CN114378849A - 一种履带消防机器人云台稳定的控制方法 - Google Patents
一种履带消防机器人云台稳定的控制方法 Download PDFInfo
- Publication number
- CN114378849A CN114378849A CN202210285019.XA CN202210285019A CN114378849A CN 114378849 A CN114378849 A CN 114378849A CN 202210285019 A CN202210285019 A CN 202210285019A CN 114378849 A CN114378849 A CN 114378849A
- Authority
- CN
- China
- Prior art keywords
- acceleration
- value
- rigidity
- stiffness
- threshold
- 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
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
-
- 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
- B25J9/1661—Programme controls characterised by programming, planning systems for manipulators characterised by task planning, object-oriented languages
-
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Abstract
本申请提供一种履带消防机器人云台稳定的控制方法,包括以下步骤:构建机器人仿真模型,仿真模型具有第一参数,第一参数包括螺旋弹簧的直径;获取第一参数阈值,得到第一直径阈值;以第一直径阈值计算得到与第一直径阈值对应的第一刚度阈值;以第一刚度阈值构建第一序列,第一序列包括M个第一刚度阈值范围;遍历第一序列中各第一刚度阈值范围,每个第一刚度阈值范围中随机抽取N个第一刚度数值,得到N个第二序列,第二序列包括第一刚度数值;以N个第二序列输入机器人仿真模型,得到N个加速度数值;拟合N个第二序列与N个加速度数值,得到加速度与第二序列之间的拟合函数;求解拟合函数中加速度的最小值,及与其对应的各第一刚度数值。
Description
技术领域
本申请涉及机器人技术领域,具体涉及一种履带消防机器人云台稳定的控制方法。
背景技术
消防机器人多应用于消防部队,属于特种警用机器人范畴。消防机器人是可代替消防员从事特定消防作业的机器人,目前我国履带消防机器人正在蓬勃发展,由中信重工开诚智能装备有限公司生产的消防灭火侦察机器人性能很好,而且已经投入了批量化生产,在多地建立生产车间,该机器人具有防爆、防水等功能,能够实现自我降温,适应于石化、燃气等易爆环境;机器人履带采用耐高温履带,内部有金属骨架,进一步延长履带的使用寿命;该机器人还具备网络通信,可以连接互联网,将数据传输到指挥中心,将由消防人员做出指令;机器人还具有图像采集功能,能够将火场实时信息反馈给消防人员,有助于消防人员采取正确营救方式,避免造成不必要的伤亡。
机器人上安装有图像采集装置的云台,云台不稳定直接影响机器人勘察的准确度,为救援作业带来不便;机器人悬架设有多个油压减振器,来提高云台的稳定性,而通过研究发现,决定云台稳定可通过垂直方向的加速度均方根的值来评判,值越小云台越稳定,故优化悬架参数来减小加速度的研究具有非常重要的意义。
发明内容
鉴于现有技术中的上述缺陷或不足,本申请旨在提供一种履带消防机器人云台稳定的控制方法,包括以下步骤:
S10、构建所述履带消防机器人的仿真模型,所述仿真模型具有第一参数,所述第一参数包括所述机器人的油压减振器的螺旋弹簧的直径;
S20、获取所述仿真模型中的所述第一参数的阈值,得到第一直径阈值;
S30、以所述第一直径阈值计算得到与所述第一直径阈值对应的第一刚度阈值;
S40、以所述第一刚度阈值构建第一序列,所述第一序列包括M个第一刚度阈值范围,其中M≥3;
S50、遍历所述第一序列中各所述第一刚度阈值范围,每个所述第一刚度阈值范围中随机抽取N个第一刚度数值,得到N个第二序列,所述第二序列包括第一刚度数值,其中N≥50;
S60、以N个所述第二序列输入所述仿真模型,得到N个加速度数值;
S70、拟合N个所述第二序列与N个加速度数值,得到加速度与第二序列之间的拟合函数;
