CN111113417B - 一种分布式多机器人协同运动控制方法及系统 - Google Patents

一种分布式多机器人协同运动控制方法及系统 Download PDF

Info

Publication number
CN111113417B
CN111113417B CN201911358557.1A CN201911358557A CN111113417B CN 111113417 B CN111113417 B CN 111113417B CN 201911358557 A CN201911358557 A CN 201911358557A CN 111113417 B CN111113417 B CN 111113417B
Authority
CN
China
Prior art keywords
robot
ith
motion control
ith robot
expected
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
CN201911358557.1A
Other languages
English (en)
Other versions
CN111113417A (zh
Inventor
徐智浩
吴鸿敏
唐观荣
周雪峰
李帅
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.)
Institute of Intelligent Manufacturing of Guangdong Academy of Sciences
Original Assignee
Guangdong Institute of Intelligent Manufacturing
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 Guangdong Institute of Intelligent Manufacturing filed Critical Guangdong Institute of Intelligent Manufacturing
Priority to CN201911358557.1A priority Critical patent/CN111113417B/zh
Publication of CN111113417A publication Critical patent/CN111113417A/zh
Application granted granted Critical
Publication of CN111113417B publication Critical patent/CN111113417B/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
    • B25J9/1679—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
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • 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

Abstract

本发明公开了一种分布式多机器人协同运动控制方法及系统，所述方法包括：构建第i个机器人对期望运动信息的在线估计机制，获取第i个机器人对期望运动信息的估计值；基于所述估计值，获取第i个机器人的虚拟控制量；基于所述虚拟控制量和实际物理约束，以第i个机器人的速度范数为待优化目标，获取第i个机器人的运动控制条件；基于所述运动控制条件，利用递归求解器实时更新第i个机器人的运动控制量并发送至第i个机器人；判断第i个机器人是否为最后一个机器人；若否，则获取第i+1个机器人，返回构建第i+1个机器人对期望运动信息的在线估计机制。所述方法将保障多机器人系统内的高精度配合，实现对多机器人系统的速度性能优化。

