CN110181515A - 一种双机械臂协同装配作业路径规划方法 - Google Patents

一种双机械臂协同装配作业路径规划方法 Download PDF

Info

Publication number
CN110181515A
CN110181515A CN201910496139.2A CN201910496139A CN110181515A CN 110181515 A CN110181515 A CN 110181515A CN 201910496139 A CN201910496139 A CN 201910496139A CN 110181515 A CN110181515 A CN 110181515A
Authority
CN
China
Prior art keywords
node
joint
cost
formula
potential energy
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
CN201910496139.2A
Other languages
English (en)
Other versions
CN110181515B (zh
Inventor
张立彬
林邦扬
陈教料
胥芳
谭大鹏
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.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
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 Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201910496139.2A priority Critical patent/CN110181515B/zh
Publication of CN110181515A publication Critical patent/CN110181515A/zh
Application granted granted Critical
Publication of CN110181515B publication Critical patent/CN110181515B/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
    • 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
    • B25J9/1679—Programme controls characterised by the tasks executed
    • B25J9/1682—Dual arm manipulator; Coordination of several 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
    • B25J9/1679—Programme controls characterised by the tasks executed
    • B25J9/1687—Assembly, peg and hole, palletising, straight line, weaving pattern movement

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Manipulator (AREA)
  • Numerical Control (AREA)

Abstract

一种双机械臂协同装配作业路径规划方法，建立双机械臂作业的运动学模型与动力学模型；设定初始参数，进行初始采样，计算树节点距离采样点的距离，找到最近的树节点作为父节点；如果不发生碰撞则加入候选采样点；计算采样点的势能，根据势能的倒数进行轮盘赌选择得到采样点；将代价小于r的点加入重连接点中，计算采样点与各重连接点连接而组成的路径的代价，选择最短代价的连接方式确定采样点的连接父节点；选择代价最低的连接方式重新确立节点的父子关系；当采样点与目标点的势能差小于h时用目标点替换采样点，完成随机树；根据随机树的节点父子关系确定规划路径。本发明可以规划出末端运动距离短、作业时间短、机械臂能耗低的高质量路径。