S80、求解所述拟合函数中所述加速度为最小值,及当所述加速度为最小值时对应的所述第二序列的各所述第一刚度数值。
根据本申请实施例提供的技术方案,所述履带消防机器人包括油压减振器,所述油压减振器具有螺旋弹簧,所述油压减振器的刚度与所述螺旋弹簧的关系如下公式所示:
其中,X代表所述油压减振器的刚度;G代表所述螺旋弹簧的切变模量;d代表形成所述螺旋弹簧的材料的直径;D代表所述螺旋弹簧中径;n代表所述螺旋弹簧的有效圈数;代表所述螺旋弹簧的刚度;K代表所述油压减振器刚度和所述螺旋弹簧刚度的比例系数。
根据本申请实施例提供的技术方案,所述油压减振器的数量为4时,设定所述油压减振器的刚度为X 1、X 2、X 3及X 4,与其相对应的所述螺旋弹簧中径分别为D 1、D 2、D 3及D 4,所述螺旋弹簧中径的范围为:
30<D i <65(mm),其中i=1,2,3;30<D 4<58(mm);
所述油压减振器的刚度的范围为:
50<X i≤120(N/mm),其中i=1,2,3;115<X 4≤185(N/mm)。
根据本申请实施例提供的技术方案,当所述N=80时,所述拟合函数为:
y=13.5787X 1-22.4121X 2+0.9180X 3+1.1255X 4-0.111X 1 2+0.0446X 2 2
+0.0091X 3 2+0.0004X 4 2+0.0584X 1 X 2+0.0084X 1 X 3-0.0335X 1 X 4
+0.0048X 2 X 3+0.0356X 2 X 4-0.0177X 3 X 4+2747.362
其中,y代表所述加速度。
根据本申请实施例提供的技术方案,通过遗传算法得到所述加速度的最小时,及所述加速度为最小值时对应的所述第一刚度数值;所述遗传算法中的变异概率为0.01,交叉概率为0.8,种群规模为100,进化代数为100。
根据本申请实施例提供的技术方案,采用拉丁超立方抽样在所述第一刚度阈值范围内抽取N个所述第一刚度数值。
根据本申请实施例提供的技术方案,在获得所述拟合函数后,需对所述拟合函数的准确度进行验证,验证的步骤如下:
S90、执行步骤S10-S60,得到N个加速度平均值;
S100、将N个所述第二序列带入所述拟合函数,得到N个拟合加速度数值;
S110、计算获得所述拟合函数的调整系数,所述调整系数的计算公式如下所示:
S120、判断0.9≤R 2<1时,判定所述拟合函数准确;判断R 2<0.9时,增加从所述第一刚度阈值范围中取样的个数,重复执行步骤S60-S120。
根据本申请实施例提供的技术方案,验证所述拟合函数的准确度还包括如下步骤:
S130、执行步骤S90-S100,计算获得所述拟合函数的标准参数,所述标准参数的计算公式如下所示:
S140、判断0<R MSE <0.1时,判定所述拟合函数准确;判断R MSE >0.1时,增加从所述第一刚度阈值范围中取样的个数,重复执行步骤S60-S140。
综上所述,本申请提出一种履带消防机器人云台稳定的控制方法,通过建立消防机器人仿真模型获得多个油压减振器的螺旋弹簧的直径范围,通过此直径范围获得油压减振器刚度的范围,并在此范围内抽取多个刚度数值,将刚度带入仿真模型中得到加速度数值,获得多组刚度和加速度数值,拟合获得关于加速度和多个刚度关系的拟合函数,通过令拟合函数中的加速度最小,获得当加速度最小时,每个刚度的取值,而将加速度最小时,加速度均方根同样取最小时,则此时云台最稳定,故通过优化后的刚度取值,可选择具有此刚度特性的油压减振器,进而提高了云台的稳定性。
附图说明
图1为本申请实施例提供的一种履带消防机器人云台稳定的控制方法的流程示意图;
图2为本申请实施例2提供的通过调整系数判断拟合函数准确度的流程示意图;
图3为本申请实施例2提供的通过标准参数判断拟合函数准确度的流程示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
诚如背景技术中提到的,针对现有技术中的问题,本申请提出了一种履带消防机器人云台稳定的控制方法,包括如下步骤:
S10、构建所述履带消防机器人的仿真模型,所述仿真模型具有第一参数,所述第一参数包括所述机器人的油压减振器的螺旋弹簧的直径;具体地,建立所述消防机器人的多体动力学模型,所述动力学模型由车体、云台、履带及多个油压减振器等组成,设定所述动力学模型的输入为所述油压减振器的刚度,输出为所述消防机器人的垂直加速度;选取多组刚度,获得仿真加速度数值,将选取的刚度输入实际的所述消防机器人中,得到实际加速度数值,将所述仿真加速度数值和所述实际加速度数值进行对比,来验证所述仿真模型的准确性;所述油压减振器包括油气弹簧和套设于所述油气弹簧外的螺旋弹簧,所述油压减振器的刚度取决于所述螺旋弹簧的刚度。
