CN111185923A - 一种机器人控制装置及控制方法 - Google Patents
一种机器人控制装置及控制方法 Download PDFInfo
- Publication number
- CN111185923A CN111185923A CN202010038758.XA CN202010038758A CN111185923A CN 111185923 A CN111185923 A CN 111185923A CN 202010038758 A CN202010038758 A CN 202010038758A CN 111185923 A CN111185923 A CN 111185923A
- Authority
- CN
- China
- Prior art keywords
- planned
- acceleration
- speed
- service life
- robot
- 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
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J13/00—Controls for 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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Manipulator (AREA)
Abstract
本申请适用于机器人控制技术领域,提供了一种机器人控制装置及方法,所述装置包括:寿命控制模块和运动控制模块,其中,轨迹规划单元,用于获得规划运动轨迹、规划速度、规划加速度;转矩获取单元,用于通过机器人动力学模型,获得各关节的输出转矩;寿命获取单元,用于获得关键零部件的估计寿命;轨迹优化单元,用于通过非线性优化方法进行迭代,获得最优速度和最优加速度;运动控制模块,用于进行插补点法矢运算并控制机器人运动。本发明通过在已知运动轨迹的下,通过非线性优化方法,以路径时间最优为目标,以关节零部件期望寿命为约束,优化各关节原本设定的速度和加速度,获得最优关节速度和加速度的功能,可有效保证关键零件寿命。
Description
技术领域
本申请属于机器人控制技术领域,尤其涉及一种机器人控制装置及控制方法。
背景技术
目前机器人控制设备厂商在设置机器人出厂关节速度和加速度时,往往设置为关节所能达到的最大速度和加速度,而不考虑按照该速度和加速度长久运行时对关键零件寿命的影响,导致关键零件寿命缩短,增加用户的维护成本。
现有技术通过仿真来执行机器人的动作程序,计算机器人的各轴减速机的旋转速度以及对该各轴减速机施加的负荷;存储部,其将各轴减速机的旋转速度以及对各轴减速机施加的负荷按照时间序列关联存储;减速机寿命计算部,其基于各轴减速机的旋转速度以及对各轴减速机施加的负荷,计算各轴减速机的寿命,通过循环减小速度直到满足减速机寿命要求。
现有技术仅考虑了减速机的寿命和降低速度,并不能得到最优化的速度和加速度,从而获得相对保守的设置,对于保证关键零件寿命存在不足。
发明内容
本申请实施例提供了一种机器人控制装置及控制方法,可以解决现有技术仅考虑了减速机的寿命和降低速度,并不能得到最优化的速度和加速度,从而获得相对保守的设置,对于保证关键零件寿命存在不足的问题。
第一方面,本申请实施例提供了一种机器人控制装置,所述装置包括:寿命控制模块和运动控制模块,所述寿命控制模块包括轨迹优化单元、轨迹规划单元、转矩获取单元和寿命获取单元,其中,
轨迹规划单元,用于根据所述初始速度和初始加速度,进行运动规划,获得规划运动轨迹、规划速度、规划加速度;
转矩获取单元,用于根据所述规划运动轨迹、规划速度、规划加速度,通过机器人动力学模型,获得各关节的输出转矩;
寿命获取单元,用于根据所述规划运动轨迹和各关节的输出转矩,通过关键零部件寿命估计经验公式,获得关键零部件的估计寿命;
轨迹优化单元,用于在当前运动轨迹下,根据关键零部件的预期寿命、初始速度和初始加速度,以路径时间最优为目的,通过非线性优化方法进行迭代,获得最优速度和最优加速度;若所述关键零部件的估计寿命大于等于预期寿命,则输出所述规划运动轨迹、最优速度和最优加速度至运动控制模块;
运动控制模块,用于根据接收到的所述规划运动轨迹、最优速度和最优加速度,进行插补点法矢运算并控制机器人运动。
进一步地,所述非线性优化方法包括遗传算法。
进一步地,所述关键零部件包括谐波减速机、RV减速机、同步带、行星减速机和伺服电机。
第二方面,本申请实施例提供了一种机器人控制方法,所述方法包括:
获取当前运动轨迹、关键零部件的预期寿命、初始速度和初始加速度;
根据所述初始速度和初始加速度,进行运动规划,获得规划运动轨迹、规划速度、规划加速度;
根据所述规划运动轨迹、规划速度、规划加速度,通过机器人动力学模型,获得各关节的输出转矩;
