CN111546315B - 一种基于人机协作的机器人柔顺示教及再现方法 - Google Patents

一种基于人机协作的机器人柔顺示教及再现方法 Download PDF

Info

Publication number
CN111546315B
CN111546315B CN202010465865.0A CN202010465865A CN111546315B CN 111546315 B CN111546315 B CN 111546315B CN 202010465865 A CN202010465865 A CN 202010465865A CN 111546315 B CN111546315 B CN 111546315B
Authority
CN
China
Prior art keywords
robot
joint
teaching
speed
force
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
CN202010465865.0A
Other languages
English (en)
Other versions
CN111546315A (zh
Inventor
陈乃建
黄玉林
张来伟
范振
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.)
University of Jinan
Original Assignee
University of Jinan
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 University of Jinan filed Critical University of Jinan
Priority to CN202010465865.0A priority Critical patent/CN111546315B/zh
Publication of CN111546315A publication Critical patent/CN111546315A/zh
Application granted granted Critical
Publication of CN111546315B publication Critical patent/CN111546315B/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
    • B25J9/0081—Programme-controlled manipulators with master teach-in means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J17/00—Joints
    • B25J17/02—Wrist joints
    • 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)
  • Manipulator (AREA)

Abstract

本发明提供了一种基于人机协作的机器人柔顺示教及再现方法，其特征包括：首先建立柔顺示教过程中的人机协作模型；根据已建立的人机协作模型，通过机器人动力学计算期望的电机输入力矩和操作者的操作力等效到机器人末端的力矩；根据电机期望力矩计算电流指令，实时发送，配合操作者的操作力实现柔顺示教；采集并处理驱动电机的反馈数据，根据电流指令和采集的反馈数据处理得到速度指令，完成再现。本发明基于人机协作模型，在转矩模型下完成柔顺示教，动态响应快，同时无需借助力/力矩传感器，降低了系统成本；采用基于速度模式下的速度轨迹跟踪实现示教轨迹的再现，提高了再现精度，为常规多自由度机器人的柔顺示教及再现提供了新的方法。

