CN111360839A - 一种基于运动轨迹的多构型机械臂分层级控制方法及系统 - Google Patents
一种基于运动轨迹的多构型机械臂分层级控制方法及系统 Download PDFInfo
- Publication number
- CN111360839A CN111360839A CN202010333324.2A CN202010333324A CN111360839A CN 111360839 A CN111360839 A CN 111360839A CN 202010333324 A CN202010333324 A CN 202010333324A CN 111360839 A CN111360839 A CN 111360839A
- Authority
- CN
- China
- Prior art keywords
- mechanical arm
- configuration
- joint
- motion
- motion trail
- 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.)
- Withdrawn
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
-
- 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
- B25J9/1628—Programme controls characterised by the control loop
-
- 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
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/1651—Programme controls characterised by the control loop acceleration, rate control
-
- 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)
- Manipulator (AREA)
Abstract
本发明提供了一种基于运动轨迹的多构型机械臂分层级控制方法及系统。所述方法包括：根据所述关节ID序列确定所述机械臂的构型以及从预存有多种构型运动轨迹参数的运动轨迹参数库中获取该构型对应的运动轨迹参数；获取期望机械臂终端到达的位姿信息以及机械臂当前的位姿信息；根据期望机械臂终端到达的位姿信息、机械臂当前的位姿信息和运动轨迹参数得到机械臂的运动轨迹，并根据所述运动轨迹得到机械臂中各关节可执行的高维运动信息；根据所述高维运动信息对所述机械臂的各个关节进行控制。本发明可以实现快速地对多构型机械臂进行控制。
Description
技术领域
本发明涉及机械臂领域，具体涉及一种基于运动轨迹的多构型机械臂分层级控制方法及系统。
背景技术
机械臂现在在工业领域的使用范围非常广泛，现有机械臂主要以六轴机械臂为主同时也会有其他构型的机械臂。由于在机械和电气上的限制，目前在工业或其他领域上使用的机械臂都是一个整体机器，每个关节在加工出厂后不可拆卸。对于不同种构型的机械臂，控制的策略可能会相同，但现有机械臂控制中使用的运动轨迹参数库通用性比较差，只能适用于某一型号的构型方式。对于多构型机械臂进行控制并不方便。
发明内容
针对上述问题，本发明提供了一种基于运动轨迹的多构型机械臂分层级控制方法及系统。
一方面，一种基于运动轨迹的多构型机械臂分层级控制方法，其包括：
获取机械臂的关节ID序列；
根据所述关节ID序列确定所述机械臂的构型以及从预存有多种构型运动轨迹参数的运动轨迹参数库中获取该构型对应的运动轨迹参数；
获取期望机械臂终端到达的位姿信息以及机械臂当前的位姿信息；
在ROS环境下，采用基于RRT*算法的OMPL规划库，依据所述期望机械臂终端到达的位姿信息、机械臂当前的位姿信息以及运动轨迹参数，使用采样方法得到代价最小的运动轨迹；结合机械动力学对所述运动轨迹进行优化配置，生成光滑的高阶连续的终端优化运动轨迹；依据机械臂的正逆运动学和所述终端优化运动轨迹计算得到各个关节的动力学可执行的高维运动信息，所述高维运动信息包括在实现所述运动轨迹的过程中各关节的在各个时刻的位置、速度；
通过运动控制器将所述高维运动信息传输到伺服控制器，通过伺服控制器实时对所述机械臂的各个关节的位置、速度进行控制。
另一方面，一种基于运动轨迹的多构型机械臂分层级控制系统，其包括：
构型ID反馈模块，其用于获取机械臂的关节ID序列；
