CN111823215A - 一种工业机器人的同步控制方法及装置 - Google Patents
一种工业机器人的同步控制方法及装置 Download PDFInfo
- Publication number
- CN111823215A CN111823215A CN202010512653.3A CN202010512653A CN111823215A CN 111823215 A CN111823215 A CN 111823215A CN 202010512653 A CN202010512653 A CN 202010512653A CN 111823215 A CN111823215 A CN 111823215A
- Authority
- CN
- China
- Prior art keywords
- industrial robot
- joint
- path
- motion
- teaching object
- 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.)
- Pending
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
- B25J9/1656—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
- B25J9/0081—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
- 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
Abstract
本发明实施例公开了一种工业机器人的同步控制方法及装置,所述方法包括:实时获取示教对象的移动路径;将所述移动路径转换为工业机器人的运动路径;控制工业机器人按所述运动路径进行运动,以与所述示教对象实时同步运动。由于能够实时获取示教对象的移动路径,并将示教对象的移动路径转换为工业机器人的运动路径,从而可以控制工业机器人按运动路径进行运动,从而实现了控制工业机器人与示教对象同步运动的效果,提高了工业机器人示教的实时性。
Description
技术领域
本发明涉及一种工业机器人技术领域,具体涉及一种工业机器人的同步控制方法及装置。
背景技术
工业机器人指能自动执行任务的人造机器装置,其是高级整合控制论、机械电子、计算机、材料和仿生学的产物,在工业、医学、农业、建筑业甚至军事等领域中均有重要用途。
目前,工业机器人的交互需要由专业的工程师通过示教器示教编程实现,过程复杂,且只能实现操作后动作再现,难以实时监测示教结果。
发明内容
本发明实施例提供一种工业机器人的同步控制方法及装置,解决了工业机器人的示教过程复杂以及难以实时监测示教结果的技术问题,提高工业机器人示教的实时性。
本发明实施例第一方面提供一种工业机器人的同步控制方法,包括:
实时获取示教对象的移动路径;
将所述移动路径转换为工业机器人的运动路径;
控制工业机器人按所述运动路径进行运动,以与所述示教对象实时同步运动。
可选地,所述实时获取示教对象的移动路径,包括:
按预设采样周期,采样所述示教对象的位置;
根据所述示教对象在第一采样时间点和第二采样时间点的位置变化,获取所述移动路径,所述第一采用时间点早于所述第二采样时间点。
可选地,所述将所述移动路径转换为工业机器人的运动路径之前,所述方法还包括:
建立采样模组的采样坐标系与所述工业机器人的运动坐标系之间的对应关系,所述采样模组用于实时获取示教对象的移动路径。
可选地,所述将所述移动路径转换为工业机器人的运动路径,具体为:
根据所述位置变化和所述对应关系,确定所述工业机器人的关节角度值、关节速度值和关节加速度值。
可选地,所述根据所述位置变化和所述对应关系,确定所述工业机器人的关节角度值,具体包括:
采用扩展卡尔曼滤波原理,根据所述位置变化,确定所述工业机器人的关节角度值、关节速度值和关节加速度值。
可选地,所述采用扩展卡尔曼滤波原理,根据所述位置变化,确定所述工业机器人的关节角度值、关节速度值和关节加速度值,具体包括:
建立基于扩展卡尔曼滤波的非线性滤波器
x(k+1)=f[x(k)]+Beu(k)+V(k)
y(k)=Cex(k)+W(k)
其中,x(k)为状态矢量,u(k)为输入矢量,V(k)为离散化的系统噪声矢量,f[x(k)]为状态函数的离散形式,y(k)为输出矢量,W(k)为测量噪声矢量,Be和Ce为用于描述状态空间的常系数矩阵;
将所述位置变化输入所述非线性滤波器,确定所述关节目标位置、所述关节速度值和所述关节加速度值。