根据所述规划运动轨迹和各关节的输出转矩,通过关键零部件寿命估计经验公式,获得关键零部件的估计寿命;
在当前运动轨迹下,根据关键零部件的预期寿命、初始速度和初始加速度,以路径时间最优为目的,通过非线性优化方法进行迭代,获得最优速度和最优加速度;
判读所述关键零部件的估计寿命是否大于等于关键零部件的预期寿命;若所述关键零部件的估计寿命大于等于预期寿,输出所述规划运动轨迹、最优速度和最优加速度至运动控制模块;
根据接收到的所述规划运动轨迹、最优速度和最优加速度,进行插补点法矢运算并控制机器人运动。
进一步地,所述非线性优化方法包括遗传算法。
进一步地,所述关键零部件包括谐波减速机、RV减速机、同步带、行星减速机和伺服电机。
第三方面,本申请实施例提供了一种机器人,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的机器人控制方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的机器人控制方法。
可以理解的是,上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
本申请实施例通过在已知运动轨迹的前提下,通过非线性优化方法,以路径时间最优为目标,以关节零部件期望寿命为约束,优化各关节原本设定的速度和加速度,得到最优关节速度和加速度的功能,可有效保证关键零件寿命。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的机器人控制装置的结构示意图;
图2是本申请一实施例提供的机器人控制方法的流程示意图;
图3是本申请实施例提供的机器人的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
图1示出了本申请提供的机器人控制装置的结构示意图,作为示例而非限定,该装置可以应用于工业机器人,服务机器人,协作机器人中,以下仅以SCARA工业机器人为对象进行说明控制装置。该装置包括:寿命控制模块1和运动控制模块2,所述寿命控制模块1包括轨迹优化单元11、轨迹规划单元12、转矩获取单元13和寿命获取单元14,
需要说明的是,本申请适应于机器人的关键零部件,关键零部件包括谐波减速机、RV减速机、同步带、行星减速机和伺服电机,本实施例仅以谐波减速机作为说明对象,本领域的人员应该认识到对于其他任意的关键零件和机器人也能够同样应用本发明:
其中,轨迹规划单元11,用于根据所述初始速度和初始加速度,进行运动规划,获得规划运动轨迹、规划速度、规划加速度。
转矩获取单元12,用于根据所述规划运动轨迹、规划速度、规划加速度,通过SCARA工业机器人动力学模型,获得各关节输出转矩。
寿命获取单元13,用于根据所述规划运动轨迹和各关节输出转矩,通过寿命估计经验公式,获得谐波减速机的估计寿命。
轨迹优化单元14,用于若所述谐波减速机的估计寿命大于等于预期寿命,在当前运动轨迹下,根据谐波减速机的预期寿命、初始速度和初始加速度,以路径时间最优为目的,通过非线性优化方法进行迭代,获得最优速度和最优加速度,输出所述规划运动轨迹、最优速度和最优加速度至运动控制模块;若所述谐波减速机的估计寿命小于预期寿命,则继续通过非线性优化方法进行迭代,获得最优速度和最优加速度。优选的,所述非线性优化方法包括遗传算法
运动控制模块2,用于根据接收到的所述规划运动轨迹、最优速度和最优加速度,进行插补点法矢运算并控制机器人运动,最终获得保证谐波减速机的机器人运动。
本实施例通过寿命控制模块在已知运动轨迹的前提下,通过非线性优化方法,以路径时间最优为目标,以关节零部件期望寿命为约束,优化各关节原本设定的速度和加速度,得到最优关节速度和加速度的功能,可有效保证关键零件寿命。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
对应于上文实施例所述的机器人控制装置,图2示出了本申请实施例提供的机器人控制方法的流程示意图,为了便于说明,仅示出了与本申请实施例相关的部分。参照图2,该机器人控制方法包括:
S201、获取当前运动轨迹、关键零部件的预期寿命、初始速度和初始加速度。
在具体应用中,所述关键零部件包括谐波减速机、RV减速机、同步带、行星减速机和伺服电机,本实施例仅以谐波减速机作为说明对象,本领域的人员应该认识到对于其他任意的关键零件和机器人也能够同样应用本发明。
S202、根据所述初始速度和初始加速度,进行运动规划,获得规划运动轨迹、规划速度、规划加速度。
S203、根据所述规划运动轨迹、规划速度、规划加速度,通过SCARA机器人动力学模型,获得各关节的输出转矩。
S204、根据所述规划运动轨迹和各关节的输出转矩,通过关键零部件寿命估计经验公式,获得关键零部件的估计寿命。
S205、在当前运动轨迹下,根据关键零部件的预期寿命、初始速度和初始加速度,以路径时间最优为目的,通过非线性优化方法进行迭代,获得最优速度和最优加速度。
