CN111890364B - 机器人的运动控制方法、装置、电子设备及存储介质 - Google Patents

机器人的运动控制方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111890364B
CN111890364B CN202010741754.8A CN202010741754A CN111890364B CN 111890364 B CN111890364 B CN 111890364B CN 202010741754 A CN202010741754 A CN 202010741754A CN 111890364 B CN111890364 B CN 111890364B
Authority
CN
China
Prior art keywords
robot
joint
inverse
multiple sets
inverse solutions
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
CN202010741754.8A
Other languages
English (en)
Other versions
CN111890364A (zh
Inventor
罗健彬
潘乐
吴君秋
吴朱佳
王锦煜
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.)
KUKA Robotics Guangdong Co Ltd
Original Assignee
KUKA Robotics Guangdong Co Ltd
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 KUKA Robotics Guangdong Co Ltd filed Critical KUKA Robotics Guangdong Co Ltd
Priority to CN202010741754.8A priority Critical patent/CN111890364B/zh
Publication of CN111890364A publication Critical patent/CN111890364A/zh
Application granted granted Critical
Publication of CN111890364B publication Critical patent/CN111890364B/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
    • B25J9/16—Programme controls
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • B25J9/1607—Calculation of inertia, jacobian matrixes and inverses

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)

Abstract

本公开提供了一种机器人的运动控制方法、装置、电子设备及存储介质，所述方法包括：获取机器人的运动模型；基于所述机器人的目标位姿对所述运动模型进行运动学逆运算，得到描述所述机器人的各关节角度的多组逆解；基于所述机器人的各关节角度分别对所述多组逆解进行评分，得到所述多组逆解分别对应的分数；基于所述多组逆解分别对应的分数确定所述机器人的各关节的目标关节角度，并基于所述目标关节角度控制所述机器人处于所述目标位姿时的各关节。本公开实施例能够提高机器人运动控制的精度。

