CN108527372B - 一种变刚度串联弹性驱动器的机器人关节自适应控制方法 - Google Patents
一种变刚度串联弹性驱动器的机器人关节自适应控制方法 Download PDFInfo
- Publication number
- CN108527372B CN108527372B CN201810652614.6A CN201810652614A CN108527372B CN 108527372 B CN108527372 B CN 108527372B CN 201810652614 A CN201810652614 A CN 201810652614A CN 108527372 B CN108527372 B CN 108527372B
- Authority
- CN
- China
- Prior art keywords
- robot
- stiffness
- motor
- vsea
- variable
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J17/00—Joints
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种变刚度串联弹性驱动器的机器人关节自适应控制方法,基于自然运动学,根据在反共振频率下能耗次优规律,提出由反共振频率计算并调整关节刚度,对系统能耗进行优化。在基于能耗优化,得到最优关节刚度的基础上,分别建立电机一模型和VSEA动力学模型,并根据动力学模型提出了一种基于VSEA的机器人关节自适应控制方法,并证明该种控制方法的渐近稳定性。与传统的控制方法相比,该方法能够通过改变自适应律改变控制器参数,从而对动力学模型中的不确定项进行实时估计和补偿,有效解决了传统控制方法不能够解决的动力学参数不确定性问题,减小跟踪误差,提高控制精度和稳定性,并且能够大幅降低能耗,提高能量利用效率。
Description
技术领域
本发明涉及一种机器人关节控制技术,尤其涉及一种变刚度串联弹性驱动器的机器人关节自适应控制方法。
背景技术
随着机器人技术的发展,机器人逐渐进入了娱乐、医疗等非工业领域,人与机器人之间的合作关系愈加密切,这就要求机器人能够与外界环境和人进行物理交互。传统的驱动器为保证高速度和高精度的性能要求,往往采用刚性驱动器,随之而来的问题为机器人与外界环境和人进行物理交互是产生不确定性,不能够满足机器人低功耗、高安全、抗冲击等性能要求。
为了适应机器人技术的发展,柔性驱动器应运而生,弹性元件或柔性机构逐渐被应用到机器人关节中。柔性驱动器能够实现运动和力的转化,改变能量流状况,从而改善输出特性,提高能量效率,并且柔性驱动器具有抗冲击、高安全等性能特点,成为现在驱动技术的研究热点之一。
变刚度串联弹性执行器(Variable Series Elastic Actuator,以下简称VSEA)具有高力/扭矩保真度、低阻抗、低能耗、抗冲击能力等优点,并且能够调整自身的刚度以适应不同的任务需求。但是VSEA弹性元件的引入会改变整个柔性驱动器控制系统结构,使得动力学建模和控制复杂化,相应的控制算法设计的难度增大,使现有控制方法的控制效果变差,控制技术并不成熟。
发明内容
本发明的目的是提供一种变刚度串联弹性驱动器的机器人关节自适应控制方法。
本发明的目的是通过以下技术方案实现的:
本发明的变刚度串联弹性驱动器的机器人关节自适应控制方法,所述变刚度串联弹性驱动器包括串联弹性执行器、电机一和电机二,所述串联弹性执行器以下称VSEA,VSEA包括一组并联连接的粗弹簧和细弹簧,并且该组弹簧由中间的变刚度滑块隔成串联连接的两部分,变刚度滑块在电机二的驱动下在弹簧上移动,进而改变弹簧的有效耦合长度;
所述电机一为驱动电机,其通过减速器减速增矩,输出转角θ和转矩τ,输出转角θ和转矩τ作为输入驱动VSEA,经过VSEA中弹性元件的作用,对外输出实际机器人轨迹q和转矩τ0,进而驱动机器人运动,并且对外呈柔性驱动;
