CN109773787A - 机械设备的控制学习方法及其具备学习功能的服务器系统 - Google Patents
机械设备的控制学习方法及其具备学习功能的服务器系统 Download PDFInfo
- Publication number
- CN109773787A CN109773787A CN201811642219.6A CN201811642219A CN109773787A CN 109773787 A CN109773787 A CN 109773787A CN 201811642219 A CN201811642219 A CN 201811642219A CN 109773787 A CN109773787 A CN 109773787A
- Authority
- CN
- China
- Prior art keywords
- study
- mechanical equipment
- action
- correction amount
- learning
- 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.)
- Pending
Links
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
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
- Feedback Control In General (AREA)
Abstract
机械设备的控制学习方法及其具备学习功能的服务器系统,对机械设备设置学习服务器、机械控制部、驱动部、示教系统和传感器,在机械控制部中构造学习分析部,在机械设备学习过程中,对动作的工艺信息及学习修正量进行分段整理分析,整合工艺价值数据,并将整理后的工艺价值数据保存至学习服务器中。本发明通过记录机械设备的工艺价值信息,对新的加工工艺进行分析,并根据分析结果从学习服务器获取学习修正量,无需再使用传感器对加工工艺进行重新学习,本发明机械设备学习控制针对加工工艺进行的优化控制,包括机械设备的动作控制和工艺过程控制。
Description
技术领域
本发明涉及机器学习技术领域,涉及机械设备学习控制,为一种具备学习功能的机械设备学习方法及其服务器系统。
背景技术
机械设备学习控制是对加工工艺进行优化的控制。加工工艺一般包括粗加工、精加工、装配、检验、包装,机械设备通过对上述过程进行学习,从而实现对加工工艺进行优化的控制。目前学者、工程师已经将学习控制运用于机器人控制等场合下。如以下文献的介绍:
中国专利《具有学习控制功能的机器人》(CN102189550A),公开了一种具有学习控制功能的机器人,在位置控制对象的部位安装传感器,学习控制部通过传感器检测及动作的目标轨迹或者位置进行学习,得到学习修正量,外部传感器采集的数据有位置、速度、加速度、惯量等。这种方式依赖于相同预定的动作,不同的动作需要进行重新学习,使得之前的学习结果不能重复利用。
中国专利申请《具备学习功能的机器人装置》(CN106965171A)公开了一种机器人装置,根据机器人进行预定动作时的、在预定动作中的通过传感器检测出的物理量,来计算用于改善机器人的预定动作的学习修正量,通过学习扩展部计算学习修正量与学习过的预定动作的信息之间的关系,对于新动作的信息,使用求出的关系,计算用于改善新动作的学习修正量,无需重新学习。该技术方案由于将学习扩展部内置在机械设备的控制部中,使得其他类似的机械设备不能使用该机械设备的学习结果,即存在其他机械设备需要再重新学习构建学习扩展部的问题。
发明内容
本发明要解决的问题是:现有的机械设备学习控制方法学习对象单一,不具有通用性,对于新的动作指令或新的设备,往往需要重新学习,学习控制方法的效率不高。
本发明的技术方案为:一种机械设备的控制学习方法,对机械设备设置学习服务器、机械控制部、驱动部、示教系统和传感器,
示教系统发出动作指令给机械控制部,驱动部用于驱动机械动作,传感器用于获得机械的实际动作信息;
机械控制部包括动作解析部、学习控制部、存储部、学习分析部以及动作控制部,动作解析部对示教系统发出的动作指令进行动作解析,动作解析部将解析后的动作信息发给学习控制部、存储部、学习分析部、以及动作控制部;动作控制部发出控制信息给驱动部,学习控制部对动作解析部传来的动作信息及传感器采集到的信息进行学习,由两者偏差得到学习修正量,并存储于存储部中,其中,机械对不同的预定动作进行学习,包括不同的位置、速度以及加速度情况下的动作指令;存储部中缓存所学习的动作信息及相应的学习修正量,并传输给学习分析部;学习分析部对动作信息即学习修正量进行整理,并将整理后的信息上传于学习服务器,