S206、判读所述关键零部件的估计寿命是否大于等于关键零部件的预期寿命;若所述关键零部件的估计寿命大于等于预期寿,输出所述规划运动轨迹、最优速度和最优加速度至运动控制模块;若所述谐波减速机的估计寿命小于预期寿命,则继续执行步骤S205。优选的,所述非线性优化方法包括遗传算法。
S207、根据接收到的所述规划运动轨迹、最优速度和最优加速度,进行插补点法矢运算并控制机器人运动。
本实施例在已知运动轨迹的前提下,通过非线性优化方法,以路径时间最优为目标,以关节零部件期望寿命为约束,优化各关节原本设定的速度和加速度,得到最优关节速度和加速度的功能,可有效保证关键零件寿命。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
如图3所示,本申请实施例还提供了一种机器人,该机器人包括:至少一个处理器30、存储器31以及存储在所述存储器31中并可在所述至少一个处理器30上运行的计算机程序32,所述处理器30执行所述计算机程序32时实现上述任意各个方法实施例中的步骤。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序32,所述计算机程序32被处理器30执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序32指令相关的硬件来完成,所述的计算机程序32可存储于一计算机可读存储介质中,该计算机程序32在被处理器30执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序32包括计算机程序32代码,所述计算机程序32代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序32代码携带到拍照装置/机器人的任何实体或装置、记录介质、计算机存储器31、只读存储器31(ROM,Read-Only Memory)、随机存取存储器31(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种机器人控制装置,其特征在于,所述机器人控制装置包括:寿命控制模块和运动控制模块,所述寿命控制模块包括轨迹优化单元、轨迹规划单元、转矩获取单元和寿命获取单元,其中,
轨迹规划单元,用于根据所述初始速度和初始加速度,进行运动规划,获得规划运动轨迹、规划速度、规划加速度;
转矩获取单元,用于根据所述规划运动轨迹、规划速度、规划加速度,通过机器人动力学模型,获得各关节的输出转矩;
寿命获取单元,用于根据所述规划运动轨迹和各关节的输出转矩,通过关键零部件寿命估计经验公式,获得关键零部件的估计寿命;
轨迹优化单元,用于在当前运动轨迹下,根据关键零部件的预期寿命、初始速度和初始加速度,以路径时间最优为目的,通过非线性优化方法进行迭代,获得最优速度和最优加速度;若所述关键零部件的估计寿命大于等于预期寿命,则输出所述规划运动轨迹、最优速度和最优加速度至运动控制模块;
运动控制模块,用于根据接收到的所述规划运动轨迹、最优速度和最优加速度,进行插补点法矢运算并控制机器人运动。
2.根据权利要求1所述的机器人控制装置,其特征在于,所述非线性优化方法包括遗传算法。
3.根据权利要求1所述的机器人控制装置,其特征在于,所述关键零部件包括谐波减速机、RV减速机、同步带、行星减速机和伺服电机。
4.一种机器人控制方法,其特征在于,所述机器人控制方法包括:
获取当前运动轨迹、关键零部件的预期寿命、初始速度和初始加速度;
根据所述初始速度和初始加速度,进行运动规划,获得规划运动轨迹、规划速度、规划加速度;
根据所述规划运动轨迹、规划速度、规划加速度,通过机器人动力学模型,获得各关节的输出转矩;
根据所述规划运动轨迹和各关节的输出转矩,通过关键零部件寿命估计经验公式,获得关键零部件的估计寿命;
在当前运动轨迹下,根据关键零部件的预期寿命、初始速度和初始加速度,以路径时间最优为目的,通过非线性优化方法进行迭代,获得最优速度和最优加速度;
判读所述关键零部件的估计寿命是否大于等于关键零部件的预期寿命;若所述关键零部件的估计寿命大于等于预期寿,输出所述规划运动轨迹、最优速度和最优加速度至运动控制模块;
根据接收到的所述规划运动轨迹、最优速度和最优加速度,进行插补点法矢运算并控制机器人运动。
5.根据权利要求4所述的机器人控制方法,其特征在于,所述非线性优化方法包括遗传算法。
6.根据权利要求4所述的机器人控制方法,其特征在于,所述关键零部件包括谐波减速机、RV减速机、同步带、行星减速机和伺服电机。
7.一种机器人,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求4至6任一项所述的机器人控制方法。
8.根据权利要求7所述的机器人,其特征在于,所述处理器包括ARM、DSP或FPGA。
