CN112000095A - 一种铲运机工作机构的控制方法 - Google Patents

一种铲运机工作机构的控制方法 Download PDF

Info

Publication number
CN112000095A
CN112000095A CN202010754381.8A CN202010754381A CN112000095A CN 112000095 A CN112000095 A CN 112000095A CN 202010754381 A CN202010754381 A CN 202010754381A CN 112000095 A CN112000095 A CN 112000095A
Authority
CN
China
Prior art keywords
scraper
control
model
working mechanism
prediction
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.)
Granted
Application number
CN202010754381.8A
Other languages
English (en)
Other versions
CN112000095B (zh
Inventor
孟宇
方华珍
白国星
刘立
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 Science and Technology Beijing USTB
Original Assignee
University of Science and Technology Beijing USTB
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 Science and Technology Beijing USTB filed Critical University of Science and Technology Beijing USTB
Priority to CN202010754381.8A priority Critical patent/CN112000095B/zh
Publication of CN112000095A publication Critical patent/CN112000095A/zh
Application granted granted Critical
Publication of CN112000095B publication Critical patent/CN112000095B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/027—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means comprising intertial navigation means, e.g. azimuth detector
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/12—Target-seeking control

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)
  • Operation Control Of Excavators (AREA)

Abstract

本发明提供一种铲运机工作机构的控制方法，属于矿山铲运作业技术领域。所述方法包括：对铲运机工作机构模型进行简化，建立简化后的铲运机工作机构模型的运动学模型；通过建立的运动学模型，确定预测时域内铲运机工作机构的位姿信息；以最小化控制过程中的路径跟踪偏差和控制输出变化量之和为目标，确定非线性模型预测控制的优化函数，得到铲运机工作机构的最优控制序列，以实现铲运机工作机构的轨迹跟踪控制。采用本发明，能够使得铲运机工作机构准确跟踪给定的铲掘参考轨迹。