当机械对指定动作指令学习完成后,针对示教系统下发的新的动作指令,学习分析部对该动作指令进行分析,根据分析结果从学习服务器中得到对应或相似动作的学习修正量,用于在新动作下对驱动部进行动作补偿,动作控制部根据动作解析部传来的新动作指令的动作信息进行机器人动作控制,将动作信号传给驱动部,驱动部根据动作信息和学习修正量,使机械按照指令动作进行执行。
进一步的,学习控制部的学习及学习分析部的分析具体如下:
设机械根据预定动作指令进行N组动作轨迹,学习控制部学习得到对应N组轨迹的学习修正量,将动作轨迹Ni分成Mi段,则N组不同轨迹共有M组动作信息及对应的学习修正量,
记一段动作信息为Xk,对应的学习修正量为Lk,动作信息包含相对位置、速度、加速度和惯量,k=1,2…M,对每段的轨迹数据进行修正,计算每段轨迹相对于轨迹起点的位置,得到修正后的轨迹位置数据,即得到修正后的动作信息Yk,设Wk=[Yk,Lk],构建得到动作价值数据W=[W1,W2,...Wk,...WM],
以时间翘曲距离求解两两修正后动作信息的相似度Dpq,
Dpq=CanonicalWarpingDistance[Yp,Yq]p,q∈M,p≠q
并同样方式求解对应两两的学习修正量的相似度Epq,
Epq=CanonicalWarpingDistance[Lp,Lq]p,q∈M,p≠q
则两两动作价值数据的相似度Fpq,
Fpq=αDpq+βEpq
其中,α,β为权重系数;
当Fpq<ε1,则认为动作价值数据Wp、Wq的信息类似,动作价值数据存在冗余;当M组数据两两经过相似度计算处理完后,对冗余的动作价值数据去除并进行整理,发送至学习服务器以供使用。
对于新的动作指令,将新动作的轨迹分段,对位置数据进行修正处理后,分段动作信息修正后的动作信息为Zj,与动作价值数据W中的Yk进行相似度求解分析,利用时间翘曲距离,得到动作信息的相似度Gjk,
Gjk=CanonicalWarpingDistance[Zj,Yk]
当Gij<ε2,则新动作的学习修正量对应学习服务器中的学习修正量Lk,重复求解上述过程,直至新动作指令的分段轨迹的学习修正量全部得到。
作为优选方式,计算动作信息和学习修正量的相似度时,使用的相似度计算方法包括时间翘曲距离算法、神经网络算法、模糊控制算法、遗传算法和模拟退火算法。
进一步的对于新的动作指令,将获得的动作信息和学习修正量上传至学习服务器。
本发明方法用于机械设备的动作优化控制,以及机械设备的过程优化控制。
本发明还提出一种具备学习功能的机械设备服务器系统,包括学习服务器和机械控制部,机械设备自身具有动作指令系统、驱动部和传感器,动作指令系统用于发出动作指令给机械控制部,驱动部用于驱动机械设备动作,传感器用于获得机械设备的实际动作信息;学习服务器和机械控制部为设置有计算机程序的存储介质,所述计算机程序运行时实现权利要求1所述的方法。
学习服务器的设置方式包括机械设备局域网服务器、企业服务器和云服务器。
本发明提供一种具备学习功能的机械设备学习方法及其服务器系统,通过记录机械设备的工艺价值信息,对新的加工工艺进行分析,并根据分析结果从学习服务器获取学习修正量,无需再使用传感器对加工工艺进行重新学习。具有以下有益效果:
1)本发明提出一种机械设备的控制学习方法,通过对预定指令的学习,学习机械动作的工艺价值信息,构建学习服务器,当遇到新动作指令或新设备时,可以根据新动作指令或新机械设备,动作分析部针对新的动作指令进行分析,根据匹配学习服务器结果,可获取已学习的学习修正量,无需重复学习。
2)本发明提出的机械设备的控制学习方法及其服务器系统,无需与固定的机械设备绑定,可以灵活更换到不同的机械设备上运行,学习服务器中的工艺价值信息越多,即学习过越多的动作指令,本发明就能够适用于越多的设备。
3)本发明的学习服务器系统,能够提高机械设备的工作效率、降低机械设备成本及生产线系统成本。
4)本发明方法中,动作分析部针对新的动作指令进行分析,根据匹配学习服务器的结果,用新动作信息与学习修正量的数据更新机械设备的学习服务器,使得本发明的学习服务器不断自我充实。
5)本发明方法能够用于协助抑制机械设备动作过程中的振动,实现敏捷的动作。
6)本发明方法能够从多角度,如节拍、功耗、运动精度等,优化机械设备的动作,提高生产效率。
7)本发明方法能够从多角度,铸造、锻压等,优化机械设备的加工工艺,提高机械设备的产品加工质量。
8)本发明所建立的学习服务器系统,可更换设备使用,其他机械设备无需再重新学习,动作分析部针对新动作可直接从学习服务器获取对应的学习修正量。