Description

机器人的运动控制方法、装置、电子设备及存储介质
技术领域
本公开涉及机器人控制领域，具体涉及一种机器人的运动控制方法、装置、电子设备及存储介质。
背景技术
在各类生产应用中，常常会通过机器人代替人工进行作业，例如：通过机器人在制鞋生产中进行涂胶。现有技术中，多将机器人与视觉系统相结合，通过视觉系统获取运动轨迹并传输给机器人，以此控制机器人的运动。由于视觉系统所能给出的信息限于其所能标定的点的坐标信息，缺乏层次更为丰富的信息表达能力，从而导致现有技术对机器人的运动控制的精准度不足。
发明内容
本公开的一个目的在于提出一种机器人的运动控制方法、装置、电子设备及存储介质，能够提高机器人运动控制的精度。
根据本公开实施例的一方面，公开了一种机器人的运动控制方法，包括：
获取机器人的运动模型；
基于所述机器人的目标位姿对所述运动模型进行运动学逆运算，得到描述所述机器人的各关节角度的多组逆解；
基于所述机器人的各关节角度分别对所述多组逆解进行评分，得到所述多组逆解分别对应的分数；
基于所述多组逆解分别对应的分数确定所述机器人的各关节的目标关节角度，并基于所述目标关节角度控制所述机器人处于所述目标位姿时的各关节。
根据本公开实施例的一方面，公开了一种机器人的运动控制装置，包括：
建立模块，配置为获取机器人的运动模型；
逆运算模块，配置为基于所述机器人的目标位姿对所述运动模型进行运动学逆运算，得到描述所述机器人的各关节角度的多组逆解；
评分模块，配置为基于所述机器人的各关节角度分别对所述多组逆解进行评分，得到所述多组逆解分别对应的分数；
控制模块，配置为基于所述多组逆解分别对应的分数确定所述机器人的各关节的目标关节角度，并基于所述目标关节角度控制所述机器人处于所述目标位姿时的各关节。
在本公开的一示例性实施例中，所述装置配置为：
建立所述机器人的各关节分别对应的空间坐标系；
基于相邻关节之间的带动关系将相邻空间坐标系进行连接，得到所述运动模型。
在本公开的一示例性实施例中，所述装置配置为：
获取所述机器人的笛卡尔空间的操作速度；
基于所述机器人的各关节角度获取所述机器人的关节速度矢量；
计算将所述关节速度矢量转换为所述操作速度的雅克比矩阵；
基于所述雅克比矩阵分别对所述多组逆解与奇异点的距离进行评分，得到所述多组逆解分别对应的第一分数。
在本公开的一示例性实施例中，所述装置配置为：
获取所述机器人的各关节分别对应的转角范围；
基于所述机器人的各关节角度在对应所述转角范围内的位置分别对所述多组逆解与极限角度的距离进行评分，得到所述多组逆解分别对应的第二分数。
在本公开的一示例性实施例中，所述装置配置为：
对所述第一分数以及所述第二分数进行归一化处理，得到归一化的第一分数以及归一化的第二分数；
基于预设的权重对所述归一化的第一分数以及所述归一化的第二分数进行加权，得到所述多组逆解分别对应的第三分数。
在本公开的一示例性实施例中，所述装置配置为：
生成所述目标关节角度所对应的全局状态信息，所述全局状态信息用于描述所述各关节的关节轴的正负；
基于所述全局状态信息控制所述机器人的运动。
在本公开的一示例性实施例中，所述装置配置为：
针对每一位移轨迹，模拟从所述位移轨迹的起点出发到所述位移轨迹的终点停止所述机器人所能达到的最大速度；
将各所述最大速度中最小的速度确定为目标速度，并控制所述机器人以所述目标速度进行运动。
根据本公开实施例的一方面，公开了一种机器人的运动控制电子设备，包括：存储器，存储有计算机可读指令；处理器，读取存储器存储的计算机可读指令，以执行以上任一个实施例。
根据本公开实施例的一方面，公开了一种计算机程序介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行以上任一个实施例。
本公开实施例中，基于目标位姿对机器人的运动模型进行运动学逆运算得到描述各关节角度的多组逆解，具体的，每组逆解描述对应的一组各关节角度；进而基于机器人的各关节角度分别对该多组逆解进行评分，所得到的分数表征着对应逆解所描述的各关节角度的整体优化水平；进而基于分数确定机器人的各关节的目标关节角度，并基于该目标关节角度控制机器人出于目标位姿时的关节。通过这种方法，本公开实施例控制机器人以尽量优化的关节角度运动至各个点位，从而提高机器人运动控制的精度。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
通过参考附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。
图1示出了根据本公开一个实施例的机器人的运动控制方法的流程图。
图2示出了根据本公开一个实施例的六轴机器人的运动模型。
图3示出了根据本公开一个实施例的在机器人的运动控制过程中优化关节角度的流程图。
图4示出了根据本公开一个实施例的在未优化运动速度的情况下，机器人在涂胶时的运动速度变化。
图5示出了根据本公开一个实施例的模拟机器人在各位移轨迹上所能达到最大速度的示意图。
图6示出了根据本公开一个实施例的机器人的运动控制装置的框图。
图7示出了根据本公开一个实施例的机器人的运动控制电子设备的硬件图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些示例实施方式使得本公开的描述将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多示例实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的示例实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、步骤等。在其它情况下，不详细示出或描述公知结构、方法、实现或者操作以避免喧宾夺主而使得本公开的各方面变得模糊。
附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微服务器装置中实现这些功能实体。
本公开提供了一种机器人的运动控制方法，主要目的在于控制机器人以尽量优化的关节角度运动至各个点位，从而提高机器人运动控制的精度。本公开实施例主要用于各类机器人相关的生产应用中，例如：机器人在制鞋生产中进行涂胶、机器人在工艺品生产中进行雕刻。出于简要说明的目的，以机器人在制鞋生产中进行涂胶这一应用示例性地对本公开实施例进行后续的详细说明，但并不代表本公开实施例只能应用于机器人在制鞋生产中进行涂胶。
图1示出了本公开一实施例的机器人的运动控制方法，示例性地以统一管理多个机器人的服务器为执行主体。如图所示，该方法包括：
步骤S110、获取机器人的运动模型；
步骤S120、基于所述机器人的目标位姿对所述运动模型进行运动学逆运算，得到描述所述机器人的各关节角度的多组逆解；
步骤S130、基于所述机器人的各关节角度分别对所述多组逆解进行评分，得到所述多组逆解分别对应的分数；
步骤S140、基于所述多组逆解分别对应的分数确定所述机器人的各关节的目标关节角度，并基于所述目标关节角度控制所述机器人处于所述目标位姿时的各关节。
本公开实施例中，基于目标位姿对机器人的运动模型进行运动学逆运算得到描述各关节角度的多组逆解，具体的，每组逆解描述对应的一组各关节角度；进而基于机器人的各关节角度分别对该多组逆解进行评分，所得到的分数表征着对应逆解所描述的各关节角度的整体优化水平；进而基于分数确定机器人的各关节的目标关节角度，并基于该目标关节角度控制机器人出于目标位姿时的关节。通过这种方法，本公开实施例控制机器人以尽量优化的关节角度运动至各个点位，从而提高机器人运动控制的精度。
本公开实施例中，机器人的运动模型指的是模拟机器人的结构以及运动的数学模型。其中，模拟机器人的结构包括模拟机器人的关节、模拟机器人的各关节之间的连杆等；模拟机器人的运动包括模拟机器人的关节的转动、模拟机器人的连杆的位移等。
在一实施例中，获取机器人的运动模型，包括：
建立该机器人的各关节分别对应的空间坐标系；