所述电机二为变刚度电机,其通过改变中间刚度滑块的位置,进而改变粗细弹簧的耦合长度Na,从而改变系统刚度K(Na),实现机器人关节刚度变化;
所述自适应控制方法包括以下步骤:
步骤一、对基于VSEA的机器人关节进行建模,得到机器人关节的动力学模型,并确定模型参数;
步骤二、对VSEA变刚度系统进行数学建模,得到VSEA系统刚度变化数学模型;
步骤三、对机器人关节轨迹进行规划,得到机器人的工作频率,并根据VSEA系统刚度变化数学模型,基于自然动力学调整系统刚度,使系统工作频率与系统反共振频率保持一致;
步骤四、根据机器人关节的动力学模型,建立李雅普诺夫方程,推导得到自适应控制器和自适应率。
由上述本发明提供的技术方案可以看出,本发明实施例提供的变刚度串联弹性驱动器的机器人关节自适应控制方法,能够有效解决传统控制方法不能够解决的动力学参数不确定性问题,减小跟踪误差,提高控制精度和稳定性,并且能够大幅降低能耗,提高能量利用效率。
附图说明
图1为本发明实施例提供的变刚度串联弹性驱动器的连接示意图;
图2a、图2b分别为本发明实施例提供的变刚度串联弹性驱动器的结构示意图及其原理简图;
图3为本发明实施例提供的机器人关节自适应控制方法的刚度控制方框图;
图4为本发明实施例提供的机器人关节自适应控制方法的系统框图;
图5为本发明实施例提供的机器人关节自适应控制方法的闭环系统方框图。
具体实施方式
下面将对本发明实施例作进一步地详细描述。本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
本发明的变刚度串联弹性驱动器的机器人关节自适应控制方法,其较佳的具体实施方式是:
所述变刚度串联弹性驱动器包括串联弹性执行器、电机一和电机二,所述串联弹性执行器以下称VSEA,VSEA包括一组并联连接的粗弹簧和细弹簧,并且该组弹簧由中间的变刚度滑块隔成串联连接的两部分,变刚度滑块在电机二的驱动下在弹簧上移动,进而改变弹簧的有效耦合长度;
所述电机一为驱动电机,其通过减速器减速增矩,输出转角θ和转矩τ,输出转角θ和转矩τ作为输入驱动VSEA,经过VSEA中弹性元件的作用,对外输出实际机器人轨迹q和转矩τ0,进而驱动机器人运动,并且对外呈柔性驱动;
所述电机二为变刚度电机,其通过改变中间刚度滑块的位置,进而改变粗细弹簧的耦合长度Na,从而改变系统刚度K(Na),实现机器人关节刚度变化;
所述自适应控制方法包括以下步骤:
步骤一、对基于VSEA的机器人关节进行建模,得到机器人关节的动力学模型,并确定模型参数;
步骤二、对VSEA变刚度系统进行数学建模,得到VSEA系统刚度变化数学模型;
步骤三、对机器人关节轨迹进行规划,得到机器人的工作频率,并根据VSEA系统刚度变化数学模型,基于自然动力学调整系统刚度,使系统工作频率与系统反共振频率保持一致;
步骤四、根据机器人关节的动力学模型,建立李雅普诺夫方程,推导得到自适应控制器和自适应率。
所述的步骤一具体为:
根据牛顿欧拉法建立机器人关节动力学模型为:
其中:τ为减速电机一输出力矩;q为关节空间角度向量;θ为电机一转子的角度向量;M(q)为惯性矩阵;为科里奥利矩阵;Dq为驱动器阻尼系数矩阵;g(q)为重力补偿矩阵;B为减速电机一惯性矩阵;Dθ为减速电机一阻尼系数矩阵;K(Na)为VSEA系统模型刚度,并且动力学参数具有以下性质:
1)M(q)和B均为对称正定矩阵;
3)摩擦力矩阵Dq=diag(dq1,dq2,…,dqn)和Dθ=diag(dθ1,dθ2,…,dθn)均为正定对角阵,各个分量均为摩擦系数物里量;
所述的步骤二具体为:
所述的VSEA系统模型由两根粗细不同的弹簧组成,弹簧总圈数为Nt,变刚度滑块将两弹簧分成上下四部分,上半部分的圈数为Na,则下半部分圈数为Nt-Na,其刚度分别为K1、K2、K3、K4,由弹簧刚度计算公式可得:
由弹簧串、并联刚度变化规律,可得VSEA系统的总刚度为:
所述的步骤三具体为:
当驱动器工作在反共振频率时,同时降低减速电机一的驱动力矩和电机一转速,从而降低机器人关节工作时的能耗,对机器人关节轨迹进行规划,得到机器人的工作频率,使机器人工作频率与系统反共振频率相等,得到系统的反共振频率ωa,基于自然动力学得出反共振方程ωa(K(Na)),带入反共振频率ωa,得到系统刚度K(Na),进而得到Na的值,通过电机二调整变刚度滑块位置,即可保证机器人工作频率与系统反共振频率相等。
所述的步骤四具体为:
根据机器人关节自适控制器和自适应律如下所示:
Δθ=θ-θd
Δq=q-qd
其中:τ为电机一控制器;K(Na)为系统总刚度;B为减速电机一惯性矩阵;θ为电机一转子的角度向量;θd为电机一转子的期望角度向量;Δθ为电机一转子的角度输入与输出误差向量;sθ为定义的滑膜向量;q为关节空间角度向量;qd为关节空间期望角度向量;Δq为关节空间输入输出角度误差向量;sq为定义的滑膜向量;Λθ为正定矩阵;和为已知的动态回归矩阵;和为物理参数;为自适应更新率;为为自适应更新率;Lθ和Lq均为正定矩阵;
通过轨迹规划,确定机器人轨迹qd,对轨迹进行频谱分析,得出机器人工作的频率ωa,调整机器人刚度使机器人反共振频率与机器人工作频率相等,从而使机器人工作在能耗次优状态;通过期望机器人轨迹qd,计算出VSEA的期望输入也为减速电机一输出θd,从而计算得出控制力矩τ,通过机器人动力学模型,得出实际机器人轨迹q和VSEA的实际输入θ,从而得出轨迹误差Δq和VSEA的输入误差Δθ,从而计算得出自适应律和并反馈给VSEA期望输入和控制器,改变VSEA期望输入和控制器参数,构成闭环系统,减小跟踪误差;
上述自适应控制过程随着时间的变化周而复始,直至误差为零。
本发明的变刚度串联弹性驱动器的机器人关节自适应控制方法,主要用于解决机器人动力学参数不确定,建模复杂化,现有的柔性机器人关节控制方法跟踪误差大、稳定性差、能耗高等问题。
本发明的优点与积极效果为:本发明基于自然运动学,根据在反共振频率下能耗次优规律,提出由反共振频率计算并调整关节刚度,对系统能耗进行优化。在基于能耗优化,得到关节刚度的基础上,分别建立电机一模型和VSEA动力学模型,并根据动力学模型提出了一种基于VSEA的机器人关节自适应控制方法,并证明该种控制方法的渐近稳定性。本发明提出的一种基于VSEA的机器人关节自适应控制方法与传统的控制方法相比,能够有效解决传统控制方法不能够解决的动力学参数不确定性问题,减小跟踪误差,提高控制精度和稳定性,并且能够大幅降低能耗,提高能量利用效率。
具体实施例:
参见附图1-5,基于VSEA(变刚度联弹性执行器)的机器人关节自适应控制方法,包括以下步骤:
步骤一、对基于VSEA的机器人关节进行建模,得到机器人关节的动力学模型,并确定模型参数。
步骤二、对VSEA变刚度系统进行数学建模,得到VSEA系统刚度变化数学模型。
步骤三、对机器人关节轨迹进行规划,得到机器人的工作频率,并根据VSEA系统刚度变化数学模型,基于自然动力学调整系统刚度,使系统工作频率与系统反共振频率保持一致。
步骤四、根据机器人关节的动力学模型,建立李雅普诺夫方程,推导得到自适应控制器和自适应率,并证明其稳定性。
参见附图1,所述的步骤一具体为:
根据牛顿欧拉法以及减速电机一和VSEA系统之间的输入输出关系,分别建立机器人关节电机一模型和VSEA动力学模型为:
其中:τ为减速电机一输出力矩;q为关节空间角度向量;θ为电机一转子的角度向量;M(q)为惯性矩阵;为科里奥利矩阵;Dq为驱动器阻尼系数矩阵;g(q)为重力补偿矩阵;B为减速电机一惯性矩阵;Dθ为减速电机一阻尼系数矩阵;K(Na)为VSEA系统模型刚度。并且动力学参数具有以下性质:
1)M(q)和B均为对称正定矩阵;
3)摩擦力矩阵Dq=diag(dq1,dq2,…,dqn)和Dθ=diag(dθ1,dθ2,…,dθn)均为正定对角阵,各个分量均为摩擦系数物里量;
其中:为已知的动态回归矩阵。(J.J.E.Slotine and W.Li,AppliedNonlinear Control.Englewood Cliffs,NJ,USA:Prentice Hall,1991.)