可选地,所述控制工业机器人按所述运动路径进行运动的过程中,所述方法还包括:
实时获取所述示教对象的移动位置,所述移动位置与所述移动路径的终点不同;
将所述移动位置转换为所述工业机器人的运动终点,并建立所述工业机器人在当前运动位置与所述运动终点的更新运动路径;
控制所述工业机器人按照所述更新运动路径运动。
本发明实施例第二方面提供一种工业机器人的同步控制装置,包括:
获取单元,用于实时获取示教对象的移动路径;
转换单元,用于将所述移动路径转换为工业机器人的运动路径;
控制单元,用于控制工业机器人按所述运动路径进行运动,以与所述示教对象实时同步运动。
本发明实施例第三方面提供一种工业机器人,包括关节机械臂和控制所述关节机械臂运动的处理芯片,所述处理芯片能够执行程序以实现如第一方面所述的方法。
本发明实施例第四方面提供一种计算机可读存储介质,包括程序,所述程序能够被处理芯片执行以实现如第二方面所述的方法。
实施例的工业机器人的同步控制方法,包括:实时获取示教对象的移动路径,将所述移动路径转换为工业机器人的运动路径,控制工业机器人按所述运动路径进行运动,以与所述示教对象实时同步运动。由于能够实时将示教对象的移动路径转换为工业机器人的运动路径,从而可以控制工业机器人按运动路径进行运动,从而实现了控制工业机器人与示教对象同步运动的效果,提高了工业机器人示教的实时性。
附图说明
图1为本发明实施例提供的工业机器人的同步控制方法;
图2为本发明实施例提供的Leap Motion传感器的笛卡尔坐标系示意图;
图3为本发明实施例提供的工业机器人的笛卡尔坐标系示意图;
图4为本发明实施例提供的确定工业机器人的关节目标位置、关节角度值和关节加速度值的示意图;
图5为速度v、加速度a和加加速度j的上下约束限制的示意图;
图6为本发明实施例提供的关节目标位置、关节角度值和关节加速度值的计算方式示意图;
图7为本发明实施例提供的工业机器人的同步控制装置的模块图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中,很多细节描述是为了使得本申请能被更好的理解。然而,本领域技术人员可以毫不费力的认识到,其中部分特征在不同情况下是可以省略的,或者可以由其他元件、材料、方法所替代。在某些情况下,本申请相关的一些操作并没有在说明书中显示或者描述,这是为了避免本申请的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外,说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时,方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此,说明书和附图中的各种顺序只是为了清楚描述某一个实施例,并不意味着是必须的顺序,除非另有说明其中某个顺序是必须遵循的。
本文中为部件所编序号本身,例如“第一”、“第二”等,仅用于区分所描述的对象,不具有任何顺序或技术含义。而本申请所说“连接”、“联接”,如无特别说明,均包括直接和间接连接(联接)。
参见图1,图1为本发明实施例提供的工业机器人的同步控制方法,包括:
S10:实时获取示教对象的移动路径;
具体来讲,示教对象可以是使用者的手掌,或者是另一工业机器人的机械臂,在此不做限制。
在实际应用中,可以通过采样模组来实时获取示教对象的移动路径,采样模组例如可以是Leap Motion传感器,也可以是由一个3D摄像头或多个2D摄像头组成的摄像头组,并且采样模组可以作为工业机器人的一部分集成在工业机器人上,也可以独立于工业机器人,在此不做限制;这样,即可以通过采样模组拍摄示教对象在空间中的运动图像,并且通过对运动图像进行分析,即能够获取到示教对象在空间中的移动路径,该移动路径包括示教对象在空间中的起点和终点。
S12:将移动路径转换为工业机器人的运动路径;
具体来讲,可以将S10中所获取的示教对象的移动路径,转换为以采样模组为原点建立的采样坐标系中的采样坐标集合,再通过旋转矩阵,将该移动路径对应的坐标集合转换为以工业机器人为原点建立的运动坐标系中的运动坐标集合,这样,即能够将示教对象在空间中的移动路径,转换为工业机器人的末端中心的运动路径,也就是说,工业机器人的运动路径是与示教对象的移动路径是保持一致的。
当然了,除了通过坐标集合这种方式来计算工业机器人的运动路径之外,还可以通过位置矢量来等方式进行计算,在此就不再赘述了。
S14:控制工业机器人按运动路径进行运动,以与示教对象实时同步运动;
具体来讲,在通过S12获取到工业机器人的运动路径之后,也即能够控制工业机器人按该运动路径进行运动,从而使得工业机器人能够与示教对象实时同步运动。