Description

一种分布式多机器人协同运动控制方法及系统
技术领域
本发明涉及机器人领域，尤其涉及一种分布式多机器人协同运动控制方法及系统。
背景技术
多机器人系统相比于单机器人运行而言，具备灵活性好、负载能力强等优点，拥有广阔的应用前景。但是，面向多机器人系统的控制问题也变得更加复杂：1)多机协作的工作方式使得系统的通讯负载增加，通讯系统带宽难以满足系统需求，在分布式通讯拓扑下仅部分机器人对期望运动信息能提前认知；2)需要考虑到系统存在的固有物理约束，如关节角度不能超过给定范围、关节旋转速度存在上限等；3)在系统存在冗余自由度的情况下，利用系统冗余性在完成给定任务的同时还需要实现系统的性能优化。然而，对于如何兼顾以上的条件来实现多机器人系统的高性能控制方法，目前还没有提出完善的方案。
发明内容
本发明的目的在于克服现有技术的不足，本发明提供了一种分布式多机器人协同运动控制方法及系统，控制机器人在其物理约束下对总体关节速度进行在线优化，实现多机器人的高精度协同运动。
相应的，本发明实施例提供了一种分布式多机器人协同运动控制方法，所述方法包括：
构建第i个机器人对期望运动信息的在线估计机制，获取第i个机器人对期望运动信息的估计值；
基于所述估计值，获取第i个机器人的虚拟控制量；
基于所述虚拟控制量和实际物理约束，以第i个机器人的速度范数为待优化目标，获取第i个机器人的运动控制条件；
基于所述运动控制条件，利用递归求解器实时更新第i个机器人的运动控制量并发送至第i个机器人；
判断第i个机器人是否为最后一个机器人；
若否，则获取第i+1个机器人，返回构建第i+1个机器人对期望运动信息的在线估计机制。
可选的，所述构建第i个机器人对期望运动信息的在线估计机制，获取第i个机器人对期望运动信息的估计值包括：
对第i个机器人的各运动参数进行初始化；
计算第i个机器人的期望速度估计值、期望位移估计值与当前时刻的期望位置估计值。
可选的，计算第i个机器人的期望速度估计值为：
Figure GDA0003131987490000021
计算第i个机器人的期望位移估计值为：
Figure GDA0003131987490000022
计算第i个机器人的当前时刻的期望位置估计值为：
Figure GDA0003131987490000023
其中，xi(0)为第i个机器人的初始位置，Di(t)为第i个机器人的期望位移，vi(t)为第i个机器人的期望速度，N为机器人的总个数，k1、k2、k3均为正控制常数，aij为判断系数。
可选的，获取第i个机器人的虚拟控制量为：
Figure GDA0003131987490000024
其中，xi(t)为第i个机器人的末端执行器位置，k为正控制常数。
可选的，获取第i个机器人的运动控制条件为：
Figure GDA0003131987490000025
Figure GDA0003131987490000026
Figure GDA0003131987490000027
其中，Ji为第i个机器人的雅克比矩阵，
Figure GDA0003131987490000028
分别为第i个机器人的关节角度θi的上下限，
Figure GDA0003131987490000031
分别为第i个机器人的角速度
Figure GDA0003131987490000032
的上下限。
可选的，所述基于所述运动控制条件，利用递归求解器实时更新第i个机器人的运动控制量包括：
对第i个机器人的控制系统进行限定，获取饱和状态值；
基于所述饱和状态值，利用所述递归求解器对所述运动控制条件进行解析，获取所述运动控制量的在线更新率；
基于所述在线更新率，对第i个机器人的下一个运动控制进行更新。
可选的，所述饱和状态值为：
Figure GDA0003131987490000033
基于所述饱和状态值，获取运动控制量的在线更新率为：
Figure GDA0003131987490000034
其中，λi为状态变量，α为正控制常数，θ为第i个机器人的关节初始态。
另外，本发明实施例还提供了一种分布式多机器人协同运动控制系统，所述系统包括：
构建模块，用于构建第i个机器人对期望运动信息的在线估计机制，获取第i个机器人对期望运动信息的估计值；
第一获取模块，用于基于所述估计值，获取第i个机器人的虚拟控制量；
第二获取模块，用于基于所述虚拟控制量和实际物理约束，以第i个机器人的速度范数为待优化目标，获取第i个机器人的运动控制条件；
更新模块，用于基于所述运动控制条件，利用递归求解器实时更新第i个机器人的运动控制量并发送至第i个机器人；
判断模块，用于判断第i个机器人是否为最后一个机器人；
循环模块，用于获取第i+1个机器人，返回构建第i+1个机器人对期望运动信息的在线估计机制。
可选的，所述构建模块包括：
初始化单元，用于对第i个机器人的各运动参数进行初始化；
计算单元，用于计算第i个机器人的期望速度估计值、期望位移估计值与当前时刻的期望位置估计值。
可选的，所述更新模块包括：
限定单元，用于对第i个机器人的控制系统进行限定，获取饱和状态值；
解析单元，用于基于所述饱和状态值，利用所述递归求解器对所述运动控制条件进行解析，获取运动控制量的在线更新率；
更新单元，用于基于所述在线更新率，对第i个机器人的下一个运动控制进行更新。
在本发明实施例中，提出一种适用于多冗余机械臂协同的分布式运动控制方法，基于仅部分机器人能获取期望运动信息的情况下，考虑到机器人的实际物理约束条件，对机器人的速度性能进行在线优化，实时控制多机器人的高精度协同搬运过程。所述方法具备灵活性，保障多机器人系统内的高精度配合。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的一种分布式多机器人协同运动控制方法的流程示意图；
