CN111890348B - 一种双机器人协同搬运的控制方法及装置 - Google Patents

一种双机器人协同搬运的控制方法及装置 Download PDF

Info

Publication number
CN111890348B
CN111890348B CN201910373169.4A CN201910373169A CN111890348B CN 111890348 B CN111890348 B CN 111890348B CN 201910373169 A CN201910373169 A CN 201910373169A CN 111890348 B CN111890348 B CN 111890348B
Authority
CN
China
Prior art keywords
robot
master
acting force
control
slave
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
CN201910373169.4A
Other languages
English (en)
Other versions
CN111890348A (zh
Inventor
张弓
包翔宇
候至丞
徐征
杨文林
梁济民
王建
冯伟
王卫军
韩彰秀
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.)
Shenzhen Cas Derui Intelligent Tech Co ltd
Guangzhou Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Cas Derui Intelligent Tech Co ltd
Guangzhou Institute of Advanced Technology of CAS
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 Shenzhen Cas Derui Intelligent Tech Co ltd, Guangzhou Institute of Advanced Technology of CAS filed Critical Shenzhen Cas Derui Intelligent Tech Co ltd
Priority to CN201910373169.4A priority Critical patent/CN111890348B/zh
Publication of CN111890348A publication Critical patent/CN111890348A/zh
Application granted granted Critical
Publication of CN111890348B publication Critical patent/CN111890348B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

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

本发明涉及一种双机器人协同搬运的控制方法，应用于一双机器人协同系统，包括主从二机器人，主从二机器人均包含用以共同夹持待搬运工件的末端执行器，所述方法用于对所述末端执行器相对于所述工件的位置和作用力进行控制；所述方法包括：主从机器人采用主从协同控制模式，主机器人按照预设工况轨迹独立运动，从机器人固定在所述主机器人的相对位置；依据环境约束，获取主从机器人相对工件的期望位置和期望作用力；采集主从机器人实时的位置和作用力，基于改进的PID算法，对位置和作用力进行修正，从而产生主从机器人实际输出的位置和作用力。本发明能够精确控制双机器人末端执行器相对于工件的位置和输出力，提高了控制精度和系统作业的稳定性。