可以看出,由于能够实时获取示教对象的移动路径,并将示教对象的移动路径转换为工业机器人的运动路径,从而可以控制工业机器人按运动路径进行运动,从而实现了控制工业机器人与示教对象同步运动的效果,提高了工业机器人示教的实时性。
在具体实施过程中,实时获取示教对象的移动路径,可以包括:按预设采样周期,采样示教对象的位置;根据示教对象在第一采样时间点和第二采样时间点的位置变化,获取移动路径,第一采样时间点早于第二采样时间点。
具体来讲,采样模组可以按照预设采样周期采样示教对象的位置,预设采样周期例如0.01秒、0.05秒等,可以根据实际情况进行设定,在此不做限制。
在示教对象在空间中运动的过程中,采样模组即按照预设采样周期采样示教对象的位置,对于同一个预设采样周期而言,示教对象在预设采样周期开始的时间点和结束点时间点的两个位置,这样,获取这两个时间点的两个位置的变化,即获取到示教对象的移动路径。
在实际应用中,在第一采样时间点和第二采样时间点的位置变化,与上述部分介绍的同一预设采样周期同理,来获取示教对象在第一采样时间点和第二采样时间点之间的移动路径,第一采样时间点早于第二采样时间点,其中,第一采样时间点和第二时间点可以是采样模组的两个相邻采样周期的时间点,以保证路径的精确性,也可以在系统误差允许的情况下,第一采样时间点和第二时间点也可以是采样模组的两个不相邻采样周期的时间点,在此就不再赘述了。
在具体实施过程中,将移动路径转换为工业机器人的运动路径之前,方法还包括:建立采样模组的采样坐标系与工业机器人的运动坐标系之间的对应关系,采样模组用于实时获取示教对象的移动路径。
具体来讲,以采样模组为Leap Motion传感器为例,建立Leap Motion传感器的采样坐标系,例如,建立Leap Motion传感器的直角坐标系,请参考图2,图2为本发明实施例提供的Leap Motion传感器的笛卡尔坐标系示意图,其使用的是右手笛卡尔坐标系,坐标的原点是传感器的中心,坐标的X轴平行于传感器,指向屏幕右方,Y轴指向上方。Z轴指向背离屏幕的方向。单位为真实世界的毫米。如图3,图3为本发明实施例提供的工业机器人的笛卡尔坐标系示意图,这样,即能够建立Leap Motion(P0_x,P0_y,P0_z)与机器人坐标(P1_x,P1_y,P1_z)的对应关系,如下:
Dir_x,Dir_y,Dir_z方向,正向=1,负向=-1。
Offset_x,Offset_y,Offset_z坐标偏置
P1_x=Dir_x*P0_x+Offset_x;
P1_y=Dir_y*P0_y+Offset_y;
P1_z=Dir_z*P0_z+Offset_z。
在建立Leap Motion传感器的采样坐标系与工业机器人的运动坐标系之间的对应关系之后,Leap Motion传感器根据预设的采样周期,会定时地发送关于示教对象的运动位置信息,Leap Motion传感器可以计算出示教对象的移动路径,继而工业机器人即能够根据移动路径确定出工业机器人的运动路径,当然,在其他实施例中,计算出示教对象的移动路径也可以由其他计算装置或计算设备完成,在此不做限制。
在具体实施过程中,将移动路径转换为工业机器人的运动路径,具体为:根据位置变化和对应关系,确定工业机器人的关节角度值、关节速度值和关节加速度值。
具体来讲,工业机器人是具有多关节机械臂的机器装置,在获取到示教对象的位置变化以后,根据Leap Motion传感器的采样坐标系与工业机器人的运动坐标系之间的对应关系,即能够确定出工业机器人的各个关节的目标位置、关节角度值和关节加速度值,从而使得工业机器人能够按运动路径进行运动,即实现与示教对象实时同步运动。
在实际应用中,工业机器人的工作端点,也即如图3所示的末端中心A点按照运动路径进行运动时,由于工业机器人具有多关节机械臂,所以在控制末端中心A点按照运动路径进行运动时,可能存在多个关节机械臂的不同配合方式,来完成控制末端中心A点按照运动路径进行运动,以实现与示教对象实时同步运动,在实际应用中,本领域技术人员可以根据实际情况,对多个关节机械臂选择合适的配合方式,以满足实际情况的需要,在此不做限制。
为了说明书的简要,在接下来的部分中,将以工业机器人为单轴工业机器人在第一采样时间点和第二采样时间点之间的运动为例进行介绍。
在具体实施过程中,根据位置变化和对应关系,确定工业机器人的关节角度值,具体包括:采用扩展卡尔曼滤波原理,根据位置变化,确定工业机器人的关节角度值、关节速度值和关节加速度值。
具体来讲,采用扩展卡尔曼滤波原理,根据位置变化,确定工业机器人的关节角度值、关节速度值和关节加速度值,具体包括:
建立基于扩展卡尔曼滤波的非线性滤波器C3