基于相邻关节之间的带动关系将相邻空间坐标系进行连接，得到该运动模型。
该实施例中，采用D-H参数法建立机器人的运动模型。具体的，为机器人的每个关节建立对应的空间坐标系；然后确定相邻关节之间的带动关系，即，从一个关节到下一个关节进行变化的步骤；相邻关节之间的带动关系会相应体现在相邻空间坐标系的变化上，进而在此基础上将相邻空间坐标系进行连接，从而得到机器人的运动模型。
图2示出了本公开一实施例的六轴机器人的运动模型。
参考图2所示，该实施例示出一六轴机器人，各关节的关节轴依次记为A1、A2、A3、A4、A5、A6。服务器以机器人的基座为准建立地面的空间坐标系X0Y0Z0，以A1为准建立第1个关节的空间坐标系X1Y1Z1，同理建立其他关节分别对应的空间坐标系X2Y2Z2、X3Y3Z3、X4Y4Z4、X5Y5Z5、X6Y6Z6。基于相邻关节之间的带动关系，将各空间坐标系进行连接得到如图所示的运动模型。其中，该运动模型中的主要参数为关节间的连杆参数：a0、a1、a2、a3、d4、d6。通过该运动模型可以得到各个连杆相对前一个连杆的相对运动，从而可以通过对该运动模型的数学处理，模拟该六轴机器人在目标位姿下各关节的可能关节角度。
需要说明的是，该实施例只是示例性的说明，并不代表本公开只能适用于六轴机器人的运动控制，该实施例不应对本公开的功能和使用范围造成限制。
本公开实施例中，主要通过矩阵运算的方式，基于机器人的目标位姿对运动模型进行运动学逆运算，得到描述该机器人的各关节角度的多组逆解。具体的，获取到机器人的运动模型后，根据该运动模型所描述的运动链，对相邻空间坐标系进行齐次变换，从而得到该运动模型的齐次变换矩阵。将机器人的目标位姿代入该齐次变换矩阵进行逆运算，从而得到该目标位姿对应的各关节角度。其中，一个目标位姿通常会对应多组的各关节角度，每一组的各关节角度即一组逆解。其中，目标位姿主要指的是机器人的末端（例如：机器人的灵活手）的坐标以及角度，一般表示为[x,y,z,a,b,c]，x为X轴的坐标，y为Y轴的坐标，z为Z轴的坐标，a、b、c则为对应的欧拉角。
在一实施例中，服务器对图2所示的六轴机器人的运动模型中的相邻空间坐标系进行齐次变换后，得到该六轴机器人的运动模型的齐次变换矩阵：
Figure 402477DEST_PATH_IMAGE001
由Pieper准则可知，当六轴工业机器人的三个相邻的关节轴相交于同一点，或者三个相邻的关节轴相互平行时，机器人的运动学逆解具有封闭解。
Figure 240989DEST_PATH_IMAGE002
表示机器人的第i关节的关节角度，
Figure 958410DEST_PATH_IMAGE003
表示
Figure 12341DEST_PATH_IMAGE004
，
Figure 13664DEST_PATH_IMAGE005
表示
Figure 242651DEST_PATH_IMAGE006
，
Figure 634318DEST_PATH_IMAGE007
表示
Figure 223431DEST_PATH_IMAGE008
，
Figure 273734DEST_PATH_IMAGE009
表示
Figure 657311DEST_PATH_IMAGE010
。将目标位姿代入该齐次变换矩阵后，求解
Figure 801853DEST_PATH_IMAGE011
、
Figure 663499DEST_PATH_IMAGE012
、
Figure 580027DEST_PATH_IMAGE013
、
Figure 134505DEST_PATH_IMAGE014
、
Figure 766343DEST_PATH_IMAGE015
、
Figure 166101DEST_PATH_IMAGE016
。
求解
Figure 216096DEST_PATH_IMAGE011
：
Figure 209984DEST_PATH_IMAGE017
求解
Figure 329119DEST_PATH_IMAGE013
：
Figure 532567DEST_PATH_IMAGE018
联立方程，令
Figure 155178DEST_PATH_IMAGE019
，
Figure 54389DEST_PATH_IMAGE020
，
Figure 864082DEST_PATH_IMAGE021
，由
Figure 136800DEST_PATH_IMAGE022
，可得：
Figure 879497DEST_PATH_IMAGE023
求解
Figure 961328DEST_PATH_IMAGE012
：
Figure 789475DEST_PATH_IMAGE024
联立方程，可得：
Figure 334726DEST_PATH_IMAGE025
Figure 197509DEST_PATH_IMAGE026
由
Figure 451904DEST_PATH_IMAGE027
，可得：
Figure 770277DEST_PATH_IMAGE028
求解
Figure 384798DEST_PATH_IMAGE014
：
Figure 102087DEST_PATH_IMAGE029
Figure 511072DEST_PATH_IMAGE030
如果
Figure 582321DEST_PATH_IMAGE031
，则可得：
Figure 734953DEST_PATH_IMAGE032
进一步的，根据全局状态定义机器人腕部是否反转，可以得到另一个解：
Figure 306749DEST_PATH_IMAGE033
求解
Figure 637367DEST_PATH_IMAGE015
：
Figure 192982DEST_PATH_IMAGE034
Figure 683394DEST_PATH_IMAGE035
Figure 657166DEST_PATH_IMAGE036
进一步的，根据全局状态定义机器人腕部是否反转，可以得到另一个解：
Figure 939112DEST_PATH_IMAGE037
求解
Figure 247602DEST_PATH_IMAGE016
：
Figure 555087DEST_PATH_IMAGE038
Figure 367054DEST_PATH_IMAGE039
Figure 101792DEST_PATH_IMAGE040
进一步的，根据全局状态定义机器人腕部是否反转，可以得到另一个解：
Figure 888789DEST_PATH_IMAGE041
根据上述示出的各关节角度的求解公式，求得8组逆解<
Figure 999965DEST_PATH_IMAGE011
、
Figure 197597DEST_PATH_IMAGE012
、
Figure 103236DEST_PATH_IMAGE013
、
Figure 386319DEST_PATH_IMAGE014
、
Figure 770026DEST_PATH_IMAGE015
、
Figure 822165DEST_PATH_IMAGE016
>。
需要说明的是，该实施例只是示例性地展示了一种可选的求逆解过程以及相应的逆解表达方式，不应对本公开的功能和使用范围造成限制。
在一实施例中，基于该机器人的各关节角度分别对该多组逆解进行评分，得到该多组逆解分别对应的分数，包括：
获取该机器人的笛卡尔空间的操作速度；
基于该机器人的各关节角度获取该机器人的关节速度矢量；
计算将该关节速度矢量转换为该操作速度的雅克比矩阵；
基于该雅克比矩阵分别对该多组逆解与奇异点的距离进行评分，得到该多组逆解分别对应的第一分数。
该实施例中，以机器人点位与奇异点的距离远近对逆解进行评分。具体的，通过雅克比矩阵衡量机器人点位与奇异点的距离远近，与奇异点距离越近，雅克比矩阵的行列式越接近0。