Description

一种双机器人协同搬运的控制方法及装置
技术领域
本发明涉及多机器人协同控制技术领域，尤其是涉及一种双机器人协同搬运的控制方法及装置。
背景技术
多机器人系统是机器人学研究的一个重要方向，其具备单机器人系统所没有的优势。在多任务复杂工况下，多个机器人自由协同、最优匹配，实现更好的系统冗余度与鲁棒性。双机器人协同作业是多机器人系统的一个重要分支，适用于多路径焊接、重载搬运、工件装配等多种工况，工业应用前景广泛。
目前，机器人工业制造向精密化、灵敏化、柔性化发展，对控制系统的追踪精度和同步性能提出了更高的要求。发明人在研究中发现，在双机器人协作搬运工件的应用场景中，双机器人协同运动的轨迹规划、双机器人末端执行器相对于工件的位置协调校准、误差补偿，以及双机器人末端执行器输出力的控制是要解决的关键技术问题，也是传统技术中的一个难点。
发明内容
有鉴于此，有必要针对上述的问题，提供一种双机器人协同搬运的控制方法及装置，能够在双机器人协作搬运的实际工况下，精确控制双机器人末端执行器相对于工件的位置和输出力，提高了控制精度和系统作业的稳定性。
一种双机器人协同搬运的控制方法，应用于一双机器人协同系统，所述系统包括主从二机器人，所述主从二机器人均包含用以共同夹持待搬运工件的末端执行器，所述方法用于对所述末端执行器相对于所述工件的位置和作用力进行控制；所述方法包括：
主从机器人采用主从协同控制模式，主机器人按照预设工况轨迹独立运动，从机器人固定在所述主机器人的相对位置；
依据环境约束，获取主从机器人相对工件的期望位置和期望作用力；
采集主从机器人实时的位置和作用力，基于改进的PID算法，对位置和作用力进行修正，从而产生主从机器人实际输出的位置和作用力。
在所述采集主从机器人实时的位置和作用力，基于改进的PID算法，对位置和作用力进行修正，从而产生主从机器人实际输出的位置和作用力的步骤中，所述方法包括：
所述主机器人和所述从机器人采用不同的控制策略；所述主机器人采用位置控制策略，通过位置反馈信号，施加基于位置误差的比例微分控制律，输出作用力；所述从机器人采用阻尼控制策略，通过作用力反馈信号，施加基于作用力误差的比例微分控制律，输出末端执行器相对工件的速度修正量。
所述方法包括：在所述主机器人的位置控制策略中，采用基于模糊自适应控制算法，依据位置误差及其变化率，对位置控制策略中比例系数与微分系数进行寻优。
所述方法包括：在所述从机器人的阻尼控制策略中，采用优化细菌觅食算法对阻尼控制策略中的比例系数和微分系数进行趋化性、群聚、繁殖、消除与扩散四步骤的迭代操作，实现参数寻优。
一种双机器人协同搬运的控制装置，包括轨迹控制模块、预期获取模块以及改进PID控制模块；
所述轨迹控制模块，用于控制主机器人按照预设工况轨迹独立运动，将从机器人固定在所述主机器人的相对位置；
预期获取模块，用于依据环境约束，获取主从机器人相对工件的期望位置和期望作用力；
改进PID控制模块，用于采集主从机器人实时的位置和作用力，基于改进的PID算法，对位置和作用力进行修正，从而产生主从机器人实际输出的位置和作用力。
所述改进PID控制模块，包括针对主机器人的位置控制器，以及针对从机器人的阻尼控制器；所述位置控制器通过位置反馈信号，施加基于位置误差的比例微分控制律，输出作用力修正量；所述阻尼控制器通过作用力反馈信号，施加基于作用力误差的比例微分控制律，输出末端执行器相对工件的速度修正量。
所述位置控制器包括基本位置控制器模块与模糊自适应控制算法模块，所述模糊自适应控制算法模块依据位置反馈误差量与误差变化率，对位置控制策略中比例系数与微分系数进行寻优，实时获得动作过程中的动态寻优参数集。
