估计值表示为方程(8)。
此处,假设机械臂的每个连杆的长度为l1和l2,并且臂的末端的坐标为P(x,y)。以方程(9)来计算该坐标。
通过对方程(9)的两侧求微分,通过使用雅可比矩阵J(θL)获得方程(10)。
通过使用方程(10),作为臂的末端的扭转角速度和扭转速度之间的关系,获得方程(11)。
此外,通过对方程(11)的两侧求微分,作为臂的末端的扭转角加速度和扭转加速度之间的关系,获得方程(12)。
然而,假设臂(在第一实施例中假设)的移动速度小,并且微分处理中出现的dJ(θL)/dt小到可忽略不计。此外,扭转角是微小的。因此,通过将J(θL)定义为“J(θL)=J(nGθM)”,可以从电机的可测量速度推导出扭转角。
图6是基于图5所示的观测器部来估计臂末端的扭转加速度的观测器部的框图。通过使用图6的观测器部,推导出扭转角加速度。通过使用方程(12)进行坐标变换,可以计算臂末端的扭转加速度。
详细地,如图6所示,基于第一连杆3的角加速度的估计值、位于第一连杆3和第一电机4(驱动第一连杆3)之间的第一减速齿轮5的减速比nG1和第一电机4的角加速度的估计值,计算并输出第一轴的扭转角加速度的估计值(基于方程(8))。以相同的方式,基于第二连杆8的角加速度的估计值、位于第二连杆8和第二电机9(驱动第二连杆8)之间的第二减速齿轮10的减速比nG2和第二电机9的角加速度的估计值,计算并输出第二轴的扭转角加速度的估计值(基于方程(8))。通过利用方程(12)对第一轴和第二轴的扭转角加速度的相应估计值执行坐标变换,计算臂末端的扭转加速度。
此外,通过使用当外力判定部133判定存在外力时的第一编码器6和第二编码器11的值,以及每个连杆的长度(存储在接触位置存储器134中),从方程(9)推导出工作对象的坐标P(x,y)。坐标P(x,y)可以由反向轨迹生成部135或观测器部131推导出。
接下来,将使用第一实施例的机器人控制设备的情况下的臂的扭转加速度的估计值与由力传感器测量的臂末端的接触力进行比较。
图7A和7B是示出在触碰操作的情况下的时间响应波形的曲线图。图7A示出了由附接在臂末端处的力传感器测量的接触力(由触碰操作引起的)的波形。图7B示出了由第一实施例的机器人控制设备估计的臂末端(正执行触碰操作时)的扭转加速度的波形。
通过将图7A与图7B进行比较,臂末端的估计扭转加速度以高精度表示臂末端的触碰(接触)的力矩。
通过使用第一实施例的机器人控制设备,即使没有特别安装力传感器(等),也可以以高精度估计加到臂上的外力。
此外,通过使用第一实施例的机器人控制设备,不需要特别安装力传感器(等)。因此,实现了成本降低和空间节省。
(第二实施例)
将参考图8来解释第二实施例。图8示出了根据第二实施例的机器人控制设备的观测器部的一个示例。
在第二实施例的观测器部中,代替扭转加速度的估计值,输出扭转速度的估计值,这与第一实施例的机器人控制设备不同。其他部件与第一实施例的机器人控制设备的那些部件相同。
如图8所示,根据每个连杆的角速度的估计值与每个电机的角速度的估计值之间的差来计算用于导出扭转速度的估计值的扭转角速度的估计值。
详细地,在该观测器131中,基于第一连杆3的角速度的估计值、位于第一连杆3与第一电机4(驱动第一连杆3)之间的第一减速齿轮5的减速比nG1和第一电机4的角速度的估计值,计算并输出第一轴的扭转角速度的估计值。以相同的方式,基于第二连杆8的角速度的估计值、位于第二连杆8和第二电机9(驱动第二连杆8)之间的第二减速齿轮10的减速比nG2和第二电机9的角速度的估计值,计算并输出第二轴的扭转角速度的估计值。通过利用方程(11)对第一轴和第二轴的扭转角速度的相应估计值执行坐标变换,计算出臂末端的扭转速度的估计值。
图9示出了由根据第二实施例的机器人控制设备估计的臂末端的扭转速度的估计值的波形。与图9相比,图7B所示的(扭转加速度的估计值的)波形与图7A所示的(由力传感器测量的)波形具有更高的相似度。然而,图9所示的扭转速度的波形比图7B所示的波形具有更高的稳定性。因此,对于扭转速度来说,易于指示阈值。通过结合扭转加速度和扭转速度,可以以高精度判定外力。
(第三实施例)
将参考图10来解释第三实施例。图10示出了根据第三实施例的机器人控制设备的观测器部的一个示例。
在第三实施例的观测器部中,代替扭转加速度的估计值,输出PI控制输出值,这与第一实施例的机器人控制设备不同。其他部件与第一实施例的机器人控制设备的那些部件相同。
如图10所示,使用分别从PI控制器1311和1312输出的Δu1和Δu2。PI控制输出值包括观测器部的估计误差和外部扰动转矩。因此,通过设定该阈值,能够仅提取外部扰动转矩。
图11示出了在执行触碰操作时估计的PI控制输出值的波形。
在图11中,峰值位置表示连杆接触工作对象的接触点。图11所示的波形中的噪声电平相对较大。因此,指示阈值稍有困难。然而,可以执行观测器部的反馈。结果,与使用非线性动力学模型作为闭环的情况相比,阈值可以是更小的值。
(第四实施例)