对于有6个自由度的六轴机器人通常具有3个奇异点，分别为过顶奇异点、延展位置奇异点、手轴奇异点。其中，以图2所示的六轴机器人为例：过顶奇异点，即轴A5的中点与轴A1共线时机器人所处的点位；延展位置奇异点，即轴A5的中点垂直于轴A2和A3时机器人所处的点位；手轴奇异点，即轴A4和轴A6相互平行且轴A5的关节角度接近0时机器人所处的点位。机器人处于奇异点时，机器人的自由度减小，运动换算速度失真，即使给定状态和转角也无法通过逆运算得到唯一数值，最小的笛卡尔变化也能导致非常大的轴角度变化，从而严重影响机器人的控制精度，无法精准控制机器人的动作。
以图2所示的六轴机器人为例：通过与该机器人的控制器的通信，服务器可以读取该机器人的笛卡尔空间的操作速度，该操作速度记为X；服务器对该六轴机器人的运动模型进行运动学逆运算得到各组逆解后，针对每一组逆解<
Figure 898705DEST_PATH_IMAGE011
、
Figure 672014DEST_PATH_IMAGE012
、
Figure 859413DEST_PATH_IMAGE013
、
Figure 31637DEST_PATH_IMAGE014
、
Figure 279079DEST_PATH_IMAGE015
、
Figure 536753DEST_PATH_IMAGE016
>，根据该组逆解确定该机器人的关节速度矢量，该关节速度矢量记为q；进而根据
Figure 511532DEST_PATH_IMAGE042
计算雅克比矩阵J；进而根据
Figure 23416DEST_PATH_IMAGE043
对该组逆解进行评分得到该组逆解对应的第一分数，其中，det为矩阵的行列式函数，
Figure 428377DEST_PATH_IMAGE044
为第一分数。第一分数越大说明机器人点位距离奇异点越近，越应当尽量避免。
该实施例的优点在于，通过雅克比矩阵计算逆解的分数，使得分数表征出与奇异点的距离远近，从而使得在此基础上确定的目标关节角度能够尽量远离奇异点。
在一实施例中，基于该多组逆解分别对应的分数确定该机器人的各关节的目标关节角度，包括：将最小第一分数的逆解确定为该目标关节角度。
该实施例中，服务器求得每一组逆解对应的第一分数后，将最小第一分数的逆解<
Figure 658501DEST_PATH_IMAGE011
、
Figure 702549DEST_PATH_IMAGE012
、
Figure 68939DEST_PATH_IMAGE013
、
Figure 641872DEST_PATH_IMAGE014
、
Figure 608560DEST_PATH_IMAGE015
、
Figure 941452DEST_PATH_IMAGE045
>确定为该机器人的各关节的目标关节角度，进而基于最小第一分数的逆解<
Figure 414546DEST_PATH_IMAGE011
、
Figure 174692DEST_PATH_IMAGE012
、
Figure 363097DEST_PATH_IMAGE013
、
Figure 748948DEST_PATH_IMAGE014
、
Figure 824351DEST_PATH_IMAGE015
、
Figure 270245DEST_PATH_IMAGE016
>控制机器人处于目标位姿时的各关节。
在一实施例中，基于该多组逆解分别对应的分数确定该机器人的各关节的目标关节角度，包括：从第一分数小于预设分数阈值的各组逆解中随机选取出一组逆解并确定为该目标关节角度。
该实施例中，服务器预设有分数阈值。求得每一组逆解对应的第一分数后，先筛选出第一分数小于该分数阈值的各组逆解，再从筛选出的各组逆解随机选取一组逆解<
Figure 962257DEST_PATH_IMAGE011
、
Figure 104131DEST_PATH_IMAGE012
、
Figure 814466DEST_PATH_IMAGE013
、
Figure 181994DEST_PATH_IMAGE014
、
Figure 344991DEST_PATH_IMAGE015
、
Figure 823377DEST_PATH_IMAGE016
>确定为该机器人的各关节的目标关节角度，进而基于最小第一分数的逆解<
Figure 857061DEST_PATH_IMAGE011
、
Figure 395489DEST_PATH_IMAGE012
、
Figure 48712DEST_PATH_IMAGE013
、
Figure 330789DEST_PATH_IMAGE014
、
Figure 750138DEST_PATH_IMAGE015
、
Figure 193889DEST_PATH_IMAGE016
>控制机器人处于目标位姿时的各关节。其中，该分数阈值可以根据对奇异点的距离远近需求来设置，需要距离奇异点越远便将该分数阈值设置得越小。
在一实施例中，基于该机器人的各关节角度分别对该多组逆解进行评分，得到该多组逆解分别对应的分数，包括：
获取该机器人的各关节分别对应的转角范围；
基于该机器人的各关节角度在对应该转角范围内的位置分别对该多组逆解与极限角度的距离进行评分，得到该多组逆解分别对应的第二分数。
该实施例中，以关节角度与极限角度的距离远近对逆解进行评分。具体的，通过关节角度在转角范围内的位置衡量关节角度与极限角度的距离远近。
机器人的关节的转角范围是有限制的，在控制机器人运动的过程中，尽可能避免关节转至极限角度，尽量保持在转角范围的中间。例如：关节1的转角范围为[0°,180°]，则尽可能避免关节1转到0°或者180°，尽量使关节1的关节角度为90°。
服务器针对每一组逆解<
Figure 597057DEST_PATH_IMAGE011
、
Figure 417245DEST_PATH_IMAGE012
、
Figure 956680DEST_PATH_IMAGE013
、
Figure 836911DEST_PATH_IMAGE014
、
Figure 464726DEST_PATH_IMAGE015
、
Figure 823026DEST_PATH_IMAGE016
>，根据公式
Figure 748126DEST_PATH_IMAGE046
对该组逆解进行评分。其中，n为关节的个数，
Figure 533679DEST_PATH_IMAGE002
为第i个关节的关节角度，
Figure 645861DEST_PATH_IMAGE047
为第i个关节的关节角度最大值，
Figure 542273DEST_PATH_IMAGE048
为第i个关节的关节角度最小值，
Figure 321879DEST_PATH_IMAGE049
，
Figure 543913DEST_PATH_IMAGE050
为第二分数。第二分数越大说明整体上机器人各关节的关节角度距离极限角度越近，越应当尽量避免。
可以理解的，基于第二分数确定目标关节角度的实施过程与上述基于第一分数确定目标关节角度的实施过程同理，故在此不再赘述。
在一实施例中，该方法还包括：
对该第一分数以及该第二分数进行归一化处理，得到归一化的第一分数以及归一化的第二分数；
基于预设的权重对该归一化的第一分数以及该归一化的第二分数进行加权，得到该多组逆解分别对应的第三分数。
该实施例中，综合机器人点位与奇异点的距离远近以及关节角度与极限角度的距离远近对逆解进行评分。
具体的，服务器针对每一组逆解<
Figure 146320DEST_PATH_IMAGE011
、
Figure 580843DEST_PATH_IMAGE012
、
Figure 949377DEST_PATH_IMAGE013
、
Figure 342312DEST_PATH_IMAGE014
、
Figure 429085DEST_PATH_IMAGE015
、
Figure 932879DEST_PATH_IMAGE016