x(k+1)=f[x(k)]+Beu(k)+V(k)
y(k)=Cex(k)+W(k)
其中,x(k)为状态矢量,u(k)为输入矢量,V(k)为离散化的系统噪声矢量,f[x(k)]为状态函数的离散形式,y(k)为输出矢量,W(k)为测量噪声矢量,Be和Ce为用于描述状态空间的常系数矩阵。
如前所述,在实时获取到示教对象的移动路径后,将该移动路径通过前述部分介绍的对应关系转换为工业机器人的运动路径,针对某一时刻而言,将示教对象的当前移动位置转换为工业机器人的末端中心A点的目标位置,此处将目标位置标记为rk,这样,即能够将目标位置rk发送到上述的基于扩展卡尔曼滤波的非线性滤波器C3中,即能够确定工业机器人的关节角度值、关节速度值和关节加速度值,具体地,请参考图4,图4为本发明实施例提供的确定工业机器人的关节目标位置、关节角度值和关节加速度值的示意图,如图4所示,将关节目标位置rk,以及上一插补时刻输出给机器人关节角度值的qk、速度值加速度值输出为插补时刻的加加速度uk,其中Ts为插补周期,在每个时刻tk=k*Ts,k=1,2,这样,对加加速度uk进行反求导即可得到工业机器人的关节加速度值再对工业机器人的关节加速度值进行反求导即可得到工业机器人的关节速度值再对工业机器人的关节速度值进行反求导即可得到工业机器人的角度值q。需要说明的是,在上述反求导计算过程中,时间参数是根据工业机器人的响应时间确定的,在此就不再赘述。
当然了,由于工业机器人的性能如工业机器人的处理器的计算能力、机械臂的伺服电机的驱动能力等存在限制,所以需要对非线性滤波器C3所求得的加加速度q(3)、加速度和速度进行限制,请参考图5,图5为加加速度q(3)、加速度和速度的上下约束限制的示意图。
这样,按照确定出的单轴工业机器人的关节角度值q、关节速度值和关节加速度值后,即能控制该单轴工业机器人的伺服电机按照关节角度值q、关节速度值和关节加速度值进行运动,从而实现单轴工业机器人的末端中心A点与示教对象实时同步运动的目的。
在介绍完单轴工业机器人的运动过程后,本领域所属的技术人员即能够了解,针对多轴工业机器人而言,将末端中心A点的目标位置分解为各个轴对应的目标位置,再依据与前述单轴工业机器人运动参数相同的计算方式,此处的运动参数是指节角度值、关节速度值和关节加速度值,这样即能够获得多轴工业机器人中每个关节的节角度值、关节速度值和关节加速度值,同理,将每个关节的节角度值、关节速度值和关节加速度值发送给相应关节的伺服电机,即能够实现多轴工业机器人的末端中心A点与示教对象实时同步运动的目的。
在具体实施过程中,控制工业机器人按运动路径进行运动的过程中,方法还包括:实时获取示教对象的移动位置,移动位置与移动路径的终点不同;将移动位置转换为工业机器人的运动终点,并建立工业机器人在当前运动位置与运动终点的更新运动路径;控制工业机器人按照更新运动路径运动。
具体来讲,由于控制工业机器人与示教对象进行同步运动的过程中会出现一定的滞后性,所以请继续参考图,在实时获取到示教对象新的移动位置后,若该移动位置与当前工业机器人的移动路径的终点不同,表明当前工业机器人的运动已经滞后,并且示教对象移动到了新的位置,所以为了提高工业机器人的实时性,此时即使工业机器人未运动至移动路径的终点,也需要立即更改工业机器人当前的目标位置,如前,此时可以将示教对象新的移动位置转换为新的目标位置rk,并将其输入到基于扩展卡尔曼滤波的非线性滤波器C3中,基于扩展卡尔曼滤波的非线性滤波器C3接收到新的目标位置后,会建立工业机器人在当前运动位置与运动终点,也即目标位置的更新运动路径,如输出工业机器人运动至该目标位置所需要的关节目标位置、关节角度值和关节加速度值,请参考图6,图6为本发明实施例提供的关节目标位置、关节角度值和关节加速度值的计算方式示意图,最后控制工业机器人按照更新运动路径运动,即可以实现提供工业机器人与示教对象同步运动的实时性。
通过上述部分可以看出,由于仅需要通过采样模组来实时获取示教对象的位置变化,后续的处理过程均可以放在云服务器或工业机器人的本地处理模组上进行计算,所以还可以实现工业机器人的远程在线操控,十分的便利。
基于同一发明构思,本发明实施例第二方面还提供一种工业机器人的同步控制装置,请参考图7,图7为本发明实施例提供的工业机器人的同步控制装置的模块图,包括:
获取单元702,用于实时获取示教对象的移动路径;
转换单元704,用于将移动路径转换为工业机器人的运动路径;
控制单元706,用于控制工业机器人按运动路径进行运动,以与示教对象实时同步运动。
基于同一发明构思,本发明实施例第三方面还提供一种工业机器人,包括关节机械臂和控制关节机械臂运动的处理芯片,处理芯片能够执行程序以实现如第一方面的方法。