构型识别模块，其用于根据所述关节ID序列确定所述机械臂的构型以及从预存有多种构型运动轨迹参数的运动轨迹参数库中获取该构型对应的运动轨迹参数；
人机交互模块，其用于获取期望机械臂终端到达的位姿信息以及机械臂当前的位姿信息；
轨迹规划模块，其用于在ROS环境下，采用基于RRT*算法的OMPL规划库，依据所述期望机械臂终端到达的位姿信息、机械臂当前的位姿信息以及运动轨迹参数，使用采样方法得到代价最小的运动轨迹；结合机械动力学对所述运动轨迹进行优化配置，生成光滑的高阶连续的终端优化运动轨迹；依据机械臂的正逆运动学和所述终端优化运动轨迹计算得到各个关节的动力学可执行的高维运动信息，所述高维运动信息包括在实现所述运动轨迹的过程中各关节的在各个时刻的位置、速度；
伺服驱动模块，其用于通过运动控制器将所述高维运动信息传输到伺服控制器，通过伺服控制器实时对所述机械臂的各个关节的位置、速度进行控制。
本发明的有益效果为：
现有技术对于机械臂的构型的识别需要通过人机交互界面手动输入识别信息，效率低。本发明通过获取机械臂的有序关节ID序列，然后根据所述有序关节ID序列便可识别出当前机械臂的构型，实现了机械臂构型的高效率自动识别。
多构型机械臂构型多变，现有技术对一种全新构型的机械臂的控制，一般是现场手动输入与计算机械臂运动轨迹相关的参数，然后现场利用运动学计算的方式进行运动轨迹，最后根据所述运动轨迹对当前构型的机械臂进行控制。而本发明在运动轨迹参数库中事先定义了多种常用构型的运动轨迹参数，在构型识别完成后，直接从该运动轨迹参数库中调用所述运动轨迹参数，并使用所述运动轨迹参数进行运动轨迹，从而更快地得到机械臂的运动轨迹，实现快速地对多构型机械臂进行控制。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1，为本发明一种基于运动轨迹的多构型机械臂分层级控制方法的一种示例性实施例图。
图2，为本发明一种基于运动轨迹的多构型机械臂分层级控制系统的一种示例性实施例图。
具体实施方式
结合以下实施例对本发明作进一步描述。
本发明提供了一种基于运动轨迹的多构型机械臂分层级控制方法及系统。
参见图1，本发明的一种基于运动轨迹的多构型机械臂分层级控制方法，其包括：
获取机械臂的关节ID序列；
根据所述关节ID序列确定所述机械臂的构型以及从预存有多种构型运动轨迹参数的运动轨迹参数库中获取该构型对应的运动轨迹参数；
获取期望机械臂终端到达的位姿信息以及机械臂当前的位姿信息；
在ROS环境下，采用基于RRT*算法的OMPL规划库，依据所述期望机械臂终端到达的位姿信息、机械臂当前的位姿信息以及运动轨迹参数，使用采样方法得到代价最小的运动轨迹；结合机械动力学对所述运动轨迹进行优化配置，生成光滑的高阶连续的终端优化运动轨迹；依据机械臂的正逆运动学和所述终端优化运动轨迹计算得到各个关节的动力学可执行的高维运动信息，所述高维运动信息包括在实现所述运动轨迹的过程中各关节的在各个时刻的位置、速度；
通过运动控制器将所述高维运动信息传输到伺服控制器，通过伺服控制器实时对所述机械臂的各个关节的位置、速度进行控制。
在一种实施方式中，所述获取机械臂的关节ID序列，包括：
从底座到末端依次安装新关节，每安装一个新关节便采集一次当前机械臂包含的所有的关节的ID组成的ID序列；
将最新一次采集的所有关节的ID序列与前一次采集的所有关节的ID序列进行对比，从而识别出新增加的关节的ID；
从底座到末端，每装一个新关节便自动得到该新关节对应的ID，在整个机械臂构型安装完成后，就得到从底座到末端的有序的关节ID序列。
在一种实施方式中，所述根据所述关节ID序列确定所述机械臂的构型，包括：
将所述关节ID序列与构型参数库中预存的各种构型对应的关节ID序列进行匹配，从而确定所述机械臂的构型。
在一种实施方式中，所述运动轨迹参数包括机械臂参数信息和关节信息；
所述机械臂参数信息包括模型文件以及运动轨迹配置文件；所述模型文件用于所述机械臂建立仿真模型，所述运动轨迹配置文件包括所述机械臂对应的构型的ID名称、所述机械臂对应的构型在运动轨迹时采用的算法库、路径规划器选用的算法以及各个关节初始化位置信息；
所述关节信息包括所述机械臂对应的构型的各个关节的空间坐标参数、各个关节之间的位姿变换关系参数、各个关节的物理属性信息参数和关节的转动限制信息。
在一种实施方式中，所述算法库为OMPL库。
OMPL，是Open Motion Planning Library的缩写，OMPL是一个强大的集合，最先进的采样为基础的运动轨迹算法，在MoveIt中是默认规划器。
在一种实施方式中，所述路径规划器选用的算法为RRT*算法。
RRT(Rapidly-Exploring Random Tree)算法是一种基于采样的路径规划算法，常用于移动机器人路径规划，适合解决高维空间和复杂约束下的路径规划问题。基本思想是以产生随机点的方式通过一个步长向目标点搜索前进，有效躲避障碍物，避免路径陷入局部极小值，收敛速度快。