Description

一种基于人机协作的机器人柔顺示教及再现方法
技术领域
本发明涉及一种机器人控制技术领域，具体涉及一种基于人机协作的机器人柔顺示教及再现方法。
背景技术
目前传统机器人的示教主要以示教器示教和编程示教为主，示教器示教效率低、繁琐，且不适用于复杂的曲线或曲面轨迹；编程示教对编程者编程能力要求较高，且脱离本体难以保证精度。在此背景下，柔顺示教因操作灵活简单、效率高，因此成为研究热点。柔顺示教是指机器人顺应操作者的操作力的运动轨迹，记录并再现作业轨迹，近几年，国内外多家机器人厂家也相应推出了能够实现柔顺示教的机器人，如ABB、KUKA、新松等。
机器人的柔顺示教分为主动柔顺性和被动柔顺性，机器人凭借一些辅助的柔顺机构，使其在与环境接触时能够对外部作用力产生自然顺从，被称为被动柔顺控制；机器人利用力的反馈信息采用一定的控制策略去主动控制作用力，被称为主动柔顺控制。被动柔顺机构通常包括一些弹簧、阻尼等柔性装置；主动柔顺控制按对作用力的获取的方式的不同又分为基于力/力矩传感器的和免力矩传感器的。
但由于传感器成本高、系统复杂性高等问题限制了此类基于传感器的机器人柔顺示教的研究及应用。免力矩传感器的柔顺示教是通过控制策略实现对力的非精确测量，目前已有的方法包括阻抗控制、零力控制、自适应控制等。
发明内容
本发明针对现有的机器人柔顺示教技术中的缺陷，提供了一种基于人机协作的机器人柔顺示教及再现方法。
首先，基于人机协作的机器人动力学模型建立方法：计算关节电机期望输入力矩及操作者施加的操作力等效到机器人末端的力矩，由电机期望力矩承担柔顺示教过程中较大的重力项及库伦摩擦力项，由操作者施加的操作力承担示教过程中较小的与速度、加速度有关的惯性力、离心力和哥氏力及粘滞摩擦力；
第二，基于人机协作的机器人柔顺示教方法：基于关节重力与位姿的机器人动力学模型，通过最小二乘法辨识得到重力和库伦摩擦力的数值，控制转矩模式下的驱动电机输出电流指令补偿相应位姿下的重力和库伦摩擦力，使机器人各关节处于动态平衡状态下，由操作者施加操作力作用在机器人末端，完成柔顺示教；
第三，基于速度与位置反馈的示教轨迹再现控制方法：根据电流指令及通过编码器采集的机器人柔顺示教中的反馈数据，计算相应的速度指令，控制电机转换为速度模式，对速度指令进行滤波降噪处理，将滤波后的速度作为输出目标，通过驱动器进行模拟量输出，以速度反馈和位置反馈的双闭环控制完成轨迹再现。
机器人正常运动时，动力学模型表示为如下形式：
Figure 742272DEST_PATH_IMAGE001
分别包括惯性力项、离心力和哥氏力、重力项、摩擦力项，其中
Figure 462053DEST_PATH_IMAGE002
分别表示关节角度、角速度、角加速度；M(q)表示惯量矩阵；
Figure 836402DEST_PATH_IMAGE003
表示哥氏力及离心力矩阵；G(q)表示重力项矩阵；
Figure 946310DEST_PATH_IMAGE004
分别表示库伦摩擦力项和与速度有关的粘滞摩擦力；
Figure 380702DEST_PATH_IMAGE005
表示各关节总力矩。
由机器人动力学模型公式可知，惯性力项与加速度有关，离心力和哥氏力项与速度有关，由于柔顺示教过程是由人施加在机器人末端的示教力为主导，示教速度较低、加速度较小，因此产生的惯性力项、离心力和哥氏力项较小；因此基于人机协作的柔顺示教及再现方法原理如下：由驱动电机输出力矩实时补偿各关节不同位姿时较大的重力项和库仑摩擦力项，较小的惯性力、离心力、哥氏力项和粘滞摩擦力由操作者施加的操作力克服。
将原本完全由电机控制的机器人的各项力，此时将由操作者的操作力Fh承担一部分，根据公式(1)，基于人机协作的机器人力学模型表示为：
Figure 576060DEST_PATH_IMAGE006
上式Fh中为操作者施加的操作力，包括与速度、加速度相关的惯性力、离心力和哥氏力项及粘滞摩擦力；Fb为电机输出力，包含重力矩、库伦摩擦力矩。在以人为主导的操作力作用下，人机协作，共同实现柔顺示教。为确定准确的Fb和Fh需要对于常规六自由度机器人的重力、摩擦力进行建模分析并计算。
