CN108312146B - 模块化机器人分散控制方法及系统 - Google Patents

模块化机器人分散控制方法及系统 Download PDF

Info

Publication number
CN108312146B
CN108312146B CN201810101156.7A CN201810101156A CN108312146B CN 108312146 B CN108312146 B CN 108312146B CN 201810101156 A CN201810101156 A CN 201810101156A CN 108312146 B CN108312146 B CN 108312146B
Authority
CN
China
Prior art keywords
joint
intelligent
configuration
upper computer
control
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
Application number
CN201810101156.7A
Other languages
English (en)
Other versions
CN108312146A (zh
Inventor
朱松青
李永
高海涛
许有熊
韩亚丽
郝飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Institute of Technology
Original Assignee
Nanjing Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Institute of Technology filed Critical Nanjing Institute of Technology
Priority to CN201810101156.7A priority Critical patent/CN108312146B/zh
Publication of CN108312146A publication Critical patent/CN108312146A/zh
Application granted granted Critical
Publication of CN108312146B publication Critical patent/CN108312146B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • B25J9/1602—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
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with 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
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1671—Programme controls characterised by programming, planning systems for manipulators characterised by simulation, either to verify existing program or to create and verify new program, CAD/CAM oriented, graphic oriented programming systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Numerical Control (AREA)
  • Feedback Control In General (AREA)
  • Manipulator (AREA)

Abstract

本发明提供一种模块化机器人分散控制方法及系统，根据用户需求，基于构型库和关节注册表信息确定构型；进行运动规划；然后进行3D仿真验证；待仿真无误后生成位置执行指令，将指令传输给智能关节；智能关节在动力学解耦的基础上，只基于自身信息采用关节复合控制算法实现关节轨迹跟踪控制，最终实现整个机器人系统的控制。本发明根据需要在构型库和关节注册表的基础上确定构型，并对构型进行仿真，这避免了人为选择构型的困难，且通过仿真验证构型与轨迹规划的可行性，减少了不必要的错误，采用在关节动力学解耦的基础上，只根据本关节信息实现关节轨迹跟踪的分散控制结构，较传统集中控制和分布式控制更符合可重构的思想，提高了效率。