基于同一发明构思,本发明实施例第四方面还提供一种计算机可读存储介质,包括程序,程序能够被处理芯片执行以实现如第一方面的方法。
通过本发明实施例可以看出,由于能够实时获取示教对象的移动路径,并将示教对象的移动路径转换为工业机器人的运动路径,从而可以控制工业机器人按运动路径进行运动,从而实现了控制工业机器人与示教对象同步运动的效果,提高了工业机器人示教的实时性。
本领域技术人员可以理解,上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现,也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时,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、随机存储器、磁盘、光盘、硬盘等,通过计算机执行该程序以实现上述功能。例如,将程序存储在设备的存储器中,当通过处理器执行存储器中程序,即可实现上述全部或部分功能。另外,当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中,通过下载或复制保存到本地设备的存储器中,或对本地设备的系统进行版本更新,当通过处理器执行存储器中的程序时,即可实现上述实施方式中全部或部分功能。
以上应用了具体个例对本发明进行阐述,只是用于帮助理解本发明,并不用以限制本发明。对于本发明所属技术领域的技术人员,依据本发明的思想,还可以做出若干简单推演、变形或替换。
Claims (10)
1.一种工业机器人的同步控制方法,其特征在于,包括:
实时获取示教对象的移动路径;
将所述移动路径转换为工业机器人的运动路径;
控制工业机器人按所述运动路径进行运动,以与所述示教对象实时同步运动。
2.如权利要求1所述的控制方法,其特征在于,所述实时获取示教对象的移动路径,包括:
按预设采样周期,采样所述示教对象的位置;
根据所述示教对象在第一采样时间点和第二采样时间点的位置变化,获取所述移动路径,所述第一采用时间点早于所述第二采样时间点。
3.如权利要求2所述的控制方法,其特征在于,所述将所述移动路径转换为工业机器人的运动路径之前,所述方法还包括:
建立采样模组的采样坐标系与所述工业机器人的运动坐标系之间的对应关系,所述采样模组用于实时获取示教对象的移动路径。
4.如权利要求3所述的控制方法,其特征在于,所述将所述移动路径转换为工业机器人的运动路径,具体为:
根据所述位置变化和所述对应关系,确定所述工业机器人的关节角度值、关节速度值和关节加速度值。
5.如权利要求4所述的控制方法,其特征在于,所述根据所述位置变化和所述对应关系,确定所述工业机器人的关节角度值,具体包括:
采用扩展卡尔曼滤波原理,根据所述位置变化,确定所述工业机器人的关节角度值、关节速度值和关节加速度值。
6.如权利要求5所述的控制方法,其特征在于,所述采用扩展卡尔曼滤波原理,根据所述位置变化,确定所述工业机器人的关节目标位置,以及所述工业机器人的关节速度值和关节加速度值,具体包括:
建立基于扩展卡尔曼滤波的非线性滤波器
x(k+1)=f[x(k)]+Beu(k)+V(k)
y(k)=Cex(k)+W(k)
其中,x(k)为状态矢量,u(k)为输入矢量,V(k)为离散化的系统噪声矢量,f[x(k)]为状态函数的离散形式,y(k)为输出矢量,W(k)为测量噪声矢量,Be和Ce为用于描述状态空间的常系数矩阵;
将所述位置变化输入所述非线性滤波器,确定所述关节目标位置、所述关节速度值和所述关节加速度值。
7.如权利要求1~6中任一项所述的控制方法,其特征在于,所述控制工业机器人按所述运动路径进行运动的过程中,所述方法还包括:
实时获取所述示教对象的移动位置,所述移动位置与所述移动路径的终点不同;
将所述移动位置转换为所述工业机器人的运动终点,并建立所述工业机器人在当前运动位置与所述运动终点的更新运动路径;
控制所述工业机器人按照所述更新运动路径运动。
8.一种工业机器人的同步控制装置,其特征在于,包括:
获取单元,用于实时获取示教对象的移动路径;
转换单元,用于将所述移动路径转换为工业机器人的运动路径;
控制单元,用于控制工业机器人按所述运动路径进行运动,以与所述示教对象实时同步运动。