参见附图2a、图2b,所述的步骤二具体为:
所述的VSEA系统模型由两根粗细不同的弹簧组成,弹簧总圈数为Nt,变刚度滑块将两弹簧分成上下四部分,上半部分的圈数为Na,则下半部分圈数为Nt-Na,其刚度分别为K1、K2、K3、K4。由弹簧刚度计算公式可得:
由弹簧串、并联刚度变化规律,可得VSEA系统的总刚度为:
参见附图3,所述的步骤三具体为:
当驱动器工作在反共振频率时,可以同时降低减速电机一的驱动力矩和电机一转速,从而降低机器人关节工作时的能耗。对机器人关节轨迹进行规划,得到机器人的工作频率,使机器人工作频率与系统反共振频率相等,得到系统的反共振频率ωa,基于自然动力学得出反共振方程ωa(K(Na)),带入反共振频率ωa,得到系统刚度K(Na),进而得到Na的值,通过电机二调整变刚度滑块位置,即可保证机器人工作频率与系统反共振频率相等。
参见附图4、5,所述的步骤四具体为:
根据机器人关节自适控制器和自适应律如下所示:
Δθ=θ-θd
Δq=q-qd
其中:τ为电机一控制器;K(Na)为系统总刚度;B为减速电机一惯性矩阵;θ为电机一转子的角度向量;θd为电机一转子的期望角度向量;Δθ为电机一转子的角度输入与输出误差向量;sθ为定义的滑膜向量;q为关节空间角度向量;qd为关节空间期望角度向量;Δq为关节空间输入输出角度误差向量;sq为定义的滑膜向量;Λθ为正定矩阵;
通过轨迹规划,可以确定机器人轨迹qd,对轨迹进行频谱分析,得出机器人工作的频率ωa,调整机器人刚度使机器人反共振频率与机器人工作频率相等,从而使机器人工作在能耗次优状态;通过期望机器人轨迹qd,可以计算出VSEA的期望输入也为减速电机一输出θd,从而可以计算得出控制力矩τ,通过机器人动力学模型,得出实际机器人轨迹q和VSEA的实际输入θ,从而得出轨迹误差Δq和VSEA的输入误差Δθ,从而计算得出自适应律和并反馈给VSEA期望输入和控制器,改变VSEA期望输入和控制器参数,构成闭环系统,减小跟踪误差。上述自适应控制过程随着时间的变化周而复始,直至误差为零。
所述的自适应控制器和自适应更新率的推导及其稳定性证明过程如下所示:
对所述的动力学模型:
系统刚度K(Na)和惯性矩阵B都很容易进行定义:系统刚度K(Na)可以根据自然动力学由反共振频率ωa计算得出;惯性矩阵B即为减速电机一惯性矩阵,为已知参数。下面根据动力学模型的性质4)和5)提出一种自适应控制方法,用来估计未知的动力学参数。
定义滑膜向量sq:
Δq=q-qd (5)
将(3)带入动力学模型(1)式变为:
其中:
θ=θd+Δθ (8)
(7)和(8)带入(6)动力学模型可以改写为:
期望的虚拟输入定义为:
将(10)式带入(9),动力学模型可以改写为:
Lyapunov函数定义为Vq:
对(13)进行求导并将(12)带入可得:
将自适应更新率(11)带入(14),并由动力学模型性质2)可得:
由式(15)可知,当Δθ=0时,
对(16)时求导可得:
因此,有界,则一致连续。由Barbalat引理(J.J.E.Slotine and W.Li,Applied Nonlinear Control.Englewood Cliffs,NJ,USA:Prentice Hall,1991.)可知t→∞时,因此,当t→∞,sq→0且Δψq→0,即Δq→0,实际位置θ与期望位置θd之间的跟踪误差Δθ→0的收敛性证明过程在下面给出。
考虑动力学模型(2)式,定义滑膜向量sθ:
Δθ=θ-θd (20)
将(18)式带入(2)式,动力学模型可以改写为:
Lyapunov函数定义为Vθ:
对(22)求导可得:
并将(15)、(21)式带入(23)可得:
由(24)式,使自适应控制器τ为:
式(25)和(26)带入(24)可得:
其中:
P=[ST q ΔθT] (29)
由式(28)和式(30)可知,选择参数Λθ满足:
其中:λmin为[Λθ Dq]的最小特征值;λmax为[K2(Na)]的最大特征值。此时,H正定,且有:
对(32)式求导得:
由(40)式可以看出有界,则一致连续。由Barbalat引理(J.J.E.Slotine andW.Li,Applied Nonlinear Control.Englewood Cliffs,NJ,USA:Prentice Hall,1991.)可知t→∞时,因此,当t→∞,sθ→0且Δψθ→0,即Δθ→0,实际位置θ与期望位置θd之间的跟踪误差Δθ→0。至此,该基于VSEA的变刚度关节的自适应控制方法的稳定性和适用性证明完毕。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (5)