Description

模块化机器人分散控制方法及系统
技术领域
本发明涉及一种模块化机器人分散控制方法及系统。
背景技术
机器人在现在的生产、生活中扮演着越来越重要的角色，尤其通用性较强的模块化机器人。模块化机器人是一种以模块化关节、连杆及标准电气接口为基础，能够根据环境和任务需要自动或人为改变自身构型适应新的工作任务的机器人。
传统集中式控制结构只有一个控制中心，对信息进行统一处理，需要占用大量的计算资源，当系统复杂时，无法有效保证系统实时性与稳定性。分布式控制虽然设有多个分控制中心，但各控制中心相互之间仍需要相互协商处理任务，一个控制中心出问题时，会影响整个控制系统，不符合重构的思想。由于模块化机器人具有构型可变、不确定性强的特点，基于以上两种控制结构的控制算法不满足目前模块化机器人控制的要求，需要提高模块化机器人性能需研究新的控制结构与算法。
发明内容
本发明的目的是提供一种模块化机器人分散控制方法及系统解决现有技术中存在的控制算法不满足目前模块化机器人控制的要求，需要提高模块化机器人性能的问题。
本发明的技术解决方案是：
一种模块化机器人分散控制方法，包括以下步骤，
S1、上位机根据用户需求，结合关节注册表中显示的可用智能关节信息，排除包含故障智能关节的构型，进而由构型库推荐构型；采用遗传算法优化构型，最终确定一种符合设定要求的可用构型；
S2、在确定构型的基础上，在3D虚拟仿真界面按任务需要进行运动轨迹规划，待轨迹规划完成无误后自动生成发送给智能关节的位置指令执行代码；将代码通过Ether CAT通讯总线分发给智能关节；
S3、智能关节接收上位机的位置指令代码，综合该智能关节的自身信息，基于机器人动力学分散式控制结构进行关节位置跟踪控制，智能关节的中空电机工作在力矩模式下，通过关节复合控制算法调整电机力矩值使得关节实时跟踪上位机位置指令；
S4、将关节运动量q通过Ether CAT总线反馈给上位机，上位机根据智能关节运动情况，进行整体运动规划调整，进而实现机器人整体运动控制。
进一步地，步骤S3中，基于机器人动力学分散式控制结构进行关节位置跟踪控制，智能关节的中空电机工作在力矩模式下，通过关节复合控制算法调整电机力矩值使得关节实时跟踪上位机位置指令，具体为：
S31、将n关节模块化机器人视为n个相互独立的单输入单输出智能体，将由运动引起的关节耦合视为干扰，n关节模块化机器人动力学方程为：
Figure GDA0002675288190000021
式中，M(q)表示惯量矩阵，
Figure GDA0002675288190000022
表示向心力与哥式力矩矢量，
Figure GDA0002675288190000023
表示摩擦力矩矢量，G(q)表示重力矩矢量，τ表示电机输出力矩，由于M(q)由常数项
Figure GDA0002675288190000024
和位形依赖项ΔM(q)组成，即
Figure GDA0002675288190000025
将其带入(1)式，可得：
Figure GDA0002675288190000026
Figure GDA0002675288190000027
Figure GDA0002675288190000028
式(3)中d表示非线性互作用不确定干扰，式(2)中可以分为两个子系统：一个是以τ为输入，q为输出的线性解耦系统；另一个是以
Figure GDA0002675288190000029
为输入，d为输出的非线性耦合系统；针对某一关节i而言，其他关节的相互作用可由式(4)中d的第i个元素描述；