>，求得表征机器人点位与奇异点的距离远近的第一分数以及表征关节角度与极限角度的距离远近的第二分数后，对该第一分数以及该第二分数进行归一化处理，以保证二者的数量级一致，得到归一化的第一分数以及归一化的第二分数。进而根据预设的权重（该权重可以根据对机器人性能表现的需求相应设置）对归一化的第一分数以及归一化的第二分数进行加权，得到该组逆解的第三分数。该第三分数可以通过以下公式得到：
Figure 155919DEST_PATH_IMAGE051
Figure 719755DEST_PATH_IMAGE052
Figure 285036DEST_PATH_IMAGE053
其中，
Figure 326941DEST_PATH_IMAGE054
为第一分数，
Figure 670067DEST_PATH_IMAGE054
乘以1011是为保证第一分数与第二分数数量级的一致性所做的归一化处理，
Figure 388493DEST_PATH_IMAGE050
为第二分数，
Figure 935012DEST_PATH_IMAGE055
为第三分数，
Figure 295455DEST_PATH_IMAGE056
为对第一分数预设的权重，
Figure 243819DEST_PATH_IMAGE057
为对第二分数预设的权重。其中，若服务器更注重奇异点所带来的影响，则将
Figure 401656DEST_PATH_IMAGE056
设置得大于
Figure 435471DEST_PATH_IMAGE058
，例如
Figure 68446DEST_PATH_IMAGE059
，
Figure 136897DEST_PATH_IMAGE057
=0.4；若服务器更注重极限角度所带来的影响，则将
Figure 462705DEST_PATH_IMAGE057
设置得大于
Figure 983816DEST_PATH_IMAGE056
，例如
Figure 420482DEST_PATH_IMAGE060
，
Figure 343439DEST_PATH_IMAGE058
=0.6。
该实施例中，机器人点位越接近奇异点，或者，机器人的关节角度越接近对应的极限角度，第三分数便会越大；当机器人点位到达奇异点，或者，当机器人的关节角度到达对应的极限角度时，第三分数趋向于无穷大。第三分数越大，说明对应的逆解所描述的各关节角度的整体优化水平越低，越应当尽量避免。
可以理解的，基于第三分数确定目标关节角度的实施过程与上述基于第一分数确定目标关节角度的实施过程同理，故在此不再赘述。
在一实施例中，该方法还包括：
生成该目标关节角度所对应的全局状态信息，该全局状态信息用于描述该各关节的关节轴的正负；
基于该全局状态信息控制该机器人的运动。
该实施例中，服务器在控制机器人运动的过程中，会使用到全局状态信息，该全局状态信息主要用于描述各关节的关节轴的正负，还可以用于描述组合轴所在的区域（例如：机器人的手轴所在的区域）。服务器确定机器人的各关节的目标关节角度后，生成对应的全局状态信息，进而将该全局状态信息发送机器人的控制器，以使得控制器能够根据该全局状态信息以相应的关节轴正负或者组合轴所在区域控制机器人的运动。
该实施例的优点在于，通过该全局状态信息的引入，能够有效防止轴的位置多义，提高机器人控制的精准度。
下表1示出了本公开一实施例的机器人的全局状态信息的组成。
该实施例中，通过3个比特位的状态值组合描述出8种全局状态信息，每一比特位代表着对应的状态信息。具体的，若全局状态信息为“000”，则代表手轴（A4、A5、A6）交点位置位于机器人基本区域，且关节轴A3小于0°，且关节轴A5小于等于0°；若全局状态信息为“001”，则代表手轴（A4、A5、A6）交点位置位于机器人基本区域，且关节轴A3小于0°，且关节轴A5大于0°。
状态值 比特位2 比特位1 比特位0
0 A5≤0° A3＜0° 手轴(A4、A5、A6)交点位置位于机器人基本区域
1 A5＞0° A3≥0° 手轴(A4、A5、A6)交点位置位于机器人过顶区域
表1.机器人的全局状态信息的组成
该实施例中，通过3个比特位的全局状态信息，可以描述机器人的手轴所在区域、机器人的关节轴A3正负、机器人的关节轴A5正负的8种可能情况。通过该全局状态信息的约束，进一步提高机器人运动控制的精度。
需要说明的是，该实施例只是示例性的说明，不应对应本公开的功能和使用范围造成限制。
图3示出了本公开一实施例在机器人的运动控制过程中优化关节角度的流程图。
该实施例中，服务器将目标位姿[x,y,z,a,b,c]输入机器人的运动模型，并将由3个比特位组成存在8种状态的全局状态信息Status置为0。进而在该Status的约束下，由目标位姿[x,y,z,a,b,c]计算在该Status下的机器人运动学逆解，得到逆解所描述的各关节角度Axis值。若未求得在该Status下的逆解，则将Status的值加1得到更新后的Status，再由目标位姿[x,y,z,a,b,c]计算在更新后的Status下的逆解。
若求得在该Status下的逆解，则判断Axis值是否过极限。若Axis值过极限，说明该Axis值不适合用于控制机器人且该Axis值的分数已为无穷大，则将Status的值加1得到更新后的Status，再由目标位姿[x,y,z,a,b,c]计算在更新后的Status下的逆解。
若Axis值未过极限，则继续判断该Axis值是否令机器人处于奇异点。若该Axis值令机器人处于奇异点，说明该Axis值不适合用于控制机器人且该Axis值的分数已为无穷大，则将Status的值加1得到更新后的Status，再由目标位姿[x,y,z,a,b,c]计算在更新后的Status下的逆解。
直到值从0到7的8个Status下的逆解均求得后，计算每一逆解的Axis值的分数，取最小分数的Axis值，并确定该Axis值对应的Status，进而根据该Axis值以及该Status控制机器人的运动。
需要说明的是，该实施例只是示例性的说明，不应对本公开的功能和使用范围造成限制。
在一实施例中，该方法还包括：
针对每一位移轨迹，模拟从该位移轨迹的起点出发到该位移轨迹的终点停止该机器人所能达到的最大速度；
将各该最大速度中最小的速度确定为目标速度，并控制该机器人以该目标速度进行运动。
该实施例中，对机器人的运动速度进行优化。
具体的，机器人在运动时需要经过m段位移轨迹，服务器针对机器人运动所需经过的第j段位移轨迹，模拟从该位移轨迹的起点出发到该位移轨迹的终点停止这一过程中该机器人所能达到的最大速度
Figure 843078DEST_PATH_IMAGE061
；然后从各
Figure 851485DEST_PATH_IMAGE061
中最小的速度确定为目标速度
Figure 91842DEST_PATH_IMAGE062
，进而控制机器人以
Figure 869306DEST_PATH_IMAGE063
进行运动。
例如：机器人用于在制鞋生产中对鞋帮进行涂胶，机器人的最大运动速度为2m/s。控制机器人运动以对一只鞋的鞋帮进行涂胶的过程中，需要经过4条位移轨迹，分别为鞋尖位移轨迹、鞋右侧位移轨迹、鞋跟位移轨迹、鞋左侧位移轨迹，并将这4条位移轨迹均看作直线线段。服务器模拟机器人以速度零从鞋尖位移轨迹的起点出发，以速度零到鞋尖位移轨迹的终点停止，期间均以最大加速度进行加减速，进而确定在鞋尖位移轨迹上所能达到的最大速度为1.2m/s；同理，模拟并确定在鞋右侧位移轨迹所能达到的最大速度为2m/s，在鞋跟位移轨迹所能达到的最大速度为1.5m/s，在鞋左侧位移轨迹所能达到的最大速度为2m/s。则确定目标速度为1.2m/s，并控制机器人以1.2m/s的速度对鞋帮进行涂胶。
该实施例的优点在于，通过这种方法对机器人的运动速度进行优化，降低了机器人在运动过程中的速度起伏程度。
需要说明的是，该实施例只是示例性的说明，不应对本公开的功能和使用范围造成限制。
可以理解的，在现实生产中，机器人在运动时所能达到的最大速度是存在限制的。而且，在一次作业中，机器人运动时通常要经过多条位移轨迹，从一条位移轨迹转至另一条位移轨迹的过程中，由于要调整姿态，如果运动速度规划不合理的话便会导致速度出现起伏，从而造成涂胶的厚度不均。
