CN114407022A - 一种基于模型参数误差观测器的机械臂碰撞检测方法 - Google Patents

一种基于模型参数误差观测器的机械臂碰撞检测方法 Download PDF

Info

Publication number
CN114407022A
CN114407022A CN202210224029.2A CN202210224029A CN114407022A CN 114407022 A CN114407022 A CN 114407022A CN 202210224029 A CN202210224029 A CN 202210224029A CN 114407022 A CN114407022 A CN 114407022A
Authority
CN
China
Prior art keywords
mechanical arm
joint
residual error
external moment
arm joint
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
CN202210224029.2A
Other languages
English (en)
Other versions
CN114407022B (zh
Inventor
崔士鹏
刘伊威
杨国财
孙永军
刘宏
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.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN202210224029.2A priority Critical patent/CN114407022B/zh
Publication of CN114407022A publication Critical patent/CN114407022A/zh
Application granted granted Critical
Publication of CN114407022B publication Critical patent/CN114407022B/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
    • B25J9/1605—Simulation of manipulator lay-out, design, modelling of manipulator
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/02—Sensing devices
    • 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
    • B25J9/1612—Programme controls characterised by the hand, wrist, grip control
    • 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
    • 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
    • B25J9/1666—Avoiding collision or forbidden zones
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Manipulator (AREA)

Abstract

一种基于模型参数误差观测器的机械臂碰撞检测方法，涉及机械臂检测领域。本发明是为了解决现有的机械臂碰撞检测方法还存在由于系统模型不确定性而导致的碰撞检测精度低的问题。本发明包括：建立机械臂回归模型，并利用机械臂回归模型获取模型参数的名义值pn；采用卡尔曼平滑器观测机械臂关节控制力矩的微分信息以及机械臂关节的速度和加速度；利用机械臂关节的速度、加速度、控制力矩的微分和pn设计机械臂回归模型的自适应律；定义残差r，利用残差r和自适应律获取机械臂关节所受外力矩与残差r的传递函数；利用残差检测机械臂是否发生了碰撞，并获得发生碰撞的机械臂关节所受的外力矩。本发明用于检测机械臂是否发生碰撞及获得碰撞所受外力矩。