S20、获取所述仿真模型中的所述第一参数的阈值,得到第一直径阈值;具体地,而当所述仿真模型确定后,为了防止所述油压减振器接触到其他部件,所述螺旋弹簧的直径范围则已固定,本实施例中,所述油压减振器的数量为4时,设定所述油压减振器的刚度为X 1、X 2、X 3及X 4,与其相对应的所述螺旋弹簧中径分别为D 1、D 2、D 3及D 4,所述螺旋弹簧中径的范围为:30<D i <65(mm),其中i=1,2,3;30<D 4<58(mm);此范围则为所述的第一直径阈值。
S30、以所述第一直径阈值计算得到与所述第一直径阈值对应的第一刚度阈值;具体地,所述油压减振器包括所述油气弹簧及套设于所述油气弹簧外的所述螺旋弹簧,而所述螺旋弹簧决定了所述油压减振器的刚度
其中,G代表所述螺旋弹簧的切变模量;d代表形成所述螺旋弹簧的材料的直径;D代表所述螺旋弹簧中径;n代表所述螺旋弹簧的有效圈数;而所述油压减振器的刚度与所述螺旋弹簧的刚度成正比,故所述油压减振器的刚度与所述螺旋弹簧的关系如下公式所示:
S40、以所述第一刚度阈值构建第一序列,所述第一序列包括M个第一刚度阈值范围,其中M≥3;具体地,本实施例中,具有4个所述油压减振器,故M=4,通过所述第一直径阈值和公式(1)可得到所述油压减振器的所述第一刚度阈值范围,本实施例中,通过公式(1)获得所述油压减振器的刚度范围后,在此范围内取最优值,并根据经验,使得所述刚度的范围上下幅度35,故所述油压减振器的刚度的范围为:50<X i≤120(N/mm),其中i=1,2,3;115<X 4≤185(N/mm),所述第一序列由四个取值范围组成,为,则每个所述油压减振器的所述第一刚度阈值依次为:
S50、遍历所述第一序列中各所述第一刚度阈值范围,每个所述第一刚度阈值范围中随机抽取N个第一刚度数值,得到N个第二序列,所述第二序列包括第一刚度数值,其中N≥50;优选地,采用拉丁超立方抽样在所述第一刚度阈值范围内抽取N个所述第一刚度数值,所述拉丁超立方抽样是一种从多元参数分布中近似随机抽样的方法,属于分层抽样技术,通过确定的所述第一刚度阈值,对其间数据进行分层抽样,获得N组所述第一刚度数值,M个所述第一刚度取值分别为
所述第二序列包括M个所述第一刚度取值,本实施例中M=4,故所述第二序列为包括四个元素的集合,N个所述第二序列的形式如下所示:
S60、以N个所述第二序列输入所述仿真模型,得到N个加速度数值;所述仿真模型包括四个所述油压减振器,每个所述数值集合包括四个所述油压减振器的刚度,将N个所述数值集合分别作为输入至所述仿真模型,得到N个加速度数值输出,本实施例中选择N为80,则输入80组所述第一刚度数值,得到80个所述加速度数值。
S70、拟合N个所述第二序列与N个加速度数值,得到加速度与第二序列之间的拟合函数;优选地,所述拟合函数为所述仿真模型基于响应面的优化代理模型;所述拟合函数是以加速度为输出,以M个第一刚度为输入。
S80、求解所述拟合函数中所述加速度的最小时,及当所述加速度为最小值时对应的所述第二序列的各所述第一刚度数值;当加速度最小时,加速度的均方根也最小,而加速度的均方根为评判云台稳定的标准,即加速度均方根最小时,云台最稳定,故通过优化后的刚度取值,可选择具有此刚度特性的油压减振器,进而提高了云台的稳定性。
进一步地,当所述N=80时,所述拟合函数为:
y=13.5787X 1-22.4121X 2+0.9180X 3+1.1255X 4-0.111X 1 2+0.0446X 2 2
+0.0091X 3 2+0.0004X 4 2+0.0584X 1 X 2+0.0084X 1 X 3-0.0335X 1 X 4
+0.0048X 2 X 3+0.0356X 2 X 4-0.0177X 3 X 4+2747.362
其中,y代表所述加速度。
通过遗传算法得到所述加速度的最小值,及所述加速度为最小值时对应的所述第一刚度数值;所述遗传算法中的变异概率为0.01,交叉概率为0.8,种群规模为100,进化代数为100;所述遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法,通过所述遗传算法,获得所述第一刚度的最优解,如表1所示:由表1可知,优化后加速度由原来的2026.3mm/s降为1824.39mm/s,降低了9.97%,故提高了云台了稳定性。
实施例2
在获得所述拟合函数后,需对所述拟合函数的准确度进行验证,验证的步骤如下:由于所述拟合函数为所述仿真模型基于响应面的优化代理模型,故要验证所述代理模型的准确性;
S90、执行步骤S10-S60,计算得到N个加速度平均值;本实施例中将80组具有4个第一刚度值的集合输入所述仿真模型,得到80个加速度数值;将80个加速度数值相加取平均,得到加速度平均值;
