CN110154036A - 视觉动态系统下的室内服务机器人控制器设计方法及系统 - Google Patents

视觉动态系统下的室内服务机器人控制器设计方法及系统 Download PDF

Info

Publication number
CN110154036A
CN110154036A CN201910549526.8A CN201910549526A CN110154036A CN 110154036 A CN110154036 A CN 110154036A CN 201910549526 A CN201910549526 A CN 201910549526A CN 110154036 A CN110154036 A CN 110154036A
Authority
CN
China
Prior art keywords
service robot
dynamical system
vision
controller
motion
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.)
Granted
Application number
CN201910549526.8A
Other languages
English (en)
Other versions
CN110154036B (zh
Inventor
周风余
王玉刚
马逍天
李铭
赵阳
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.)
Shandong University
Original Assignee
Shandong University
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 Shandong University filed Critical Shandong University
Priority to CN201910549526.8A priority Critical patent/CN110154036B/zh
Publication of CN110154036A publication Critical patent/CN110154036A/zh
Application granted granted Critical
Publication of CN110154036B publication Critical patent/CN110154036B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/008—Manipulators for service tasks
    • 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
    • B25J9/1605—Simulation of manipulator lay-out, design, modelling of manipulator
    • 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
    • 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
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • B25J9/1697—Vision controlled systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Manipulator (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种视觉动态系统下的室内服务机器人控制器设计方法及系统,借助视觉动态系统构建遗忘因子PD型迭代学习控制器。该方法包括以下步骤：构建视觉动态系统下的服务机器人运动模型；构建服务机器人的遗忘因子PD型迭代学习控制器；预设服务机器人运动机构的期望运动轨迹，初始化服务机器人运动机构的输入量以及初始化位置；判断服务机器人运动机构的实际运动轨迹与期望运动轨迹两者的误差是否满足要求，若满足要求，则服务机器人的实际运动轨迹与期望运动轨迹重合；否则，重复上述迭代过程，直至误差满足条件。