附图说明
图1为本发明方法示意图。
图2为本发明方法中,机器人学习中的示意图。
图3为本发明构建学习服务器的流程图。
图4为本发明方法中,机器人运行中的示意图。
图5为本发明中学习服务器系统的使用流程图。
具体实施方式
本发明提供一种具备学习功能的机械设备学习方法及其服务器系统,通过记录机械设备的工艺价值信息,对新的加工工艺进行分析,并根据分析结果从学习服务器获取学习修正量,无需再使用传感器对加工工艺进行重新学习。为了描述机械设备方便,本发明实施例以工业机器人和动作优化控制为例进行说明,但不局限于工业机器人,还包括伺服驱动器等其他机械设备,也不局限于动作优化控制,还包括过程优化控制。
以下,参照附图,说明本发明的实施例所涉及的机械设备学习服务器系统,其中机械设备以工业机器人为例,即下面关于机器人认为是机械设备的描述。
图1表示本发明的实施例所涉及的机械设备学习方法及其服务器系统的示意图。对机器人备设置学习服务器、机器人控制部、驱动部、示教系统和传感器,示教系统下发动作指令传输给机器人控制部,以期望机器人能够按照期望的动作进行执行。驱动部用于驱动机器人动作。
机器人控制部由动作解析部、学习控制部、存储部、学习分析部以及动作控制部组成。动作解析部主要是对示教系统传过来的动作指令进行动作解析,动作解析包括运动学规划、动力学分析等,动作解析部将解析后的动作信息发给学习控制部、存储部、学习分析部、以及动作控制部。学习控制部对动作解析部传来的动作信息及传感器采集到的信息进行学习,得到学习修正量后存储于存储部中。机器人在工作空间中以预定的动作进行学习,预定的动作需要包含不同的位置、速度、加速度等情况下,以保证机器人学习的质量。存储部中存储学习的动作信息及相应的学习修正量,当学习完成后,传输给学习分析部。当学习完成后,学习控制部和存储部可以不需要。学习分析部对动作价值信息进行整理,去除冗余的信息,并将动作价值信息上传于学习服务器。当机器人学习完成后,针对示教系统下发的新的动作指令,学习分析部对该动作进行一定分析,根据分析结果从学习服务器中得到对应或相似动作的学习修正量,对驱动部进行动作补偿。动作控制部对动作解析部传来的动作信息进行机器人动作控制,将动作信号传给驱动部。驱动部主要由伺服驱动器、伺服电机组成,伺服驱动器通过位置、速度或者电流反馈控制驱动伺服电机动作,使机器人机构部按照预期的动作进行执行。
传感器安装在机器人的位置控制的对象部位,用于得到对象部位的位置、速度或加速度等物理信息。
上述实施例所涉及传感器包括编码器、位置传感器、速度传感器、加速度传感器、视觉传感器、力觉传感器、角速度传感器、陀螺传感器、惯性测量单元等。
接下来叙述学习服务器系统的构建及使用过程。
图3表示构建学习服务器的流程图。首先,示教系统下发运动指令给机器人控制部,机器人控制部的动作解析部对动作指令进行动作解析,学习控制部得到动作信息及外部传感器采集得到的数据进行学习,得到整体动作的学习修正量,并将动作信息及学习修正量保存至存储部。其次,学习分析部从存储部取出动作信息及学习修正量,并将学习修正量和动作信息进行分段处理,构建动作价值数据,通过分析后去除冗余结果。最后,学习分析部将最终的分析结果上传于学习服务器。
记机器人在工作空间中动作N组位置、速度、加速度、惯量等不同的轨迹。安装在对象部位的传感器以加速度传感器为例,传感器检测得到的物理量是机器人位置控制的对象部位加速度。经过一次积分得到速度成分,二次积分得到位置成分。
设机械根据预定动作指令进行N组动作轨迹,学习控制部学习得到对应N组轨迹的学习修正量,将动作轨迹Ni分成Mi段,则N组不同轨迹共有M组动作信息及对应的学习修正量,Mi可以根据轨迹的长短、插补点的多少来确定,第一组动作轨迹分成M1段,第二组轨迹分为M2段,以此类推。
记一段动作信息为Xk,对应的学习修正量为Lk,动作信息包含相对位置、速度、加速度和惯量,k=1,2…M,对每段的轨迹数据进行修正,计算每段轨迹相对于轨迹起点的位置,得到修正后的轨迹位置数据,即得到修正后的动作信息Yk,设Wk=[Yk,Lk],构建得到动作价值数据W=[W1,W2,...Wk,...WM],
以时间翘曲距离求解两两修正后动作信息的相似度Dpq,
Dpq=CanonicalWarpingDistance[Yp,Yq]p,q∈M,p≠q
并同样方式求解对应两两的学习修正量的相似度Epq,
Epq=CanonicalWarpingDistance[Lp,Lq]p,q∈M,p≠q
则两两动作价值数据的相似度Fpq,
Fpq=αDpq+βEpq
其中,α,β为权重系数;