1.一种变刚度串联弹性驱动器的机器人关节自适应控制方法,其特征在于:
所述变刚度串联弹性驱动器包括串联弹性执行器、电机一和电机二,所述串联弹性执行器以下称VSEA,所述VSEA包括一组并联连接的粗弹簧和细弹簧,并且该组弹簧由中间的变刚度滑块隔成串联连接的两部分,变刚度滑块在电机二的驱动下在弹簧上移动,进而改变弹簧的有效耦合长度;
所述电机一为驱动电机,其通过减速器减速增矩,输出转角θ和转矩τ,输出转角θ和转矩τ作为输入驱动所述VSEA,经过所述VSEA的弹性作用,对外输出实际机器人轨迹q和转矩τ0,进而驱动机器人运动,并且对外呈柔性驱动;
所述电机二为变刚度电机,其通过改变中间刚度滑块的位置,进而改变粗细弹簧的耦合长度Na,从而改变系统刚度K(Na),实现机器人关节刚度变化;
所述自适应控制方法包括以下步骤:
步骤一、对基于VSEA的机器人关节进行建模,得到机器人关节的动力学模型,并确定模型参数;
步骤二、对VSEA变刚度系统进行数学建模,得到VSEA系统刚度变化数学模型;
步骤三、对机器人关节轨迹进行规划,得到机器人的工作频率,并根据VSEA系统刚度变化数学模型,基于自然动力学调整系统刚度,使系统工作频率与系统反共振频率保持一致;
步骤四、根据机器人关节的动力学模型,建立李雅普诺夫方程,推导得到自适应控制器和自适应律。
2.根据权利要求1所述的变刚度串联弹性驱动器的机器人关节自适应控制方法,其特征在于,所述的步骤一具体为:
根据牛顿欧拉法建立机器人关节动力学模型为:
其中:τ为电机一输出力矩;q为关节空间角度向量;θ为电机一转子的角度向量;M(q)为惯性矩阵;为科里奥利矩阵;Dq为驱动器阻尼系数矩阵;g(q)为重力补偿矩阵;B为电机一惯性矩阵;Dθ为电机一阻尼系数矩阵;K(Na)为VSEA系统模型刚度,并且动力学参数具有以下性质:
1)M(q)和B均为对称正定矩阵;
3)Dq=diag(dq1,dq2,…,dqn)和Dθ=diag(dθ1,dθ2,…,dθn)均为正定对角阵,各个分量均为摩擦系数物理量;
4.根据权利要求3所述的变刚度串联弹性驱动器的机器人关节自适应控制方法,其特征在于,所述的步骤三具体为:
当驱动器工作在反共振频率时,同时降低电机一的驱动力矩和电机一转速,从而降低机器人关节工作时的能耗,对机器人关节轨迹进行规划,得到机器人的工作频率,使机器人工作频率与系统反共振频率相等,得到系统的反共振频率ωa,基于自然动力学得出反共振方程ωa(K(Na)),带入反共振频率ωa,得到系统刚度K(Na),进而得到Na的值,通过电机二调整变刚度滑块位置,即可保证机器人工作频率与系统反共振频率相等。
5.根据权利要求4所述的变刚度串联弹性驱动器的机器人关节自适应控制方法,其特征在于,所述的步骤四具体为:
根据机器人关节自适应控制器和自适应律如下所示:
Δθ=θ-θd
Δq=q-qd
其中:τ为电机一输出力矩;K(Na)为VSEA系统模型刚度;B为电机一惯性矩阵;θ为电机一转子的角度向量;θd为电机一转子的期望角度向量;Δθ为电机一转子的角度输入与输出误差向量;sθ为定义的滑膜向量;q为关节空间角度向量;qd为关节空间期望角度向量;Δq为关节空间输入输出角度误差向量;sq为定义的滑膜向量;Λθ为正定矩阵;和为已知的动态回归矩阵;和为物理参数;为自适应律;为为自适应律;Lθ和Lq均为正定矩阵;
通过轨迹规划,确定机器人轨迹qd,对轨迹进行频谱分析,得出机器人工作的频率ωa,调整机器人刚度使机器人反共振频率与机器人工作频率相等,从而使机器人工作在能耗次优状态;通过期望机器人轨迹qd,计算出VSEA的期望输入也为电机一输出θd,从而计算得出控制力矩τ,通过机器人动力学模型,得出实际机器人轨迹q和VSEA的实际输入θ,从而得出轨迹误差Δq和VSEA的输入误差Δθ,从而计算得出自适应律和并反馈给VSEA期望输入和控制器,改变VSEA期望输入和控制器参数,构成闭环系统,减小跟踪误差;
上述自适应控制过程随着时间的变化周而复始,直至误差为零。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810652614.6A CN108527372B (zh) | 2018-06-22 | 2018-06-22 | 一种变刚度串联弹性驱动器的机器人关节自适应控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810652614.6A CN108527372B (zh) | 2018-06-22 | 2018-06-22 | 一种变刚度串联弹性驱动器的机器人关节自适应控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108527372A CN108527372A (zh) | 2018-09-14 |