Description

一种基于模型参数误差观测器的机械臂碰撞检测方法
技术领域
本发明涉及机械臂检测领域，特别涉及一种基于模型参数误差观测器的机械臂碰撞检测方法。
背景技术
机械臂是一种高精度，多输入多输出、高度非线性、强耦合的复杂系统，在工业机器人作业过程中，若机械臂与工件和设备之间发生接触，易导致机械臂损坏和工件表面划伤，并对工作人员的安全构成了威胁。为保证自身及周围环境的安全性，机械臂应具备感知外部物理碰撞，并可对碰撞做出合理响应的能力。因此，碰撞检测是机械臂实现安全性的前提。
现有碰撞检测方法大多基于力/力矩传感器来检测外部碰撞，但由于价格昂贵，只有少数机械臂配备了力/力矩传感器，依赖于力/力矩传感器的碰撞检测方法的适用范围非常有限；为了提高碰撞检测的适用范围，本领域提出了在机械臂内部安装传感器来实现碰撞检测的方法，该方法降低了机械臂系统的集成难度及成本，适用范围较广，已经发展成为目前主流的研究方向。但在机械臂内部安装传感器的检测方法严重依赖模型精度，由于系统模型的不确定性，大大降低了碰撞检测的精度。
发明内容
本发明目的是为了解决现有的机械臂碰撞检测方法还存在由于系统模型的不确定性而导致的碰撞检测精度低的问题，而提出了一种基于模型参数误差观测器的机械臂碰撞检测方法。
一种基于模型参数误差观测器的机械臂碰撞检测方法具体过程为：
步骤一、建立机械臂的回归模型，并利用机械臂回归模型获取模型参数的名义值pn；
所述利用机械臂回归模型获取模型参数的名义值pn采用三维建模软件计算获得；
步骤二、采用卡尔曼平滑器观测机械臂关节的控制力矩的微分信息以及机械臂关节的速度和加速度信息；
步骤三、利用步骤二获得的机械臂关节的速度、加速度、控制力矩的微分和步骤一获得的pn设计步骤一建立的机械臂回归模型的自适应律；
步骤四、利用步骤一获得的pn和步骤三获得的自适应律获取残差r，然后利用残差r获取机械臂关节所受外力矩与残差r的传递函数；
所述残差r为估计的机械臂所受外力矩；
步骤五、利用步骤四获得的残差检测机械臂是否发生了碰撞，并利用机械臂关节所受外力矩与残差r的传递函数获得发生碰撞的机械臂关节所受的外力矩。
本发明的有益效果为：
本发明无需力/力矩传感器即可实现机械臂的碰撞检测，为机械臂及周围环境提供安全保障，同时由于无需使用力矩传感器降低了检测成本。本发明通过卡尔曼光滑器观测机械臂控制量和状态量信息，降低了控制量和状态量信息的观测难度，降低了工程实现难度。本发明设计了机械臂回归模型的自适应律，解决了系统模型不确定性对检测精度的不良影响，提高了碰撞检测精度。
附图说明
图1为本发明整体流程图；
图2为本发明机械臂碰撞检测方法框图。
具体实施方式
具体实施方式一：本实施方式一种基于模型参数误差观测器的机械臂碰撞检测方法，具体流程如图1所示，具体过程包括以下步骤：
步骤一、建立机械臂的回归模型，并利用机械臂回归模型获取模型参数的名义值pn，包括以下步骤：
步骤一一、建立机械臂的回归模型：
Figure BDA0003534964210000021
其中，q，
Figure BDA0003534964210000022
分别为机械臂关节位置，速度，加速度；M(q)是机械臂的惯量矩阵，D是粘性摩擦矩阵，g(q)是重力向量，
Figure BDA0003534964210000023
为机械臂的科氏力和向心力矩阵，τm是机械臂关节控制力矩，τext是机械臂所受外力矩，
Figure BDA0003534964210000024
是机械臂的回归矩阵，p为动力学参数，pn是模型参数的名义值，δp是参数误差；
由公式(1)可得：
Figure BDA0003534964210000025
步骤一二、利用三维建模软件计算和模型参数辨识实验对步骤一一获得的机械臂回归模型进行处理获得模型参数的名义值pn。
步骤二、采用卡尔曼平滑器观测机械臂关节的控制力矩的微分信息以及机械臂关节的速度和加速度信息；
所述机械臂关节的控制力矩通过以下方式获得：
τm＝kI (3)
其中，k为正定对角矩阵，I是机械臂的控制电流；
所述机械臂关节的速度和加速度通过以下方式获得：
通过位置传感器获取机械臂的位置信息并利用机械臂的位置信息获得机械臂关节的速度和加速度；
步骤三、利用步骤二获得的机械臂关节的速度、加速度、控制力矩的微分和步骤一获得的pn设计步骤一建立的机械臂回归模型的自适应律，如下：
Figure BDA0003534964210000031
其中，
Figure BDA0003534964210000032
为
Figure BDA0003534964210000033
的伪逆矩阵，Kc为对角正定矩阵，
Figure BDA0003534964210000034