S100、将N个所述第二序列带入所述拟合函数,得到N个拟合加速度数值;将80组具有4个第一刚度值的集合输入所述拟合函数,得到80个拟合加速度数值;
S110、计算获得所述拟合函数的调整系数,所述调整系数的计算公式如下所示:
S120、判断0.9≤R 2<1时,判定所述拟合函数准确;判断R 2<0.9时,增加从所述第一刚度阈值范围中取样的个数,重复执行步骤S60-S120;本实施例中,0.9≤0.9431<1,故所述拟合函数满足准确度要求,故所述拟合函数可作为所述仿真模型的代理模型,若不满足要求,说明与所述仿真模型之间误差较大,故要增加取样点,即大于80个,使得所述代理模型和仿真模型更加接近。
进一步地,验证所述拟合函数的准确度还包括如下步骤:
S130、执行步骤S90-S100,计算获得所述拟合函数的标准参数,所述标准参数的计算公式如下所示:
其中,R MSE 代表所述标准参数;代表所述拟合加速度数值,代表所述加速度平均值;y i 代表所述加速度数值;通过步骤S90-S110得到加速度数值、加速度平均值以及拟合加速度数值,将三个参数带入公式(3)计算得到所述标准参数,本实施例中计算得出R MSE =0.0678;
S140、判断0<R MSE <0.1时,判定所述拟合函数准确;本实施例中0<0.0678<0.1,故满足要求,通过所述标准参数和所述调整系数双重判断,来提高所述代理模型的准确性;判断R MSE >0.1时,增加从所述第一刚度阈值范围中取样的个数,重复执行步骤S60-S140,即在所述第一刚度阈值范围中取样个数大于80个,再重新判断所述标准参数和所述调整系数的大小,判断所述代理模型的准确度。
本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。以上所述仅是本申请的优选实施方式,应当指出,由于文字表达的有限性,而客观上存在无限的具体结构,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进、润饰或变化,也可以将上述技术特征以适当的方式进行组合;这些改进润饰、变化或组合,或未经改进将发明的构思和技术方案直接应用于其他场合的,均应视为本申请的保护范围。
Claims (8)
1.一种履带消防机器人云台稳定的控制方法,其特征在于:包括以下步骤:
S10、构建所述履带消防机器人的仿真模型,所述仿真模型具有第一参数,所述第一参数包括所述机器人的油压减振器的螺旋弹簧的直径;
S20、获取所述仿真模型中的所述第一参数的阈值,得到第一直径阈值;
S30、以所述第一直径阈值计算得到与所述第一直径阈值对应的第一刚度阈值;
S40、以所述第一刚度阈值构建第一序列,所述第一序列包括M个第一刚度阈值范围,其中M≥3;
S50、遍历所述第一序列中各所述第一刚度阈值范围,每个所述第一刚度阈值范围中随机抽取N个第一刚度数值,得到N个第二序列,所述第二序列包括第一刚度数值,其中N≥50;
S60、以N个所述第二序列输入所述仿真模型,得到N个加速度数值;
S70、拟合N个所述第二序列与N个加速度数值,得到加速度与第二序列之间的拟合函数;
S80、求解所述拟合函数中所述加速度的最小值,及当所述加速度为最小值时对应的所述第二序列的各所述第一刚度数值。
3.根据权利要求2所述的履带消防机器人云台稳定的控制方法,其特征在于:所述油压减振器的数量为4时,设定所述油压减振器的刚度为X 1、X 2、X 3及X 4,与其相对应的所述螺旋弹簧中径分别为D 1、D 2、D 3及D 4,所述螺旋弹簧中径的范围为:
30<D i <65(mm),其中i=1,2,3;30<D 4<58(mm);
所述油压减振器的刚度的范围为:
50<X i≤120(N/mm),其中i=1,2,3;115<X 4≤185(N/mm)。
4.根据权利要求3所述的履带消防机器人云台稳定的控制方法,其特征在于:当所述N=80时,所述拟合函数为:
y=13.5787X 1-22.4121X 2+0.9180X 3+1.1255X 4-0.111X 1 2+0.0446X 2 2
+0.0091X 3 2+0.0004X 4 2+0.0584X 1 X 2+0.0084X 1 X 3-0.0335X 1 X 4
+0.0048X 2 X 3+0.0356X 2 X 4-0.0177X 3 X 4+2747.362
其中,y代表所述加速度。
5.根据权利要求1所述的履带消防机器人云台稳定的控制方法,其特征在于:通过遗传算法得到所述加速度的最小值,及所述加速度为最小值时对应的所述第一刚度数值;所述遗传算法中的变异概率为0.01,交叉概率为0.8,种群规模为100,进化代数为100。