建立人机协作模型，确定驱动电机期望输入力矩所需承担的重力项，其特征是通过力学公式建立关节重力与位姿的数学关系，对于常规六自由度机器人，当底座水平放置时，机器人自重以及腰部产生的弯矩近似为零，故对于第一关节，仅考虑进行库伦摩擦力的影响；对于第四关节、第六关节，其运动时只产生绕自身轴线的回转运动，运行过程中质心位置变化较小，可忽略其运动产生的重力矩；因此，只考虑库伦摩擦力对第四、第六关节的影响。而第二、第三、第五关节由于俯仰运动，质心位置随机器人关节的位姿而变化，同时相邻两关节之间会产生重力耦合作用，因此需对该三个关节进行重力补偿和摩擦力补偿。
据上述分析，机器人重力模型可由机器人动力学推导得到，机器人动力学推导如下：
Figure 754101DEST_PATH_IMAGE007
其中，qi为机器人i关节位置，
Figure 718514DEST_PATH_IMAGE008
为i关节的速度，Fi为作用在i关节上的力矩，n代表机器人的关节数量，对于六自由度拖动示教机器人来说n为6。由于动能部分由操作者承担，故此时只对其势能进行建模。
将机器人简化为一系列连杆组成的系统，设第i号杆件，其质心为ci，其质心处坐标系为{ci}，用
Figure 323808DEST_PATH_IMAGE009
表示质心在杆件坐标系中的位置矢量：
Figure 740883DEST_PATH_IMAGE010
设机器人连杆i的质量为mi，则第i号连杆的位能为：
Figure 722614DEST_PATH_IMAGE011
其中
Figure 416901DEST_PATH_IMAGE012
表示重力加速度项。
因此仅包含重力项在内的机器人总位能为：
Figure 193096DEST_PATH_IMAGE013
即各关节重力补偿项Gi为：
Figure 363046DEST_PATH_IMAGE014
前述已分析，第一、第四、第六关节由于结构特点，无需对其进行重力项补偿,仅考虑第二、三、五关节重力矩影响。
库伦摩擦与法向载荷呈正比，为常数,故包含摩擦力在内的六个关节力矩平衡模型如下：
Figure 882889DEST_PATH_IMAGE015
式中si,ci，i=1,2..6分别表示
Figure 556316DEST_PATH_IMAGE016
；m34为第三关节和第四关节质量之和；m56为第五关节和第六关节质量之和；c23表示为
Figure 768991DEST_PATH_IMAGE017
；c235表示为
Figure 160658DEST_PATH_IMAGE018
；ui表示第i个关节的库伦摩擦系数，各关节质量及库伦摩擦力具体数值由最小二乘法辨识得到。
基于速度与位置反馈的示教轨迹再现控制方法：示教轨迹再现时采用速度模式下的基于PID的各关节电机速度追踪算法，在应用PID控制的基础上，为提高系统鲁棒性，辅助以速度前馈的控制策略，速度前馈旨在减小状态误差，提高系统响应增加系统稳定性；机器人轨迹再现过程通过速度和位置的双闭环控制；在速度环中，将柔顺示教过程中保存的速度作为原始示教速度，通过对其进行低通滤波处理后作为轨迹再现时的跟踪目标；将实时再现速度反馈与原始示教速度进行误差计算，并将速度误差进行比例调节，当示教速度与再现速度产生误差时，通过比例调节器控制，不断对误差进行修正；在位置环中，将示教位置与实时再现位置进行的误差跟踪，分别进行微分调节与比例调节，提高跟踪精度；适当的选择微分系数Kd和比例系数Kp的数值，使其既能达到较好的控制精度，同时又能生成较为平滑的输出力矩。
说明书附图
图1是系统组成图；
图2是人机协作方案图；
图3是轨迹再现控制方法流程图；
具体实施方式
下面结合附图和实例对本发明所公开的一种基于人机协作的机器人柔顺示教及再现方法进行详细的阐述和说明。一种基于人机协作的机器人柔顺示教及再现方法，系统组成如图1所示，包括上位机、运动控制卡、端子板、伺服驱动器、电机、六自由度机器人。
首先，建立人机协作模型，如图2所示，计算关节电机期望输入力矩及操作者施加的操作力等效到机器人末端的力矩，由电机期望力矩承担柔顺示教过程中较大的重力及库伦摩擦力，由操作者施加的操作力承担示教过程中较小的与速度、加速度有关的惯性力、离心力和哥氏力及粘滞摩擦力；将原本完全由电机控制的机器人的各项力，此时将由操作者的操作力Fh承担一部分，根据公式(1)，基于人机协作的机器人力学模型表示为：
Figure 519349DEST_PATH_IMAGE019