Description

视觉动态系统下的室内服务机器人控制器设计方法及系统
技术领域
本发明属于室内服务机器人控制领域，尤其涉及一种视觉动态系统下的室内服务机器人遗忘因子PD型迭代学习控制器的设计方法及系统。
背景技术
服务机器人已经广泛应用于家庭中，机器人也逐渐改善我们的生活方式，给家庭带来越来越多的方便。然而，面对复杂的家庭环境，如何控制机器人的轨迹也提出了越来越多的要求。
服务机器人本身是一个典型的高度非线性运动学模型，其轨迹精度控制问题一直是家庭服务机器人领域的研究热点。目前的服务机器人轨迹的精确控制方法有：变结构控制、滑模控制、鲁棒控制和学习控制等；然而前几种控制方法均为有模型控制，服务机器人在实际运行过程中往往存在不确定干扰因素导致服务机器人轨迹发生变化。然而，迭代学习控制以非常简单的方式和需要较少的先验知识处理不确定程度相当高的动态系统，因此得到了广泛的研究和应用。
发明人在研发过程中发现，现有的学习控制方法均为有模型控制并且需要对机器人自身信息进行控制，当机器人自身信息获取存在误差时，需要重新学习以达到较好的跟踪效果。
发明内容
为了提高机器人轨迹的精度，本公开提供了一种视觉动态系统下的室内服务机器人迭代学习控制器的设计方法及系统,借助视觉动态系统构建遗忘因子PD型迭代学习控制器。
本公开一方面提供的一种视觉动态系统下的室内服务机器人控制器的设计方法的技术方案是：
一种视觉动态系统下的室内服务机器人控制器的设计方法，该方法包括以下步骤：
构建视觉动态系统下的服务机器人运动模型；
构建服务机器人的遗忘因子PD型迭代学习控制器；
预设服务机器人运动机构的期望运动轨迹，初始化服务机器人运动机构的输入量以及初始化位置；
判断服务机器人运动机构的实际运动轨迹与期望运动轨迹两者的误差是否满足要求，若满足要求，则服务机器人的实际运动轨迹与期望运动轨迹重合；否则，重复上述迭代过程，直至误差满足条件。
本公开另一方面提供的一种视觉动态系统下的室内服务机器人控制器的设计系统的技术方案是：
一种视觉动态系统下的室内服务机器人控制器的设计系统，该系统包括：
运动模型构建模块，用于构建视觉动态系统下的服务机器人运动模型；
控制器构建模块，用于构建服务机器人的遗忘因子PD型迭代学习控制器；
初始化模块，用于预设服务机器人运动机构的期望运动轨迹，初始化服务机器人运动机构的输入量以及初始化位置；
判断模块，用于判断服务机器人运动机构的实际运动轨迹与期望运动轨迹两者的误差是否满足要求，若满足要求，则服务机器人的实际运动轨迹与期望运动轨迹重合；否则，重复上述迭代过程，直至误差满足条件。
本公开另一方面提供的一种计算机可读存储介质的技术方案是：
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的视觉动态系统下的室内服务机器人控制器的设计方法中的步骤。
本公开另一方面提供的一种计算机设备的技术方案是：
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述视觉动态系统下的室内服务机器人控制器的设计方法中的步骤。
本公开另一方面提供的一种室内服务机器人控制系统的技术方案是：
一种室内服务机器人控制系统，该系统包括采用如上所述的视觉动态系统下的室内服务机器人控制器的设计方法得到的室内服务机器人控制器和视觉动态系统，在视觉动态系统的作用下，服务机器人控制器驱动服务机器人的运动机构。
通过上述技术方案，本公开的有益效果是：
(1)本公开不仅在控制器中引入视觉动态系统，还增加了误差修正项，保证了系统出现扰动时的收敛性，提高了控制器的适应性以及精确性。