Description

一种铲运机工作机构的控制方法
技术领域
本发明涉及矿山铲运作业技术领域，特别涉及是指一种铲运机工作机构的控制方法。
背景技术
采矿装备自动化和智能化是地下开采的发展趋势。铲运机是地下采矿的主要设备之一，其作业对象复杂、作业环境多变，使得其工作效率与操作人员的经验、技能水平和工作状态关系密切。其工作机构工况主要有铲掘物料、重载运输和卸料等。目前国内矿山基本还是以传统人工驾驶为主，遥控驾驶为辅。国内矿山自动化建设程度最高的企业中国有色非洲矿业有限责任公司，其位于赞比亚铜带省的东南矿体投入生产所用的铲运机已经能够实现自主运输和卸料，但是铲掘还需人工操作，故自主铲掘为铲运机自动化的发展趋势，对于实现其自动化具有重要的现实和研究意义。而实现自动铲掘关键技术之一是控制铲运机工作机构以高精度来跟踪规划给出目标铲掘轨迹。
现有技术方案中对于工作机构的控制的方法有PID控制法、计算力矩法、滑模控制法和迭代学习控制法等。根据控制变量的不同，可分为直接控制和间接控制，直接控制是对驱动部件的控制，控制液压油杆推杆行程；间接控制是控制零部件上驱动力矩的控制，主要表现为大臂和铲斗驱动力矩的控制。这些方法控制精度低。
发明内容
本发明实施例提供了铲运机工作机构的控制方法，能够使得铲运机工作机构准确跟踪给定的铲掘参考轨迹。所述技术方案如下：
一方面，提供了一种铲运机工作机构的控制方法，该方法包括：
对铲运机工作机构模型进行简化，建立简化后的铲运机工作机构模型的运动学模型；
通过建立的运动学模型，确定预测时域内铲运机工作机构的位姿信息；
以最小化控制过程中的路径跟踪偏差和控制输出变化量之和为目标，确定非线性模型预测控制的优化函数，得到铲运机工作机构的最优控制序列，以实现铲运机工作机构的轨迹跟踪控制。
进一步地，简化后的铲运机工作机构模型的运动学模型为：
Figure BDA0002611043000000021
其中，
Figure BDA0002611043000000022
表示铲斗末端沿着x方向的速度；
Figure BDA0002611043000000023
表示铲斗末端沿着y方向的速度；
Figure BDA0002611043000000024
表示铲斗末端的朝向角速度；l0表示大臂的有效长度；l1表示铲斗的有效长度；θ1表示大臂与水平线之间的夹角；θ2表示铲斗与大臂延长线之间的夹角；
Figure BDA0002611043000000025
表示大臂的角加速度；
Figure BDA0002611043000000026
表示铲斗的角加速度。
进一步地，所述通过建立的运动学模型，确定预测时域内铲运机工作机构的位姿信息包括：
确定所述运动学模型的状态量ξ与控制量u，其中，状态量ξ＝[x y θz]T，x表示铲斗末端x方向的坐标，y表示铲斗末端y方向的坐标，θz表示铲斗末端的朝向角，状态量ξ用于体现位姿信息，即：所述位姿信息包括：x、y和θz；
Figure BDA0002611043000000027
控制量u用于体现驱动关节角速度信息，即：所述驱动关节角速度信息包括：
Figure BDA0002611043000000028
和
Figure BDA0002611043000000029
上标T表示矩阵转置；
将状态量ξ与控制量u之间的关系描述为
Figure BDA00026110430000000210
其中，
Figure BDA00026110430000000211
表示状态量ξ的微分，
Figure BDA00026110430000000212
表示ξ、u与
Figure BDA00026110430000000213
之间的函数关系；
建立非线性模型预测控制的预测模型对建立的运动学模型进行离散化，基于离散化后的运动学模型，建立非线性模型预测控制的预测模型，根据铲运机工作机构当前的位姿信息、铲斗末端速度信息及驱动关节角速度信息，通过预测模型预测未来一段时间[t,t+Np]内的位姿信息。
进一步地，所述预测模型表示为：
Figure BDA00026110430000000214
其中，T为采样间隔，ξ(t+i|t)为t时刻第i个预测点的状态量，u(t+i|t)为t时刻第i个预测点的控制量，Np为预测时域，Nc表示控制时域。