将参考图12和13来解释第四实施例。图12A和12B是示出包括根据第一、第二和第三实施例的机器人控制设备13的拾取设备100的一个示例的侧视图和正视图。图13是示出面向放置物体G的货架的拾取设备100的示意图。
此处,为了简化说明,将定义+X方向、-X方向、+Y方向、-Y方向、+Z方向和-Z方向。例如,+X方向、-X方向、+Y方向和-Y方向是大致平行于水平面的方向。-X方向是与+X方向相反的方向。在第四实施例中,-X方向是拉动拾取设备100附近的物体G的方向。如图13所示,拉动拾取设备100附近的物体G的方向是从货架110到拾取设备100的方向。+Y方向是与+X方向交叉的方向(例如,大致垂直方向)。-Y方向是与+Y方向相反的方向。+Z方向是与+X方向和+Y方向交叉的方向(例如,大致垂直方向),即大致垂直向上的方向。-Z方向是与+Z方向相反的方向,例如大致垂直向下的方向。
如图13所示,例如,拾取设备100移动以面对位于地板上的货架110,并且拾取放置在货架110上的物体G。货架110包括在其一侧的空间使得拾取设备100可以从横向(+X方向、-X方向、+Y方向、-Y方向)识别物体G并拾取它们。物体G包括放入瓦楞纸箱中的产品、包装产品及其单项产品。
如图12A和12B所示,拾取设备100包括滑架120,用于保持物体G的保持机构(holding mechanism)170,用于移动保持机构170的移动机构140以及用于放置由保持机构170保持的物体的货物台。
滑架120包括底座121,移动机构140和货物台150放置在底座121上。例如,底座121配备了四个轮子122。通过轮子122的旋转,滑架120在货架110所在的地板上移动。移动的装置不限于轮子。它可以是履带车,或者可以沿着预先安装在仓库中的轨道移动。
滑架120是AGV(自动引导车辆),并且配备了控制器来控制轮子122的驱动。控制器配备了位置传感器(例如惯性传感器)和图像传感器,并且通过这些传感器测量滑架120在行进路径上的位置。控制器存储在工厂或仓库中的货架位置和行进路径的布局信息,并且从滑架120的位置(由布局信息和传感器获取)沿着目标路径行进。当货架位置或行进路径的布局改变时,更新存储在控制器中的布局信息。在上述说明中,滑架120通过惯性传感器等检测其位置(即,无引导方法)。然而,用于检测滑架120的位置的方法不限于无引导方法。例如,可以使用用于通过设置在工厂或仓库的地板上的感应线或磁带来检测行进路径的引导方法。
保持机构170配备有臂171、旋转轴172、保持部173和接头部174。旋转轴172位于臂171的一端,并且使臂171旋转。保持部173位于臂171的另一端并保持物体G。接头部174位于臂171和保持部173之间。
臂171使得保持部173更靠近物体G。例如,臂171由铝合金、塑料材料等形成。可以使用具有高刚度的任何材料作为臂171。臂171可以具有多接头的部件。
旋转轴172由电机、减速齿轮、轴承和编码器组成。电机、减速齿轮和轴承同轴定位。编码器检测电机的旋转角度、旋转数量、电机的速度、电机的负载等。
保持部173保持物体G。保持部173包括连接到真空泵(图中未示出)的多个吸盘(图中未示出)。通过将吸盘与物体G接触,并且通过借助真空泵减小物体G与吸盘之间的压力,保持部173保持物体G被吸住。保持部133用于保持的方法不限于通过吸盘吸住的情况。该方法可以通过用多个夹具夹紧来保持。真空泵可以安装在滑架120中。
接头部174包括接头1741和接头1742。接头1741围绕具有作为臂171的纵向的轴的扭转方向旋转保持部173。接头1742围绕具有垂直于臂171的纵向的方向的轴旋转保持部173。在接头1741和接头1742处,分别安装伺服电机,并沿着预定方向驱动保持部。如上所述,接头部174包括两个接头。然而,接头部174不限于该部件。例如,可以使用球窝接头等。在第一、第二和第三实施例的机器人控制设备中,假设有2-连杆臂(两轴臂)。因此,如果使用第一、第二和第三实施例的机器人控制设备来估计在臂上出现的外力或物体G的位置信息,则不驱动围绕扭转方向旋转的接头1741。
接下来,将解释移动机构140。
移动机构140包括第一移动部141、第二移动部142和第三移动部143,它是使保持机构170沿着三个轴方向移动的直线运动机构。具体地,保持机构170的旋转轴172安装到第一移动部141。第一移动部141沿着+X方向或-X方向移动旋转轴172。X方向是使保持机构170更靠近货架或更远离货架的方向。第二移动部142垂直地安装到滑架120的底座121上,并且几乎垂直地连接到第一移动部141。第二移动部142沿着+Z方向或-Z方向移动第一移动部141。即,第二移动部142沿着+Z方向或-Z方向移动保持机构170。第三移动部143水平地安装在底座121的顶面上。第三移动部143几乎垂直地连接到第二移动部142。从另一视点来看,第三移动部143几乎垂直于第一移动部141。第三移动部143沿着+Y方向或-Y方向移动第二移动部142。即,第三移动部143沿着+Y方向或-Y方向移动保持机构170。当拾取设备100拾取物体G时,Y方向是与货架平行的方向。