所述阻尼控制器包括基本阻尼控制器模块与优化细菌觅食算法模块，所述优化细菌觅食算法模块依据设计的适应度函数，对阻尼控制策略中的比例系数与微分系数进行趋化性、群聚、繁殖、消除与扩散四步骤的迭代操作，实现参数寻优。
本发明的双机器人协同搬运的控制方法和装置，有基于模糊自适应的位置控制和基于优化细菌觅食的阻尼控制复合的控制策略，该复合控制策略可显著减小最大追踪误差量，消除力追踪的过零振荡。在保证响应时间的前提下进一步提高了位置-力控制的控制精度与作业稳定性。
附图说明
图1是本发明的双机器人协同系统的示意图；
图2是本发明的双机器人协同搬运的控制方法的应用场景中工件平面简化模型图；
图3是本发明的等效机械阻尼系统模型图；
图4是本发明的双机器人协同搬运的控制装置的系统框图。
具体实施方式
本发明提供了一种双机器人协同搬运的控制方法，应用于一双机器人协同系统，该系统包括主从二机器人，主从二机器人均包含用以共同夹持待搬运工件的末端执行器，所述方法用于对末端执行器相对于工件的位置和作用力进行控制，以保证搬运过程中的稳定。具体的，本发明提供的方法包括：
101，主从机器人采用主从协同控制模式，主机器人按照预设工况轨迹独立运动，从机器人固定在主机器人的相对位置。
102，依据环境约束，获取主从机器人相对工件的期望位置和期望作用力。
103，采集主从机器人实时的位置和作用力，基于改进的PID算法，对位置和作用力进行修正，从而产生主从机器人实际输出的位置和作用力。
具体的，在本方法中，主机器人和从机器人采用不同的控制策略。主机器人采用位置控制策略，通过位置反馈信号，施加基于位置误差的比例微分控制律，输出作用力。从机器人采用阻尼控制策略，通过作用力反馈信号，施加基于作用力误差的比例微分控制律，输出末端执行器相对工件的速度修正量。
更进一步的，在主机器人的位置控制策略中，采用基于模糊自适应控制算法，依据位置误差及其变化率，对位置控制策略中比例系数与微分系数进行寻优。
在从机器人的阻尼控制策略中，采用优化细菌觅食算法对阻尼控制策略中的比例系数和微分系数进行趋化性、群聚、繁殖、消除与扩散四步骤的迭代操作，实现参数寻优。
参见图1至图4，是本发明的方法应用的一个优选实施例。
图1为本发明的协同搬运装置示意图，主从机器人(图中示意为主机器人1和从机器人2)分别为负载20kg与5kg的工业机器人。在夹持工况下，两个工业机器人相对放置，在世界坐标系中定位良好，二者x坐标轴在同一直线上、方向相反。机器人末端装载末端执行器(本实施例中具体为气动夹爪)，同时夹持工件3执行工况。工件坐标原点设定在夹爪末端中心点处，二者工件坐标的yz平面重合，坐标轴z在同一直线上、方向相反。
图2示出了双机搬运工况的平面简化模型。平面简化模型主要描述主从夹爪抓住工件3时的平面机构示意图。主机器人1施加力为f1，末端位移量为x1；从机器人2末端设置腕力传感器，所测力fs等效为从机器人施加力f2。从机器人端的位移量为x2。
图3示出了本发明的末端机械阻尼系统模型图，由图2简化模型等效得。主机器人夹爪与工件刚体视作质量为m1的等效刚体，从机器人视作质量为m2的刚体，机构没有相对移动，系统视作从机器人刚体与主机器人等效刚体在传感器环境机械阻尼中相互耦合，环境阻尼系数bs，环境刚度系数ks。该模型的动态力平衡方程为：主机器人端：从机器人端：/>主机器人夹爪与重载刚体视为整体，从机器人端夹爪质量较小，且实际工况相对加速度小，因此忽略从机器人端惯性力的影响，将传感器力等效为从机器人端部受力，即fs＝f2。
优选的，环境阻尼系数bs与环境刚度系数ks的具体测定方法为：固定从机器人，设定三个位置增量与速度增量。机器人z轴正向偏移既定距离，记录传感器的对应力输出值。代入从机器人端动态力平衡方程，估算得出环境刚度系数bs与环境刚度系数ks。