进一步地，所述以最小化控制过程中的路径跟踪偏差和控制输出变化量之和为目标，确定非线性模型预测控制的优化函数，得到铲运机工作机构的最优控制序列，以实现铲运机工作机构的轨迹跟踪控制包括：
确定预测时域内铲运机工作机构位姿与参考轨迹之间的路径跟踪偏差e：
以最小化控制过程中的路径跟踪偏差e和控制输出变化量之和为目标，并通过结合驱动关节角速度约束条件，得到非线性模型预测控制的优化函数，根据得到的非线性模型预测控制的优化函数确定铲运机工作机构的最优控制序列，以实现铲运机工作机构的轨迹跟踪控制。
进一步地，路径跟踪偏差e表示为：
e(t+i|t)＝ξ(t+i|t)-ξr(t+i|t),i＝1,2,…,Np
其中，e(t+i|t)为t时刻第i个预测点的状态量ξ(t+i|t)与参考轨迹点的状态量ξr(t+i|t)之间的偏差。
进一步地，非线性模型预测控制的优化函数表示为：
Figure BDA0002611043000000031
其中，J表示滚动优化的目标函数，Q和R都表示权重矩阵，s.t.表示约束条件。
进一步地，最优控制序列
Figure BDA0002611043000000032
其中，
Figure BDA0002611043000000033
为t时刻第1个最优控制量，将该最优控制序列中第一个元素
Figure BDA0002611043000000034
作为铲运机工作机构的实际控制量控制所述铲运机工作机构。
本发明实施例提供的技术方案带来的有益效果至少包括：
本发明实施例中，对铲运机工作机构模型进行简化，建立简化后的铲运机工作机构模型的运动学模型；通过建立的运动学模型，确定预测时域内铲运机工作机构的位姿信息；以最小化控制过程中的路径跟踪偏差和控制输出变化量之和为目标，确定非线性模型预测控制的优化函数，得到铲运机工作机构的最优控制序列，以实现铲运机工作机构的轨迹跟踪控制，这样，能够使得铲运机工作机构准确跟踪给定的铲掘参考轨迹。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的铲运机工作机构的控制方法的流程示意图；
图2为本发明实施例提供的铲运机工作机构的简化模型示意图；
图3为本发明实施例提供的铲运机工作机构的传感器安装示意图；
图4为本发明实施例提供的运动学模型示意图；
图5为本发明实施例提供的铲运机工作机构的轨迹跟踪控制原理示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
如图1所示，本发明实施例提供了一种铲运机工作机构的控制方法，该方法包括：
S101，对铲运机工作机构模型进行简化，建立简化后的铲运机工作机构模型的运动学模型；
S102，通过建立的运动学模型，确定预测时域内铲运机工作机构的位姿信息；
S103，以最小化控制过程中的路径跟踪偏差和控制输出变化量之和为目标，确定非线性模型预测控制的优化函数，得到铲运机工作机构的最优控制序列，以实现铲运机工作机构的轨迹跟踪控制。
本发明实施例所述的铲运机工作机构的控制方法，对铲运机工作机构模型进行简化，建立简化后的铲运机工作机构模型的运动学模型；通过建立的运动学模型，确定预测时域内铲运机工作机构的位姿信息；以最小化控制过程中的路径跟踪偏差和控制输出变化量之和为目标，确定非线性模型预测控制的优化函数，得到铲运机工作机构的最优控制序列，以实现铲运机工作机构的轨迹跟踪控制，这样，能够使得铲运机工作机构准确跟踪给定的铲掘参考轨迹。
为了更好地理解本发明，对本发明实施例的铲运机工作机构的控制方法进行详细说明，具体可以包括以下步骤：
S101，对铲运机工作机构模型进行简化，建立简化后的铲运机工作机构模型的运动学模型；
如图2所示，本实施例中，考虑铲运机工作机构模型的实用性，在能够满足应用的条件下，适当的对铲运机工作机构模型进行简化。铲运机工作机构上有两个对称的举升油缸，且两油缸的作用一致为虚约束，于是就可将反转六杆机构简化为平面的一个二自由度的多连杆机构，得到简化后的铲运机工作机构模型。
如图3所示，本实施例中，需要在铲运机工作机构上安装多种传感器，以便对铲运机工作机构位姿进行检测。所述传感器包括：2个陀螺仪、1个加速度计和2个压力传感器；其中，2个陀螺仪用来感应铲运机工作机构中大臂和铲斗的角加速度α1和α2，加速度计用来感应铲运机工作机构中铲斗末端的线加速度，以便后续得到铲运机工作机构的位姿信息(x,y,θz)；2个压力传感器用来获取翻斗油缸和举升油缸的压力值P1和P2，进而得到油缸提供的驱动力F1和F2：