第一移动部141、第二移动部142和第三移动部143分别与三个轴方向(移动方向)平行地设置并且移动以便沿着各自方向滑动。
例如,作为移动机构140,可以使用安装有步进电机的电动滑块的直线运动机构。此外,代替电动滑块可以使用电动缸(electric cylinder)。
在移动机构140中,安装了识别部160。识别部160识别到货架110的距离,到物体G(放置在货架110上)的距离,物体G的形状和放置状态。识别部160位于第一移动部141的末端。
作为识别部160,可以利用距离图像传感器或能够测量三维位置的相机(例如红外点图案投影相机)。红外点图案投影相机将红外点图案投影到目标物体上,并且在这种情况下对放置在货架110上的物体G的红外图像进行成像。通过分析红外图像,可以获取物体G的三维信息。
货物台150是用于传送由保持机构170保持的物体G的部分。货物台150位于滑架120的底座上。货物台150包括转移部151和第四移动部152。转移部151由容器、盒、篮、板状台等组成。第四移动部152几乎垂直地设置于滑架120的底座121上,并且可以沿着+Z方向或-Z方向移动转移部151。作为第四移动部152,例如可以使用安装有步进电机的电动滑块的直线运动机构。此外,代替电动滑块可以使用电动缸。当臂171被驱动时,货物台150沿着+Z方向或-Z方向移动,以便不接触臂171。
第一、第二和第三实施例的机器人控制设备13内置在滑架120的控制器中。机器人控制设备13获取位于保持机构170的旋转轴172和接头部174处的电机的电流参考值和编码器值(诸如电机角速度)。然后,基于电流参考值和角速度信息,机器人控制设备13估计在保持部173处出现的外力。观测器部171用于估计外力的方法和阈值指示部172用于指示阈值的方法与第一、第二和第三实施例的机器人控制设备的那些相同。
在第四实施例的拾取设备100中,通过将保持部173触碰货架110或放置在其上的物体G,可以正确地获取(识别部160不能正确识别的)货架110和物体G的位置信息。
此外,通过使用机器人控制设备13将识别部160与保持部173的触碰操作组合,可以准确地执行对象G的保持。
此外,通过利用机器人控制设备13校准货架110或物体G的位置信息,可以获取正确的位置信息而不需要多个识别部160。
此外,将连杆的角速度和速度(由第一、第二和第三实施例的机器人控制设备估计的)称为“第一估计值”。将电机的角速度和速度称为“第二估计值”。
虽然已经描述了某些实施例,但是这些实施例仅通过示例的方式呈现,而并非旨在限制本发明的范围。实际上,本文描述的新颖实施例可以以各种其他形式来体现;此外,在不脱离本发明的精神的情况下,可以对本文所述实施例的形式进行各种省略、替换和改变。所附权利要求及其等同变换旨在涵盖落入本发明的范围和精神内的这些形式或修改。
Claims (11)
1.一种用于机械臂的机器人控制设备,所述机械臂包括连杆和用于旋转地驱动所述连杆的电机,
所述机器人控制设备包括:
推导部,所述推导部基于所述电机的角速度和电流参考值,推导出包括所述连杆的旋转角度的变化的第一估计值和包括所述电机的旋转角度的变化的第二估计值,并且基于所述第一估计值和所述第二估计值之间的差,推导出对所述机械臂生成的外力。
2.根据权利要求1所述的机器人控制设备,还包括:
指示部,所述指示部指示阈值;以及
判定部,所述判定部基于所述阈值和所述外力判定所述外力的存在或不存在,
其中,如果所述外力大于所述阈值,则所述判定部判定存在所述外力,并且如果所述外力小于所述阈值,则判定不存在所述外力。
3.根据权利要求2所述的机器人控制设备,还包括:
储存器,当所述判定部判定存在所述外力时,所述储存器存储所述电机的旋转角度。
4.根据权利要求2所述的机器人控制设备,还包括:
生成部,当所述判定部判定存在所述外力时,所述生成部生成所述连杆的操作以减轻所述外力。
5.根据权利要求4所述的机器人控制设备,其中,
所述生成部基于存储在所述储存器中的所述连杆的长度和所述电机的旋转角度,推导出对其生成外力的所述连杆的位置信息。
6.根据权利要求1所述的机器人控制设备,其中,
所述推导部对所述差执行坐标变换。
7.根据权利要求1所述的机器人控制设备,其中,
所述第一估计值和所述第二估计值分别是所述连杆的角加速度和所述电机的角加速度,并且
所述外力是从外部对所述连杆生成的加速度。
8.根据权利要求1所述的机器人控制设备,其中,
所述第一估计值和所述第二估计值分别是所述连杆的角速度和所述电机的角速度,并且
所述外力是从外部对所述连杆生成的速度。
9.一种用于机械臂的机器人控制设备,所述机械臂包括连杆和用于旋转地驱动所述连杆的电机,
所述机器人控制设备包括:
推导部,所述推导部基于所述电机的角速度和电流参考值推导出所述连杆和所述电机的PI控制输出值,并且基于所述PI控制输出值推导出对机械臂生成的外部扰动转矩。
10.一种用于控制机器人控制设备的方法,所述机器人控制设备用于机械臂,所述机械臂包括连杆和用于旋转地驱动所述连杆的电机,
所述方法包括:
基于所述电机的角速度和电流参考值,推导出包括所述连杆的旋转角度的变化的第一估计值和包括所述电机的旋转角度的变化的第二估计值;以及