(2)本公开借助视觉动态系统，可以从外界获取服务机器人的运动信息，提高服务机器人轨迹精度，实现服务机器人对期望轨迹的完全跟踪。
(3)本公开不仅在控制器中引入遗忘因子，增加了控制器的控制律的可调因子，还保证控制器的控制律针对系统出现时变非线性状态时单调收敛性，其次，引入视觉动态系统成像误差，增加了误差修正项，使得误差修复更加准确迅速，因此使得控制器的控制律具有更好的稳定性和适应性。
(4)本公开有效地利用了遗忘因子PD型学习律较传统迭代学习在调节跟踪学习单调收敛上的独特优势，结合视觉动态系统改善跟踪性能，提高了收敛速度，使得机器人能够更快速准确地实现跟踪任务。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本申请，并不构成对本公开的不当限定。
图1是实施例一室内服务机器人控制器的设计方法的流程图；
图2是实施例一基于视觉动态系统的服务机器人运动模型示意图；
图3是实施例一遗忘因子PD型迭代学习控制误差构成原理图；
图4是实施例一带有期望扰动与系统扰动的控制器结构图；
图5是实施例一服务机器人在视界动态系统下运动的仿真效果图；
图6(a)和6(b)是实施例一迭代过程中的误差分析图；
图7(a)和7(b)是实施例一迭代50次时的服务机器人轨迹跟踪过程效果图；
图8(a)和8(b)是实施例一迭代50后时的服务机器人轨迹跟踪结果图；
图9是实施例一迭代50的服务机器人轨迹跟踪误差收敛图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本公开使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
本实施例提供一种视觉动态系统下的室内服务机器人控制器的设计方法,借助视觉动态系统构建遗忘因子PD型迭代学习控制器。
请参阅附图1，该室内服务机器人控制器的设计方法包括以下步骤：
S101，选定服务机器人设置为一个质点，并构建视觉动态系统下的服务机器人运动模型。
服务机器人的运动是在视觉动态系统下完成的，请参阅附图2，由服务机器人运动平面和摄像机构成，所述视觉动态系统下的服务机器人运动模型如下所示：
可以化简为：
其中，矩阵A，B为状态矩阵，可以根据视觉动态系统进行构造，δ1(t)为视觉动态系统扰动。
输出为：
其中，[X(t) Y(t) Z(t)]T表示世界坐标下成像运动轨迹，[y1(t) y2(t) y3(t)]T表示在视觉动态系统中摄像机成像运动轨迹。
S102，构建服务机器人的遗忘因子PD型迭代学习控制器。
请参阅附图3，本实施例定义服务机器人运动平面的跟踪误差为摄像机成像平面的跟踪误差为则定义服务机器人在视觉动态系统下的跟踪误差ek(t)为：
其中，W1,W2为已知系数，Mk为已知矩阵，描述了跟踪误差与的关系；为服务机器人运动世界坐标下当前时刻位置；为世界坐标下预设的期望运动轨迹；为服务机器人在视觉动态系统当前位置时刻成像轨迹；为预设的期望成像轨迹。
根据服务机器人在视觉动态系统下的跟踪误差ek(t)，构造遗忘因子PD型迭代学习控制器如下所示：
其中，γ∈(0,1)，L，P为增益矩阵，可以根据收敛条件进行设计；u0(t)为初始控制输入；uk(t)为第k次控制输入。
遗忘因子PD型迭代学习控制器的控制律的具体为：
服务机器人运动机构的当前输入量等于前一时刻输入量与两个跟踪误差学习项之和；两个跟踪误差分别为由服务机器人运动世界坐标下当前时刻位置与预设的期望运动轨迹之差以及由服务机器人在视觉动态系统当前位置时刻成像轨迹与预设的期望成像轨迹之差一个跟踪误差学习项等于跟踪误差的P倍，另一个跟踪误差学习项等于跟踪误差微分的L倍；L，P为遗忘因子PD型迭代学习控制律的参数，γ∈(0,1)，均可以根据收敛条件进行设计获得。