Mi＝fi(F1,F2),i＝1,2
Mi＝Jiαi,i＝1,2
其中，M1、M2都表示驱动力矩，J1、J2分别为大臂和铲斗绕z轴的惯性矩，f1、f2为驱动力矩与驱动力之间的转换关系。
通过上面两式(Mi＝fi(F1,F2),i＝1,2、Mi＝Jiαi,i＝1,2)可得到角加速度α1和α2，将它对时间积分，即可得到驱动关节角速度
Figure BDA0002611043000000051
如图4所示，将坐标系O0x0y0z0固定于大臂与机架连接处，O1x1y1z1固定于大臂与铲斗铰接点，O2x2y2z2固定铲斗末端(铲斗末端具体指：铲斗末端铲刃中点，如图4坐标原点O2所示)，通过齐次坐标变换得到转换关系：
Figure BDA0002611043000000052
其中，
Figure BDA0002611043000000053
为坐标系Oixiyizi到坐标系Ojxjyjzj的变换矩阵。
于是，铲斗末端在x方向和y方向的坐标可以表示为：
Figure BDA0002611043000000061
基于上述信息，可以得到简化后的铲运机工作机构模型的运动学模型为：
Figure BDA0002611043000000062
其中，
Figure BDA0002611043000000063
表示铲斗末端沿着x方向的速度；
Figure BDA0002611043000000064
表示铲斗末端沿着y方向的速度；
Figure BDA0002611043000000065
表示铲斗末端的朝向角速度；l0表示大臂的有效长度；l1表示铲斗的有效长度；θ1表示大臂与水平线之间的夹角；θ2表示铲斗与大臂延长线之间的夹角；
Figure BDA0002611043000000066
表示大臂的角加速度；
Figure BDA0002611043000000067
表示铲斗的角加速度。
S102，通过建立的运动学模型，确定预测时域Np内铲运机工作机构的位姿信息ξ(t+Np|t)，具体可以包括以下步骤：
A1，确定所述运动学模型的状态量ξ与控制量u，其中，状态量ξ＝[x y θz]T，x表示铲斗末端x方向的坐标，y表示铲斗末端y方向的坐标，θz表示铲斗末端的朝向角，状态量ξ用于体现位姿信息，即：所述位姿信息包括：x、y和θz；
Figure BDA0002611043000000068
控制量u用于体现驱动关节角速度信息，即：所述驱动关节角速度信息包括：
Figure BDA0002611043000000069
和
Figure BDA00026110430000000610
上标T表示矩阵转置；
A2，将状态量ξ与控制量u之间的关系描述为
Figure BDA00026110430000000611
其中，
Figure BDA00026110430000000612
表示状态量ξ的微分，
Figure BDA00026110430000000613
表示ξ、u与
Figure BDA00026110430000000614
之间的函数关系；
A3，对建立的运动学模型进行离散化，基于离散化后的运动学模型，建立非线性模型预测控制的预测模型，根据铲运机工作机构在坐标系O0x0y0z0中当前的位姿信息(x、y和θz)、铲斗末端速度信息(速度大小
Figure BDA00026110430000000615
及其方向
Figure BDA00026110430000000616
)及驱动关节角速度信息(
Figure BDA00026110430000000617
和
Figure BDA00026110430000000618
)，通过预测模型预测未来一段时间[t,t+Np]内的位姿信息ξ(t+Np|t)。
本实施例中，为了建立非线性模型预测控制的预测模型，首先需要对所述铲运机工作机构的运动学模型进行离散化，具体的：可以采用欧拉法将运动学模型改写为迭代方程，通过迭代方程可以使用当前状态量预测下一时刻状态量，且考虑到采样间隔T非常小，所以运动学模型可以离散化为：