S32、针对步骤S31的分散控制解耦结构，采用关节复合控制算法即神经网络补偿与计算力矩复合算法实现对关节位置指令的追踪，该算法有计算力矩算法与基于径向基函数神经网络算法两部分组成，由计算力矩控制算法实现线性解耦方法控制，由基于径向基函数RBF神经网络算法实现非线性耦合方法的逼近补偿。
进一步地，步骤S1中，在智能关节与上位机连接时，将智能关节中关节控制器收集的智能关节的自身信息在上位机的关节注册表里进行在线登记，确定该智能关节的性能状况。
进一步地，步骤S1中，构型库是由智能关节与连杆重构组装获得的多种构型集合，其中智能关节包括智能转动关节和智能移动关节。
一种实现上述任一项所述的模块化机器人分散控制方法的模块化机器人分散控制系统，包括上位机和若干智能关节，
上位机：根据用户需求，结合关节注册表中显示的可用智能关节信息，排除包含故障智能关节的构型，进而由构型库推荐构型；采用遗传算法优化构型，最终确定一种符合设定要求的可用构型；在确定构型的基础上，在3D虚拟仿真界面按任务需要进行运动轨迹规划，待轨迹规划完成无误后自动生成发送给智能关节的位置指令执行代码；将代码通过Ether CAT通讯总线分发给智能关节；
智能关节：接收上位机的位置指令代码，综合该智能关节的自身信息，基于机器人动力学分散式控制结构进行关节位置跟踪控制，中空电机工作在力矩模式下，通过关节复合控制算法调整电机力矩值使得关节实时跟踪上位机位置指令；将关节运动量q通过EtherCAT总线反馈给上位机，上位机根据智能关节运动情况，进行整体运动规划调整。
进一步地，智能关节包括关节控制器、供电模块、电机驱动器、中空电机、电机端编码器、谐波减速器、力矩传感器、关节端编码器、刹车机构和关节壳体，关节控制器分别与电机驱动器、电机端编码器、力矩传感器、关节端编码器、刹车机构进行连接，供电模块与关节控制器、电机驱动器、中空电机、电机端编码器、力矩传感器、关节端编码器、刹车机构连接，中空电机、关节控制器、电机驱动器、供电模块、刹车机构分别通过螺栓与关节壳体固连，中空电机通过传动轴与谐波减速器连接，谐波减速器与力矩传感器通过螺栓固连，力矩传感器通过输出轴与连杆连接。
本发明的有益效果是：
一、该种模块化机器人分散控制方法及系统，采用分散式控制结构将关节视为单输入单输出智能体，在解耦的基础上各关节只需本身关节动力学等信息就可以实现关节良好控制，相比传统集中式和分布式控制结构更利于实现模块化机器人重构。
二、本发明中所述的智能关节由传动系统、多传感器系统和关节控制器组成，相比于传统关节更为先进，高效。采用基于谐波减速器的传动系统增加了关节柔性同时也降低了关节质量，缩小了体积。先进的关节控制器与多传感融合技术也保证了关节运行的高精度和高稳定性。
三、本发明中上位机根据需要在构型库和关节注册表的基础上可以确定构型，并对构型进行仿真。这避免了人为选择构型的困难，且通过仿真验证构型与轨迹规划的可行性，减少了不必要的错误，采用在关节动力学解耦的基础上，只根据本关节信息实现关节轨迹跟踪的分散控制结构，较传统集中控制和分布式控制更符合可重构的思想，提高了效率。
附图说明
图1是本发明实施例模块化机器人分散控制方法的流程示意图；
图2是实施例中智能关节分散解耦控制的说明框图；
图3是实施例中构型库中的一个典型构型的说明示意图；
图4是实施例中构型库中的另一个典型构型的说明示意图。
图5是本发明实施例模块化机器人分散控制系统的说明框图；
图6是实施例中智能关节的结构示意图；
其中，1-智能关节，2-连杆；