基于所述第一估计值和所述第二估计值之间的差,推导出对所述机械臂生成的外力。
11.一种拾取设备,包括:
根据权利要求1所述的机器人控制设备;以及
保持机构和移动机构中的至少一个。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016229327A JP6895242B2 (ja) | 2016-11-25 | 2016-11-25 | ロボット制御装置、ロボット制御方法及びピッキング装置 |
JP2016-229327 | 2016-11-25 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108098799A true CN108098799A (zh) | 2018-06-01 |
Family
ID=62192999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710748847.1A Withdrawn CN108098799A (zh) | 2016-11-25 | 2017-08-28 | 机器人控制设备、机器人控制方法和拾取设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10434647B2 (zh) |
JP (1) | JP6895242B2 (zh) |
CN (1) | CN108098799A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109571475A (zh) * | 2018-12-06 | 2019-04-05 | 中国科学院长春光学精密机械与物理研究所 | 一种力触觉控制系统及机器人 |
WO2020103297A1 (zh) * | 2018-11-19 | 2020-05-28 | 炬星科技(深圳)有限公司 | 机器人的传感器布局系统 |
CN111716346A (zh) * | 2019-03-20 | 2020-09-29 | 台达电子工业股份有限公司 | 机械手臂工具校正方法及其校正装置 |
CN113059567A (zh) * | 2021-04-02 | 2021-07-02 | 珞石(山东)智能科技有限公司 | 一种scara机器人关节扰动补偿方法 |
CN116301081A (zh) * | 2023-05-17 | 2023-06-23 | 伸瑞科技(北京)有限公司 | 一种惯性测试设备的速率控制方法、装置、设备及介质 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6332899B2 (ja) * | 2012-08-31 | 2018-05-30 | セイコーエプソン株式会社 | ロボット |
US11510539B2 (en) * | 2017-06-02 | 2022-11-29 | Pixart Imaging Inc. | Auto clean machine, cliff determining method and surface type determining method |
JP7414426B2 (ja) | 2019-08-20 | 2024-01-16 | ファナック株式会社 | ロボットシステム |
CN111557739B (zh) * | 2020-01-14 | 2023-05-02 | 杭州法博激光科技有限公司 | 适用于软镜辅助装置的计算机存储介质 |
CN111557738B (zh) * | 2020-01-14 | 2023-03-21 | 杭州法博激光科技有限公司 | 软镜辅助装置的控制系统 |
WO2021181990A1 (ja) * | 2020-03-13 | 2021-09-16 | 日本電気株式会社 | 処理装置、処理方法及びプログラム |
CN114310894B (zh) * | 2021-12-31 | 2023-09-01 | 杭州电子科技大学 | 四阶不确定非线性机械臂系统的量测输出反馈控制方法 |
CN115176648A (zh) * | 2022-06-20 | 2022-10-14 | 上海第二工业大学 | 一种可判别采摘状态的智能蘑菇采摘末端执行器 |
Family Cites Families (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5242342A (en) | 1975-09-30 | 1977-04-01 | Tokyo Electric Co Ltd | Electronic register |
JPS5765686A (en) | 1980-10-09 | 1982-04-21 | Ngk Spark Plug Co | Ignition plug |
JPS592425A (ja) | 1982-06-28 | 1984-01-09 | Fujitsu Ltd | パルス成形ライン |