图4示出了本公开一实施例的在未优化运动速度的情况下，机器人在涂胶时的运动速度变化。
该实施例中，机器人在涂胶时要经过由4个轨迹点所组成的3段位移轨迹，分别为时间点0到时间点4.5的位移轨迹、时间点4.5到时间点6.0的位移轨迹、时间点6.0到时间点9.0的位移轨迹。由图可见，机器人在涂胶过程中，运动速度会出现图示的起伏，从而会导致涂胶的厚度不均。
图5示出了本公开一实施例的模拟机器人在各位移轨迹上所能达到最大速度的示意图。
该实施例中，在模拟过程中，假设在位移轨迹的起点和终点的速度均为0，即，假设从位移轨迹的起点出发到位移轨迹的终点停止。如果位移轨迹的距离短，速度未能加速到上限或者恰好能够加速到上限便需要进行减速，则对应的速度图呈三角形，如图5中的“在位移轨迹1上的三角速度图”所示；如果位移轨迹的距离足够长，速度达到上限后将会有一段匀速运动，然后再减速，则对应的速度图呈梯形，如图5中的“在位移轨迹2上的梯形速度图”所示。
记加速度为a，位移轨迹的距离为S，最大速度为
Figure 271337DEST_PATH_IMAGE064
，运动所花时长为t。则有“在位移轨迹1上的三角速度图”可得：
Figure 767040DEST_PATH_IMAGE065
Figure 811089DEST_PATH_IMAGE066
Figure 443058DEST_PATH_IMAGE067
在计算出每一位移轨迹对应的最大速度
Figure 18921DEST_PATH_IMAGE064
后，从中筛选出最小值作为目标速度
Figure 1920DEST_PATH_IMAGE068
，进而控制机器人以
Figure 584080DEST_PATH_IMAGE063
进行运动。
在控制机器人运动的过程中，机器人的速度可以分为平移速度与旋转速度。其中，平移速度和旋转速度的比值固定。记平移速度比上旋转速度的比值为k，平移速度为v，旋转速度为
Figure 70556DEST_PATH_IMAGE069
，则可得：
Figure 345549DEST_PATH_IMAGE070
。若旋转速度超过限制，即
Figure 550265DEST_PATH_IMAGE071
，则需要压缩平移速度，使得平均平移速度
Figure 670537DEST_PATH_IMAGE072
。
需要说明的是，该实施例只是示例性的说明，不应对本公开的功能和使用范围造成限制。
图6示出了根据本公开一实施例的机器人的运动控制装置，所述装置包括：
建立模块210，配置为获取机器人的运动模型；
逆运算模块220，配置为基于所述机器人的目标位姿对所述运动模型进行运动学逆运算，得到描述所述机器人的各关节角度的多组逆解；
评分模块230，配置为基于所述机器人的各关节角度分别对所述多组逆解进行评分，得到所述多组逆解分别对应的分数；
控制模块240，配置为基于所述多组逆解分别对应的分数确定所述机器人的各关节的目标关节角度，并基于所述目标关节角度控制所述机器人处于所述目标位姿时的各关节。
在本公开的一示例性实施例中，所述装置配置为：
建立所述机器人的各关节分别对应的空间坐标系；
基于相邻关节之间的带动关系将相邻空间坐标系进行连接，得到所述运动模型。
在本公开的一示例性实施例中，所述装置配置为：
获取所述机器人的笛卡尔空间的操作速度；
基于所述机器人的各关节角度获取所述机器人的关节速度矢量；
计算将所述关节速度矢量转换为所述操作速度的雅克比矩阵；
基于所述雅克比矩阵分别对所述多组逆解与奇异点的距离进行评分，得到所述多组逆解分别对应的第一分数。
在本公开的一示例性实施例中，所述装置配置为：
获取所述机器人的各关节分别对应的转角范围；
基于所述机器人的各关节角度在对应所述转角范围内的位置分别对所述多组逆解与极限角度的距离进行评分，得到所述多组逆解分别对应的第二分数。
在本公开的一示例性实施例中，所述装置配置为：
对所述第一分数以及所述第二分数进行归一化处理，得到归一化的第一分数以及归一化的第二分数；
基于预设的权重对所述归一化的第一分数以及所述归一化的第二分数进行加权，得到所述多组逆解分别对应的第三分数。
在本公开的一示例性实施例中，所述装置配置为：
生成所述目标关节角度所对应的全局状态信息，所述全局状态信息用于描述所述各关节的关节轴的正负；
基于所述全局状态信息控制所述机器人的运动。
在本公开的一示例性实施例中，所述装置配置为：
针对每一位移轨迹，模拟从所述位移轨迹的起点出发到所述位移轨迹的终点停止所述机器人所能达到的最大速度；
将各所述最大速度中最小的速度确定为目标速度，并控制所述机器人以所述目标速度进行运动。
下面参考图7来描述根据本公开实施例的运动控制设备30。图7显示的运动控制设备30仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示，运动控制设备30以通用计算设备的形式表现。运动控制设备30的组件可以包括但不限于：上述至少一个处理单元310、上述至少一个存储单元320、连接不同系统组件（包括存储单元320和处理单元310）的总线330。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元310执行，使得所述处理单元310执行本说明书上述示例性方法的描述部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元310可以执行如图1中所示的各个步骤。
存储单元320可以包括易失性存储单元形式的可读介质，例如随机存取存储单元（RAM）3201和/或高速缓存存储单元3202，还可以进一步包括只读存储单元（ROM）3203。
存储单元320还可以包括具有一组（至少一个）程序模块3205的程序/实用工具3204，这样的程序模块3205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线330可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元服务器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
运动控制设备30也可以与一个或多个外部设备400（例如键盘、指向设备、蓝牙设备等）通信，还可与一个或者多个使得用户能与该运动控制设备30交互的设备通信，和/或与使得该运动控制设备30能与一个或多个其它计算设备进行通信的任何设备（例如路由器、调制解调器等等）通信。这种通信可以通过输入/输出（I/O）接口350进行。输入/输出（I/O）接口350与显示单元340相连。并且，运动控制设备30还可以通过网络适配器360与一个或者多个网络（例如局域网（LAN），广域网（WAN）和/或公共网络，例如因特网）通信。如图所示，网络适配器360通过总线330与运动控制设备30的其它模块通信。应当明白，尽管图中未示出，可以结合运动控制设备30使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、终端装置、或者网络设备等）执行根据本公开实施方式的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行上述方法实施例部分描述的方法。
根据本公开的一个实施例，还提供了一种用于实现上述方法实施例中的方法的程序产品，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如JAVA、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（LAN）或广域网（WAN），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、移动终端、或者网络设备等）执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