分别包括惯性力项、离心力和哥氏力、重力项、摩擦力项，其中
Figure 47282DEST_PATH_IMAGE020
分别表示关节角度、角速度、角加速度；M(q)表示惯量矩阵;
Figure 430859DEST_PATH_IMAGE021
表示哥氏力及离心力矩阵；G(q)表示重力项矩阵;
Figure 309822DEST_PATH_IMAGE022
分别表示库伦摩擦力项和与速度有关的粘滞摩擦力；
Figure 171468DEST_PATH_IMAGE023
表示各关节总力矩。
建立人机协作模型，确定驱动电机期望输入力矩所需承担的重力项，其特征是通过力学公式建立关节重力与位姿的数学关系，对于常规六自由度机器人，当底座水平放置时，机器人自重以及腰部产生的弯矩近似为零，故对于第一关节，仅考虑进行库伦摩擦力的影响；对于第四关节、第六关节，其运动时只产生绕自身轴线的回转运动，运行过程中质心位置变化较小，可忽略其运动产生的重力矩；因此，只考虑库伦摩擦力对第四、第六关节的影响。而第二、第三、第五关节由于俯仰运动，质心位置随机器人关节的位姿而变化，同时相邻两关节之间会产生重力耦合作用，因此需对该三个关节进行重力补偿和摩擦力补偿。
据上述分析，机器人重力模型可由机器人动力学推导得到，机器人动力学推导如下：
Figure 819487DEST_PATH_IMAGE024
其中，qi为机器人i关节位置，
Figure 373965DEST_PATH_IMAGE025
为i关节的速度，Fi为作用在i关节上的力矩，n代表机器人的关节数量，对于六自由度拖动示教机器人来说n为6。由于动能部分由操作者承担，故此时只对其势能进行建模。
将机器人简化为一系列连杆组成的系统，设第i号杆件，其质心为ci，其质心处坐标系为{ci}，用
Figure 474645DEST_PATH_IMAGE026
表示质心在杆件坐标系中的位置矢量：
Figure 139981DEST_PATH_IMAGE027
设机器人连杆i的质量为mi，则第i号连杆的位能为：
Figure 32720DEST_PATH_IMAGE011
其中
Figure 492520DEST_PATH_IMAGE028
表示重力加速度项。
因此仅包含重力项在内的机器人总位能为：
Figure 346075DEST_PATH_IMAGE029
即各关节重力补偿项Gi为：
Figure 549524DEST_PATH_IMAGE030
前述已分析，第一、第四、第六关节由于结构特点，无需对其进行重力项补偿,仅考虑第二、三、五关节重力矩影响。
库伦摩擦与法向载荷呈正比，为常数,故包含摩擦力在内的六个关节力矩平衡模型如下：
Figure 172135DEST_PATH_IMAGE031
式中si,ci,i=1,2..6分别表示
Figure 802836DEST_PATH_IMAGE032
；m34为第三关节和第四关节质量之和；m56为第五关节和第六关节质量之和；c23表示为
Figure 155407DEST_PATH_IMAGE033
；c235表示为
Figure 162546DEST_PATH_IMAGE034
;ui表示第i个关节的库伦摩擦系数，各关节质量及库伦摩擦力具体数值由最小二乘法辨识得到。
图3为示教再现控制方法流程图。
所述的基于速度与位置反馈的示教轨迹再现控制方法为：示教轨迹再现时采用速度模式下的基于PID的各关节电机速度追踪算法，在应用PID控制的基础上，为提高系统鲁棒性，辅助以速度前馈的控制策略，速度前馈旨在减小状态误差，提高系统响应增加系统稳定性；机器人轨迹再现过程通过速度和位置的双闭环控制；在速度环中，将柔顺示教过程中保存的速度作为原始示教速度，通过对其进行低通滤波处理后作为轨迹再现时的跟踪目标；将实时再现速度反馈与原始示教速度进行误差计算，并将速度误差进行比例调节，当示教速度与再现速度产生误差时，通过比例调节器控制，不断对误差进行修正；在位置环中，将示教位置与实时再现位置进行的误差跟踪，分别进行微分调节与比例调节，提高跟踪精度；适当的选择微分系数Kd和比例系数Kp的数值，使其既能达到较好的控制精度，同时又能生成较为平滑的输出力矩。
本发明上述实施方案，只是举例说明，不是仅有，所有在本发明范围内或等同本发明的范围内的改变均被本发明包围。