11-关节端编码器，12-力矩传感器，13-中空电机，14-电源模块，15-关节控制器，16-刹车机构，17-输出轴，18-谐波减速器，19-传动轴，110-电机驱动器，111-电机端编码器，112-关节壳体。
具体实施方式
下面结合附图详细说明本发明的优选实施例。
实施例
实施例的一种模块化机器人分散控制方法及系统，该控制系统由上位机和智能关节1两部分组成，通过Ether CAT总线连接。首先根据用户需求，基于构型库和关节注册表信息确定构型；进行运动规划；然后进行3D仿真验证；待仿真无误后生成位置执行指令，将指令通过Ether CAT总线传输给智能关节1中的关节控制器15；关节控制器15作为智能关节1的控制中心，综合力矩传感器12、编码器等各信息，基于分散式关节控制算法实现关节轨迹跟踪控制，最终实现整个机器人系统的控制。
实施例的一种模块化机器人分散控制方法，如图1，包括以下步骤，
S1、上位机根据用户需求，结合关节注册表中显示的可用智能关节1信息，排除包含故障智能关节1的构型，进而由构型库推荐构型；采用遗传算法优化构型，最终确定一种符合设定要求的可用构型；
S2、在确定构型的基础上，在3D虚拟仿真界面按任务需要进行运动轨迹规划，待轨迹规划完成无误后自动生成发送给智能关节1的位置指令执行代码；将代码通过Ether CAT通讯总线分发给智能关节1；
S3、智能关节1接收上位机的位置指令代码，综合该智能关节1的自身信息，基于机器人动力学分散式控制结构进行关节位置跟踪控制，智能关节1的中空电机13工作在力矩模式下，通过关节复合控制算法调整电机力矩值使得关节实时跟踪上位机位置指令；
实施例中，如图2，步骤S3中，基于机器人动力学分散式控制结构进行关节位置跟踪控制，智能关节1的中空电机13工作在力矩模式下，通过关节复合控制算法调整电机力矩值使得关节实时跟踪上位机位置指令，具体为：
S31、将n关节模块化机器人视为n个相互独立的单输入单输出智能体，将由运动引起的关节耦合视为干扰，n关节模块化机器人动力学方程为：
Figure GDA0002675288190000051
式中，M(q)表示惯量矩阵，
Figure GDA0002675288190000052
表示向心力与哥式力矩矢量，
Figure GDA0002675288190000053
表示摩擦力矩矢量，G(q)表示重力矩矢量，τ表示电机输出力矩，由于M(q)由常数项
Figure GDA0002675288190000054
和位形依赖项ΔM(q)组成，即
Figure GDA0002675288190000055
将其带入(1)式，可得：
Figure GDA0002675288190000056
Figure GDA0002675288190000061
Figure GDA0002675288190000062
式(3)中d表示非线性互作用不确定干扰，式(2)中可以分为两个子系统：一个是以τ为输入，q为输出的线性解耦系统；另一个是以
Figure GDA0002675288190000063
为输入，d为输出的非线性耦合系统；针对某一关节i而言，其他关节的相互作用可由式(4)中d的第i个元素描述；
S32、针对步骤S31的分散控制解耦结构，采用关节复合控制算法即神经网络补偿与计算力矩复合算法实现对关节位置指令的追踪，该算法有计算力矩算法与基于径向基函数神经网络算法两部分组成，由计算力矩控制算法实现线性解耦方法控制，由基于径向基函数RBF神经网络算法实现非线性耦合方法的逼近补偿。
S4、将关节运动量q通过Ether CAT总线反馈给上位机，上位机根据智能关节1运动情况，进行整体运动规划调整，进而实现机器人整体运动控制。