Description

一种双机械臂协同装配作业路径规划方法
技术领域
本发明属于机器人控制与自动化装配领域，适用于工业机器人自动化装配领域。具体地说，涉及一种基于快速势能探索随机树算法(Rapidly potential energyexploring random trees，以下简称RPT)的双机械臂协同装配作业路径规划方法。
背景技术
工业机器人是柔性自动化的核心设备。在生产中的应用，工业机器人对提高劳动生产率，提高产品质量，改善劳动条件，提高企业的竞争能力和应变能力，促进新产业的建立和发展，改变劳动结构，以及促进相关学科的技术进步，均发挥了重大的社会效益和经济效益。在自动化装配领域，单个机械臂往往难以满足日益复杂的装配内容与装配效率要求。因此，为了提高自动化装配的效率，有必要对双机械臂协同作业方法进行研究。
对于机械臂路径规划，现有的方法有人工势场法、A*算法和RRT算法等。在自动化装配的过程中，为了保证零件不发生损坏，使零件之间能平稳地进行配合，需要对零件移动的速度进行约束，在保证零件能够平稳装配的情况下规划出一条效率高的合适路径。但是由于人工势场法容易陷入局部最优，A*算法难以在动态路网中发挥作用，RRT算法路径质量差等问题，导致在双机械臂协同装配作业方面难以规划出质量高的路径。
发明内容
为了克服现有的规划算法对双机械臂协同装配路径进行规划时遇到的路径质量低的问题，并满足装配作业要求的机械臂末端速度约束，本发明提供一种基于RPT算法的双机械臂协同装配作业路径规划方法，可以规划出末端运动距离短、装配作业时间短、机械臂能耗低的高质量路径，也为双机械臂协同控制提供了基础。
本发明解决其技术问题所采用的技术方案是：
一种双机械臂协同装配作业规划方法，所述方法包括以下步骤：
步骤1：建立双机械臂作业的运动学模型与动力学模型：
式中：Q为关节位置，为机械臂m的第i关节在基础坐标系下的坐标，为机械臂m的第i关节在机械臂m的基坐标系下的坐标，Pm为机械臂m的基坐标系到基础坐标系的转换矩阵，Ri为关节i的位姿矩阵，THi为关节i到基坐标的转换矩阵，Ai为关节i与关节i-1的坐标系转换矩阵，ci，si，∝i，di为机械臂的D-H参数，q为机器人关节位置向量，为关节速度向量，为关节加速度向量，M(q)为机器人的质量矩阵，为关节离心力和科式力，τ为关节控制力矩，τfric为关节摩擦力矩，τmotor为关节电机的惯性力矩；
步骤2：设定初始参数，包括起始位姿q_start，目标位姿q_goal，初始随机树tree，采样概率p，采样上限k，采样步长d_q，单次候选采样点数n，重连接代价r，碰撞距离dlim，最终位置势能误差h；
步骤3：根据公式(7)进行初始采样：
式中：qrandj为关节j的采样角度，qjmin为关节j的最小转角，qjmax为关节j的最大转角，pj为随机概率，p为采样概率，为目标位置关节j的转角；
步骤4：计算树节点距离采样点的距离，找到最近的树节点q_near作为父节点；
步骤5：根据公式(8)扩展节点得到子节点，判断子节点是否碰撞，如果不发生碰撞则加入候选采样点；
式中：qj为得到的采样点的关节j角度，qnearj为父节点的关节j角度；
步骤6：根据公式(9)-(12)计算采样点的势能：
U(i)＝Fatt(i)+Frepout(i)+Frepin(i) (9)
Fatt(i)＝ε(gi-ggoal) (10)
式中：U(i)为节点i的势能，Fatt(i)为节点i的引力势能，Frepout(i)为节点i与外界的斥力势能，Frepin(i)为节点i内部位姿产生的斥力势能，ε为引力比例系数，gi为节点i的机械臂末端位置，ggoal为目标位置的机械臂末端位置，τ为斥力比例系数，为节点i的关节j的位置，map为外部障碍物的包围盒中心，dmap为外部障碍物距离关节j的距离，dlim为最小碰撞距离，dout为外部斥力边界，为机械臂m在节点i处关节j的坐标，drobot为两个机械臂之间的最短距离，din为内部斥力边界；
步骤7：根据公式(13)修改采样步长，根据公式(14)修改采样概率；
式中：∝与β为步长与概率调整系数，用来调整自适应的采样步长与采样概率。
步骤8：重复采样过程，直到采样候选点数达到n；
步骤9：根据势能的倒数进行轮盘赌选择，得到采样点q_new；
步骤10：根据公式(15)-(19)计算树上各节点到q_new的代价，将代价小于r的点加入重连接点中，计算q_new与各重连接点连接而组成的路径的代价，选择最短代价的连接方式，确定q_new的连接父节点；
C(gi，gj)＝WqCq(qi，qj)+WTCT(Ti，Tj)+WECE(Ei，Ej) (14)
式中：C代表总代价，Cq代表关节角变化代价，CT代表末端速度代价，CE代表能耗代价，W表示三者权重，costqi，j代表从第i个节点向第j个节点拓展的关节角代价，用与原节点相应代价的比值来统一代价标准，qi，j为从第i个节点向第j个节点拓展的关节角变化，costTi，j代表从第i个节点向第j个节点拓展的速度变化代价，vi，j代表从第i个节点向第j个节点拓展的速度变化值，CE代表从第i个节点向第j个节点拓展的能耗代价，costEi，j代表从第i个节点向第j个节点拓展的能耗值，kτ代表电机的电流-转矩系数，τ代表电机转矩；