Claims (3)

1.一种基于人机协作的机器人柔顺示教及再现方法，其特征在于，包括：
首先，基于人机协作的机器人动力学模型建立方法：计算关节电机期望输入力矩及操作者施加的操作力等效到机器人末端的力矩，由电机期望力矩承担柔顺示教过程中较大的重力项及库伦摩擦力项，由操作者施加的操作力承担示教过程中较小的与速度、加速度有关的惯性力、离心力和哥氏力及粘滞摩擦力；
第二，基于人机协作的机器人柔顺示教方法：基于关节重力与位姿的机器人动力学模型，通过最小二乘法辨识得到重力和库伦摩擦力的数值，控制转矩模式下的驱动电机输出电流指令补偿相应位姿下的重力和库伦摩擦力，使机器人各关节处于动态平衡状态下，由操作者施加操作力作用在机器人末端，完成柔顺示教；
第三，基于速度与位置反馈的示教轨迹再现控制方法：根据电流指令及通过编码器采集的机器人柔顺示教中的反馈数据，计算相应的速度指令，控制电机转换为速度模式，对速度指令进行滤波降噪处理，将滤波后的速度作为输出目标，通过驱动器进行模拟量输出，以速度反馈和位置反馈的双闭环控制完成轨迹再现。
2.根据权利要求1所述的一种基于人机协作的机器人柔顺示教及再现方法，其特征是
机器人正常运动时，动力学模型表示为如下形式：
Figure 261065DEST_PATH_IMAGE001
分别包括惯性力项、离心力和哥氏力、重力项、摩擦力项，其中
Figure 779027DEST_PATH_IMAGE002
分别表示关节角度、角速度、角加速度；M(q)表示惯量矩阵；
Figure 277005DEST_PATH_IMAGE003
表示哥氏力及离心力矩阵；G(q)表示重力项矩阵；
Figure 48652DEST_PATH_IMAGE004
分别表示库伦摩擦力项和与速度有关的粘滞摩擦力；
Figure 936973DEST_PATH_IMAGE005
表示各关节总力矩；
由机器人动力学模型公式可知，惯性力项与加速度有关，离心力和哥氏力项与速度有关，由于柔顺示教过程是由人施加在机器人末端的示教力为主导，示教速度较低、加速度较小，因此产生的惯性力项、离心力和哥氏力项较小；因此基于人机协作的柔顺示教及再现方法原理如下：由驱动电机输出力矩实时补偿各关节不同位姿时较大的重力项和库仑摩擦力项，较小的惯性力、离心力、哥氏力项和粘滞摩擦力由操作者施加的操作力克服；
将原本完全由电机控制的机器人的各项力，此时将由操作者的操作力Fh承担一部分，根据公式，基于人机协作的机器人力学模型表示为：
Figure 819479DEST_PATH_IMAGE006
上式中Fh为操作者施加的操作力，包括与速度、加速度相关的惯性力、离心力和哥氏力项及粘滞摩擦力；Fb为电机输出力，包含重力矩、库伦摩擦力矩；在以人为主导的操作力作用下，人机协作，共同实现柔顺示教；为确定准确的Fb和Fh的数值，需要对于常规六自由度机器人的重力、摩擦力进行建模分析并计算；
对于常规六自由度机器人，当底座水平放置时，机器人自重以及腰部产生的弯矩近似为零，故对于第一关节，仅考虑进行库伦摩擦力的影响；对于第四关节、第六关节，其运动时只产生绕自身轴线的回转运动，运行过程中质心位置变化较小，可忽略其运动产生的重力矩；因此，只考虑库伦摩擦力对第四、第六关节的影响；而第二、第三、第五关节由于俯仰运动，质心位置随机器人关节的位姿而变化，同时相邻两关节之间会产生重力耦合作用，因此需对该三个关节进行重力补偿和摩擦力补偿；
据上述分析，机器人任意位姿下的重力模型可由机器人动力学推导得到，动力学推导如下：
Figure 171962DEST_PATH_IMAGE007