ξ(t+1|t)＝ξ(t|t)+Tf(ξ(t|t),u(t|t))
本实施例中，基于离散化后的运动学模型，建立的预测模型表示为：
Figure BDA0002611043000000071
其中，T表示采样间隔，ξ(t+i|t)为t时刻第i个预测点的状态量，u(t+i|t)为t时刻第i个预测点的控制量，Np为预测时域，Nc表示控制时域。
S103，以最小化控制过程中的路径跟踪偏差和控制输出变化量之和为目标，确定非线性模型预测控制的优化函数，得到铲运机工作机构的最优控制序列，以实现铲运机工作机构的轨迹跟踪控制，具体可以包括以下步骤：
B1，确定预测时域内铲运机工作机构位姿与参考轨迹之间的路径跟踪偏差e：
如图5所示，在本实例中，对于铲运机工作机构的轨迹跟踪控制中，优化目标为轨迹跟踪优化。预测模型在获得铲运机工作机构在预测时域内位姿信息之后，将其位姿信息与相应的参考轨迹做差，得到路径跟踪偏差e：
e(t+i|t)＝ξ(t+i|t)-ξr(t+i|t),i＝1,2,…,Np
其中，e(t+i|t)为t时刻第i个预测点的状态量ξ(t+i|t)与参考轨迹点的状态量ξr(t+i|t)之间的偏差。
本实施例中，将参考轨迹的函数设为g(x,y,θz)，于是t时刻第0个参考轨迹点满足：
d(ξ(t|t),ξr(t|t))＝dmin(ξ(t|t),g(x,y,θz))
其中，d为距离求解函数。
本实施例中，预测时域内其余参考轨迹点满足：
sg(ξr(t+i|t),ξr(t+i-1|t))＝Tvr,i＝1,2,…,Np
其中，Sg为两个参考轨迹点之间参考轨迹的弧长，vr为设定的参考速度。
B2，以最小化控制过程中的路径跟踪偏差e和控制输出变化量之和为目标，并通过结合驱动关节角速度约束条件，得到非线性模型预测控制的优化函数，根据得到的非线性模型预测控制的优化函数确定铲运机工作机构的最优控制序列，以实现铲运机工作机构的轨迹跟踪控制。
本实施例中，得到的非线性模型预测控制的优化函数表示为：
Figure BDA0002611043000000081
其中，J表示滚动优化的目标函数，Q和R都表示权重矩阵，s.t.表示约束条件。
本实施例中，J中的第一项为路径跟踪偏差惩罚项，反映了对参考轨迹的跟踪能力，第二项反映了对控制量平稳变化的要求。
本实施例中，将轨迹跟踪问题转化为在每一个采样时间内求解上述有约束的优化问题，非线性模型预测控制的优化函数的作用为使得铲运机工作机构能够尽快并且平稳地跟踪上参考轨迹。
在前述铲运机工作机构的控制方法的具体实施方式中，进一步地，最优控制序列
Figure BDA0002611043000000082
其中，
Figure BDA0002611043000000083
为t时刻第1个最优控制量，将该最优控制序列中第一个元素
Figure BDA0002611043000000084
作为铲运机工作机构的实际控制量控制所述铲运机工作机构，以跟踪参考轨迹，如图5所示。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种铲运机工作机构的控制方法，其特征在于，包括：
对铲运机工作机构模型进行简化，建立简化后的铲运机工作机构模型的运动学模型；
通过建立的运动学模型，确定预测时域内铲运机工作机构的位姿信息；
以最小化控制过程中的路径跟踪偏差和控制输出变化量之和为目标，确定非线性模型预测控制的优化函数，得到铲运机工作机构的最优控制序列，以实现铲运机工作机构的轨迹跟踪控制。
2.根据权利要求1所述的铲运机工作机构的控制方法，其特征在于，简化后的铲运机工作机构模型的运动学模型为：
Figure FDA0002611042990000011
其中，
Figure FDA0002611042990000012
表示铲斗末端沿着x方向的速度；
Figure FDA0002611042990000013
表示铲斗末端沿着y方向的速度；
Figure FDA0002611042990000014
表示铲斗末端的朝向角速度；l0表示大臂的有效长度；l1表示铲斗的有效长度；θ1表示大臂与水平线之间的夹角；θ2表示铲斗与大臂延长线之间的夹角；
Figure FDA0002611042990000015
表示大臂的角加速度；
Figure FDA0002611042990000016