Claims (9)

1.一种机器人的运动控制方法，其特征在于，所述方法包括：
获取机器人的运动模型；
基于所述机器人的目标位姿对所述运动模型进行运动学逆运算，得到描述所述机器人的各关节角度的多组逆解；
基于所述机器人的各关节角度分别对所述多组逆解进行评分，得到所述多组逆解分别对应的分数；
基于所述多组逆解分别对应的分数确定所述机器人的各关节的目标关节角度，并基于所述目标关节角度控制所述机器人处于所述目标位姿时的各关节；
针对每一位移轨迹，模拟从所述位移轨迹的起点出发到所述位移轨迹的终点停止所述机器人所能达到的最大速度；
将所述最大速度中最小的速度确定为目标速度，并控制所述机器人以所述目标速度进行运动。
2.根据权利要求1所述的方法，其特征在于，获取机器人的运动模型，包括：
建立所述机器人的各关节分别对应的空间坐标系；
基于相邻关节之间的带动关系将相邻空间坐标系进行连接，得到所述运动模型。
3.根据权利要求1所述的方法，其特征在于，基于所述机器人的各关节角度分别对所述多组逆解进行评分，得到所述多组逆解分别对应的分数，包括：
获取所述机器人的笛卡尔空间的操作速度；
基于所述机器人的各关节角度获取所述机器人的关节速度矢量；
计算将所述关节速度矢量转换为所述操作速度的雅克比矩阵；
基于所述雅克比矩阵分别对所述多组逆解与奇异点的距离进行评分，得到所述多组逆解分别对应的第一分数。
4.根据权利要求1所述的方法，其特征在于，基于所述机器人的各关节角度分别对所述多组逆解进行评分，得到所述多组逆解分别对应的分数，包括：
获取所述机器人的各关节分别对应的转角范围；
基于所述机器人的各关节角度在对应所述转角范围内的位置分别对所述多组逆解与极限角度的距离进行评分，得到所述多组逆解分别对应的第二分数。
5.根据权利要求3所述的方法，其特征在于，所述方法还包括：
获取所述机器人的各关节分别对应的转角范围；
基于所述机器人的各关节角度在对应所述转角范围内的位置分别对所述多组逆解与极限角度的距离进行评分，得到所述多组逆解分别对应的第二分数；
对所述第一分数以及所述第二分数进行归一化处理，得到归一化的第一分数以及归一化的第二分数；
基于预设的权重对所述归一化的第一分数以及所述归一化的第二分数进行加权，得到所述多组逆解分别对应的第三分数。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
生成所述目标关节角度所对应的全局状态信息，所述全局状态信息用于描述所述各关节的关节轴的正负；
基于所述全局状态信息控制所述机器人的运动。
7.一种机器人的运动控制装置，其特征在于，所述装置包括：
建立模块，配置为获取机器人的运动模型；
逆运算模块，配置为基于所述机器人的目标位姿对所述运动模型进行运动学逆运算，得到描述所述机器人的各关节角度的多组逆解；
评分模块，配置为基于所述机器人的各关节角度分别对所述多组逆解进行评分，得到所述多组逆解分别对应的分数；
第一控制模块，配置为基于所述多组逆解分别对应的分数确定所述机器人的各关节的目标关节角度，并基于所述目标关节角度控制所述机器人处于所述目标位姿时的各关节；
模拟模块，配置为针对每一位移轨迹，模拟从所述位移轨迹的起点出发到所述位移轨迹的终点停止所述机器人所能达到的最大速度；
第二控制模块，配置为将所述最大速度中最小的速度确定为目标速度，并控制所述机器人以所述目标速度进行运动。
8.一种机器人的运动控制电子设备，其特征在于，包括：
存储器，存储有计算机可读指令；
处理器，读取存储器存储的计算机可读指令，以执行权利要求1-6中的任一个所述的方法。
9.一种计算机可读存储介质，其特征在于，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行权利要求1-6中的任一个所述的方法。
CN202010741754.8A 2020-07-29 2020-07-29 机器人的运动控制方法、装置、电子设备及存储介质 Active CN111890364B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010741754.8A CN111890364B (zh) 2020-07-29 2020-07-29 机器人的运动控制方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010741754.8A CN111890364B (zh) 2020-07-29 2020-07-29 机器人的运动控制方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN111890364A CN111890364A (zh) 2020-11-06
CN111890364B true CN111890364B (zh) 2021-11-16