步骤11：去除重连接点之间的连接关系，计算重连接点之间所有的连接方式所需要的路径代价，选择代价最低的连接方式重新确立节点的父子关系；
步骤12：当q_new与q_goal的势能差小于h时，用q_goal替换q_new，完成随机树；
步骤13：根据随机树的节点父子关系，确定规划路径。
本发明的有益效果主要表现在：
1.PRT算法以RRT算法为基础，保证采样随机性的情况下，通过增加势能函数引导采样与根据代价重新连接随机树的方法，提高了采样质量，优化了节点间连接方式，提高了路径质量。
2.基于RPT算法的双机械臂协同装配路径规划在工业机器人装配方面具有较好的作业效率与较低的能耗。
附图说明
图1是双机械臂协同装配作业规划方法的流程图。
图2是机械臂末端路径对比图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1和图2，一种双机械臂协同装配作业规划方法，所述方法包括以下步骤：
步骤1：建立双机械臂作业的运动学模型与动力学模型：
式中：Q为关节位置，为机械臂m的第i关节在基础坐标系下的坐标，为机械臂m的第i关节在机械臂m的基坐标系下的坐标，Pm为机械臂m的基坐标系到基础坐标系的转换矩阵，Ri为关节i的位姿矩阵，THi为关节i到基坐标的转换矩阵，Ai为关节i与关节i-1的坐标系转换矩阵，ci，si，∝i，di为机械臂的D-H参数，q为机器人关节位置向量，为关节速度向量，为关节加速度向量，M(q)为机器人的质量矩阵，为关节离心力和科式力，τ为关节控制力矩，τfric为关节摩擦力矩，τmotor为关节电机的惯性力矩；
步骤2：设定初始参数，包括起始位姿q_start，目标位姿q_goal，初始随机树tree，采样概率p＝0.4，采样上限k＝10000，采样步长d_q＝1°，单次候选采样点数n＝10，重连接代价r＝0.1，碰撞距离dlim＝0.1m，最终位置势能误差h＝0.05m；
步骤3：根据公式(7)进行初始采样：
式中：qranaj为关节j的采样角度，qjmin为关节j的最小转角，qjmax为关节j的最大转角，pj为随机概率，p为采样概率，为目标位置关节j的转角；
步骤4：计算树节点距离采样点的距离，找到最近的树节点q_near作为父节点；
步骤5：根据公式(8)扩展节点得到子节点，判断子节点是否碰撞，如果不发生碰撞则加入候选采样点；
式中：qj为得到的采样点的关节j角度，qnearj为父节点的关节j角度；
步骤6：根据公式(9)-(12)计算采样点的势能：
U(i)＝Fatt(i)+Frepout(i)+Frepin(i) (9)
Fatt(i)＝ε(gi-ggoal) (10)
式中：U(i)为节点i的势能，Fatt(i)为节点i的引力势能，Frepout(i)为节点i与外界的斥力势能，Frepin(i)为节点i内部位姿产生的斥力势能，ε＝0.5为引力比例系数，gi为节点i的机械臂末端位置，ggoal为目标位置的机械臂末端位置，τ＝0.5为斥力比例系数，为节点i的关节j的位置，map为外部障碍物的包围盒中心，dmap为外部障碍物距离关节j的距离，dlim＝0.05m为最小碰撞距离，dout为外部斥力边界距离，为机械臂m在节点i处关节j的坐标，drobot为两个机械臂之间的最短距离，din为内部斥力边界；
步骤7：根据公式(13)修改采样步长，根据公式(14)修改采样概率；
式中：∝与β为步长与概率调整系数，用来调整自适应的采样步长与采样概率。
步骤8：重复采样过程，直到采样候选点数达到n；
步骤9：根据势能的倒数进行轮盘赌选择，得到采样点q_new；
步骤10：根据公式(15)-(19)计算树上各节点到q_new的代价，将代价小于r的点加入重连接点中，计算q_new与各重连接点连接而组成的路径的代价，选择最短代价的连接方式，确定q_new的连接父节点；
C(gi，gj)＝WqCq(qi，qj)+WTCT(Ti，Tj)+WECE(Ei，Ej) (14)
式中：C代表总代价，Cq代表关节角变化代价，CT代表末端速度代价，CE代表能耗代价，W表示三者权重，costqi，j代表从第i个节点向第j个节点拓展的关节角代价，用与原节点相应代价的比值来统一代价标准，qi，j为从第i个节点向第j个节点拓展的关节角变化，costTi，j代表从第i个节点向第j个节点拓展的速度变化代价，vi，j代表从第i个节点向第j个节点拓展的速度变化值，CE代表从第i个节点向第j个节点拓展的能耗代价，costEi，j代表从第i个节点向第j个节点拓展的能耗值，kτ代表电机的电流-转矩系数，τ代表电机转矩；
步骤11：去除重连接点之间的连接关系，计算重连接点之间所有的连接方式所需要的路径代价，选择代价最低的连接方式重新确立节点的父子关系；
步骤12：当q_new与q_goal的势能差小于h时，用q_goal替换q_new，完成随机树；
步骤13：根据随机树的节点父子关系，确定规划路径。