9.根据权利要求7所述的机器人,其特征在于,所述存储器包括RAM或ROM。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求4至6任一项所述的机器人控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010038758.XA CN111185923B (zh) | 2020-01-14 | 2020-01-14 | 一种机器人控制装置及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010038758.XA CN111185923B (zh) | 2020-01-14 | 2020-01-14 | 一种机器人控制装置及控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111185923A true CN111185923A (zh) | 2020-05-22 |
CN111185923B CN111185923B (zh) | 2022-02-15 |
Family
ID=70703747
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010038758.XA Active CN111185923B (zh) | 2020-01-14 | 2020-01-14 | 一种机器人控制装置及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111185923B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116141341A (zh) * | 2023-04-21 | 2023-05-23 | 之江实验室 | 满足笛卡尔空间约束的五自由度机械臂指向动作实现方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102298391A (zh) * | 2011-04-27 | 2011-12-28 | 哈尔滨工业大学 | 一种重载工业机器人操作空间内运动轨迹规划方法 |
US20170144302A1 (en) * | 2015-11-19 | 2017-05-25 | Kuka Roboter Gmbh | Control of A Robot |
CN106773739A (zh) * | 2017-02-28 | 2017-05-31 | 山东大学 | 基于遗传混沌优化算法的机器人轨迹规划方法 |
CN108748138A (zh) * | 2018-04-17 | 2018-11-06 | 上海达野智能科技有限公司 | 速度规划方法、系统、控制系统、机器人、及存储介质 |
JP2019123051A (ja) * | 2018-01-17 | 2019-07-25 | キヤノン株式会社 | ロボット装置、ロボットの制御方法、ロボットの制御装置 |
CN110209048A (zh) * | 2019-05-20 | 2019-09-06 | 华南理工大学 | 基于动力学模型的机器人时间最优轨迹规划方法、设备 |
CN110221538A (zh) * | 2019-04-26 | 2019-09-10 | 华南理工大学 | 一种结合迭代学习的时间最优轨迹规划控制器及方法 |
-
2020
- 2020-01-14 CN CN202010038758.XA patent/CN111185923B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102298391A (zh) * | 2011-04-27 | 2011-12-28 | 哈尔滨工业大学 | 一种重载工业机器人操作空间内运动轨迹规划方法 |
US20170144302A1 (en) * | 2015-11-19 | 2017-05-25 | Kuka Roboter Gmbh | Control of A Robot |
CN106773739A (zh) * | 2017-02-28 | 2017-05-31 | 山东大学 | 基于遗传混沌优化算法的机器人轨迹规划方法 |
JP2019123051A (ja) * | 2018-01-17 | 2019-07-25 | キヤノン株式会社 | ロボット装置、ロボットの制御方法、ロボットの制御装置 |
CN108748138A (zh) * | 2018-04-17 | 2018-11-06 | 上海达野智能科技有限公司 | 速度规划方法、系统、控制系统、机器人、及存储介质 |
CN110221538A (zh) * | 2019-04-26 | 2019-09-10 | 华南理工大学 | 一种结合迭代学习的时间最优轨迹规划控制器及方法 |