JPS6097174A (ja) | 1983-11-01 | 1985-05-30 | Ichikawa Tekkosho:Kk | 回動支承装置のストツパ− |
JPH02284899A (ja) * | 1989-04-25 | 1990-11-22 | Citizen Watch Co Ltd | ロボットの制御方法およびその制御装置 |
JPH04255007A (ja) * | 1991-02-06 | 1992-09-10 | Fanuc Ltd | 制振制御方式 |
JPH09212203A (ja) * | 1995-11-30 | 1997-08-15 | Sony Corp | ロボット制御装置 |
JP2000099105A (ja) * | 1998-09-22 | 2000-04-07 | Yaskawa Electric Corp | 負荷機械の制御方法 |
JP2001092511A (ja) | 1999-09-17 | 2001-04-06 | Kawasaki Heavy Ind Ltd | ロボットなどの制御ゲイン調整装置 |
JP2006263916A (ja) * | 2001-05-08 | 2006-10-05 | Mitsubishi Electric Corp | ロボット制御装置 |
JP3878054B2 (ja) | 2001-05-08 | 2007-02-07 | 三菱電機株式会社 | ロボット制御装置 |
DE10245594A1 (de) * | 2002-09-30 | 2004-04-08 | Dürr Systems GmbH | Verfahren zur Kollisionserkennung |
FR2864266B1 (fr) * | 2003-12-19 | 2006-02-17 | Staubli Sa Ets | Procede et dispositif de commande des deplacements d'une partie mobile d'un robot multi-axes |
JP3883544B2 (ja) * | 2004-02-27 | 2007-02-21 | 株式会社東芝 | ロボット制御装置およびロボットの制御方法 |
US9110456B2 (en) * | 2004-09-08 | 2015-08-18 | Abb Research Ltd. | Robotic machining with a flexible manipulator |
JP4056080B2 (ja) | 2006-01-13 | 2008-03-05 | 松下電器産業株式会社 | ロボットアームの制御装置 |
JP4267027B2 (ja) | 2006-12-07 | 2009-05-27 | ファナック株式会社 | ロボット制御装置 |
JP5242342B2 (ja) * | 2008-10-31 | 2013-07-24 | 株式会社東芝 | ロボット制御装置 |
JP5304469B2 (ja) * | 2009-06-19 | 2013-10-02 | 株式会社デンソーウェーブ | ビンピッキングシステム |
KR100954732B1 (ko) * | 2009-09-09 | 2010-04-23 | (주)미래컴퍼니 | 수술 로봇 시스템 및 그 외력 측정 방법 |
WO2012077335A1 (ja) * | 2010-12-08 | 2012-06-14 | パナソニック株式会社 | ロボットの制御装置及び制御方法、ロボット、並びに、制御プログラム |
JP5835926B2 (ja) * | 2011-04-11 | 2015-12-24 | キヤノン株式会社 | 情報処理装置、情報処理装置の制御方法、およびプログラム |
US9179047B2 (en) * | 2011-06-13 | 2015-11-03 | University Of Florida Research Foundation, Inc. | Systems and methods for estimating the structure and motion of an object |
JP5902425B2 (ja) | 2011-09-21 | 2016-04-13 | 株式会社東芝 | ロボット制御装置、外乱判定方法およびアクチュエータ制御方法 |
JP5765686B2 (ja) | 2012-03-23 | 2015-08-19 | トヨタ自動車東日本株式会社 | ロボット接触検知装置 |
JP5749224B2 (ja) * | 2012-07-13 | 2015-07-15 | 株式会社東芝 | カメラモジュール |
JP6083145B2 (ja) * | 2012-07-31 | 2017-02-22 | セイコーエプソン株式会社 | ロボットの制御装置、およびロボット |