当Fpq<ε1,则认为动作价值数据Wp、Wq的信息类似,动作价值数据存在冗余。ε1是相似度阈值,对应不同机型、不同负载、不同速度、不同惯量等实际工况,可以根据实验事先调整得出。
当M组数据两两经过相似度计算处理完后,对冗余的动作价值数据去除并进行整理,发送至学习服务器以供本机器人和其他机器人使用。
图5表示学习服务器系统的使用流程图。首先,示教系统下发动作指令至机器人控制部,控制部中的动作解析部对动作指令进行解析。学习分析部对解析后的动作信息进行进一步分段处理,通过分析后从学习服务器获取对应的学习修正量。最后,将学习修正量与动作控制部输出的动作信息相加,传输给驱动部。
对于新的动作指令,将新动作的轨迹分段,对位置数据进行修正处理后,分段动作信息修正后的动作信息为Zj,与动作价值数据W中的Yk进行相似度求解分析,利用时间翘曲距离,得到动作信息的相似度Gjk,
Gjk=CanonicalWarpingDistance[Zj,Yk]
当Gij<ε2,则新动作的学习修正量对应学习服务器中的学习修正量Lk,重复求解上述过程,直至新动作指令的分段轨迹的学习修正量全部得到。这里的阈值ε2也是根据不同机型、不同负载、不同速度、不同惯量等工况的实验调整得出,预先设定。
如以上说明,根据本发明方法及系统,在学习过的机器人和未经任何学习的机器人上,新的动作指令无需耗费时间和精力再安装设置传感器、重新学习,学习分析部对动作信息分析,直接从学习服务器中得到学习修正量。
本发明使用时间翘曲距离构建学习服务器系统并进行运用,但不局限于此种方法,其他计算相似度的方法也可以使用。,如误差平方和、最小二乘法、相关系数、神经网络算法、模糊控制算法、遗传算法和模拟退火算法。
本发明机械设备学习控制是针对加工工艺进行的优化控制,包括机械设备的动作控制和工艺过程控制。在机械设备的控制部中构造学习分析部,在机械设备学习过程中,对存储在存储部的工艺信息及学习修正量进行分段整理分析,利用时间翘曲距离整合工艺价值数据,并将整理后的工艺价值数据保存至学习服务器中。存储在学习服务器的工艺价值数据不仅可以供学习的机械设备使用,也可以提供给其他未经学习的机械设备使用。学习服务器可再根据需求进行更新,以保证机械设备性能的高效性。
Claims (8)
1.一种机械设备的控制学习方法,其特征是对机械设备设置学习服务器、机械控制部、驱动部、示教系统和传感器,
示教系统发出动作指令给机械控制部,驱动部用于驱动机械动作,传感器用于获得机械的实际动作信息;
机械控制部包括动作解析部、学习控制部、存储部、学习分析部以及动作控制部,动作解析部对示教系统发出的动作指令进行动作解析,动作解析部将解析后的动作信息发给学习控制部、存储部、学习分析部、以及动作控制部;动作控制部发出控制信息给驱动部,学习控制部对动作解析部传来的动作信息及传感器采集到的信息进行学习,由两者偏差得到学习修正量,并存储于存储部中,其中,机械对不同的预定动作进行学习,包括不同的位置、速度以及加速度情况下的动作指令;存储部中缓存所学习的动作信息及相应的学习修正量,并传输给学习分析部;学习分析部对动作信息即学习修正量进行整理,并将整理后的信息上传于学习服务器,
当机械对指定动作指令学习完成后,针对示教系统下发的新的动作指令,学习分析部对该动作指令进行分析,根据分析结果从学习服务器中得到对应或相似动作的学习修正量,用于在新动作下对驱动部进行动作补偿,动作控制部根据动作解析部传来的新动作指令的动作信息进行机器人动作控制,将动作信号传给驱动部,驱动部根据动作信息和学习修正量,使机械按照指令动作进行执行。
2.根据权利要求1所述的一种机械设备的控制学习方法,其特征是学习控制部的学习及学习分析部的分析具体如下:
设机械根据预定动作指令进行N组动作轨迹,学习控制部学习得到对应N组轨迹的学习修正量,将动作轨迹Ni分成Mi段,则N组不同轨迹共有M组动作信息及对应的学习修正量,
记一段动作信息为Xk,对应的学习修正量为Lk,动作信息包含相对位置、速度、加速度和惯量,k=1,2…M,对每段的轨迹数据进行修正,计算每段轨迹相对于轨迹起点的位置,得到修正后的轨迹位置数据,即得到修正后的动作信息Yk,设Wk=[Yk,Lk],构建得到动作价值数据W=[W1,W2,...Wk,...WM],
以时间翘曲距离求解两两修正后动作信息的相似度Dpq,
Dpq=CanonicalWarpingDistance[Yp,Yq]p,q∈M,p≠q
并同样方式求解对应两两的学习修正量的相似度Epq,
Epq=CanonicalWarpingDistance[Lp,Lq]p,q∈M,p≠q
则两两动作价值数据的相似度Fpq,
Fpq=αDpq+βEpq
其中,α,β为权重系数;