S103，预设服务机器人运动机构的期望运动轨迹yd(t)，初始化服务机器人运动机构的输入量u0(t)以及初始化位置x0(t)，作用于服务机器人的运动机构。
S104，判断服务机器人运动机构的实际运动轨迹与期望运动轨迹两者的误差是否满足要求，若满足要求，则服务机器人的实际运动轨迹与期望运动轨迹重合，结束；否则，进入下一步迭代过程，直至误差满足条件。
本实施例提出的视觉动态系统下的室内服务机器人控制器的设计方法，不仅在控制器中引入视觉动态系统，还增加了误差修正项，保证了系统出现扰动时的收敛性，提高了控制器的适应性以及精确性。
下面对本实施例提出的视觉动态系统下的室内服务机器人控制器的设计方法进行仿真验证。
服务机器人在视觉动态系统下运动如图5所示，根据视觉动态系统理论，设定服务机器人在视觉动态系统下的运动模型为：
其中，δ1(t)＝0.01·randn(length(x),1)。
系统的输出为：
含有扰动的期望输出轨迹为：
设计的遗忘因子PD型迭代学习控制器为：
根据收敛条件，分别选择增益矩阵γ＝0.2，L＝(CB)-1，P＝I2×2。
服务机器人在视觉动态系统下的时间区间为[0,1]。设定初始输入以及初始值分别为：和从图7(a)和7(b)中可以看到随着迭代次数的增加，移动机器人不断趋向于期望轨迹。从图中可以看出，本实施例设计的控制器具有较好的控制性能。图6(a)和6(b)是迭代过程中的误差分析图,图8(a)和8(b)是迭代第50次的跟踪效果图，图9显示了系统迭代的收敛性。
本实施例提出的遗忘因子PD型迭代学习服务机器人控制器的设计方法，不仅在控制器中引入遗忘因子，增加了控制器的控制律的可调因子，还保证控制器的控制律针对系统出现时变非线性状态时单调收敛性，其次，引入视觉动态系统成像误差，增加了误差修正项，使得误差修复更加准确迅速，因此使得控制器的控制律具有更好的稳定性和适应性。
本实施例有效地利用了遗忘因子PD型学习律较传统迭代学习在调节跟踪学习单调收敛上的独特优势，结合视觉动态系统改善跟踪性能，提高了收敛速度，使得机器人能够更快速准确地实现跟踪任务。
实施例二
本实施例提供一种视觉动态系统下的室内服务机器人控制器的设计系统，该系统包括：
运动模型构建模块，用于构建视觉动态系统下的服务机器人运动模型；
控制器构建模块，用于构建服务机器人的遗忘因子PD型迭代学习控制器；
初始化模块，用于预设服务机器人运动机构的期望运动轨迹，初始化服务机器人运动机构的输入量以及初始化位置；
判断模块，用于判断服务机器人运动机构的实际运动轨迹与期望运动轨迹两者的误差是否满足要求，若满足要求，则服务机器人的实际运动轨迹与期望运动轨迹重合；否则，重复上述迭代过程，直至误差满足条件。
实施例三
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的视觉动态系统下的室内服务机器人控制器的设计方法中的步骤。
实施例四
本实施例提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的视觉动态系统下的室内服务机器人控制器的设计方法中的步骤。
实施例五
本实施例提供一种视觉动态系统下的服务机器人控制系统，该控制系统包括服务机器人控制器和视觉动态系统。
该服务机器人控制器是采用实施例一所述的服务机器人遗忘因子PD型迭代学习控制器的设计方法而得到的控制器，如图4所示。
视觉动态系统与服务机器人控制器连接，在视觉动态系统的作用下，服务机器人控制器驱动服务机器人的运动机构。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。