表示铲斗的角加速度。
3.根据权利要求2所述的铲运机工作机构的控制方法，其特征在于，所述通过建立的运动学模型，确定预测时域内铲运机工作机构的位姿信息包括：
确定所述运动学模型的状态量ξ与控制量u，其中，状态量ξ＝[x y θz]T，x表示铲斗末端x方向的坐标，y表示铲斗末端y方向的坐标，θz表示铲斗末端的朝向角，状态量ξ用于体现位姿信息，即：所述位姿信息包括：x、y和θz；
Figure FDA0002611042990000017
控制量u用于体现驱动关节角速度信息，即：所述驱动关节角速度信息包括：
Figure FDA0002611042990000018
和
Figure FDA0002611042990000019
上标T表示矩阵转置；
将状态量ξ与控制量u之间的关系描述为
Figure FDA00026110429900000110
其中，
Figure FDA00026110429900000111
表示状态量ξ的微分，
Figure FDA00026110429900000112
表示ξ、u与
Figure FDA00026110429900000113
之间的函数关系；
建立非线性模型预测控制的预测模型对建立的运动学模型进行离散化，基于离散化后的运动学模型，建立非线性模型预测控制的预测模型，根据铲运机工作机构当前的位姿信息、铲斗末端速度信息及驱动关节角速度信息，通过预测模型预测未来一段时间[t,t+Np]内的位姿信息。
4.根据权利要求3所述的铲运机工作机构的控制方法，其特征在于，所述预测模型表示为：
Figure FDA0002611042990000021
其中，T为采样间隔，ξ(t+i|t)为t时刻第i个预测点的状态量，u(t+i|t)为t时刻第i个预测点的控制量，Np为预测时域，Nc表示控制时域。
5.根据权利要求4所述的铲运机工作机构的控制方法，其特征在于，所述以最小化控制过程中的路径跟踪偏差和控制输出变化量之和为目标，确定非线性模型预测控制的优化函数，得到铲运机工作机构的最优控制序列，以实现铲运机工作机构的轨迹跟踪控制包括：
确定预测时域内铲运机工作机构位姿与参考轨迹之间的路径跟踪偏差e：
以最小化控制过程中的路径跟踪偏差e和控制输出变化量之和为目标，并通过结合驱动关节角速度约束条件，得到非线性模型预测控制的优化函数，根据得到的非线性模型预测控制的优化函数确定铲运机工作机构的最优控制序列，以实现铲运机工作机构的轨迹跟踪控制。
6.根据权利要求5所述的铲运机工作机构的控制方法，其特征在于，路径跟踪偏差e表示为：
e(t+i|t)＝ξ(t+i|t)-ξr(t+i|t),i＝1,2,…,Np
其中，e(t+i|t)为t时刻第i个预测点的状态量ξ(t+i|t)与参考轨迹点的状态量ξr(t+i|t)之间的偏差。
7.根据权利要求5所述的铲运机工作机构的控制方法，其特征在于，非线性模型预测控制的优化函数表示为：
Figure FDA0002611042990000031
其中，J表示滚动优化的目标函数，Q和R都表示权重矩阵，s.t.表示约束条件。
8.根据权利要求7所述的铲运机工作机构的控制方法，其特征在于，最优控制序列
Figure FDA0002611042990000032
其中，
Figure FDA0002611042990000033
为t时刻第1个最优控制量，将该最优控制序列中第一个元素
Figure FDA0002611042990000034
作为铲运机工作机构的实际控制量控制所述铲运机工作机构。
CN202010754381.8A 2020-07-30 2020-07-30 一种铲运机工作机构的控制方法 Active CN112000095B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010754381.8A CN112000095B (zh) 2020-07-30 2020-07-30 一种铲运机工作机构的控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010754381.8A CN112000095B (zh) 2020-07-30 2020-07-30 一种铲运机工作机构的控制方法