是机械臂回归模型的自适应律，
Figure BDA0003534964210000035
是机械臂回归模型自适应律的导数，
Figure BDA0003534964210000036
是
Figure BDA0003534964210000037
的导数，
Figure BDA0003534964210000038
是τm的导数；
从而公式(4)改写为如下形式：
Figure BDA0003534964210000039
由于名义模型参数pn是定常向量，所以公式(5)改写为：
Figure BDA00035349642100000310
公式(6)改写为：
Figure BDA00035349642100000311
步骤四、利用步骤一获得的pn和步骤三获得的自适应律获取残差r，然后利用步骤三获取的自适应律和残差r获取机械臂关节所受外力矩与残差r的传递函数，如图2所示，包括以下步骤：
步骤四一、利用步骤一获得的回归模型的名义值pn和步骤三获得的自适应律定义残差r如下：
Figure BDA00035349642100000312
其中，残差r即为估计的机械臂关节所受的外力矩；
步骤四二、利用步骤四一定义的残差r和步骤一获得的机械臂回归模型获得残差r与机械臂关节所受外力矩τext的差：
首先，公式(8)同公式(2)相减可得：
Figure BDA0003534964210000041
步骤四三、将步骤四一获得的残差r和步骤四二获得的残差r与机械臂关节所受的外力矩τext的差代入步骤三获得的自适应律，获得残差r与机械臂关节所受外力矩的关系：
然后，将公式(8)和公式(9)代入公式(7)，获得如下公式：
Figure BDA0003534964210000042
步骤四四、利用步骤四三获得的残差r与机械臂关节所受外力矩的关系获取机械臂关节所受外力矩与残差的传递函数：
Figure BDA0003534964210000043
其中，Kcj为矩阵Kc的第j个对角元素，s为复变量，j是关节臂的关节标号，τext,j是关节臂第j个关节所受的外力矩。
步骤五、利用步骤四获得残差的检测机械臂是否发生了碰撞，并利用机械臂关节所受外力矩与残差r的传递函数获得发生碰撞的机械臂关节所受的外力矩，包括以下步骤：
由公式(11)可以看出，本发明中的基于模型参数误差观测器的机械臂碰撞检测方法利用残差r估计机械臂关节所受外力矩τext，本质上是通过一阶低通滤波器来实现的。当矩阵Kc对角元素的值足够大时，残差r收敛于外力矩τext。
理论上在机械臂正常运行过程中，残差元素rj的值应该是零；但是当机械臂发生碰撞时，外力矩被引入到机械臂系统中，残差元素rj的值就会增加。因此，根据碰撞要求设定合适的阈值rth，当任一残差元素rj的值超过阈值时表明说明机械臂与外界发生了碰撞。将大于预设残差阈值的残差代入步骤四获得的机械臂关节所受外力矩与残差的传递函数中，获得发生碰撞的机械臂关节所受的外力矩。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的一般技术人员来说，依据本发明的思想，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种基于模型参数误差观测器的机械臂碰撞检测方法，其特征在于所述方法具体过程为：
步骤一、建立机械臂的回归模型，并利用机械臂回归模型获取模型参数的名义值pn；
所述利用机械臂回归模型获取模型参数的名义值pn采用三维建模软件计算获得；
步骤二、采用卡尔曼平滑器观测机械臂关节的控制力矩的微分信息以及机械臂关节的速度和加速度信息；
步骤三、利用步骤二获得的机械臂关节的速度、加速度、控制力矩的微分和步骤一获得的pn设计步骤一建立的机械臂回归模型的自适应律；
步骤四、利用步骤一获得的pn和步骤三获得的自适应律获取残差r，然后利用残差r获取机械臂关节所受外力矩与残差r的传递函数；
所述残差r为估计的机械臂所受外力矩；
步骤五、利用步骤四获得的残差检测机械臂是否发生了碰撞，并利用机械臂关节所受外力矩与残差r的传递函数获得发生碰撞的机械臂关节所受的外力矩。
2.根据权利要求1所述的一种基于模型参数误差观测器的机械臂碰撞检测方法，其特征在于：所述步骤一中的机械臂的回归模型，如下：
Figure FDA0003534964200000011
因此，
Figure FDA0003534964200000012
其中，q为机械臂关节位置，
Figure FDA0003534964200000013
为机械臂关节速度，
Figure FDA0003534964200000014
为机械臂关节加速度，M(q)是机械臂的惯量矩阵，D是粘性摩擦矩阵，g(q)是重力向量，