Family

ID=73182340

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010741754.8A Active CN111890364B (zh) 2020-07-29 2020-07-29 机器人的运动控制方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN111890364B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113101584A (zh) * 2021-03-17 2021-07-13 国网江西省电力有限公司电力科学研究院 一种基于三维点云模型的智能消防机器人控制方法
CN113733104B (zh) * 2021-10-12 2023-07-21 武汉联影智融医疗科技有限公司 机械臂的控制方法、计算机设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6064168A (en) * 1998-03-13 2000-05-16 Fanuc Robotics North America, Inc. Method of controlling robot movement
CN110039249A (zh) * 2019-05-08 2019-07-23 中国石油大学(华东) 一种焊接变位机逆运动学解析解权重的选取方法及轨迹规划
CN110455290A (zh) * 2019-07-17 2019-11-15 爱克斯维智能科技(苏州)有限公司 一种智能液压挖掘机的最优轨迹规划方法
CN111113431A (zh) * 2020-01-03 2020-05-08 武汉科技大学 一种六自由度串联机器人逆解优化方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106945042B (zh) * 2017-03-29 2019-05-28 浙江工业大学 一种机械手的离散s型曲线速度控制方法
CN107030698B (zh) * 2017-05-09 2018-06-01 中国科学院计算技术研究所 机器人的逆运动学求解系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6064168A (en) * 1998-03-13 2000-05-16 Fanuc Robotics North America, Inc. Method of controlling robot movement
CN110039249A (zh) * 2019-05-08 2019-07-23 中国石油大学(华东) 一种焊接变位机逆运动学解析解权重的选取方法及轨迹规划
CN110455290A (zh) * 2019-07-17 2019-11-15 爱克斯维智能科技(苏州)有限公司 一种智能液压挖掘机的最优轨迹规划方法
CN111113431A (zh) * 2020-01-03 2020-05-08 武汉科技大学 一种六自由度串联机器人逆解优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种基于冗余自由度的机器人姿态优化方法;焦嘉琛等;《航空制造技术》;20180228;第61卷(第4期);第16-21页 *

Also Published As

Publication number Publication date
CN111890364A (zh) 2020-11-06

Similar Documents

Publication Publication Date Title
CN108241339B (zh) 仿人机械臂的运动求解和构型控制方法
US8560122B2 (en) Teaching and playback method based on control of redundancy resolution for robot and computer-readable medium controlling the same
CN111890364B (zh) 机器人的运动控制方法、装置、电子设备及存储介质
CN106970594B (zh) 一种柔性机械臂的轨迹规划方法
EP3733355A1 (en) Robot motion optimization system and method
CN111251305B (zh) 机器人力控制方法、装置、系统、机器人及存储介质
US10967505B1 (en) Determining robot inertial properties
CN111338287A (zh) 机器人运动控制方法、装置、系统、机器人及存储介质
CN104626205A (zh) 机器人机械臂的检测方法和装置
JP2018030210A (ja) シミュレーション装置、制御システム、ロボットシステム、シミュレーション方法、プログラム及び記録媒体
RU2308764C2 (ru) Перемещение виртуального сочлененного объекта в виртуальном пространстве с предотвращением столкновений сочлененного объекта с элементами окружающего пространства
JP2826138B2 (ja) 移動体の干渉チェック装置
Zhao et al. A learning-based multiscale modelling approach to real-time serial manipulator kinematics simulation
Vlachos et al. Transparency maximization methodology for haptic devices
US11886174B2 (en) Virtualized cable modeling for manufacturing resource simulation
Le Boudec et al. Modeling and adaptive control of redundant robots
CN114454981B (zh) 双足机器人的弹跳运动控制方法、装置及双足机器人
CN113434982B (zh) 一种电力智能仿生攀爬机器人的运动学逆解方法
Dupac A path planning approach of 3D manipulators using zenithal gnomic projection and polar piecewise interpolation
JP2011212223A (ja) 切削シミュレーション処理における位置決定装置またはその方法
JP3391657B2 (ja) 物体間距離演算装置および物体間距離演算プログラム記憶媒体
CN117348577B (zh) 一种生产工艺仿真检测方法、装置、设备以及介质
Boulic Proactive steering toward oriented targets
US20240025035A1 (en) Robotic simulations using multiple levels of fidelity
WO2023157235A1 (ja) 計算装置

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
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20201106

Assignee: GUANGDONG MIDEA YASKAWA SERVICE ROBOT Co.,Ltd.

Assignor: KUKA ROBOT (GUANGDONG) Co.,Ltd.

Contract record no.: X2022440000066

Denomination of invention: Motion control method, device, electronic equipment and storage medium of robot

Granted publication date: 20211116

License type: Common License

Record date: 20220722

Application publication date: 20201106

Assignee: GUANGDONG MIDEA INTELLIGENT ROBOT Co.,Ltd.

Assignor: KUKA ROBOT (GUANGDONG) Co.,Ltd.

Contract record no.: X2022440000065

Denomination of invention: Motion control method, device, electronic equipment and storage medium of robot

Granted publication date: 20211116

License type: Common License

Record date: 20220722