Claims (1)

1.一种双机械臂协同装配作业路径规划方法，其特征在于，所述方法包括以下步骤：
步骤1：建立双机械臂作业的运动学模型与动力学模型：
式中：Q为关节位置，为机械臂m的第i关节在双臂坐标系下的坐标，为机械臂m的第i关节在机械臂m的坐标系下的坐标，Pm为机械臂m的坐标系到双臂坐标系的转换矩阵，Ri为关节i的状态矩阵，THi为关节i到基坐标的转换矩阵，Ai为关节i与关节i-1的坐标系转换矩阵，ci，si，∝i，di为机械臂第i关节的D-H参数，q为机器人关节位置向量，为关节速度向量，为关节加速度向量，M(q)为机器人的质量矩阵，为关节离心力和科式力，τ为关节控制力矩，τfric为关节摩擦力矩，τmotor为关节电机的惯性力矩；
步骤2：设定初始参数，包括双机械臂起始位姿q_start，目标位姿q_goal，初始路径随机树tree，初始采样概率p，采样上限k，初始采样步长d_q，单次候选采样点数n，重连接代价r，碰撞距离dlim，最终位置势能误差h；
步骤3：根据公式(7)进行初始采样：
式中：qrandj为关节j的采样角度，qjmin为关节j的最小转角，qjmax为关节j的最大转角，pj为随机概率，p为采样概率，为目标位置关节j的转角；
步骤4：计算树节点距离采样点的距离，找到最近的树节点q_near作为父节点；
步骤5：根据公式(8)扩展节点得到子节点，判断子节点是否碰撞，如果不发生碰撞则加入候选采样点；
式中：qj为得到的采样点的关节j角度，qnearj为父节点的关节j角度；
步骤6：根据公式(9)-(12)计算采样点的势能：
U(i)＝Fatt(i)+Frepout(i)+Frepin(i) (9)
Fatt(i)＝ε(gi-ggoal) (10)
式中：U(i)为节点i的势能，Fatt(i)为节点i的引力势能，Frepout(i)为节点i与外界的斥力势能，Frepin(i)为节点i内部位姿产生的斥力势能，ε为引力比例系数，gi为节点i的机械臂末端位置，ggoal为目标位置的机械臂末端位置，τ为斥力比例系数，gij为节点i的关节j的位置，map为外部障碍物的包围盒中心，dmap为外部障碍物距离关节j的距离，dlim为最小碰撞距离，dout为外部斥力边界，gijm为机械臂m在节点i处关节j的坐标，drobot为两个机械臂之间的最短距离，din为内部斥力边界；
步骤7：根据公式(13)修改采样步长，根据公式(14)修改采样概率；
式中：∝与β为步长与概率调整系数，用来调整自适应的采样步长与采样概率。
步骤8：重复采样过程，直到采样候选点数达到n；
步骤9：根据势能的倒数进行轮盘赌选择，得到采样点q_new；
步骤10：根据公式(15)-(19)计算树上各节点到q_new的代价，将代价小于r的点加入重连接点中，计算q_new与各重连接点连接而组成的路径的代价，选择最短代价的连接方式，确定q_new的连接父节点；
C(gi,gj)＝WqCq(qi,qj)+WTCT(Ti,Tj)+WECE(Ei,Ej) (14)
式中：C代表总代价，Cq代表关节角变化代价，CT代表末端速度代价，CE代表能耗代价,W表示三者权重，costqi,j代表从第i个节点向第j个节点拓展的关节角代价，用与原节点相应代价的比值来统一代价标准，qi,j为从第i个节点向第j个节点拓展的关节角变化，costTi,j代表从第i个节点向第j个节点拓展的速度变化代价，vi,j代表从第i个节点向第j个节点拓展的速度变化值，CE代表从第i个节点向第j个节点拓展的能耗代价，costEi,j代表从第i个节点向第j个节点拓展的能耗值，kτ代表电机的电流-转矩系数，τ代表电机转矩；
步骤11：去除重连接点之间的连接关系，计算重连接点之间所有的连接方式所需要的路径代价，选择代价最低的连接方式重新确立节点的父子关系；
步骤12：当q_new与q_goal的势能差小于h时，用q_goal替换q_new，完成随机树；
步骤13：根据随机树的节点父子关系，确定规划路径。
CN201910496139.2A 2019-06-10 2019-06-10 一种双机械臂协同装配作业路径规划方法 Active CN110181515B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910496139.2A CN110181515B (zh) 2019-06-10 2019-06-10 一种双机械臂协同装配作业路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910496139.2A CN110181515B (zh) 2019-06-10 2019-06-10 一种双机械臂协同装配作业路径规划方法