在一种实施方式中，所述物理属性信息参数包括材料、惯量信息。
在一种实施方式中，所述获取期望机械臂终端到达的位姿信息以及机械臂当前的位姿信息，包括：
通过上位机获取所述期望机械臂终端到达的位姿信息以及机械臂当前的位姿信息；
将所述位姿信息的格式进行转换，依照定义好的一定的标准位姿表达信息格式进行转换，并在ROS环境中以topic通讯形式进行广播。
ROS是在Linux系统中的用于机器人仿真与控制的一种开源的次级操作系统。ROS提供类似操作系统所提供的功能，包含硬件抽象描述、底层驱动程序管理、公用功能的执行、程序间的消息传递、程序发行包管理。ROS还提供了库和工具来帮助软件开发者创建机器人的应用程序。
主题(Topic)，消息通过一个带有发布和订阅功能传输系统来传送。一个节点通过把消息发送到一个给定的主题来发布一个消息。主题是用于识别消息内容的名称。一个节点对某一类型的数据感兴趣，它只需要订阅相关的主题即可。发布者将信息发布在一个全局的工作区内，当订阅者发现该消息是它所订阅的，即可接收到这个消息。
参见图2，本发明的一种基于运动轨迹的多构型机械臂分层级控制系统，其包括：
构型ID反馈模块，其用于获取机械臂的关节ID序列；
构型识别模块，其用于根据所述关节ID序列确定所述机械臂的构型以及从预存有多种构型运动轨迹参数的运动轨迹参数库中获取该构型对应的运动轨迹参数；
人机交互模块，其用于获取期望机械臂终端到达的位姿信息以及机械臂当前的位姿信息；
轨迹规划模块，其用于在ROS环境下，采用基于RRT*算法的OMPL规划库，依据所述期望机械臂终端到达的位姿信息、机械臂当前的位姿信息以及运动轨迹参数，使用采样方法得到代价最小的运动轨迹；结合机械动力学对所述运动轨迹进行优化配置，生成光滑的高阶连续的终端优化运动轨迹；依据机械臂的正逆运动学和所述终端优化运动轨迹计算得到各个关节的动力学可执行的高维运动信息，所述高维运动信息包括在实现所述运动轨迹的过程中各关节的在各个时刻的位置、速度；
伺服驱动模块，其用于通过运动控制器将所述高维运动信息传输到伺服控制器，通过伺服控制器实时对所述机械臂的各个关节的位置、速度进行控制。
本发明上述实施方式，通过将控制系统分为不同的模块，各个模块之间通过规定的消息格式进行通信，一方面在每一个模块保证输入输出的消息格式不变时，模块内部可以进行灵活的更改优化，另一方面可以灵活地添加新的模块。
在一种实施方式中，所述构型ID反馈模块还包括获取单元，其用于获取机械臂的关节ID序列，具体包括：
从底座到末端依次安装新关节，每安装一个新关节所述获取单元便采集一次当前机械臂包含的所有的关节的ID组成的ID序列；
所述获取单元将最新一次采集的所有关节的ID序列与前一次采集的所有关节的ID序列进行对比，从而识别出新增加的关节的ID；
从底座到末端，每装一个新关节所述获取单元便自动得到该新关节对应的ID，在整个机械臂构型安装完成后，所述获取单元就得到从底座到末端的有序的关节ID序列。
在一种实施方式中，所述构型识别模块包括构型匹配单元，其用于根据所述关节ID序列确定所述机械臂的构型，具体包括：
构型匹配单元将所述关节ID序列与构型参数库中预存的各种构型对应的关节ID序列进行匹配，从而确定所述机械臂的构型。
在一种实施方式中，人机交互模块包括位姿获取单元，其用于获取期望机械臂终端到达的位姿信息、机械臂当前的位姿信息，具体包括：
位姿获取单元通过上位机获取所述期望机械臂终端到达的位姿信息和机械臂当前的位姿信息；
位姿获取单元将所述位姿信息的格式进行转换，依照定义好的一定的标准位姿表达信息格式进行转换，并在ROS环境中以topic通讯形式进行广播。
在一种实施方式中，所述轨迹规划模块包括运动轨迹获取单元和高维运动信息获取单元：所述运动轨迹获取单元用于根据期望机械臂终端到达的位姿信息、机械臂当前的位姿信息和运动轨迹参数得到机械臂的运动轨迹；所述高维运动信息获取单元用于根据所述运动轨迹得到机械臂中各关节可执行的高维运动信息。
在一种实施方式中，所述关节中设置有存储单元、状态监测单元和通信单元，所述存储单元用于存储该关节的状态信息，所述状态信息包括：ID、设计工作寿命和已工作的总时长、关节各组件的工作状态；所述状态监测单元用于获取关节各组件的工作状态并发送到存储单元；所述通信单元用于运动控制器与关节之间的数据交换。当关节中的某一组件处于不能工作的状态时，状态监测单元获取到该信息，并将该信息并发送到存储单元进行存储。所述运动控制器与上位机进行数据交换。
本发明上述实施例，关节通过通信单元与运动控制器进行通信，然后运动控制器与上位机进行通信，从而实现了关节与上位机之间的通信，实现了关节的物联网，上位机可以实时获取关节的状态信息，从而能及时发现关节的异常状态，进而避免事故的发生。