实施例方法，上位机根据需要在构型库和关节注册表的基础上可以确定构型，并对构型进行仿真。这避免了人为选择构型的困难，且通过仿真验证构型与轨迹规划的可行性，减少了不必要的错误，采用在关节动力学解耦的基础上，只根据本关节信息实现关节轨迹跟踪的分散控制结构，较传统集中控制和分布式控制更符合可重构的思想，提高了效率。
实施例中，用户根据工作任务需要将基本数据(如工作负载重量、可工作活动空间体积等)通过上位机人机界面输入，存储在寄存器中。上位机根据用户需求，在构型库现有的几种构型基础上推荐构型，进行电气连接，结合注册表显示的可用智能关节1信息，排除关节无法使用的情况。采用遗传算法优化构型，最终确定一种符合设定要求的可用构型；将机器人模型各构件图形化，上一步确定构型的基础上，在3D虚拟仿真界面按任务需要进行轨迹规划，待轨迹规划完成无误后自动生成可以发送给智能关节1的位置指令执行代码。将代码通过CAN通讯总线分发给每一个模块化智能关节1。
实施例中，当智能关节1通过通讯总线与关节注册表连接时，将智能关节1中关节注册模块收集的关节信息在上位机关节注册表里进行在线登记，确定各智能关节1所处性能状况(如传感器是否有故障、关节能否使用等信息)。
实施例中，构型库是在智能转动关节(用R表示)、智能移动关节(用P表示)、长度不同连杆2(0.25米、0.5米、1米长度不等)的基础上像搭积木一样重构组装获得的多种常用构型集合。实施例给出两种构型，如图3和图4，但不限于此两种构型。
实施例中，分散式控制是将每一个机器人模块化智能关节1当作一个独立的智能体。智能关节1是单输入单输出系统，关节根据自身传感器数据等信息处理自身问题，将关节耦合进行解耦的基础上，将耦合作用看作是对智能关节1的干扰。基于分散式控制结构，设计具有较强抗干扰能力和鲁棒性的关节控制算法，有利于实现模块化机器人的可重构。
一种实现上述任一项所述的模块化机器人分散控制方法的模块化机器人分散控制系统，如图5，包括上位机和若干智能关节1，
上位机：根据用户需求，结合关节注册表中显示的可用智能关节1信息，排除包含故障智能关节1的构型，进而由构型库推荐构型；采用遗传算法优化构型，最终确定一种符合设定要求的可用构型；在确定构型的基础上，在3D虚拟仿真界面按任务需要进行运动轨迹规划，待轨迹规划完成无误后自动生成发送给智能关节1的位置指令执行代码；将代码通过Ether CAT通讯总线分发给智能关节1；
智能关节1：接收上位机的位置指令代码，综合该智能关节1的自身信息，基于机器人动力学分散式控制结构进行关节位置跟踪控制，中空电机13工作在力矩模式下，通过关节复合控制算法调整电机力矩值使得关节实时跟踪上位机位置指令；将关节运动量q通过Ether CAT总线反馈给上位机，上位机根据智能关节1运动情况，进行整体运动规划调整。
如图6，智能关节1包括关节控制器15、电源模块14、电机驱动器110、中空电机13、电机端编码器111、谐波减速器18、力矩传感器12、关节端编码器11、刹车机构16和关节壳体112，关节控制器15分别与电机驱动器110、电机端编码器111、力矩传感器12、关节端编码器11、刹车机构16进行连接，电源模块14与关节控制器15、电机驱动器110、中空电机13、电机端编码器111、力矩传感器12、关节端编码器11、刹车机构16连接，中空电机13、关节控制器15、电机驱动器110、电源模块14、刹车机构16分别通过螺栓与关节壳体112固连，中空电机13通过传动轴19与谐波减速器18连接，谐波减速器18与力矩传感器12通过螺栓固连，力矩传感器12通过输出轴17与连杆2连接。