CN108527372B true CN108527372B (zh) | 2020-10-27 |
Family
ID=63471384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810652614.6A Active CN108527372B (zh) | 2018-06-22 | 2018-06-22 | 一种变刚度串联弹性驱动器的机器人关节自适应控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108527372B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109333530B (zh) * | 2018-10-08 | 2020-05-26 | 浙江工业大学 | 一种基于串联弹性执行器的六关节机械臂接触力控制方法 |
CN110202567A (zh) * | 2019-07-10 | 2019-09-06 | 中国科学技术大学 | 一种串联弹性驱动装置 |
CN110722563A (zh) * | 2019-10-29 | 2020-01-24 | 南京南邮信息产业技术研究院有限公司 | 一种变刚度软体机器人的建模方法 |
CN112847327B (zh) * | 2019-11-12 | 2022-02-11 | 中国科学院沈阳自动化研究所 | 一种用于协作机器人关节的柔顺控制方法 |
CN111281743B (zh) * | 2020-02-29 | 2021-04-02 | 西北工业大学 | 一种上肢康复外骨骼机器人自适应柔顺控制方法 |
CN112247984B (zh) * | 2020-09-17 | 2021-11-23 | 江苏大学 | 一种变刚度关节轨迹跟踪控制方法 |
CN112506045B (zh) * | 2020-09-28 | 2022-04-01 | 中国科学院数学与系统科学研究院 | 非标准型离散时间非线性系统的自适应控制方法及系统 |
CN113001584B (zh) * | 2021-03-05 | 2022-06-14 | 电子科技大学 | 一种可变刚度的机器人柔性关节 |
CN113400313B (zh) * | 2021-07-02 | 2022-07-26 | 西北工业大学 | 基于Zener模型的机器人-环境柔顺接触过程的阻抗控制方法 |
CN115202339B (zh) * | 2022-05-30 | 2023-06-23 | 北京理工大学 | 基于dqn的多月球车采样固定目标自适应规划方法 |
CN115495853B (zh) * | 2022-11-18 | 2023-03-24 | 北京航空航天大学 | 一种颗粒阻塞变刚度模块参数优化方法和装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RO125970B1 (ro) * | 2010-01-21 | 2019-03-29 | Institutul De Mecanica Solidelor Al Academiei Române | Metodă şi dispozitiv pentru controlul dinamic al unui robot păşitor |
CN204487594U (zh) * | 2015-03-17 | 2015-07-22 | 河北工业大学 | 一种可变刚度的柔性关节 |
CN106151335A (zh) * | 2015-04-28 | 2016-11-23 | 上海交通大学 | 具有调节件的弹性刚度可调装置 |
CN105599006A (zh) * | 2016-03-23 | 2016-05-25 | 华南理工大学 | 一种双电机驱动的机器人变刚度弹性关节 |
CN106945046A (zh) * | 2017-04-24 | 2017-07-14 | 华南理工大学 | 基于变刚度弹性驱动器的机械臂控制系统及其控制方法 |
CN207328571U (zh) * | 2017-06-12 | 2018-05-08 | 湖北三环汽车方向机有限公司 | 一种用于液压系统中的低通阀 |