现有技术对于机械臂的构型的识别需要通过人机交互界面手动输入识别信息，效率低。本发明通过对最新一次采集的所有关节的ID信息与前一次采集的所有关节的ID信息进行对比，从而识别出新增加的关节的ID，在整个机械臂安装完成后，便能得到该机械臂的有序的关节ID序列，然后根据所述关节ID序列便可识别出当前机械臂的构型，实现了机械臂构型的高效率自动识别。
多构型模块化机械臂是一种实现可变自由度、可变构型、可快速拆/组的模块化机械臂。模块化设计可快速拆、组出具有不同构型、自由度、工作空间和负载能力的机械臂，适应不同任务需求。其组合多样，可以实现多衍生型号的快速变化，适合于对机械臂拓展性，可变性，功能性要求高的场合。由于构型可变，一套机器可以替代多台机器执行不同的任务，产品任务适应能力强。
现有技术中，对机械臂运动轨迹的获取，一般是现场手动输入当前机械臂的相关参数，然后现场利用运动学计算的方式进行运动轨迹。本发明在运动轨迹参数库中事先定义了多种常用的机械臂构型的运动轨迹参数，在构型识别完成后，直接从该运动轨迹参数库中调用该构型对应的运动轨迹参数，并在ROS环境下使用所述运动轨迹参数在基于RRT*算法的OMPL库中进行运动轨迹，从而更快地计算出多构型机械臂的运动轨迹，实现快速地对多构型机械臂进行控制。本发明的运动轨迹参数库通用性强，能适用于多种不同构型的机械臂。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (8)
1.一种基于运动轨迹的多构型机械臂分层级控制方法，其特征在于，其包括：
获取机械臂的关节ID序列；
根据所述关节ID序列确定所述机械臂的构型以及从预存有多种构型运动轨迹参数的运动轨迹参数库中获取该构型对应的运动轨迹参数；
获取期望机械臂终端到达的位姿信息以及机械臂当前的位姿信息；
在ROS环境下，采用基于RRT*算法的OMPL规划库，依据所述期望机械臂终端到达的位姿信息、机械臂当前的位姿信息以及运动轨迹参数，使用采样方法得到代价最小的运动轨迹；结合机械动力学对所述运动轨迹进行优化配置，生成光滑的高阶连续的终端优化运动轨迹；依据机械臂的正逆运动学和所述终端优化运动轨迹计算得到各个关节的动力学可执行的高维运动信息，所述高维运动信息包括在实现所述运动轨迹的过程中各关节的在各个时刻的位置、速度；
通过运动控制器将所述高维运动信息传输到伺服控制器，通过伺服控制器实时对所述机械臂的各个关节的位置、速度进行控制。
2.根据权利要求1所述的一种基于运动轨迹的多构型机械臂分层级控制方法，其特征在于，所述获取机械臂的关节ID序列，包括：
从底座到末端依次安装新关节，每安装一个新关节便采集一次当前机械臂包含的所有的关节的ID组成的ID序列；
将最新一次采集的所有关节的ID序列与前一次采集的所有关节的ID序列进行对比，从而识别出新增加的关节的ID；
从底座到末端，每装一个新关节便自动得到该新关节对应的ID，在整个机械臂构型安装完成后，就得到从底座到末端的有序的关节ID序列。
3.根据权利要求1所述的一种基于运动轨迹的多构型机械臂分层级控制方法，其特征在于，所述根据所述关节ID序列确定所述机械臂的构型，包括：
将所述关节ID序列与构型参数库中预存的各种构型对应的关节ID序列进行匹配，从而确定所述机械臂的构型。
4.根据权利要求1所述的一种基于运动轨迹的多构型机械臂分层级控制方法，其特征在于，所述获取期望机械臂终端到达的位姿信息以及机械臂当前的位姿信息，包括：
通过上位机获取所述位姿信息以及机械臂当前的位姿信息。
5.一种基于运动轨迹的多构型机械臂分层级控制系统，其特征在于，其包括：
构型ID反馈模块，其用于获取机械臂的关节ID序列；
构型识别模块，其用于根据所述关节ID序列确定所述机械臂的构型以及从预存有多种构型运动轨迹参数的运动轨迹参数库中获取该构型对应的运动轨迹参数；
人机交互模块，其用于获取期望机械臂终端到达的位姿信息以及机械臂当前的位姿信息；
轨迹规划模块，其用于在ROS环境下，采用基于RRT*算法的OMPL规划库，依据所述期望机械臂终端到达的位姿信息、机械臂当前的位姿信息以及运动轨迹参数，使用采样方法得到代价最小的运动轨迹；结合机械动力学对所述运动轨迹进行优化配置，生成光滑的高阶连续的终端优化运动轨迹；依据机械臂的正逆运动学和所述终端优化运动轨迹计算得到各个关节的动力学可执行的高维运动信息，所述高维运动信息包括在实现所述运动轨迹的过程中各关节的在各个时刻的位置、速度；
伺服驱动模块，其用于通过运动控制器将所述高维运动信息传输到伺服控制器，通过伺服控制器实时对所述机械臂的各个关节的位置、速度进行控制。