Claims (6)

1.一种模块化机器人分散控制方法，其特征在于：包括以下步骤，
S1、上位机根据用户需求，结合关节注册表中显示的可用智能关节信息，排除包含故障智能关节的构型，进而由构型库推荐构型；采用遗传算法优化构型，最终确定一种符合设定要求的可用构型；
S2、在确定构型的基础上，在3D虚拟仿真界面按任务需要进行运动轨迹规划，待轨迹规划完成无误后自动生成发送给智能关节的位置指令执行代码；将代码通过Ether CAT通讯总线分发给智能关节；
S3、智能关节接收上位机的位置指令代码，综合该智能关节的自身信息，基于机器人动力学分散式控制结构进行关节位置跟踪控制，智能关节的中空电机工作在力矩模式下，通过关节复合控制算法调整电机力矩值使得关节实时跟踪上位机位置指令；
S4、将关节运动量q通过Ether CAT总线反馈给上位机，上位机根据智能关节运动情况，进行整体运动规划调整，进而实现机器人整体运动控制。
2.根据权利要求1所述的一种模块化机器人分散控制方法，其特征在于：步骤S3中，基于机器人动力学分散式控制结构进行关节位置跟踪控制，智能关节的中空电机工作在力矩模式下，通过关节复合控制算法调整电机力矩值使得关节实时跟踪上位机位置指令，具体为：
S31、将n关节模块化机器人视为n个相互独立的单输入单输出智能体，将由运动引起的关节耦合视为干扰，n关节模块化机器人动力学方程为：
Figure FDA0002675288180000011
式中，M(q)表示惯量矩阵，
Figure FDA0002675288180000012
表示向心力与哥式力矩矢量，
Figure FDA0002675288180000013
表示摩擦力矩矢量，G(q)表示重力矩矢量，τ表示电机输出力矩，由于M(q)由常数项
Figure FDA0002675288180000014
和位形依赖项ΔM(q)组成，即
Figure FDA0002675288180000015
将其带入(1)式，可得：
Figure FDA0002675288180000016
Figure FDA0002675288180000017
Figure FDA0002675288180000021
式(3)中d表示非线性互作用不确定干扰，式(2)中可以分为两个子系统：一个是以τ为输入，q为输出的线性解耦系统；另一个是以q，
Figure FDA0002675288180000022
为输入，d为输出的非线性耦合系统；针对某一关节i而言，其他关节的相互作用可由式(4)中d的第i个元素描述；
S32、针对步骤S31的分散控制解耦结构，采用关节复合控制算法即神经网络补偿与计算力矩复合算法实现对关节位置指令的追踪，该算法有计算力矩算法与基于径向基函数神经网络算法两部分组成，由计算力矩控制算法实现线性解耦方法控制，由基于径向基函数RBF神经网络算法实现非线性耦合方法的逼近补偿。
3.如权利要求1所述的模块化机器人分散控制方法，其特征在于：步骤S1中，在智能关节与上位机连接时，将智能关节中关节控制器收集的智能关节的自身信息在上位机的关节注册表里进行在线登记，确定该智能关节的性能状况。
4.如权利要求1-3任一项所述的模块化机器人分散控制方法，其特征在于：步骤S1中，构型库是由智能关节与连杆重构组装获得的多种构型集合，其中智能关节包括智能转动关节和智能移动关节。
5.一种实现权利要求1-4任一项所述的模块化机器人分散控制方法的模块化机器人分散控制系统，其特征在于：包括上位机和若干智能关节，
上位机：根据用户需求，结合关节注册表中显示的可用智能关节信息，排除包含故障智能关节的构型，进而由构型库推荐构型；采用遗传算法优化构型，最终确定一种符合设定要求的可用构型；在确定构型的基础上，在3D虚拟仿真界面按任务需要进行运动轨迹规划，待轨迹规划完成无误后自动生成发送给智能关节的位置指令执行代码；将代码通过EtherCAT通讯总线分发给智能关节；
智能关节：接收上位机的位置指令代码，综合该智能关节的自身信息，基于机器人动力学分散式控制结构进行关节位置跟踪控制，中空电机工作在力矩模式下，通过关节复合控制算法调整电机力矩值使得关节实时跟踪上位机位置指令；将关节运动量q通过Ether CAT总线反馈给上位机，上位机根据智能关节运动情况，进行整体运动规划调整。
6.如权利要求5所述的模块化机器人分散控制系统，其特征在于：智能关节包括关节控制器、供电模块、电机驱动器、中空电机、电机端编码器、谐波减速器、力矩传感器、关节端编码器、刹车机构和关节壳体，关节控制器分别与电机驱动器、电机端编码器、力矩传感器、关节端编码器、刹车机构进行连接，供电模块与关节控制器、电机驱动器、中空电机、电机端编码器、力矩传感器、关节端编码器、刹车机构连接，中空电机、关节控制器、电机驱动器、供电模块、刹车机构分别通过螺栓与关节壳体固连，中空电机通过传动轴与谐波减速器连接，谐波减速器与力矩传感器通过螺栓固连，力矩传感器通过输出轴与连杆连接。
CN201810101156.7A 2018-01-31 2018-01-31 模块化机器人分散控制方法及系统 Active CN108312146B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810101156.7A CN108312146B (zh) 2018-01-31 2018-01-31 模块化机器人分散控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810101156.7A CN108312146B (zh) 2018-01-31 2018-01-31 模块化机器人分散控制方法及系统