Claims (10)

1.一种视觉动态系统下的室内服务机器人控制器的设计方法，其特征是，包括以下步骤：
构建视觉动态系统下的服务机器人运动模型；
构建服务机器人的遗忘因子PD型迭代学习控制器；
预设服务机器人运动机构的期望运动轨迹，初始化服务机器人运动机构的输入量以及初始化位置；
判断服务机器人运动机构的实际运动轨迹与期望运动轨迹两者的误差是否满足要求，若满足要求，则服务机器人的实际运动轨迹与期望运动轨迹重合；否则，重复上述迭代过程，直至误差满足条件。
2.根据权利要求1所述的视觉动态系统下的室内服务机器人控制器的设计方法，其特征是，所述视觉动态系统下的服务机器人运动模型为：
其中，矩阵A，B为状态矩阵，δ1(t)为视觉动态系统扰动；
输出为：
其中，[X(t) Y(t) Z(t)]T表示世界坐标下成像运动轨迹，[y1(t) y2(t) y3(t)]T表示在视觉动态系统中摄像机成像运动轨迹。
3.根据权利要求1所述的视觉动态系统下的室内服务机器人控制器的设计方法，其特征是，所述服务机器人的遗忘因子PD型迭代学习控制器的构建方法为：
定义服务机器人运动平面的跟踪误差和摄像机成像平面的跟踪误差；
利用服务机器人运动平面的跟踪误差和摄像机成像平面的跟踪误差，构建服务机器人在视觉动态系统下的跟踪误差；
根据服务机器人在视觉动态系统下的跟踪误差，构造遗忘因子PD型迭代学习控制器。
4.根据权利要求3所述的视觉动态系统下的室内服务机器人控制器的设计方法，其特征是，所述服务机器人在视觉动态系统下的跟踪误差为：
其中，W1,W2为已知系数，Mk为已知矩阵，为服务机器人运动平面的跟踪误差；为摄像机成像平面的跟踪误差。
5.根据权利要求3所述的视觉动态系统下的室内服务机器人控制器的设计方法，其特征是，所述遗忘因子PD型迭代学习控制器为：
其中，γ∈(0,1)，L，P为增益矩阵，ek(t)为服务机器人在视觉动态系统下的跟踪误差。
6.根据权利要求3所述的视觉动态系统下的室内服务机器人控制器的设计方法，其特征是，所述遗忘因子PD型迭代学习控制器的控制律为：
服务机器人运动机构的当前输入量等于前一时刻输入量与两个跟踪误差学习项之和；所述两个跟踪误差分别为由服务机器人运动世界坐标下当前时刻位置与预设的期望运动轨迹之差；以及由服务机器人在视觉动态系统当前位置时刻成像轨迹与预设的期望成像轨迹之差。
7.一种视觉动态系统下的室内服务机器人控制器的设计系统，其特征是，包括：
运动模型构建模块，用于构建视觉动态系统下的服务机器人运动模型；
控制器构建模块，用于构建服务机器人的遗忘因子PD型迭代学习控制器；
初始化模块，用于预设服务机器人运动机构的期望运动轨迹，初始化服务机器人运动机构的输入量以及初始化位置；
判断模块，用于判断服务机器人运动机构的实际运动轨迹与期望运动轨迹两者的误差是否满足要求，若满足要求，则服务机器人的实际运动轨迹与期望运动轨迹重合；否则，重复上述迭代过程，直至误差满足条件。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征是，该程序被处理器执行时实现如权利要求1-6中任一项所述的视觉动态系统下的室内服务机器人控制器的设计方法中的步骤。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现如权利要求1-6中任一项所述的视觉动态系统下的室内服务机器人控制器的设计方法中的步骤。
10.一种室内服务机器人控制系统，其特征是，包括采用权利要求1-6中任一项所述的视觉动态系统下的室内服务机器人控制器的设计方法得到的室内服务机器人控制器和视觉动态系统，在视觉动态系统的作用下，服务机器人控制器驱动服务机器人的运动机构。
CN201910549526.8A 2019-06-24 2019-06-24 视觉动态系统下的室内服务机器人控制器设计方法及系统 Active CN110154036B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910549526.8A CN110154036B (zh) 2019-06-24 2019-06-24 视觉动态系统下的室内服务机器人控制器设计方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910549526.8A CN110154036B (zh) 2019-06-24 2019-06-24 视觉动态系统下的室内服务机器人控制器设计方法及系统

Publications (2)

Publication Number Publication Date
CN110154036A true CN110154036A (zh) 2019-08-23
CN110154036B CN110154036B (zh) 2020-10-13

Family

ID=67625486

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910549526.8A Active CN110154036B (zh) 2019-06-24 2019-06-24 视觉动态系统下的室内服务机器人控制器设计方法及系统

Country Status (1)

Country Link
CN (1) CN110154036B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111580466A (zh) * 2020-06-05 2020-08-25 中国科学院微电子研究所 一种用于同步控制的带有遗忘因子的迭代学习控制方法
CN114630734A (zh) * 2019-09-30 2022-06-14 西门子股份公司 具有专用硬件加速的支持机器学习的视觉伺服