Figure FDA0003534964200000015
为机械臂的科氏力和向心力矩阵，τm是机械臂关节控制力矩，τext是机械臂关节所受外力矩，
Figure FDA0003534964200000016
是机械臂的回归矩阵，p为动力学参数，pn是模型参数的名义值，δp是参数误差。
3.根据权利要求2所述的一种基于模型参数误差观测器的机械臂碰撞检测方法，其特征在于：所述步骤二中的机械臂关节的控制力矩，通过以下方式获得：
τm＝kI (3)
其中，k为正定对角矩阵，I是机械臂的控制电流。
4.根据权利要求3所述的一种基于模型参数误差观测器的机械臂碰撞检测方法，其特征在于：所述步骤二中的机械臂关节的速度和加速度信息通过利用位置传感器获取的机械臂的位置计算获得。
5.根据权利要求4所述的一种基于模型参数误差观测器的机械臂碰撞检测方法，其特征在于：所述步骤三中的利用步骤二获得的机械臂关节的速度、加速度、控制力矩的微分和步骤一获得的pn设计步骤一建立的机械臂回归模型的自适应律，如下：
Figure FDA0003534964200000021
其中，Kc为对角正定矩阵，
Figure FDA0003534964200000022
是机械臂回归模型的自适应律。
6.根据权利要求5所述的一种基于模型参数误差观测器的机械臂碰撞检测方法，其特征在于：所述步骤四中的利用步骤一获得的pn和步骤三获得的自适应律获取残差r，然后利用残差r获取机械臂关节所受外力矩与残差r的传递函数，包括以下步骤：
步骤四一、利用步骤一获得的pn和步骤三获得的自适应律定义残差r如下：
Figure FDA0003534964200000023
步骤四二、利用步骤四一定义的残差r和步骤一获得的机械臂回归模型获得残差r与机械臂关节所受外力矩τext的差；
步骤四三、将步骤四一获得的残差r和步骤四二获得的残差r与机械臂关节所受的外力矩τext的差代入步骤三获得的自适应律，获得残差r与机械臂关节所受外力矩的关系；
步骤四四、利用步骤四三获得的残差r与机械臂关节所受外力矩的关系获取机械臂关节所受外力矩与残差的传递函数。
7.根据权利要求6所述的一种基于模型参数误差观测器的机械臂碰撞检测方法，其特征在于：所述步骤四二中的利用步骤四一定义的残差r和步骤一获得的机械臂回归模型获得残差r与机械臂关节所受外力矩τext的差，如下：
Figure FDA0003534964200000024
8.根据权利要求7所述的一种基于模型参数误差观测器的机械臂碰撞检测方法，其特征在于：所述步骤四三中的将步骤四一获得的残差r和步骤四二获得的残差r与机械臂关节所受的外力矩τext的差代入步骤三获得的自适应律，获得残差r与机械臂关节所受外力矩的关系，如下式：
Figure FDA0003534964200000025
9.根据权利要求8所述的一种基于模型参数误差观测器的机械臂碰撞检测方法，其特征在于：所述步骤四四中的利用步骤四三获得的残差r与机械臂关节所受外力矩的关系获取机械臂关节所受外力矩与残差的传递函数，如下：
Figure FDA0003534964200000031
其中，Kcj为矩阵Kc的第j个对角元素，s为复变量，j是关节臂的关节标号，τext,j是关节臂第j个关节所受的外力矩。
10.根据权利要求9所述的一种基于模型参数误差观测器的机械臂碰撞检测方法，其特征在于：所述步骤五中的利用步骤四获得的残差检测机械臂是否发生了碰撞，并利用机械臂关节所受外力矩与残差r的传递函数获得发生碰撞的机械臂关节所受的外力矩，包括以下步骤：
步骤五一、将步骤四获得的残差与预设残差阈值rth进行比较，若大于预设残差阈值则说明机械臂与外界发生了碰撞，若小于预设残差阈值则说明机械臂未与外界发生碰撞；
步骤五二、将大于预设残差阈值的残差代入步骤四获得的机械臂关节所受外力矩与残差的传递函数中，获得发生碰撞的机械臂关节所受的外力矩。
CN202210224029.2A 2022-03-07 2022-03-07 一种基于模型参数误差观测器的机械臂碰撞检测方法 Active CN114407022B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210224029.2A CN114407022B (zh) 2022-03-07 2022-03-07 一种基于模型参数误差观测器的机械臂碰撞检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210224029.2A CN114407022B (zh) 2022-03-07 2022-03-07 一种基于模型参数误差观测器的机械臂碰撞检测方法