Publications (2)

Publication Number Publication Date
CN108312146A CN108312146A (zh) 2018-07-24
CN108312146B true CN108312146B (zh) 2020-11-20

Family

ID=62888133

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810101156.7A Active CN108312146B (zh) 2018-01-31 2018-01-31 模块化机器人分散控制方法及系统

Country Status (1)

Country Link
CN (1) CN108312146B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109581868B (zh) * 2018-09-21 2021-11-30 长春工业大学 基于评判辨识结构的可重构机器人分散神经最优控制方法
CN109434808A (zh) * 2018-12-13 2019-03-08 上海菡为智能科技有限公司 一种云端远程服务智能机器人控制系统实现方法
CN111730594A (zh) * 2020-06-11 2020-10-02 长春工业大学 一种模块化机器人面向外部碰撞的分散控制方法及系统
WO2022161245A1 (zh) * 2021-01-29 2022-08-04 苏州艾利特机器人有限公司 一种提高机器人关节转矩检测精度的方法及多关节机器人
CN113618735B (zh) * 2021-08-16 2022-07-19 深圳市优必选科技股份有限公司 一种机器人关节的配置信息的确定方法、装置及终端设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2826635B2 (ja) * 1996-10-08 1998-11-18 工業技術院長 三次元構造物の自動組立体
US6454624B1 (en) * 2001-08-24 2002-09-24 Xerox Corporation Robotic toy with posable joints
CN101286058A (zh) * 2008-04-24 2008-10-15 上海交通大学 机器人模块化分布式自适应控制系统及方法
CN103399493A (zh) * 2013-08-07 2013-11-20 长春工业大学 可重构机械臂传感器故障实时诊断和容错系统及其方法
CN105196294A (zh) * 2015-10-29 2015-12-30 长春工业大学 采用位置测量的可重构机械臂分散控制系统及控制方法
CN106945028A (zh) * 2017-04-25 2017-07-14 青岛市辉机器人科技有限公司 可组装模块式分散控制机器人
CN107471206A (zh) * 2017-08-16 2017-12-15 大连交通大学 一种模块化工业机器人重构系统及其控制方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2826635B2 (ja) * 1996-10-08 1998-11-18 工業技術院長 三次元構造物の自動組立体
US6454624B1 (en) * 2001-08-24 2002-09-24 Xerox Corporation Robotic toy with posable joints
CN101286058A (zh) * 2008-04-24 2008-10-15 上海交通大学 机器人模块化分布式自适应控制系统及方法
CN103399493A (zh) * 2013-08-07 2013-11-20 长春工业大学 可重构机械臂传感器故障实时诊断和容错系统及其方法
CN105196294A (zh) * 2015-10-29 2015-12-30 长春工业大学 采用位置测量的可重构机械臂分散控制系统及控制方法
CN106945028A (zh) * 2017-04-25 2017-07-14 青岛市辉机器人科技有限公司 可组装模块式分散控制机器人
CN107471206A (zh) * 2017-08-16 2017-12-15 大连交通大学 一种模块化工业机器人重构系统及其控制方法

Also Published As

Publication number Publication date
CN108312146A (zh) 2018-07-24

Similar Documents

Publication Publication Date Title
CN108312146B (zh) 模块化机器人分散控制方法及系统
Wang Wise-ShopFloor: an integrated approach for web-based collaborative manufacturing
CN110174891A (zh) 一种基于wifi无线通信的agv集群控制系统及方法
CN103608735B (zh) 仿真系统、用于执行仿真的方法、控制系统和计算机程序产品
CN111797521B (zh) 一种自动化生产线三维仿真调试及监控方法
Wang et al. A new data processing architecture for multi-scenario applications in aviation manufacturing
CN201020717Y (zh) 一种模块化嵌入式多足机器人运动控制器
CN103576558A (zh) 一种空间机器人动力学仿真系统及方法
CN108549321A (zh) 一种综合时间能量跃度的工业机器人轨迹生成方法及系统
CN107972036B (zh) 基于TensorFlow的工业机器人动力学控制系统及方法
Rolle et al. Digitalization of manufacturing processes: proposal and experimental results
CN104122800B (zh) 空间机器人电联试技术演示验证系统
Bhambhani et al. Hardware-in-the-loop experimental study on a fractional order networked control system testbed
CN110225100B (zh) 一种面向智能装配生产线的虚实映射系统
WO2008069366A1 (en) Robot simulation system using the network
Duan et al. A digital twin–driven monitoring framework for dual-robot collaborative manipulation
CN112276952B (zh) 一种多机器人系统的鲁棒同时镇定方法及系统
CN106200448B (zh) 一种工业接口实施远程映射系统
CN101699361B (zh) 一种标准化控制机
CN112800606A (zh) 数字孪生产线构建方法、系统、电子设备及存储介质
CN109445404A (zh) 智能驾驶规划决策控制系统增强在环测试方法
Althoff et al. An architecture for real-time control in multi-robot systems
CN1440856A (zh) Internet的网上遥操作机器人对弈的控制系统
CN105138390B (zh) 应用在过程监测控制系统与仿真支撑系统间的实时数据通讯系统及方法
Zhang et al. A real-time robot control framework using ROS control for 7-DoF light-weight robot

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