当Fpq<ε1,ε1是设置的相似度阈值,则认为动作价值数据Wp、Wq的信息类似,动作价值数据存在冗余;
当M组数据两两经过相似度计算处理完后,对冗余的动作价值数据去除并进行整理,发送至学习服务器以供使用。
3.根据权利要求2所述的一种机械设备的控制学习方法,其特征是对于新的动作指令,将新动作的轨迹分段,对位置数据进行修正处理后,分段动作信息修正后的动作信息为Zj,与动作价值数据W中的Yk进行相似度求解分析,利用时间翘曲距离,得到动作信息的相似度Gjk,
Gjk=CanonicalWarpingDistance[Zj,Yk]
当Gij<ε2,ε2为设置的阈值,则新动作的学习修正量对应学习服务器中的学习修正量Lk,重复求解上述过程,直至新动作指令的分段轨迹的学习修正量全部得到。
4.根据权利要求2或3所述的一种机械设备的控制学习方法,其特征是计算动作信息和学习修正量的相似度时,使用的相似度计算方法还包括误差平方和、最小二乘法、相关系数、神经网络算法、模糊控制算法、遗传算法和模拟退火算法。
5.根据权利要求1所述的一种机械设备的控制学习方法,其特征是对于新的动作指令,将获得的动作信息和学习修正量上传至学习服务器。
6.根据权利要求1所述的一种机械设备的控制学习方法,其特征是用于机械设备的动作优化控制,以及机械设备的过程优化控制。
7.一种具备学习功能的机械设备控制学习系统,其特征是包括学习服务器和机械控制部,机械设备自身具有动作指令系统、驱动部和传感器,动作指令系统用于发出动作指令给机械控制部,驱动部用于驱动机械设备动作,传感器用于获得机械设备的实际动作信息;学习服务器和机械控制部为设置有计算机程序的存储介质,所述计算机程序运行时实现权利要求1所述的方法。
8.根据权利要求6所述的机械设备控制学习系统,其特征是学习服务器的设置方式包括机械设备局域网服务器、企业服务器和云服务器。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811642219.6A CN109773787A (zh) | 2018-12-29 | 2018-12-29 | 机械设备的控制学习方法及其具备学习功能的服务器系统 |
PCT/CN2019/086712 WO2020133881A1 (zh) | 2018-12-29 | 2019-05-13 | 机械设备的控制学习方法和具备学习功能的机械设备控制学习系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811642219.6A CN109773787A (zh) | 2018-12-29 | 2018-12-29 | 机械设备的控制学习方法及其具备学习功能的服务器系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109773787A true CN109773787A (zh) | 2019-05-21 |
Family
ID=66499540
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811642219.6A Pending CN109773787A (zh) | 2018-12-29 | 2018-12-29 | 机械设备的控制学习方法及其具备学习功能的服务器系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109773787A (zh) |
WO (1) | WO2020133881A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111890350A (zh) * | 2020-06-12 | 2020-11-06 | 深圳先进技术研究院 | 机器人及其控制方法、计算机可读存储介质 |
CN112054738A (zh) * | 2020-09-09 | 2020-12-08 | 福安市高博特电机科技有限公司 | 一种自动调节式变频控制器 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105045900A (zh) * | 2015-08-05 | 2015-11-11 | 石河子大学 | 数据提取的方法及装置 |
EP2987591A2 (en) * | 2014-08-20 | 2016-02-24 | Korea Institute of Science and Technology | Robot motion data processing system using motion data reduction/restoration compatible to hardware limits |