CN110209048A (zh) * | 2019-05-20 | 2019-09-06 | 华南理工大学 | 基于动力学模型的机器人时间最优轨迹规划方法、设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116141341A (zh) * | 2023-04-21 | 2023-05-23 | 之江实验室 | 满足笛卡尔空间约束的五自由度机械臂指向动作实现方法 |
CN116141341B (zh) * | 2023-04-21 | 2023-08-08 | 之江实验室 | 满足笛卡尔空间约束的五自由度机械臂指向动作实现方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111185923B (zh) | 2022-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110955242B (zh) | 机器人导航方法、系统、机器人及存储介质 | |
JP5698468B2 (ja) | モデル予測制御においてフィードバック及びフィードフォワードを組み合わせるための方法及びシステム | |
US10981274B2 (en) | Automatic trajectory generation for controlling a drive system | |
CN110000815B (zh) | 一种碰撞检测方法、装置、电子设备及存储介质 | |
CN108356823A (zh) | 具有学习控制功能的控制系统以及控制方法 | |
CN109732594B (zh) | 一种机器人控制方法、系统及机器人 | |
CN111185923B (zh) | 一种机器人控制装置及控制方法 | |
CN109291055A (zh) | 机器人运动控制方法、装置、计算机设备和存储介质 | |
CN111185909B (zh) | 机器人运行工况获取方法、装置、机器人及存储介质 | |
CN106961235B (zh) | 电动机控制装置 | |
Liu et al. | Robust adaptive controller with disturbance observer for vehicular radar servo system | |
CN114326588A (zh) | 一种伺服驱动系统的效率优化控制方法、系统及存储介质 | |
US20240009841A1 (en) | Dynamic target tracking method, robot and computer-readable storage medium | |
CN113021329B (zh) | 一种机器人运动控制方法、装置、可读存储介质及机器人 | |
CN112597612A (zh) | 机器人优化方法、装置、终端设备及计算机可读存储介质 | |
CN111805537A (zh) | 多机械手协同控制方法、系统、设备及存储介质 | |
CN114265361A (zh) | 一种基于视频反馈信号强化学习的自动行车防摇控制方法 | |
Mu et al. | Vibration‐energy‐optimal trajectory planning for flexible servomotor systems with state constraints | |
Mitov et al. | Model Predictive Control Design for Electrohydraulic Power Steering Application | |
CN113642103B (zh) | 动力学模型参数的调整方法、装置、介质及电子设备 | |
Ahmed et al. | Industrial implementation of a fuzzy logic controller for brushless DC motor drives using the PicoMotion control framework | |
CN113184705B (zh) | 一种带有不确定负载的桥式吊车控制方法及系统 | |
CN114102597A (zh) | 机械臂关节点动操作控制方法、电子设备及存储介质 | |
Burroughes et al. | Towards controlling flexible deforming manipulators/structures with limited available sensing in DEMO | |
CN109240216B (zh) | 并联伺服系统的动态过程控制方法及信息数据处理终端 |
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 |