6.根据权利要求1所述的履带消防机器人云台稳定的控制方法,其特征在于:采用拉丁超立方抽样在所述第一刚度阈值范围内抽取N个所述第一刚度数值。
7.根据权利要求1所述的履带消防机器人云台稳定的控制方法,其特征在于:在获得所述拟合函数后,需对所述拟合函数的准确度进行验证,验证的步骤如下:
S90、执行步骤S10-S60,得到N个加速度数值,计算得到N个加速度平均值;
S100、将N个所述第二序列带入所述拟合函数,得到N个拟合加速度数值;
S110、计算获得所述拟合函数的调整系数,所述调整系数的计算公式如下所示:
S120、判断0.9≤R 2<1时,判定所述拟合函数准确;判断R 2<0.9时,增加从所述第一刚度阈值范围中取样的个数,重复执行步骤S60-S120。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210285019.XA CN114378849B (zh) | 2022-03-23 | 2022-03-23 | 一种履带消防机器人云台稳定的控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210285019.XA CN114378849B (zh) | 2022-03-23 | 2022-03-23 | 一种履带消防机器人云台稳定的控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114378849A true CN114378849A (zh) | 2022-04-22 |
CN114378849B CN114378849B (zh) | 2022-06-03 |
Family
ID=81205823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210285019.XA Active CN114378849B (zh) | 2022-03-23 | 2022-03-23 | 一种履带消防机器人云台稳定的控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114378849B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050230557A1 (en) * | 2003-12-30 | 2005-10-20 | Canadian Space Agency | Zero-G emulating testbed for spacecraft control system |
CN104482921A (zh) * | 2014-12-23 | 2015-04-01 | 河北工业大学 | 一种水面目标的测量方法 |
WO2015188514A1 (zh) * | 2014-06-10 | 2015-12-17 | 广东工业大学 | 基于非线性有限元动力学响应仿真的非对称变加速度规划方法 |
CN110457835A (zh) * | 2019-08-15 | 2019-11-15 | 中国北方车辆研究所 | 履带式装甲车辆悬挂装置设计方法 |
CN110815216A (zh) * | 2019-10-25 | 2020-02-21 | 深圳市远弗科技有限公司 | 一种图像采集机器人的参数校准方法及装置 |
CN112606001A (zh) * | 2020-12-27 | 2021-04-06 | 中信重工开诚智能装备有限公司 | 一种电解槽巡检机器人控制系统和控制方法 |
CN114102612A (zh) * | 2022-01-24 | 2022-03-01 | 河北工业大学 | 一种机器人末端路径轮廓误差控制方法 |
-
2022
- 2022-03-23 CN CN202210285019.XA patent/CN114378849B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050230557A1 (en) * | 2003-12-30 | 2005-10-20 | Canadian Space Agency | Zero-G emulating testbed for spacecraft control system |
WO2015188514A1 (zh) * | 2014-06-10 | 2015-12-17 | 广东工业大学 | 基于非线性有限元动力学响应仿真的非对称变加速度规划方法 |
CN104482921A (zh) * | 2014-12-23 | 2015-04-01 | 河北工业大学 | 一种水面目标的测量方法 |