图4为本发明的控制系统框图，控制系统左侧输入量为期望作用力fd和期望位移xd。1)位置控制器基本模块输入位置反馈误差ex，控制器的比例系数与微分系数为与由模糊控制器整定，控制器输出力修正量(f1-fd)。主机器人被控对象的传递函数模块输入量f，输出量为修正后的实际位置量x1，反馈回路反馈负的单位实际位置量x1。2)阻尼控制器基本模块输入力反馈误差ef，阻尼控制器的比例与微分系数分别为/>与/>由细菌觅食算法进行优化，控制器输出速度修正信号/>主机器人位置控制模块输出的位置反馈误差ex作为被修正量引入从机器人的被控对象控制方程，控制方程输出量为修正后的实际作用力fs，反馈回路反馈负的单位实际作用力fs。
优选的，主机器人的位置控制策略基于期望位置量xd与实际位置量x1的差值ex。主机器人的位置控制表示为：f1-fd为实际作用力与期望作用力的差值，即控制器输出的修正量。
优选的，模糊控制器采用双输入双输出，输入语言量为位置误差e＝ex和位置误差变化率输出控制量为比例与微分系数修正量/>和/>设定初始参数为与/>参数的输出规则设置为：/>模糊控制规则基于专家经验与基本整定原则，系统输入、输出语言值均设为7。
优选的，主机器人被控对象传递函数的具体求取方法为：对主机器人力平衡方程进行变式得拉氏变换得主机器人的传递函数为/>
优选的，从机器人的阻尼控制策略基于期望作用力fd与实际作用力fs的差值ef，控制器输出速度修正量从机器人的阻尼控制表示为：/>
优选的，从机器人被控对象的控制方程为从机器人的平衡方程
优选的，本系统细菌觅食算法的适应度函数基于作用力fs响应曲线的时域性能指标。评定指标包括误差绝对值|ef|＝|fd-fs|、上升时间tr、超调量pos与振荡时间tc。适应度函数具体设计为：适应度函数＝误差绝对值的加权积分+振荡时间的加权值。为消除过零振荡现象与超调量过大情形，在算法适应度函数中引入超调量与误差存在负值时的惩罚函数。
优选的，本系统细菌觅食算法的步长改进具体方法为：设细菌的初始步长为C(：，1)，运动步长每代缩进10％，最后一次迭代步长为前一代的25％，算法迭代次数设为m，算法规则表示为：
本发明相应提供了一种双机器人协同搬运的控制装置，包括轨迹控制模块、预期获取模块以及改进PID控制模块；
所述轨迹控制模块，用于控制主机器人按照预设工况轨迹独立运动，将从机器人固定在所述主机器人的相对位置；
预期获取模块，用于依据环境约束，获取主从机器人相对工件的期望位置和期望作用力；
改进PID控制模块，用于采集主从机器人实时的位置和作用力，基于改进的PID算法，对位置和作用力进行修正，从而产生主从机器人实际输出的位置和作用力。
所述改进PID控制模块，包括针对主机器人的位置控制器，以及针对从机器人的阻尼控制器；所述位置控制器通过位置反馈信号，施加基于位置误差的比例微分控制律，输出作用力修正量；所述阻尼控制器通过作用力反馈信号，施加基于作用力误差的比例微分控制律，输出末端执行器相对工件的速度修正量。
所述位置控制器包括基本位置控制器模块与模糊自适应控制算法模块，所述模糊自适应控制算法模块依据位置反馈误差量与误差变化率，对位置控制策略中比例系数与微分系数进行寻优，实时获得动作过程中的动态寻优参数集。
所述阻尼控制器包括基本阻尼控制器模块与优化细菌觅食算法模块，所述优化细菌觅食算法模块依据设计的适应度函数，对阻尼控制策略中的比例系数与微分系数进行趋化性、群聚、繁殖、消除与扩散四步骤的迭代操作，实现参数寻优。
本发明的双机器人协同搬运的控制方法和装置，有基于模糊自适应的位置控制和基于优化细菌觅食的阻尼控制复合的控制策略，该复合控制策略可显著减小最大追踪误差量，消除力追踪的过零振荡。在保证响应时间的前提下进一步提高了位置-力控制的控制精度与作业稳定性
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (2)