图2是本发明实施例提供的一种分布式多机器人协同运动控制系统的结构组成示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
图1示出了本发明实施例中的一种分布式多机器人协同运动控制方法的流程示意图，所述方法包括如下步骤：
S101、构建第i个机器人对期望运动信息的在线估计机制，获取第i个机器人对期望运动信息的估计值；
具体的，首先对第i个机器人的各运动参数进行初始化，所述各运动参数的初始值分别为：初始关节角θi、关节角速度
Figure GDA0003131987490000051
末端初始位置xi(0)、速度及轨迹估计值
Figure GDA0003131987490000052
和状态变量λi(0)；
其次，在分布式通讯架构下，根据机械臂之间的信息共享，计算第i个机器人的期望速度估计值为：
Figure GDA0003131987490000053
计算第i个机器人的期望位移估计值为：
Figure GDA0003131987490000054
式中：Di(t)＝xi(t)-xi(0)
计算第i个机器人的当前时刻的期望位置估计值为：
Figure GDA0003131987490000055
其中，xi(0)为第i个机器人的初始位置，Di(t)为第i个机器人的期望位移，vi(t)为第i个机器人的期望速度，N为机器人的总个数，k1、k2、k3均为正控制常数，aij为判断系数。
需要说明的是，所述判断系数aij为非零即一的值，当aij＝1时，说明第i个机器人能获取不同的第j个机器人的信息，此时aij＝aji，即第i个机器人与第j个机器人间可实现信息交换；当aij＝0时，说明第i个机器人无法获取其他机器人的信息。
S102、基于所述估计值，获取第i个机器人的虚拟控制量；
具体的，第i个机器人的虚拟控制量为：
Figure GDA0003131987490000056
其中，xi(t)为第i个机器人的末端执行器位置，k为正控制常数。
需要说明的是，所述虚拟控制量的设定，将保证多机器人系统能在所述虚拟控制量的作用下实现对期望轨迹的高精度控制。
S103、基于所述虚拟控制量和实际物理约束，以第i个机器人的速度范数为待优化目标，获取第i个机器人的运动控制条件；
具体的，基于机器人的速度层运动学模型，利用所述虚拟控制量
Figure GDA0003131987490000061
对第i个机器人的运动控制量
Figure GDA0003131987490000062
进行约束为：
Figure GDA0003131987490000063
以第i个机器人的速度范数
Figure GDA0003131987490000064
为待优化目标，获取第i个机器人的运动控制条件为：
Figure GDA0003131987490000065
Figure GDA0003131987490000066
Figure GDA0003131987490000067
其中，Ji为第i个机器人的雅克比矩阵，
Figure GDA0003131987490000068
分别为第i个机器人的关节角度θi的上下限，
Figure GDA0003131987490000069
分别为第i个机器人的角速度
Figure GDA00031319874900000610
的上下限。
需要说明的是，第i个机器人的实际物理约束为
Figure GDA00031319874900000611
以及
Figure GDA00031319874900000612
S104、基于所述运动控制条件，利用递归求解器实时更新第i个机器人的运动控制量并发送至第i个机器人；
具体的，首先对第i个机器人的控制系统进行限定，获取饱和状态值为：
Figure GDA00031319874900000613
基于所述饱和状态值，利用所述递归求解器对所述运动控制条件进行解析，获取运动控制量的在线更新率为：
Figure GDA00031319874900000614
其中，λi为状态变量，α为正控制常数，θ为第i个机器人的关节初始态；
基于所述在线更新率，对第i个机器人的下一个运动控制进行更新。
S105、判断第i个机器人是否为最后一个机器人；若是，则完成对多机器人系统的控制更新；若否，将i+1赋值给i，并返回执行步骤S101。
相应的，图2示出了本发明实施例中的一种分布式多机器人协同运动控制系统的结构组成示意图，所述系统包括：
构建模块201，用于构建第i个机器人对期望运动信息的在线估计机制，获取第i个机器人对期望运动信息的估计值；
具体的，所述构建模块201还包括初始化单元和计算单元，其中，所述初始化单元用于对第i个机器人的各运动参数进行初始化；所述计算单元用于计算第i个机器人的期望速度估计值、期望位移估计值与当前时刻的期望位置估计值。
第一获取模块202，用于基于所述估计值，获取第i个机器人的虚拟控制量；
第二获取模块203，用于基于所述虚拟控制量和实际物理约束，以第i个机器人的速度范数为待优化目标，获取第i个机器人的运动控制条件；
更新模块204，用于基于所述运动控制条件，利用递归求解器实时更新第i个机器人的运动控制量并发送至第i个机器人；
具体的，所述更新模块204包括限定单元、解析单元和更新单元，其中，所述限定单元用于对第i个机器人的控制系统进行限定，获取饱和状态值；所述解析单元用于基于所述饱和状态值，利用所述递归求解器对所述运动控制条件进行解析，获取运动控制量的在线更新率；所述更新单元用于基于所述在线更新率，对第i个机器人的下一个运动控制进行更新。
判断模块205，用于判断第i个机器人是否为最后一个机器人；
循环模块206，用于获取第i+1个机器人，返回构建第i+1个机器人对期望运动信息的在线估计机制。