US9604359B1 (en) * | 2014-10-02 | 2017-03-28 | Brain Corporation | Apparatus and methods for training path navigation by robots |
CN106965171A (zh) * | 2016-01-14 | 2017-07-21 | 发那科株式会社 | 具备学习功能的机器人装置 |
CN107103029A (zh) * | 2017-03-03 | 2017-08-29 | 北京光年无限科技有限公司 | 一种用于机器人的图像数据处理方法 |
CN107657266A (zh) * | 2017-08-03 | 2018-02-02 | 华北电力大学(保定) | 一种基于改进谱多流形聚类的负荷曲线聚类方法 |
CN107825422A (zh) * | 2016-09-16 | 2018-03-23 | 发那科株式会社 | 机械学习装置、机器人系统以及机械学习方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004243475A (ja) * | 2003-02-14 | 2004-09-02 | Seiko Epson Corp | ロボットおよびロボットシステム |
US9135554B2 (en) * | 2012-03-23 | 2015-09-15 | Irobot Corporation | Robot controller learning system |
CN106695793B (zh) * | 2017-01-18 | 2020-04-10 | 宁波韦尔德斯凯勒智能科技有限公司 | 一种xyzr四轴钻孔机器人主动柔顺控制装置及方法 |
WO2018158601A1 (en) * | 2017-03-01 | 2018-09-07 | Omron Corporation | Monitoring devices, monitored control systems and methods for programming such devices and systems |
JP6490132B2 (ja) * | 2017-03-31 | 2019-03-27 | ファナック株式会社 | ロボットの制御装置、機械学習装置及び機械学習方法 |
-
2018
- 2018-12-29 CN CN201811642219.6A patent/CN109773787A/zh active Pending
-
2019
- 2019-05-13 WO PCT/CN2019/086712 patent/WO2020133881A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2987591A2 (en) * | 2014-08-20 | 2016-02-24 | Korea Institute of Science and Technology | Robot motion data processing system using motion data reduction/restoration compatible to hardware limits |
US9604359B1 (en) * | 2014-10-02 | 2017-03-28 | Brain Corporation | Apparatus and methods for training path navigation by robots |
CN105045900A (zh) * | 2015-08-05 | 2015-11-11 | 石河子大学 | 数据提取的方法及装置 |
CN106965171A (zh) * | 2016-01-14 | 2017-07-21 | 发那科株式会社 | 具备学习功能的机器人装置 |
CN107825422A (zh) * | 2016-09-16 | 2018-03-23 | 发那科株式会社 | 机械学习装置、机器人系统以及机械学习方法 |
CN107103029A (zh) * | 2017-03-03 | 2017-08-29 | 北京光年无限科技有限公司 | 一种用于机器人的图像数据处理方法 |