CN107577147B (zh) * | 2017-09-08 | 2020-07-03 | 北京邮电大学 | 一种基于自适应Smith预估器的遥操作双边PID控制方法 |
CN207261539U (zh) * | 2017-10-11 | 2018-04-20 | 卡塔罗精密部件(苏州)有限公司 | 一种变刚度组合弹簧 |
-
2018
- 2018-06-22 CN CN201810652614.6A patent/CN108527372B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108527372A (zh) | 2018-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108527372B (zh) | 一种变刚度串联弹性驱动器的机器人关节自适应控制方法 | |
CN110103220B (zh) | 机器人高速高精度运动轨迹规划方法、装置、设备及介质 | |
CN108621158B (zh) | 一种关于机械臂的时间最优轨迹规划控制方法及装置 | |
CN104723340B (zh) | 基于连接和阻尼配置的柔性关节机械臂的阻抗控制方法 | |
CN107662211B (zh) | 一种基于量子粒子群算法的空间机器人预测控制方法 | |
CN112904728B (zh) | 一种基于改进型趋近律的机械臂滑模控制轨迹跟踪方法 | |
CN110673544B (zh) | 基于自适应在线学习的上肢康复机器人控制方法 | |
US20140316575A1 (en) | Robot device, robot control method, program, and recording medium | |
CN111702767A (zh) | 一种基于反演模糊自适应的机械手阻抗控制方法 | |
CN112247962A (zh) | 面向上肢穿戴机器人的人机博弈控制方法及系统 | |
Li et al. | Adaptive hybrid impedance control of robot manipulators with robustness against environment's uncertainties | |
CN101143443A (zh) | 六自由度并联机器人解耦方法 | |
CN114536334A (zh) | 一种柔性机械臂系统高阶滑模抗干扰控制方法 | |
CN115990888A (zh) | 一种具有死区和时变约束功能的机械臂控制方法 | |
CN114952835A (zh) | 一种基于扰动观测器的柔性关节机械臂神经网络积分滑模控制器设计方法 | |
CN110744552A (zh) | 一种基于奇异摄动理论的柔性机械臂运动控制方法 | |
Jing et al. | A recursive dynamic modeling and control for dual-arm manipulator with elastic joints | |
CN108227493B (zh) | 一种机器人轨迹跟踪方法 | |
CN113219825B (zh) | 一种四足机器人单腿轨迹跟踪控制方法及系统 | |
CN116079741B (zh) | 一种电机驱动单连杆机械臂的自适应控制方法 | |
CN116068893A (zh) | 一种机械臂自适应分数阶滑模控制方法、设备及介质 | |
Subudhi et al. | On the singular perturbation approach to trajectory control of a multilink manipulator with flexible links and joints | |
CN112668190B (zh) | 一种三指灵巧手控制器构建方法、系统、设备及存储介质 | |
CN112223276B (zh) | 基于自适应神经网络滑模控制的多关节机器人控制方法 | |
Na et al. | Adaptive impedance control of a haptic teleoperation system for improved transparency |
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 |