Publications (2)

Publication Number Publication Date
CN110181515A true CN110181515A (zh) 2019-08-30
CN110181515B CN110181515B (zh) 2020-12-01

Family

ID=67721024

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910496139.2A Active CN110181515B (zh) 2019-06-10 2019-06-10 一种双机械臂协同装配作业路径规划方法

Country Status (1)

Country Link
CN (1) CN110181515B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110646006A (zh) * 2019-09-02 2020-01-03 平安科技（深圳）有限公司 装配路径规划方法及相关装置
CN111469129A (zh) * 2020-04-24 2020-07-31 苏州新传品智能科技有限公司 一种基于双机械臂的船体外板曲面成形无碰撞运动规划方法
CN111515961A (zh) * 2020-06-02 2020-08-11 南京大学 一种适用于移动机械臂的强化学习奖励方法
CN111633665A (zh) * 2020-07-03 2020-09-08 桂林电子科技大学 抓取电磁换能器协助无损检测的装置及其轨迹规划方法
CN112264989A (zh) * 2020-06-17 2021-01-26 华中科技大学 一种基于邻域遍历的双机械臂协同避障方法
CN113276109A (zh) * 2021-04-21 2021-08-20 国网上海市电力公司 一种基于rrt算法的双机械臂解耦运动规划方法及系统
CN113442170A (zh) * 2021-06-28 2021-09-28 国网上海市电力公司 一种对机械臂路径冗余节点的反向拆分计算的方法及系统
CN113547506A (zh) * 2021-06-28 2021-10-26 北京精密机电控制设备研究所 一种基于六维力传感器的双臂机器人精密装配方法
CN115625711A (zh) * 2022-11-08 2023-01-20 沈阳工业大学 一种考虑末端力的双臂机器人协同控制方法
CN117021101A (zh) * 2023-08-24 2023-11-10 中国矿业大学 一种用于带式输送机拆卸机器人的多臂路径规划方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106990777A (zh) * 2017-03-10 2017-07-28 江苏物联网研究发展中心 机器人局部路径规划方法
CN109571466A (zh) * 2018-11-22 2019-04-05 浙江大学 一种基于快速随机搜索树的七自由度冗余机械臂动态避障路径规划方法
CN109760040A (zh) * 2017-11-09 2019-05-17 欧姆龙株式会社 干扰判定方法、干扰判定系统以及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106990777A (zh) * 2017-03-10 2017-07-28 江苏物联网研究发展中心 机器人局部路径规划方法
CN109760040A (zh) * 2017-11-09 2019-05-17 欧姆龙株式会社 干扰判定方法、干扰判定系统以及存储介质
CN109571466A (zh) * 2018-11-22 2019-04-05 浙江大学 一种基于快速随机搜索树的七自由度冗余机械臂动态避障路径规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
徐晓慧等: "基于人工势场引导的改进RRT机器人路径规划算法", 《仪器仪表用户》 *
陈波芝等: "基于改进快速扩展随机树算法的双机械臂协同避障规划方法", 《中国机械工程》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110646006A (zh) * 2019-09-02 2020-01-03 平安科技（深圳）有限公司 装配路径规划方法及相关装置
CN111469129A (zh) * 2020-04-24 2020-07-31 苏州新传品智能科技有限公司 一种基于双机械臂的船体外板曲面成形无碰撞运动规划方法
CN111515961A (zh) * 2020-06-02 2020-08-11 南京大学 一种适用于移动机械臂的强化学习奖励方法
CN111515961B (zh) * 2020-06-02 2022-06-21 南京大学 一种适用于移动机械臂的强化学习奖励方法
CN112264989A (zh) * 2020-06-17 2021-01-26 华中科技大学 一种基于邻域遍历的双机械臂协同避障方法
CN111633665A (zh) * 2020-07-03 2020-09-08 桂林电子科技大学 抓取电磁换能器协助无损检测的装置及其轨迹规划方法
CN111633665B (zh) * 2020-07-03 2023-10-03 桂林电子科技大学 抓取电磁换能器协助无损检测的装置及其轨迹规划方法
CN113276109A (zh) * 2021-04-21 2021-08-20 国网上海市电力公司 一种基于rrt算法的双机械臂解耦运动规划方法及系统
CN113276109B (zh) * 2021-04-21 2024-04-26 国网上海市电力公司 一种基于rrt算法的双机械臂解耦运动规划方法及系统
CN113442170A (zh) * 2021-06-28 2021-09-28 国网上海市电力公司 一种对机械臂路径冗余节点的反向拆分计算的方法及系统
CN113547506A (zh) * 2021-06-28 2021-10-26 北京精密机电控制设备研究所 一种基于六维力传感器的双臂机器人精密装配方法
CN113442170B (zh) * 2021-06-28 2023-12-01 国网上海市电力公司 一种对机械臂路径冗余节点的反向拆分计算的方法及系统
CN115625711A (zh) * 2022-11-08 2023-01-20 沈阳工业大学 一种考虑末端力的双臂机器人协同控制方法
CN115625711B (zh) * 2022-11-08 2024-04-30 沈阳工业大学 一种考虑末端力的双臂机器人协同控制方法
CN117021101A (zh) * 2023-08-24 2023-11-10 中国矿业大学 一种用于带式输送机拆卸机器人的多臂路径规划方法
CN117021101B (zh) * 2023-08-24 2024-03-19 中国矿业大学 一种用于带式输送机拆卸机器人的多臂路径规划方法