在本发明实施例中，提出一种适用于多冗余机械臂协同的分布式运动控制方法，基于仅部分机器人能获取期望运动信息的情况下，考虑到机器人的实际物理约束条件，对机器人的速度性能进行在线优化，实时控制多机器人的高精度协同搬运过程。所述方法具备灵活性，保障多机器人系统内的高精度配合。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，ReadOnly Memory)、随机存取存储器(RAM，Random AccessMemory)、磁盘或光盘等。
另外，以上对本发明实施例所提供的一种分布式多机器人协同运动控制方法及系统进行了详细介绍，本文中应采用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种分布式多机器人协同运动控制方法，其特征在于，所述方法包括：
构建第i个机器人对期望运动信息的在线估计机制，获取第i个机器人对期望运动信息的估计值；
基于所述估计值，获取第i个机器人的虚拟控制量；
基于所述虚拟控制量和实际物理约束，以第i个机器人的速度范数为待优化目标，获取第i个机器人的运动控制条件；
基于所述运动控制条件，利用递归求解器实时更新第i个机器人的运动控制量并发送至第i个机器人；
判断第i个机器人是否为最后一个机器人；
若否，则获取第i+1个机器人，返回构建第i+1个机器人对期望运动信息的在线估计机制；
所述构建第i个机器人对期望运动信息的在线估计机制，获取第i个机器人对期望运动信息的估计值包括：
对第i个机器人的各运动参数进行初始化；
计算第i个机器人的期望速度估计值、期望位移估计值与当前时刻的期望位置估计值。
2.根据权利要求1所述的分布式多机器人协同运动控制方法，其特征在于，计算第i个机器人的期望速度估计值为：
Figure FDA0003131987480000011
计算第i个机器人的期望位移估计值为：
Figure FDA0003131987480000012
计算第i个机器人的当前时刻的期望位置估计值为：
Figure FDA0003131987480000013
其中，xi(0)为第i个机器人的初始位置，Di(t)为第i个机器人的期望位移，vi(t)为第i个机器人的期望速度，N为机器人的总个数，k1、k2、k3均为正控制常数，aij为判断系数。
3.根据权利要求2所述的分布式多机器人协同运动控制方法，其特征在于，获取第i个机器人的虚拟控制量为：
Figure FDA0003131987480000021
其中，xi(t)为第i个机器人的末端执行器位置，k为正控制常数。
4.根据权利要求3所述的分布式多机器人协同运动控制方法，其特征在于，获取第i个机器人的运动控制条件为：
Figure FDA0003131987480000022
其中，Ji为第i个机器人的雅克比矩阵，
Figure FDA0003131987480000023
分别为第i个机器人的关节角度θi的上下限，
Figure FDA0003131987480000024
分别为第i个机器人的角速度
Figure FDA0003131987480000025
的上下限。
5.根据权利要求4所述的分布式多机器人协同运动控制方法，其特征在于，所述基于所述运动控制条件，利用递归求解器实时更新第i个机器人的运动控制量包括：
对第i个机器人的控制系统进行限定，获取饱和状态值；
基于所述饱和状态值，利用所述递归求解器对所述运动控制条件进行解析，获取运动控制量的在线更新率；
基于所述在线更新率，对第i个机器人的下一个运动控制进行更新。
6.根据权利要求5所述的分布式多机器人协同运动控制方法，其特征在于，所述饱和状态值为：
Figure FDA0003131987480000031
基于所述饱和状态值，获取运动控制量的在线更新率为：
Figure FDA0003131987480000032
其中，λi为状态变量，α为正控制常数，θ为第i个机器人的关节初始态。
7.一种分布式多机器人协同运动控制系统，其特征在于，所述系统包括：
构建模块，用于构建第i个机器人对期望运动信息的在线估计机制，获取第i个机器人对期望运动信息的估计值；
第一获取模块，用于基于所述估计值，获取第i个机器人的虚拟控制量；
第二获取模块，用于基于所述虚拟控制量和实际物理约束，以第i个机器人的速度范数为待优化目标，获取第i个机器人的运动控制条件；
更新模块，用于基于所述运动控制条件，利用递归求解器实时更新第i个机器人的运动控制量并发送至第i个机器人；
判断模块，用于判断第i个机器人是否为最后一个机器人；
循环模块，用于获取第i+1个机器人，返回构建第i+1个机器人对期望运动信息的在线估计机制；
所述构建模块包括：
初始化单元，用于对第i个机器人的各运动参数进行初始化；
计算单元，用于计算第i个机器人的期望速度估计值、期望位移估计值与当前时刻的期望位置估计值。
8.根据权利要求7所述的分布式多机器人协同运动控制系统，其特征在于，所述更新模块包括：
限定单元，用于对第i个机器人的控制系统进行限定，获取饱和状态值；
解析单元，用于基于所述饱和状态值，利用所述递归求解器对所述运动控制条件进行解析，获取运动控制量的在线更新率；
更新单元，用于基于所述在线更新率，对第i个机器人的下一个运动控制进行更新。
CN201911358557.1A 2019-12-25 2019-12-25 一种分布式多机器人协同运动控制方法及系统 Active CN111113417B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911358557.1A CN111113417B (zh) 2019-12-25 2019-12-25 一种分布式多机器人协同运动控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911358557.1A CN111113417B (zh) 2019-12-25 2019-12-25 一种分布式多机器人协同运动控制方法及系统