Publications (2)

Publication Number Publication Date
CN114407022A true CN114407022A (zh) 2022-04-29
CN114407022B CN114407022B (zh) 2022-09-09

Family

ID=81263915

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210224029.2A Active CN114407022B (zh) 2022-03-07 2022-03-07 一种基于模型参数误差观测器的机械臂碰撞检测方法

Country Status (1)

Country Link
CN (1) CN114407022B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115496099A (zh) * 2022-09-20 2022-12-20 哈尔滨工业大学 一种机械臂传感器的滤波及高阶状态观测方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100113980A1 (en) * 2008-09-04 2010-05-06 Iwalk, Inc. Hybrid Terrain-Adaptive Lower-Extremity Systems
US20160001446A1 (en) * 2013-02-14 2016-01-07 Commissariat A L'energie Atomique Et Aux Energies Alternatives Method for the improved detection of the collision of a robot with its environment, system and computer program product implementing said method
CN105700348A (zh) * 2014-12-15 2016-06-22 南京理工大学 一种基于扰动上界估计的电动转台位置跟踪控制方法
CN108000521A (zh) * 2017-12-06 2018-05-08 天津大学 一种无传感器式协作机器人碰撞检测方法
US20190070731A1 (en) * 2017-09-06 2019-03-07 Stryker Corporation Techniques For Controlling Position Of An End Effector Of A Robotic Device Relative To A Virtual Constraint
CN110394801A (zh) * 2019-08-06 2019-11-01 前元运立(北京)机器人智能科技有限公司 一种机器人的关节控制系统
CN111596678A (zh) * 2020-05-07 2020-08-28 北京航空航天大学 一种航天器逼近空间翻滚目标的相对位置自适应控制方法
US20200338723A1 (en) * 2019-04-27 2020-10-29 The Johns Hopkins University Data-Driven Collision Detection For Manipulator Arms
CN112817231A (zh) * 2020-12-31 2021-05-18 南京工大数控科技有限公司 一种具有强鲁棒性的机械臂高精度跟踪控制方法
CN113103237A (zh) * 2021-04-25 2021-07-13 长春工业大学 一种面向未知环境约束的可重构机械臂控制方法及系统
CN113246137A (zh) * 2021-06-09 2021-08-13 上海机器人产业技术研究院有限公司 基于外力矩估计模型的机器人碰撞检测方法
CN113799124A (zh) * 2021-08-30 2021-12-17 贵州大学 一种非结构化环境的机器人灵活抓取检测方法
CN114012734A (zh) * 2021-12-03 2022-02-08 西安交通大学 一种参数自适应的机器人碰撞检测方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100113980A1 (en) * 2008-09-04 2010-05-06 Iwalk, Inc. Hybrid Terrain-Adaptive Lower-Extremity Systems
US20160001446A1 (en) * 2013-02-14 2016-01-07 Commissariat A L'energie Atomique Et Aux Energies Alternatives Method for the improved detection of the collision of a robot with its environment, system and computer program product implementing said method
CN105700348A (zh) * 2014-12-15 2016-06-22 南京理工大学 一种基于扰动上界估计的电动转台位置跟踪控制方法
US20190070731A1 (en) * 2017-09-06 2019-03-07 Stryker Corporation Techniques For Controlling Position Of An End Effector Of A Robotic Device Relative To A Virtual Constraint
CN108000521A (zh) * 2017-12-06 2018-05-08 天津大学 一种无传感器式协作机器人碰撞检测方法
US20200338723A1 (en) * 2019-04-27 2020-10-29 The Johns Hopkins University Data-Driven Collision Detection For Manipulator Arms
CN110394801A (zh) * 2019-08-06 2019-11-01 前元运立(北京)机器人智能科技有限公司 一种机器人的关节控制系统
CN111596678A (zh) * 2020-05-07 2020-08-28 北京航空航天大学 一种航天器逼近空间翻滚目标的相对位置自适应控制方法
CN112817231A (zh) * 2020-12-31 2021-05-18 南京工大数控科技有限公司 一种具有强鲁棒性的机械臂高精度跟踪控制方法
CN113103237A (zh) * 2021-04-25 2021-07-13 长春工业大学 一种面向未知环境约束的可重构机械臂控制方法及系统
CN113246137A (zh) * 2021-06-09 2021-08-13 上海机器人产业技术研究院有限公司 基于外力矩估计模型的机器人碰撞检测方法
CN113799124A (zh) * 2021-08-30 2021-12-17 贵州大学 一种非结构化环境的机器人灵活抓取检测方法
CN114012734A (zh) * 2021-12-03 2022-02-08 西安交通大学 一种参数自适应的机器人碰撞检测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115496099A (zh) * 2022-09-20 2022-12-20 哈尔滨工业大学 一种机械臂传感器的滤波及高阶状态观测方法
CN115496099B (zh) * 2022-09-20 2023-06-23 哈尔滨工业大学 一种机械臂传感器的滤波及高阶状态观测方法