CN107657266A (zh) * | 2017-08-03 | 2018-02-02 | 华北电力大学(保定) | 一种基于改进谱多流形聚类的负荷曲线聚类方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111890350A (zh) * | 2020-06-12 | 2020-11-06 | 深圳先进技术研究院 | 机器人及其控制方法、计算机可读存储介质 |
CN112054738A (zh) * | 2020-09-09 | 2020-12-08 | 福安市高博特电机科技有限公司 | 一种自动调节式变频控制器 |
Also Published As
Publication number | Publication date |
---|---|
WO2020133881A1 (zh) | 2020-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108656112B (zh) | 一种面向直接示教的机械臂零力控制实验系统 | |
CN110662634B (zh) | 用于控制关节型机器人的致动器的系统和方法 | |
CN111438687A (zh) | 判定装置 | |
CN105629729A (zh) | 一种基于线性自抗扰的网络化移动机器人轨迹跟踪控制方法 | |
CN111251304B (zh) | 一种机器人控制系统和方法 | |
CN111015649B (zh) | 一种驱控一体化控制系统 | |
CN110394801B (zh) | 一种机器人的关节控制系统 | |
CN110703604B (zh) | 一种外骨骼动力学模型参数辨识方法及外骨骼装置 | |
CN110154024B (zh) | 一种基于长短期记忆神经网络增量模型的装配控制方法 | |
CN109773787A (zh) | 机械设备的控制学习方法及其具备学习功能的服务器系统 | |
US20220063091A1 (en) | Robot control device, robot system and robot control method | |
CN111168682B (zh) | 并联机器人结合鲁棒精确微分器有限时间收敛滑模控制方法 | |
CN110103225A (zh) | 一种数据驱动的机械臂重复运动控制方法与装置 | |
CN110978014A (zh) | 控制装置以及控制系统 | |
CN115256395A (zh) | 基于控制障碍函数的模型不确定机器人安全控制方法 | |
Gao et al. | Adaptive integral backstepping control for a 3-DOF helicopter | |
CN115416024A (zh) | 一种力矩控制的机械臂自主轨迹规划方法和系统 | |
CN117400237A (zh) | 火箭固体燃料整形机器人的轨迹跟踪和力柔顺控制方法 | |
CN209942765U (zh) | 一种自适应神经网络自动猫道 | |
CN110488608B (zh) | 用于驱控一体化控制系统的智能化动力学参数辩识方法及模块 | |
CN107728470B (zh) | 一种无速率测量的机械臂姿态控制方法 | |
Hao et al. | Robust tracking control of 6-DOF parallel electrical manipulator in Joint-Task space with fast friction estimation | |
Liang et al. | Adaptive visual tracking control of uncertain rigid-link electrically driven robotic manipulators with an uncalibrated fixed camera | |
DE102008062978B4 (de) | Handhabungsmaschine und Verfahren zu ihrem Betrieb | |
Mulyadi et al. | Digital Twin Model Development for Autonomous Tram Localization |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190521 |
|
RJ01 | Rejection of invention patent application after publication |