6.根据权利要求5所述的一种基于运动轨迹的多构型机械臂分层级控制系统，其特征在于，所述构型ID反馈模块还包括获取单元，其用于获取机械臂的关节ID序列，具体包括：
从底座到末端依次安装新关节，每安装一个新关节所述获取单元便采集一次当前机械臂包含的所有的关节的ID组成的ID序列；
所述获取单元将最新一次采集的所有关节的ID序列与前一次采集的所有关节的ID序列进行对比，从而识别出新增加的关节的ID；
从底座到末端，每装一个新关节所述获取单元便自动得到该新关节对应的ID，在整个机械臂构型安装完成后，所述获取单元就得到从底座到末端的有序的关节ID序列。
7.根据权利要求5所述的一种基于运动轨迹的多构型机械臂分层级控制系统，其特征在于，所述构型识别模块包括构型匹配单元，其用于根据所述关节ID序列确定所述机械臂的构型，具体包括：
构型匹配单元将所述关节ID序列与构型参数库中预存的各种构型对应的关节ID序列进行匹配，从而确定所述机械臂的构型。
8.根据权利要求5所述的一种基于运动轨迹的多构型机械臂分层级控制系统，其特征在于，人机交互模块包括位姿获取单元，其用于获取期望机械臂终端到达的位姿信息、机械臂当前的位姿信息，具体包括：
位姿获取单元通过上位机获取所述期望机械臂终端到达的位姿信息和机械臂当前的位姿信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010333324.2A CN111360839A (zh) | 2020-04-24 | 2020-04-24 | 一种基于运动轨迹的多构型机械臂分层级控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010333324.2A CN111360839A (zh) | 2020-04-24 | 2020-04-24 | 一种基于运动轨迹的多构型机械臂分层级控制方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111360839A true CN111360839A (zh) | 2020-07-03 |
Family
ID=71202006
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010333324.2A Withdrawn CN111360839A (zh) | 2020-04-24 | 2020-04-24 | 一种基于运动轨迹的多构型机械臂分层级控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111360839A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112223788A (zh) * | 2020-09-08 | 2021-01-15 | 武汉大学 | 纤维自动铺放系统以及其铺放轨迹的规划方法 |
| CN112428278A (zh) * | 2020-10-26 | 2021-03-02 | 北京理工大学 | 机械臂的控制方法、装置及人机协同模型的训练方法 |
-
2020
- 2020-04-24 CN CN202010333324.2A patent/CN111360839A/zh not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112223788A (zh) * | 2020-09-08 | 2021-01-15 | 武汉大学 | 纤维自动铺放系统以及其铺放轨迹的规划方法 |
| CN112428278A (zh) * | 2020-10-26 | 2021-03-02 | 北京理工大学 | 机械臂的控制方法、装置及人机协同模型的训练方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu | Machine Tool 4.0 for the new era of manufacturing | |
| CN111360839A (zh) | 一种基于运动轨迹的多构型机械臂分层级控制方法及系统 | |
| Gaspar et al. | Rapid hardware and software reconfiguration in a robotic workcell | |
| Lemmerz et al. | Functional integration of a robotics software framework into a human simulation system | |