CN110457835A (zh) * | 2019-08-15 | 2019-11-15 | 中国北方车辆研究所 | 履带式装甲车辆悬挂装置设计方法 |
CN110815216A (zh) * | 2019-10-25 | 2020-02-21 | 深圳市远弗科技有限公司 | 一种图像采集机器人的参数校准方法及装置 |
CN112606001A (zh) * | 2020-12-27 | 2021-04-06 | 中信重工开诚智能装备有限公司 | 一种电解槽巡检机器人控制系统和控制方法 |
CN114102612A (zh) * | 2022-01-24 | 2022-03-01 | 河北工业大学 | 一种机器人末端路径轮廓误差控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114378849B (zh) | 2022-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108776683B (zh) | 一种基于孤立森林算法和神经网络的电力运维数据清洗方法 | |
US6701236B2 (en) | Intelligent mechatronic control suspension system based on soft computing | |
CN109033129B (zh) | 基于自适应权重的多源信息融合知识图谱表示学习方法 | |
US20040030420A1 (en) | System and method for nonlinear dynamic control based on soft computing with discrete constraints | |
CN114378849B (zh) | 一种履带消防机器人云台稳定的控制方法 | |
CN110287562B (zh) | 一种高速受电弓结构参数优化方法 | |
Kaldas et al. | Rule optimized fuzzy logic controller for full vehicle semi-active suspension | |
CN109580193A (zh) | 一种在爆炸荷载作用下等截面简支梁荷载系数的计算方法 | |
CN112628955A (zh) | 一种基于lstm神经网络和磷虾群优化算法的室内通风控制方法 | |
CN111452579B (zh) | 基于悬架不变点理论的车辆半主动自适应控制系统及方法 | |
CN106295061B (zh) | 一种全机动力学模型主起落架设计方法及简化结构 | |
CN109917647B (zh) | 一种基于教学策略改进的教与学算法及充液航天器优化滑模控制方法 | |
CN106780163B (zh) | 一种火灾中钢结构坍塌概率评估方法 | |
CN115826402A (zh) | 一种基于深度强化学习算法的主动悬架控制策略生成方法 | |
CN115793446A (zh) | 一种乘波体飞行器的定量预设性能控制方法 | |
LOGZIT et al. | Numerical Model for High Relative Capacity of Tensegrity Cable Domes | |
CN108280520B (zh) | 大气廓线计算方法及装置 | |
CN111221250B (zh) | 一种具有参数不确定性和多个外部扰动的非线性系统及其设计方法 | |
Klinger et al. | Virtual chassis tuning with emphasis on the damper characteristics–a method for optimal integrative damper adjustment by means of vertical and lateral dynamics simulation and evaluation criteria | |
CN115782496B (zh) | 一种基于map控制的半主动悬架系统智能进化方法 | |
CN113326602A (zh) | 一种基于系统敏感系数的防振锤设计方法 | |
CN113125325B (zh) | 一种煤岩裂隙特征表征与渗透性模拟方法 | |
CN117841591B (zh) | 基于改进模糊神经网络pid的isd悬架控制方法 | |
JP3183141B2 (ja) | アクチュエータ制御装置 | |
CN112597641B (zh) | 一种运载器着陆稳定性优化方法 |
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 |