1.一种双机器人协同搬运的控制方法，其特征在于，所述方法应用于一双机器人协同系统，所述系统包括主从二机器人，所述主从二机器人均包含用以共同夹持待搬运工件的末端执行器，所述方法用于对所述末端执行器相对于所述工件的位置和作用力进行控制；所述方法包括：
主从机器人采用主从协同控制模式，主机器人按照预设工况轨迹独立运动，从机器人固定在所述主机器人的相对位置；
依据环境约束，获取主从机器人相对工件的期望位置和期望作用力；
采集主从机器人实时的位置和作用力，基于改进的PID算法，对位置和作用力进行修正，从而产生主从机器人实际输出的位置和作用力；
所述主机器人和所述从机器人采用不同的控制策略；所述主机器人采用位置控制策略，通过位置反馈信号，施加基于位置误差的比例微分控制律，输出作用力；所述从机器人采用阻尼控制策略，通过作用力反馈信号，施加基于作用力误差的比例微分控制律，输出末端执行器相对工件的速度修正量；
在所述主机器人的位置控制策略中，采用基于模糊自适应控制算法，依据位置误差及其变化率，对位置控制策略中比例系数与微分系数进行寻优；
主机器人的位置控制策略基于期望位置量xd与实际位置量x1的差值ex；主机器人的位置控制表示为：f1-fd为实际作用力与期望作用力的差值，即控制器输出的修正量；
模糊控制器采用双输入双输出，输入语言量为位置误差e＝ex和位置误差变化率输出控制量为比例与微分系数修正量/>和/>设定初始参数为/>与参数的输出规则设置为：/>
主机器人被控对象传递函数的具体求取方法为：对主机器人力平衡方程进行变式得拉氏变换得主机器人的传递函数为
从机器人的阻尼控制策略基于期望作用力fd与实际作用力fs的差值ef，控制器输出速度修正量从机器人的阻尼控制表示为：/>
从机器人被控对象的控制方程为从机器人的平衡方程
在所述从机器人的阻尼控制策略中，采用优化细菌觅食算法对阻尼控制策略中的比例系数和微分系数进行趋化性、群聚、繁殖、消除与扩散四步骤的迭代操作，实现参数寻优；
细菌觅食算法的适应度函数基于作用力fs响应曲线的时域性能指标；评定指标包括误差绝对值|ef|＝|fd-fs|、上升时间tr、超调量pos与振荡时间tc；适应度函数具体设计为：适应度函数＝误差绝对值的加权积分+振荡时间的加权值；
细菌觅食算法的步长改进具体方法为:设细菌的初始步长为C(:,1)，运动步长每代缩进10％,最后一次迭代步长为前一代的25％，算法迭代次数设为m，算法规则表示为：
2.一种双机器人协同搬运的控制装置，其特征在于，包括轨迹控制模块、预期获取模块以及改进PID控制模块；
所述轨迹控制模块，用于控制主机器人按照预设工况轨迹独立运动，将从机器人固定在所述主机器人的相对位置；
预期获取模块，用于依据环境约束，获取主从机器人相对工件的期望位置和期望作用力；
改进PID控制模块，用于采集主从机器人实时的位置和作用力，基于改进的PID算法，对位置和作用力进行修正，从而产生主从机器人实际输出的位置和作用力；
所述改进PID控制模块，包括针对主机器人的位置控制器，以及针对从机器人的阻尼控制器；所述位置控制器通过位置反馈信号，施加基于位置误差的比例微分控制律，输出作用力修正量；所述阻尼控制器通过作用力反馈信号，施加基于作用力误差的比例微分控制律，输出末端执行器相对工件的速度修正量；
所述位置控制器包括基本位置控制器模块与模糊自适应控制算法模块，所述模糊自适应控制算法模块依据位置反馈误差量与误差变化率，对位置控制策略中比例系数与微分系数进行寻优，实时获得动作过程中的动态寻优参数集；
主机器人的位置控制策略基于期望位置量xd与实际位置量x1的差值ex；主机器人的位置控制表示为：f1-fd为实际作用力与期望作用力的差值，即控制器输出的修正量；
模糊控制器采用双输入双输出，输入语言量为位置误差e＝ex和位置误差变化率输出控制量为比例与微分系数修正量/>和/>设定初始参数为/>与参数的输出规则设置为：/>
主机器人被控对象传递函数的具体求取方法为：对主机器人力平衡方程进行变式得拉氏变换得主机器人的传递函数为
从机器人的阻尼控制策略基于期望作用力fd与实际作用力fs的差值ef，控制器输出速度修正量从机器人的阻尼控制表示为：/>
从机器人被控对象的控制方程为从机器人的平衡方程
所述阻尼控制器包括基本阻尼控制器模块与优化细菌觅食算法模块，所述优化细菌觅食算法模块依据设计的适应度函数，对阻尼控制策略中的比例系数与微分系数进行趋化性、群聚、繁殖、消除与扩散四步骤的迭代操作，实现参数寻优；
细菌觅食算法的适应度函数基于作用力fs响应曲线的时域性能指标；评定指标包括误差绝对值|ef|＝|fd-fs|、上升时间tr、超调量pos与振荡时间tc；适应度函数具体设计为：适应度函数＝误差绝对值的加权积分+振荡时间的加权值；
细菌觅食算法的步长改进具体方法为:设细菌的初始步长为C(:,1)，运动步长每代缩进10％,最后一次迭代步长为前一代的25％，算法迭代次数设为m，算法规则表示为：
CN201910373169.4A 2019-05-06 2019-05-06 一种双机器人协同搬运的控制方法及装置 Active CN111890348B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910373169.4A CN111890348B (zh) 2019-05-06 2019-05-06 一种双机器人协同搬运的控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910373169.4A CN111890348B (zh) 2019-05-06 2019-05-06 一种双机器人协同搬运的控制方法及装置