Publications (2)

Publication Number Publication Date
CN112000095A true CN112000095A (zh) 2020-11-27
CN112000095B CN112000095B (zh) 2021-07-09

Family

ID=73462551

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010754381.8A Active CN112000095B (zh) 2020-07-30 2020-07-30 一种铲运机工作机构的控制方法

Country Status (1)

Country Link
CN (1) CN112000095B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113739793A (zh) * 2021-08-17 2021-12-03 厦门大学 一种轮式装载机铲装作业轨迹采集方法和系统
CN114003030A (zh) * 2021-10-09 2022-02-01 北京科技大学 考虑质心变化的两轮差动移动机器人路径跟踪控制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170121939A1 (en) * 2015-10-29 2017-05-04 Gomaco Corporation Coordinated and Proportional Grade and Slope Control Using Gain Matrixes
CN110409528A (zh) * 2019-07-25 2019-11-05 中国航空工业集团公司西安飞行自动控制研究所 一种挖掘机铲斗轨迹自动控制装置、方法和计算机可读存储介质
WO2019228699A1 (de) * 2018-05-30 2019-12-05 Robert Bosch Gmbh Verfahren zur automatisierten steuerung eines baggers
CN110598285A (zh) * 2019-08-29 2019-12-20 江西理工大学 机械手轨迹逆运动学求解方法、装置及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170121939A1 (en) * 2015-10-29 2017-05-04 Gomaco Corporation Coordinated and Proportional Grade and Slope Control Using Gain Matrixes
WO2019228699A1 (de) * 2018-05-30 2019-12-05 Robert Bosch Gmbh Verfahren zur automatisierten steuerung eines baggers
CN110409528A (zh) * 2019-07-25 2019-11-05 中国航空工业集团公司西安飞行自动控制研究所 一种挖掘机铲斗轨迹自动控制装置、方法和计算机可读存储介质
CN110598285A (zh) * 2019-08-29 2019-12-20 江西理工大学 机械手轨迹逆运动学求解方法、装置及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
罗维东 等: ""基于NMPC的地下无人铲运机反应式导航系统"", 《煤炭学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113739793A (zh) * 2021-08-17 2021-12-03 厦门大学 一种轮式装载机铲装作业轨迹采集方法和系统
CN113739793B (zh) * 2021-08-17 2024-02-13 厦门大学 一种轮式装载机铲装作业轨迹采集方法和系统
CN114003030A (zh) * 2021-10-09 2022-02-01 北京科技大学 考虑质心变化的两轮差动移动机器人路径跟踪控制方法
CN114003030B (zh) * 2021-10-09 2023-08-08 北京科技大学 考虑质心变化的两轮差动移动机器人路径跟踪控制方法

Also Published As

Publication number Publication date
CN112000095B (zh) 2021-07-09

Similar Documents

Publication Publication Date Title
CN112000095B (zh) 一种铲运机工作机构的控制方法
Taylor et al. State-dependent control of a hydraulically actuated nuclear decommissioning robot
CN110455290B (zh) 一种智能液压挖掘机的最优轨迹规划方法
CN1651666A (zh) 用于液压挖掘机工作装置的轨迹控制系统及方法
Flores et al. Workspace analysis and maximal force calculation of a face-shovel excavator using kinematical transformers
CN113605483A (zh) 一种挖掘机自动作业控制方法和装置
Renner et al. Online payload estimation for hydraulically actuated manipulators
Gu et al. Proportional‐Integral‐Plus control of an intelligent excavator
Yoshida et al. Practical full automation of excavation and loading for hydraulic excavators in indoor environments
Wind et al. Comparison of joint angle, velocity and acceleration estimators for hydraulically actuated manipulators to a novel dynamical approach
Maeda et al. Iterative autonomous excavation
Płonecki et al. A concept of digital control system to assist the operator of hydraulic excavators
Gu et al. Linear and nonlinear control of a robotic excavator
Corke et al. Vision-based control for mining automation
CN115544768A (zh) 一种自主挖掘作业轨迹生成方法及系统
JP7313633B2 (ja) 位置制御装置及び位置制御方法
Lukashuk et al. Development of optimization algorithm to control open-pit excavator operation
Lukashuk et al. Specifics of Rock Excavation Process Using Open-Pit Excavator
Ding et al. Trajectory planning and control of large robotic excavators based on inclination-displacement mapping
Zheng et al. Dynamic analysis and model predictive control of excavator’s working device
CN117435853B (zh) 一种破土点位坐标计算方法
Liu et al. An Autonomous Hydraulic Mobile Manipulator Control System for Steel Manufacture
Chen et al. Modeling and Control of General Hydraulic Excavator for Human-in-the-loop Automation
Lukashuk et al. Modeling the Process of Rock Excavation with a Front-shovel Operational Equipment of Open-pit Excavators
Corke et al. Modeling and Control of a 3500 tonne Mining Robot

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