| Wang et al. | Robotic assembly planning and control with enhanced adaptability through function blocks | |
| Spitzer et al. | A generic Approach for the Industrial Application of Skill-based Engineering using OPC UA | |
| Zheng et al. | A real-time distributed computer system for coordinated-motion control of two industrial robots | |
| CN114564192A (zh) | 一种实时以太网工控软件开发环境的数据映射方法 | |
| Simonič et al. | Modular ROS-based software architecture for reconfigurable, Industry 4.0 compatible robotic workcells | |
| Priggemeyer et al. | Interactive calibration and visual programming of reconfigurable robotic workcells | |
| Garcia et al. | An approach of cyber-physical production systems architecture for robot control | |
| Solvang et al. | Shop-floor architecture for effective human-machine and inter-machine interaction | |
| Hoyos et al. | Skill-based easy programming interface for industrial applications | |
| Zou et al. | Development of robot programming system through the use of augmented reality for assembly tasks | |
| CN114505853B (zh) | 一种工业机器人的远程分层管控方法及系统 | |
| Garcia et al. | Design of flexible cyber-physical production systems architecture for industrial robot control | |
| Otrebski et al. | Flexibility enhancements in digital manufacturing by means of ontological data modeling | |
| EP4144491A1 (en) | Production system, cell controller, robot controller, and control method | |
| JP3231478B2 (ja) | ロボットの教示装置 | |
| CN116330263A (zh) | 一种基于Codesys的智能工业机器人平台实现方法 | |
| Tewkesbury et al. | The use of distributed intelligence within advanced production machinery for design applications | |
| Sathya et al. | Tasho: A Python Toolbox for Rapid Prototyping and Deployment of Optimal Control Problem-Based Complex Robot Motion Skills | |
| CN113723797A (zh) | 一种工业操作中的管理系统及方法 | |
| Kuts et al. | Digital Twin: Universal User Interface for Online Management of the Manufacturing System | |
| Senehi et al. | Hierarchical control architectures from shop level to end effectors |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200703 |