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102636081A (zh) * 2011-12-29 2012-08-15 南京航空航天大学 一种基于视觉运动建模的传递对准方法及装置
CN106393116A (zh) * 2016-11-18 2017-02-15 山东大学 具有初态学习的机械臂分数阶迭代学习控制方法及系统
CN106527152A (zh) * 2017-01-09 2017-03-22 山东大学 闭环分数阶PDɑ型迭代学习机器人控制器的设计方法及系统
CN108319144A (zh) * 2018-02-21 2018-07-24 湘潭大学 一种机器人轨迹跟踪控制方法及系统
CN109493369A (zh) * 2018-09-11 2019-03-19 深圳控石智能系统有限公司 一种智能机器人视觉动态定位跟踪方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102636081A (zh) * 2011-12-29 2012-08-15 南京航空航天大学 一种基于视觉运动建模的传递对准方法及装置
CN106393116A (zh) * 2016-11-18 2017-02-15 山东大学 具有初态学习的机械臂分数阶迭代学习控制方法及系统
CN106527152A (zh) * 2017-01-09 2017-03-22 山东大学 闭环分数阶PDɑ型迭代学习机器人控制器的设计方法及系统
CN108319144A (zh) * 2018-02-21 2018-07-24 湘潭大学 一种机器人轨迹跟踪控制方法及系统
CN109493369A (zh) * 2018-09-11 2019-03-19 深圳控石智能系统有限公司 一种智能机器人视觉动态定位跟踪方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YANG ZHAO: "Design and Analysis of Fractional Order PD α -Type Iterative Learning Control", 《IFAC PAPERSONLINE 》 *
杨红: "带遗忘因子的 PD 型迭代学习控制算法研究", 《暨南大学学报( 自然科学版)》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114630734A (zh) * 2019-09-30 2022-06-14 西门子股份公司 具有专用硬件加速的支持机器学习的视觉伺服
CN111580466A (zh) * 2020-06-05 2020-08-25 中国科学院微电子研究所 一种用于同步控制的带有遗忘因子的迭代学习控制方法

Also Published As

Publication number Publication date
CN110154036B (zh) 2020-10-13

Similar Documents

Publication Publication Date Title
Nägeli et al. Real-time planning for automated multi-view drone cinematography
Tian et al. Distributed certifiably correct pose-graph optimization
CN105093934B (zh) 考虑干扰与模型不确定性的多机器人系统分布式有限时间跟踪控制方法
WO2020207219A1 (zh) 一种利用环境预测优化非模型机器人多轴孔装配控制方法
CN106527152B (zh) 闭环分数阶PDɑ型迭代学习机器人控制器的设计方法及系统
Sturzenegger et al. BRCM Matlab Toolbox: Model generation for model predictive building control
CN105786024B (zh) 一种基于模型误差补偿的机载光电平台高精度跟踪控制器及其跟踪控制方法
CN106681343B (zh) 一种航天器姿态跟踪低复杂度预设性能控制方法
Zhao et al. A finite-time approach to formation control of multiple mobile robots with terminal sliding mode
Lupashin et al. Adaptive fast open-loop maneuvers for quadrocopters
CN110154036A (zh) 视觉动态系统下的室内服务机器人控制器设计方法及系统
CN103439975B (zh) 一种分布式指数时变滑模姿态协同跟踪控制方法
CN106933103B (zh) 一种有限时间收敛的遥操作双边控制器的控制方法
CN108015765B (zh) 一种机器人运动规划的拓展解集对偶神经网络解决方法
CN101833285A (zh) 编队卫星姿态协同控制仿真装置及其仿真验证方法
CN109213175A (zh) 一种基于原对偶神经网络的移动机器人视觉伺服轨迹跟踪预测控制方法
CN110216670A (zh) 一种基于损失场的工业机器人自动避障方法及装置
Ou et al. Finite‐time tracking control for nonholonomic mobile robots based on visual servoing
CN106707749B (zh) 一种针对仿生扑翼飞行机器人的控制方法
CN109655059B (zh) 一种基于θ-增量学习的视觉-惯性融合导航系统及方法
CN109032137A (zh) 多Euler-Lagrange系统分布式跟踪控制方法
CN110018637A (zh) 一种考虑完成时间约束的航天器姿态跟踪保性能控制方法
Marchetti et al. Modifier adaptation as a feedback control scheme
Srivastava et al. Least square policy iteration for ibvs based dynamic target tracking
Patil et al. Robust state and unknown input estimator and its application to robot 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
GR01 Patent grant
GR01 Patent grant