JP2014034101A (ja) | 2012-08-10 | 2014-02-24 | Toshiba Corp | ロボット制御装置 |
KR101417488B1 (ko) * | 2012-12-17 | 2014-07-08 | 현대자동차주식회사 | 착용로봇의 의도토크 추출방법 및 추출시스템 |
KR101417486B1 (ko) * | 2012-12-17 | 2014-07-08 | 현대자동차주식회사 | 착용로봇의 의도토크 추출방법 및 추출시스템 |
US9372126B2 (en) * | 2013-01-29 | 2016-06-21 | St. Jude Medical, Atrial Fibrillation Division, Inc. | Low-complexity optical force sensor for a medical device |
JP6097174B2 (ja) | 2013-08-05 | 2017-03-15 | 株式会社東芝 | ロボット制御装置 |
DE102013223603A1 (de) * | 2013-11-19 | 2015-05-21 | Ferrobotics Compliant Robot Technology Gmbh | Roboterarm |
US10078712B2 (en) * | 2014-01-14 | 2018-09-18 | Energid Technologies Corporation | Digital proxy simulation of robotic hardware |
US9815202B2 (en) * | 2014-07-09 | 2017-11-14 | Canon Kabushiki Kaisha | Control method for robot apparatus, computer readable recording medium, and robot apparatus |
US10369045B2 (en) * | 2014-07-29 | 2019-08-06 | The Johns Hopkins University | Micromanipulation systems and methods |
JP2016179168A (ja) * | 2015-03-23 | 2016-10-13 | ソニー株式会社 | 医療用支持アーム装置、医療用支持アーム装置の制御方法及び医療用観察装置 |
US10856726B2 (en) * | 2015-03-25 | 2020-12-08 | Sony Corporation | Medical support arm apparatus |
-
2016
- 2016-11-25 JP JP2016229327A patent/JP6895242B2/ja active Active
-
2017
- 2017-08-28 CN CN201710748847.1A patent/CN108098799A/zh not_active Withdrawn
- 2017-08-28 US US15/687,902 patent/US10434647B2/en active Active
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020103297A1 (zh) * | 2018-11-19 | 2020-05-28 | 炬星科技(深圳)有限公司 | 机器人的传感器布局系统 |
CN109571475A (zh) * | 2018-12-06 | 2019-04-05 | 中国科学院长春光学精密机械与物理研究所 | 一种力触觉控制系统及机器人 |
CN109571475B (zh) * | 2018-12-06 | 2021-06-15 | 中国科学院长春光学精密机械与物理研究所 | 一种力触觉控制系统及机器人 |
CN111716346A (zh) * | 2019-03-20 | 2020-09-29 | 台达电子工业股份有限公司 | 机械手臂工具校正方法及其校正装置 |
CN113059567A (zh) * | 2021-04-02 | 2021-07-02 | 珞石(山东)智能科技有限公司 | 一种scara机器人关节扰动补偿方法 |
CN116301081A (zh) * | 2023-05-17 | 2023-06-23 | 伸瑞科技(北京)有限公司 | 一种惯性测试设备的速率控制方法、装置、设备及介质 |
CN116301081B (zh) * | 2023-05-17 | 2023-08-04 | 伸瑞科技(北京)有限公司 | 一种惯性测试设备的速率控制方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
JP6895242B2 (ja) | 2021-06-30 |