Publications (2)

Publication Number Publication Date
CN111113417A CN111113417A (zh) 2020-05-08
CN111113417B true CN111113417B (zh) 2021-10-29

Family

ID=70502277

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911358557.1A Active CN111113417B (zh) 2019-12-25 2019-12-25 一种分布式多机器人协同运动控制方法及系统

Country Status (1)

Country Link
CN (1) CN111113417B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112965482B (zh) * 2021-02-01 2023-03-10 广东省科学院智能制造研究所 一种多机器人运动避碰控制方法及系统

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5475629B2 (ja) * 2010-01-12 2014-04-16 本田技研工業株式会社 軌道計画方法、軌道計画システム及びロボット
EP2969405B1 (en) * 2013-03-15 2022-08-24 Intuitive Surgical Operations, Inc. Systems for facilitating access to edges of cartesian-coordinate space using the null space
CN103279029B (zh) * 2013-05-31 2015-08-19 北京航空航天大学 多机器人手臂系统的自适应协调控制方法
CN104865829B (zh) * 2015-03-26 2017-06-23 哈尔滨工业大学 多机器人系统分布式自适应神经网络连续跟踪控制方法
CN105751196A (zh) * 2016-04-12 2016-07-13 华南理工大学 一种基于主从式的工业机器人协作作业方法
CN106426164B (zh) * 2016-09-27 2019-04-09 华南理工大学 一种冗余度双机械臂的多指标协调运动规划方法
CN106842907B (zh) * 2017-02-16 2020-03-27 香港理工大学深圳研究院 一种多冗余度机械臂系统的协同控制方法与装置
EP3470179A1 (de) * 2017-10-13 2019-04-17 Siemens Aktiengesellschaft Roboter und verfahren zur steuerung einer anordnung von einem ersten roboter und zumindest einem zweiten roboter
CN108393886B (zh) * 2018-01-25 2020-03-17 北京理工大学 优化能量与操作度的分布式多移动机械手协同搬运方法
CN108388123B (zh) * 2018-03-09 2020-10-30 迪比（重庆）智能科技研究院有限公司 多个仿人机器人在速度不可测下的自适应控制方法
CN108638058B (zh) * 2018-04-23 2021-04-30 深圳雪糕侠机器人服务有限公司 一种姿态决策动态规划方法
CN108897215B (zh) * 2018-06-25 2020-07-14 西北工业大学 基于分布式模型预测控制的多海洋机器人协同环形扫描方法
CN109591020B (zh) * 2019-01-21 2023-02-28 兰州大学 一种多冗余度机械臂自适应可操纵性最优化的分布式协同控制方法与装置
CN110162035B (zh) * 2019-03-21 2020-09-18 中山大学 一种集群机器人在有障碍物场景中的协同运动方法
CN110421547B (zh) * 2019-07-12 2022-10-28 中南大学 一种基于估计动力学模型的双臂机器人协同阻抗控制方法