9.一种工业机器人,其特征在于,包括关节机械臂和控制所述关节机械臂运动的处理芯片,所述处理芯片能够执行程序以实现如权利要求1~7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,包括程序,所述程序能够被处理芯片执行以实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010512653.3A CN111823215A (zh) | 2020-06-08 | 2020-06-08 | 一种工业机器人的同步控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010512653.3A CN111823215A (zh) | 2020-06-08 | 2020-06-08 | 一种工业机器人的同步控制方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111823215A true CN111823215A (zh) | 2020-10-27 |
Family
ID=72898535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010512653.3A Pending CN111823215A (zh) | 2020-06-08 | 2020-06-08 | 一种工业机器人的同步控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111823215A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113334393A (zh) * | 2021-08-06 | 2021-09-03 | 成都博恩思医学机器人有限公司 | 一种机械臂控制方法、系统、机器人及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09225872A (ja) * | 1996-02-23 | 1997-09-02 | Yaskawa Electric Corp | ロボット教示装置 |
CN109108942A (zh) * | 2018-09-11 | 2019-01-01 | 武汉科技大学 | 基于视觉实时示教与自适应dmps的机械臂运动控制方法和系统 |
CN109848964A (zh) * | 2019-01-24 | 2019-06-07 | 浙江工业大学 | 基于光学动作捕捉的示教机器人数据采集系统 |
CN110142769A (zh) * | 2019-04-11 | 2019-08-20 | 浙江工业大学 | 基于人体姿态识别的ros平台在线机械臂示教系统 |
CN110815188A (zh) * | 2019-11-19 | 2020-02-21 | 福州大学 | 基于肢体运动进行工业机器人示教的系统及方法 |
CN111002289A (zh) * | 2019-11-25 | 2020-04-14 | 华中科技大学 | 机器人在线示教方法、装置、终端设备及存储介质 |
-
2020
- 2020-06-08 CN CN202010512653.3A patent/CN111823215A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09225872A (ja) * | 1996-02-23 | 1997-09-02 | Yaskawa Electric Corp | ロボット教示装置 |
CN109108942A (zh) * | 2018-09-11 | 2019-01-01 | 武汉科技大学 | 基于视觉实时示教与自适应dmps的机械臂运动控制方法和系统 |
CN109848964A (zh) * | 2019-01-24 | 2019-06-07 | 浙江工业大学 | 基于光学动作捕捉的示教机器人数据采集系统 |
CN110142769A (zh) * | 2019-04-11 | 2019-08-20 | 浙江工业大学 | 基于人体姿态识别的ros平台在线机械臂示教系统 |
CN110815188A (zh) * | 2019-11-19 | 2020-02-21 | 福州大学 | 基于肢体运动进行工业机器人示教的系统及方法 |
CN111002289A (zh) * | 2019-11-25 | 2020-04-14 | 华中科技大学 | 机器人在线示教方法、装置、终端设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