US20180147724A1 (en) | 2018-05-31 |
US10434647B2 (en) | 2019-10-08 |
JP2018083274A (ja) | 2018-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108098799A (zh) | 机器人控制设备、机器人控制方法和拾取设备 | |
JP6151159B2 (ja) | 協調搬送ロボットシステム | |
US9593927B2 (en) | Dynamical monitoring and modelling of a coordinate measuring machine | |
CN105643641B (zh) | 力传感器标定装置、标定方法及力控制机器人 | |
García et al. | Sensor fusion for compliant robot motion control | |
CN108638053A (zh) | 一种机器人打滑的检测方法及其矫正方法 | |
CN109916431A (zh) | 一种针对四轮移动机器人的车轮编码器标定算法 | |
KR20070119964A (ko) | 위치 보정 기능을 제공하는 이동 장치 및 위치 보정 방법 | |
Hertig et al. | Unified state estimation for a ballbot | |
CN108638070A (zh) | 基于动态平衡的机器人负载重力参数辨识方法 | |
CN110125906A (zh) | 作业机器人系统 | |
Fortin-Côté et al. | Improving cable driven parallel robot accuracy through angular position sensors | |
US20210260759A1 (en) | Estimation of payload attached to a robot arm | |
CN110394817A (zh) | 使用机器人推断负载重量和重心位置的装置、方法及程序 | |
Žlajpah et al. | Kinematic calibration for collaborative robots on a mobile platform using motion capture system | |
Xu et al. | Vision-based simultaneous measurement of manipulator configuration and target pose for an intelligent cable-driven robot | |
Shimada et al. | Mecanum-wheel vehicle systems based on position corrective control | |
SE516720C2 (sv) | Utrustning för styrning av en industrirobot och förfarande för programmering och/eller justering av robotens rörelse | |
US20170261529A1 (en) | Method for identifying friction parameter for linear module | |
Božek | Control of a robotic arm on the principle of separate decision of an inertial navigation system | |
Ismael et al. | Analysis, design, and implementation of an omnidirectional mobile robot platform | |
Quan et al. | AGV motion balance and motion regulation under complex conditions | |
Mayr et al. | Static inertial parameter identification for humanoid robots using a torque-free support | |
Vikas et al. | Inclination parameter estimation for manipulator and humanoid robot links | |
HALABİ et al. | A multiple sensor fusion based drift compensation algorithm for mecanumwheeled mobile robots |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180601 |