Also Published As

Publication number Publication date
CN111113417A (zh) 2020-05-08

Similar Documents

Publication Publication Date Title
CN111538949B (zh) 冗余机器人逆运动学求解方法、装置和冗余机器人
AU2021103765A4 (en) Robotic arm motion programming method based on fixed-parameter neural network
CN110900598A (zh) 机器人三维运动空间动作模仿学习方法和系统
CN109669479B (zh) 一种基于事件触发的移动机器人轨迹跟踪控制方法
CN112327633A (zh) 具有时滞和干扰的领导跟随多智能体系统一致性的方法
CN113342037B (zh) 具有输入饱和的多旋翼无人机时变编队控制方法及系统
CN110524544A (zh) 一种机械臂运动的控制方法、终端和可读存储介质
CN109986562B (zh) 一种平面机械臂系统及其分散式容错控制方法
CN111522341A (zh) 网络异构机器人系统的多时变编队跟踪控制方法及系统
CN109782600A (zh) 一种通过虚拟环境建立自主移动机器人导航系统的方法
WO2023024279A1 (zh) 一种机器人动态避障方法、装置和机器人
CN109591020A (zh) 一种多冗余度机械臂自适应可操纵性最优化的分布式协同控制方法与装置
CN111113417B (zh) 一种分布式多机器人协同运动控制方法及系统
CN112947086B (zh) 一种无人机和无人车组成的异构多智能体系统编队控制中执行器故障的自适应补偿方法
CN113642243A (zh) 多机器人的深度强化学习系统、训练方法、设备及介质
CN115213905A (zh) 冗余度机械臂位姿控制方法、系统及机器人
CN113276114A (zh) 一种基于终端任务指派的可重构机械臂协同力/运动控制系统与方法
CN113934173A (zh) 基于脉冲控制的多智能体系统分组一致性控制方法
CN113359439A (zh) 多智能体系统有限时间多目标协同追踪方法和存储介质
CN113977572A (zh) 一种基于宽度径向基神经网络的机械臂阻抗学习控制方法
CN113954077B (zh) 带有能量优化的水下游动机械臂轨迹跟踪控制方法及装置
CN110154036B (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
CN111590561B (zh) 一种分布式机械臂系统鲁棒预设性能控制方法
CN113400299B (zh) 网络化机器人协同控制方法、装置、设备及存储介质
CN113500602B (zh) 多连杆机械手系统的分布式采样控制

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
CP01 Change in the name or title of a patent holder

Address after: 510070 Building No. 15, compound 100, martyrs Road, Guangzhou, Guangdong

Patentee after: Institute of intelligent manufacturing, Guangdong Academy of Sciences

Address before: 510070 Building No. 15, compound 100, martyrs Road, Guangzhou, Guangdong

Patentee before: GUANGDONG INSTITUTE OF INTELLIGENT MANUFACTURING

CP01 Change in the name or title of a patent holder