Also Published As

Publication number Publication date
CN114407022B (zh) 2022-09-09

Similar Documents

Publication Publication Date Title
CN109940622B (zh) 一种基于电机电流的机器人机械臂无传感碰撞检测方法
Wahrburg et al. Cartesian contact force estimation for robotic manipulators using Kalman filters and the generalized momentum
EP2939797B1 (en) Motion limiting device and motion limiting method
US10478969B2 (en) Method for the improved detection of the collision of a robot with its environment, system and computer program product implementing said method
CN108015774B (zh) 一种无需传感器的机械臂碰撞检测方法
CN112743541B (zh) 一种无力/力矩传感器机械臂软浮动控制方法
CN111267105A (zh) 一种六关节机器人的动力学参数辨识及碰撞检测方法
CN114407022B (zh) 一种基于模型参数误差观测器的机械臂碰撞检测方法
Sotoudehnejad et al. Counteracting modeling errors for sensitive observer-based manipulator collision detection
Hua et al. Visual tracking control for an uncalibrated robot system with unknown camera parameters
CN110682290B (zh) 一种基于动量观测器的闭环机械臂系统碰撞检测方法
CN113021353B (zh) 机器人碰撞检测方法
CN108445778B (zh) 一种针对空间非合作目标非完全约束组合体的动力学建模方法
CN113246137A (zh) 基于外力矩估计模型的机器人碰撞检测方法
Kubus et al. Improving force control performance by computational elimination of non-contact forces/torques
Andersen et al. Measuring and modelling delays in robot manipulators for temporally precise control using machine learning
CN115586724B (zh) 一种齿轮巡检机器人系统自适应分数阶全局滑模控制方法
Wagner et al. Interval-arithmetic-based trajectory scaling and collision detection for robots with uncertain dynamics
CN114516050B (zh) 基于位形雅可比条件数优化的机器人外力估计方法及系统
Dimeas et al. Robot collision detection based on fuzzy identification and time series modelling
Lotfi et al. Global adaptive estimation of joint velocities in robotic manipulators
Sotoudehnejad et al. Velocity-based variable thresholds for improving collision detection in manipulators
Hur et al. Joint space torque controller based on time-delay control with collision detection
JP4223911B2 (ja) 衝突検知方法及び衝突検知装置
KR101064516B1 (ko) 순외력 측정을 위한 힘 센서 검출 신호 보정 방법

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
CB03 Change of inventor or designer information

Inventor after: Liu Yiwei

Inventor after: Yang Guocai

Inventor after: Cui Shipeng

Inventor after: Sun Yongjun

Inventor after: Liu Hong

Inventor before: Cui Shipeng

Inventor before: Liu Yiwei

Inventor before: Yang Guocai

Inventor before: Sun Yongjun

Inventor before: Liu Hong

CB03 Change of inventor or designer information