其中，qi为机器人i关节位置，
Figure 114511DEST_PATH_IMAGE008
为i关节的速度，Fi为作用在i关节上的力矩，n代表机器人的关节数量，对于六自由度拖动示教机器人来说n为6；由于动能部分由操作者承担，故此时只对其势能进行建模；
将机器人简化为一系列连杆组成的系统，设第i号杆件，其质心为ci，其质心处坐标系为{ci}，用
Figure 490128DEST_PATH_IMAGE009
表示质心在杆件坐标系中的位置矢量：
Figure 910745DEST_PATH_IMAGE010
设机器人连杆i的质量为mi，则第i号连杆的位能为：
Figure 383315DEST_PATH_IMAGE011
其中
Figure 434448DEST_PATH_IMAGE012
表示重力加速度项；
因此仅包含重力项在内的机器人总位能为：
Figure 359678DEST_PATH_IMAGE013
即各关节重力补偿项Gi为：
Figure 583986DEST_PATH_IMAGE014
前述已分析，第一、第四、第六关节由于结构特点，无需对其进行重力项补偿,仅考虑第二、三、五关节重力矩影响；库伦摩擦与法向载荷呈正比，为常数,故包含摩擦力在内的六个关节力矩平衡模型如下：
Figure 645483DEST_PATH_IMAGE015
式中si,ci,i=1,2..6分别表示
Figure 366052DEST_PATH_IMAGE016
;m34为第三关节和第四关节质量之和；m56为第五关节和第六关节质量之和；c23表示为
Figure 778579DEST_PATH_IMAGE017
；c235表示为
Figure 806578DEST_PATH_IMAGE018
;ui表示第i个关节的库伦摩擦系数，各关节质量及库伦摩擦力具体数值由最小二乘法辨识得到。
3.根据权利要求1所述的一种基于人机协作的机器人柔顺示教及再现方法，其特征是：示教轨迹再现时采用速度模式下的基于PID的各关节电机速度追踪算法，在应用PID控制的基础上，为提高系统鲁棒性，辅助以速度前馈的控制策略，速度前馈旨在减小状态误差，提高系统响应增加系统稳定性；机器人轨迹再现过程通过速度和位置的双闭环控制；在速度环中，将柔顺示教过程中保存的速度作为原始示教速度，通过对其进行低通滤波处理后作为轨迹再现时的跟踪目标；将实时再现速度反馈与原始示教速度进行误差计算，并将速度误差进行比例调节，当示教速度与再现速度产生误差时，通过比例调节器控制，不断对误差进行修正；在位置环中，将示教位置与实时再现位置进行的误差跟踪，分别进行微分调节与比例调节，提高跟踪精度；适当的选择微分系数Kd和比例系数Kp的数值，使其既能达到较好的控制精度，同时又能生成较为平滑的输出力矩。
CN202010465865.0A 2020-05-28 2020-05-28 一种基于人机协作的机器人柔顺示教及再现方法 Active CN111546315B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010465865.0A CN111546315B (zh) 2020-05-28 2020-05-28 一种基于人机协作的机器人柔顺示教及再现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010465865.0A CN111546315B (zh) 2020-05-28 2020-05-28 一种基于人机协作的机器人柔顺示教及再现方法