Publications (2)

Publication Number Publication Date
CN111890348A CN111890348A (zh) 2020-11-06
CN111890348B true CN111890348B (zh) 2023-08-29

Family

ID=73169541

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910373169.4A Active CN111890348B (zh) 2019-05-06 2019-05-06 一种双机器人协同搬运的控制方法及装置

Country Status (1)

Country Link
CN (1) CN111890348B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112141585A (zh) * 2020-10-10 2020-12-29 上海应用技术大学 一种协同主动感知的同步agv搬运系统及其搬运方法
CN112947559B (zh) * 2021-02-08 2023-09-22 北京理工大学 一种子母机协同方法及装置
CN113427483A (zh) * 2021-05-19 2021-09-24 广州中国科学院先进技术研究所 一种基于强化学习的双机器人力/位多元数据驱动方法
CN113855475B (zh) * 2021-08-25 2023-10-27 上海傅利叶智能科技有限公司 用于控制两个康复机器人的方法、装置和康复机器人系统
CN113510713B (zh) * 2021-09-09 2021-12-31 深圳市优必选科技股份有限公司 机器人协同搬运的控制方法、装置和计算机设备
CN113733038B (zh) * 2021-11-02 2022-01-11 季华科技有限公司 一种机器人协同动作控制方法、装置、系统及存储介质
CN114952843B (zh) * 2022-05-30 2023-02-28 江南大学 一种基于双机器人主从协同的微装配操作系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010274396A (ja) * 2009-06-01 2010-12-09 Kawasaki Heavy Ind Ltd 自動作業システムにおける位置ズレ補正方法及び位置ズレ補正プログラム
CN101952087A (zh) * 2008-02-06 2011-01-19 松下电器产业株式会社 机器人、机器人的控制装置及控制方法、以及机器人的控制装置的控制程序
KR20140147267A (ko) * 2013-06-19 2014-12-30 광주과학기술원 위치 제어 산업 로봇의 제어 방법 및 장치
CN106003033A (zh) * 2016-06-16 2016-10-12 哈尔滨工程大学 一种具有力控制的六自由度机械臂标准汉字书写方法
CN106475999A (zh) * 2016-12-23 2017-03-08 东南大学 刚性条件下基于阻抗模型的双臂协调的加速度控制方法
CN106695797A (zh) * 2017-02-22 2017-05-24 哈尔滨工业大学深圳研究生院 基于双臂机器人协同操作的柔顺控制方法及系统
CN109605365A (zh) * 2018-10-30 2019-04-12 大连理工大学 一种空间机器人抓捕控制系统、强化学习方法及动力学建模方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101952087A (zh) * 2008-02-06 2011-01-19 松下电器产业株式会社 机器人、机器人的控制装置及控制方法、以及机器人的控制装置的控制程序
JP2010274396A (ja) * 2009-06-01 2010-12-09 Kawasaki Heavy Ind Ltd 自動作業システムにおける位置ズレ補正方法及び位置ズレ補正プログラム
KR20140147267A (ko) * 2013-06-19 2014-12-30 광주과학기술원 위치 제어 산업 로봇의 제어 방법 및 장치
CN106003033A (zh) * 2016-06-16 2016-10-12 哈尔滨工程大学 一种具有力控制的六自由度机械臂标准汉字书写方法
CN106475999A (zh) * 2016-12-23 2017-03-08 东南大学 刚性条件下基于阻抗模型的双臂协调的加速度控制方法
CN106695797A (zh) * 2017-02-22 2017-05-24 哈尔滨工业大学深圳研究生院 基于双臂机器人协同操作的柔顺控制方法及系统
CN109605365A (zh) * 2018-10-30 2019-04-12 大连理工大学 一种空间机器人抓捕控制系统、强化学习方法及动力学建模方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于遗传算法的双臂机器人模糊力/位混合控制;周军等;《机器人》;20080731;第30卷(第4期);第1-3节，附图1-4 *

Also Published As

Publication number Publication date
CN111890348A (zh) 2020-11-06

Similar Documents

Publication Publication Date Title
CN111890348B (zh) 一种双机器人协同搬运的控制方法及装置
CN109848983B (zh) 一种高顺应性人引导机器人协同作业的方法
Xu et al. Dynamic neural networks based kinematic control for redundant manipulators with model uncertainties
JP5327722B2 (ja) ロボットの負荷推定装置及び負荷推定方法
Wang et al. Adaptive inverse dynamics control of robots with uncertain kinematics and dynamics
JP5380672B2 (ja) モーションプランナ、制御システム、および多軸サーボシステム
CN110948504B (zh) 机器人加工作业法向恒力跟踪方法和装置
WO2001038048A1 (fr) Unite de commande de robot
WO2022241806A1 (zh) 一种基于强化学习的双机器人力/位多元数据驱动方法
US20220371186A1 (en) Dual-robot position/force multivariate-data-driven method using reinforcement learning
CN115625711B (zh) 一种考虑末端力的双臂机器人协同控制方法
Wang et al. A unified dynamic control method for a redundant dual arm robot
CN108115690A (zh) 一种机器人自适应控制系统和方法
CN111515928B (zh) 机械臂运动控制系统
CN112296995B (zh) 机器人协作搬运系统
CN113500597A (zh) 基于力翻译机制的多端遥操作滑模阻抗控制方法
CN116901057A (zh) 一种基于变阻抗策略的双机械臂末端位置协同控制方法
Kim et al. Joint compliance error compensation for robot manipulator using body frame
CN107414826B (zh) 一种腱驱动机械手张力约束末端操作控制方法
CN106003049B (zh) 人-机协作系统的控制方法
JP4134369B2 (ja) ロボットの制御装置
Wang et al. A discrete-jointed robot model based control strategy for spatial continuum manipulators
Mikami et al. High-performance finger module for robot hands with pneumatic cylinder and parallel link mechanism
Wu et al. An adaptive neural network compensator for decoupling of dynamic effects of a macro-mini manipulator
Song et al. Dynamic velocity feed-forward compensation control with RBF-NN system identification for industrial robots

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