谢习华 等: "机械臂运动学标定技术发展概况", 《宇航计测技术》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113334393A (zh) * | 2021-08-06 | 2021-09-03 | 成都博恩思医学机器人有限公司 | 一种机械臂控制方法、系统、机器人及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110573308B (zh) | 用于机器人设备的空间编程的基于计算机的方法及系统 | |
CN110799309B (zh) | 具有配置相关动力学的系统的振动控制 | |
Sharifi et al. | Nonlinear model reference adaptive impedance control for human–robot interactions | |
CN110076772B (zh) | 一种机械臂的抓取方法及装置 | |
CN106945043B (zh) | 一种主从式遥操作手术机器人多臂协同控制系统 | |
EP3377948A1 (en) | Facilitating robot positioning | |
CN113119098B (zh) | 机械臂控制方法、机械臂控制装置及终端设备 | |
US20120290130A1 (en) | Method to Model and Program a Robotic Workcell | |
CN108549322A (zh) | 一种针对机器人圆弧轨迹运动的位姿同步方法和装置 | |
CN107627303A (zh) | 一种基于眼在手上结构的视觉伺服系统的pd‑smc控制方法 | |
Leite et al. | Passivity‐based adaptive 3D visual servoing without depth and image velocity measurements for uncertain robot manipulators | |
CN111823215A (zh) | 一种工业机器人的同步控制方法及装置 | |
Chang et al. | Toward fast convergence and calibration-free visual servoing control: A new image based uncalibrated finite time control scheme | |
Nandikolla et al. | Teleoperation robot control of a hybrid eeg-based bci arm manipulator using ros | |
Murhij et al. | An application to simulate and control industrial robot in virtual reality environment integrated with IR stereo camera sensor | |
CN113618728A (zh) | 机器人运动轨迹的补偿方法、装置及计算机存储介质 | |
Shen et al. | Uncalibrated visual servoing of planar robots | |
CN113021329A (zh) | 一种机器人运动控制方法、装置、可读存储介质及机器人 | |
Cserteg et al. | Assisted assembly process by gesture controlled robots | |
Mohebbi et al. | A comparative study of eye-in-hand image-based visual servoing: Stereo vs. mono | |
CN113954070B (zh) | 机械臂运动控制方法、装置、存储介质及电子设备 | |
Jung et al. | Control of the manipulator position with the kinect sensor | |
CN113001537B (zh) | 机械臂控制方法、机械臂控制装置及终端设备 | |
Gravdahl | Force estimation in robotic manipulators: Modeling, simulation and experiments | |
Adar et al. | Real time visual servoing of a 6-dof robotic arm using fuzzy-pid controller |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201027 |