Publications (2)

Publication Number Publication Date
CN111546315A CN111546315A (zh) 2020-08-18
CN111546315B true CN111546315B (zh) 2022-11-29

Family

ID=71997026

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010465865.0A Active CN111546315B (zh) 2020-05-28 2020-05-28 一种基于人机协作的机器人柔顺示教及再现方法

Country Status (1)

Country Link
CN (1) CN111546315B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112008731B (zh) * 2020-09-03 2021-07-27 湖南大学 一种空中作业机器人的柔顺控制方法、装置、终端、系统及可读存储介质
CN112428278B (zh) * 2020-10-26 2022-11-15 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
CN114603553A (zh) * 2020-12-08 2022-06-10 山东新松工业软件研究院股份有限公司 一种基于nurbs的协助机器人的力控装配控制方法及装置
CN112846737A (zh) * 2021-01-07 2021-05-28 深圳市驰速自动化设备有限公司 一种拖动示教自动锁螺丝机软件控制系统
CN113334359A (zh) * 2021-06-21 2021-09-03 上海机器人产业技术研究院有限公司 基于关节电机速度控制的机器人示教方法
CN113977585B (zh) * 2021-11-25 2024-03-15 中国北方车辆研究所 一种虚拟力伺服柔顺控制方法
CN114129399B (zh) * 2021-11-30 2024-04-12 南京伟思医疗科技股份有限公司 一种外骨骼机器人被动训练用在线力矩生成器
CN114310851B (zh) * 2022-01-27 2023-06-16 华南理工大学 一种机器人免力矩传感器的拖动示教方法
CN115257995A (zh) * 2022-05-19 2022-11-01 伍福人工智能(河南)有限公司 机器人的控制方法、装置、终端设备以及存储介质
CN117506935B (zh) * 2024-01-03 2024-03-26 佛山智能装备技术研究院 基于动力学补偿的机器人控制方法、系统、设备及介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105479459B (zh) * 2015-12-29 2017-11-14 汇川技术（东莞）有限公司 机器人零力控制方法以及系统
JP6763846B2 (ja) * 2017-11-24 2020-09-30 ファナック株式会社 ロボットの教示操作を行う教示装置および教示方法
CN108381529B (zh) * 2018-05-28 2020-04-28 上海优尼斯工业服务有限公司 一种工业机械臂的人机协作示教方法
CN109848983B (zh) * 2018-12-10 2020-07-28 华中科技大学 一种高顺应性人引导机器人协同作业的方法
CN109676607B (zh) * 2018-12-30 2021-10-29 江苏集萃智能制造技术研究所有限公司 一种无力矩传感的零重力控制方法

Also Published As

Publication number Publication date
CN111546315A (zh) 2020-08-18

Similar Documents

Publication Publication Date Title
CN111546315B (zh) 一种基于人机协作的机器人柔顺示教及再现方法
Corke et al. Real-time vision, tracking and control
CN111185907B (zh) 一种作业型飞行机器人抓取后的位姿稳定控制方法
CN113681543B (zh) 一种基于模型预测的机械臂零力控制方法
CN109176525A (zh) 一种基于rbf的移动机械手自适应控制方法
CN108638068B (zh) 一种携带冗余度机械臂的飞行机器人控制系统设计方法
CN111258267B (zh) 一种人机协作搬运系统及其混合视触控制方法
CN109352656B (zh) 一种具有时变输出约束的多关节机械臂控制方法
Fang et al. Skill learning for human-robot interaction using wearable device
CN110744541A (zh) 一种视觉引导的水下机械臂控制方法
CN110861090B (zh) 一种力矩前馈控制系统及方法
CN108227506A (zh) 一种基于自适应最优化方法的机器人导纳控制系统
CN114102600B (zh) 一种多空间融合的人机技能迁移与参数补偿方法及系统
Shan et al. Structural error and friction compensation control of a 2 (3PUS+ S) parallel manipulator
Li et al. Model-free impedance control for safe human-robot interaction
CN112497208A (zh) 基于全状态阻抗控制器的移动操作机器人通用控制方法
CN115480583B (zh) 飞行作业机器人的视觉伺服跟踪与阻抗控制方法
US5260629A (en) Control device for robot in inertial coordinate system
CN115122325A (zh) 一种具有视场约束的拟人化机械手鲁棒视觉伺服控制方法
CN108693776A (zh) 一种三自由度Delta并联机器人的鲁棒控制方法
CN117270398A (zh) 基于神经网络和强化学习的机器人步态规划算法
CN113419433B (zh) 一种自平衡电动轮椅欠驱动系统跟踪控制器的设计方法
Ansarieshlaghi et al. Hybrid Force/Position Control of a Very Flexible Parallel Robot Manipulator in Contact with an Environment.
CN114952849A (zh) 一种基于强化学习与动力学前馈融合的机器人轨迹跟踪控制器设计方法
CN114063490A (zh) 一种智能仿生足式机器人控制系统及方法

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