Also Published As

Publication number Publication date
CN110181515B (zh) 2020-12-01

Similar Documents

Publication Publication Date Title
CN110181515A (zh) 一种双机械臂协同装配作业路径规划方法
Wen et al. Elman fuzzy adaptive control for obstacle avoidance of mobile robots using hybrid force/position incorporation
JP5475629B2 (ja) 軌道計画方法、軌道計画システム及びロボット
CN110561438B (zh) 基于动力学参数辨识的工业机器人力/位柔顺控制方法
CN108818530B (zh) 基于改进rrt算法的机械臂抓取散乱堆放活塞运动规划方法
Cao et al. Toward optimal rendezvous of multiple underwater gliders: 3D path planning with combined sawtooth and spiral motion
CN111152214B (zh) 一种四自由度码垛机器人、控制系统、码垛路径规划方法
CN108829113B (zh) 一种多机器人编队自适应零空间行为融合方法
EP2969400A1 (en) Reducing energy consumption of industrial robots by using new methods for motion path programming
CN112809665B (zh) 一种基于改进rrt算法的机械臂运动规划方法
CN110231821B (zh) 多机器人编队的改进自适应零空间行为融合方法
CN104192713A (zh) 基于微分平坦与b样条的时间最优桥式吊车轨迹规划方法
CN108029340A (zh) 一种基于自适应神经网络的采摘机器人手臂及其控制方法
Liu et al. Online time-optimal trajectory planning for robotic manipulators using adaptive elite genetic algorithm with singularity avoidance
Wang et al. Precise discrete-time steering control for robotic fish based on data-assisted technique and super-twisting-like algorithm
CN109725643A (zh) 一种基于主动建模的旋翼飞行器非平衡负载吊运系统的控制方法
Zhang et al. An improved dynamic window approach integrated global path planning
Zhang et al. Optimal RRT* planning and synchronous control of cable-driven parallel robots
Kang et al. Kinematic path‐tracking of mobile robot using iterative learning control
CN117260735A (zh) 一种机器人深框抓取的路径规划方法
Ma et al. 6R serial manipulator space path planning based on RRT
CN116872212A (zh) 一种基于A-Star算法和改进人工势场法的双机械臂避障规划方法
Yongshen et al. Formation control of UGVs based on artificial potential field
Mei et al. Mobile robots path planning based on dynamic movement primitives library
CN114407019B (zh) 一种工业机器人关节空间的无碰撞轨迹规划方法

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