CN114609911B - 一种抗干扰自适应力位协调控制方法 - Google Patents

一种抗干扰自适应力位协调控制方法 Download PDF

Info

Publication number
CN114609911B
CN114609911B CN202210254141.0A CN202210254141A CN114609911B CN 114609911 B CN114609911 B CN 114609911B CN 202210254141 A CN202210254141 A CN 202210254141A CN 114609911 B CN114609911 B CN 114609911B
Authority
CN
China
Prior art keywords
force
control
adaptive
error
information
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
CN202210254141.0A
Other languages
English (en)
Other versions
CN114609911A (zh
Inventor
傅舰艇
尹韶云
孙秀辉
陈建军
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.)
Chongqing Institute of Green and Intelligent Technology of CAS
Original Assignee
Chongqing Institute of Green and Intelligent 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 Chongqing Institute of Green and Intelligent Technology of CAS filed Critical Chongqing Institute of Green and Intelligent Technology of CAS
Priority to CN202210254141.0A priority Critical patent/CN114609911B/zh
Publication of CN114609911A publication Critical patent/CN114609911A/zh
Application granted granted Critical
Publication of CN114609911B publication Critical patent/CN114609911B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Abstract

本发明公开了一种抗干扰自适应力位协调控制方法，应用于假手控制技术领域。主要针对在多重扰动问题下，尤其是随机扰动下的多灵巧手指控制系统的协调控制问题，在阻抗控制、自适应控制和干扰观测器的控制方案下，针对多手指控制系统，提出了一种抗干扰自适应协调控制策略。本控制策略利用阻抗控制实现力度闭环控制，利用干扰观测器消除系统时变干扰，利用自适应控制消除非时变干扰。根据反步控制、李雅普诺夫稳定性理论和随机控制系统的基础，保证了跟踪误差系统的均方指数稳定。利用所提出的控制策略提高了多个手指抓取物体过程中力闭环协同控制的鲁棒性。

Description

一种抗干扰自适应力位协调控制方法
技术领域
本发明涉及假手控制技术领域，更具体的说是涉及一种抗干扰自适应力位协调控制方法。
背景技术
近些年，肌电假手的研发进入了突飞猛进的发展阶段，出现了一些商业化假肢产品，如英国苏格兰科技公司Touch Bionics，德国的Ottobock公司，美国Motion Control、Liberating Technologies公司，以及国内丹阳假肢厂等出产的假手产品。国内一些大学和研究机构在智能肌电假手方面展开了相关研究，并取得了一定的成果，中国科学技术大学、上海交通大学和深圳先进院着重在肌电信号的识别算法的研究，东南大学、华中科技大学和哈尔滨工业大学重点研究机械结构优化和运动控制算法。目前，因肌电假手缺少力度控制、抓取易受外界干扰等不足，还不能完全满足患者对人工义肢的需求。
因此，如何提供一种抗干扰自适应力位协调控制方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种抗干扰自适应力位协调控制方法以解决上述技术问题。
为了实现上述目的，本发明提供如下技术方案：
一种抗干扰自适应力位协调控制方法，具体步骤如下：
以机械假手作为被控对象，基于获取的机械假手的抓取力和期望力对肌电信号进行阻抗控制；
通过力觉传感器获得机械假手指尖的力度信息Fe，并计算期望的力度信息Fd和检测力度信息Fe的跟随误差Fs；
结合假手的跟随误差Fs和姿态信息Xd，通过阻抗控制计算出期望轨迹姿态Xc；
基于机械假手的当前各个关节角度信息，利用正运动学计算得到指尖姿态信息Xe；
将期望轨迹姿态Xc和指尖姿态信息Xe的跟随误差通过逆运动学计算各个关节期望轨迹角度变化；
进一步利用指尖各关节期望轨迹角度和当前位姿信息设计扰动观测器和自适应律，并利用反步法设计控制器；
将控制信号发送给所述机械假手。
可选的，在上述的一种抗干扰自适应力位协调控制方法中，获取的机械假手的期望轨迹Xc步骤如下：
通过期望的力度信息Fd和检测力度信息Fe计算得到跟随误差Fs；
阻抗控制器的任务
Figure BDA0003548143820000021
其中N,B,K表示阻抗参数，根据系统力度控制性能设置，由此得：Xc＝f(Fd,Fe,Xd)；
结合假手期待的力度跟随误差信息Fs和姿态信息Xd，通过阻抗控制计算出期望轨迹姿态Xc，Xc＝f(Fs,Xd)。
可选的，在上述的一种抗干扰自适应力位协调控制方法中，利用正运动学通过指尖各关节角度计算得到机械假手的期望位姿信息具体步骤如下：
仿生单手指具有4个自由度和3个指段组成；采用DH方法建立了灵巧手的坐标系，得到相邻关节之间的齐次变换矩阵；
将各关节参数代入齐次变换矩阵，则指尖相对于坐标系的变换矩阵；
根据变换矩阵中的位置变换向量得到单手指指尖位置和手指关节角度之间的关系；
通过单手指指尖的运动推导各个关节的指尖的速度关系，构建速度雅克比矩阵；
在机器人处于位置控制状态时通过单手指的逆运动学解算获得指尖期望位姿所对应的关节角度，
Figure BDA0003548143820000031
其中T为坐标系转换矩阵，
Figure BDA0003548143820000032
是T的伪逆，进而驱动各个关节使单手指达到期望位姿。
可选的，在上述的一种抗干扰自适应力位协调控制方法中，假手在预期的力度Fd(t)和姿态Xd(t)实现对被抓取物体的指令轨迹跟踪，具体步骤如下：
联合5个手指的动力学方程和被抓取物体的动力学方程，建立统一的动力学模型，力位动力学模型
Figure BDA0003548143820000033
其中DX(X)质量矩阵，
Figure BDA0003548143820000034
是离心力和哥氏力矢量，GX(X)是重力矢量；系统的随机形式写成：
dx1(t)＝x2(t)
dx2(t)＝M-1(x1(t))(-C(x1(t))x2(t)-G(x1(t))+u(t)+D(x1(t))d(t)+Fd(t)-Fe(t))dt+M-1(x1(t))Λ(x1(t))dμ(t)
其中：x1(t)＝xo(t)，
Figure BDA0003548143820000035
μ(t)是一维标准维纳过程的时变函数；随机扰动Λ(x1(t))dμ(t)是由白噪声ξ(t)引入的；M是干扰系统的参数；其中DX(X)质量矩阵，
Figure BDA0003548143820000036
是离心力和哥氏力矢量，GX(X)是重力矢量；
进一步利用指尖各关节角度和期望位姿信息设计扰动观测器和自适应律，并利用反步法设计控制器；
由以下要构建的干扰观测器生成。
de2(t)＝(-k2e2(t)+ua(t)+M-1(x1(t))D(x1(t))Mew(t))dt+M-1(x1(t))Λ(x1(t))dμ(t)
其中：
Figure BDA0003548143820000037
是估计误差，
Figure BDA0003548143820000038
是w(t)的估计，干扰观测器设计如下：
Figure BDA0003548143820000041
Figure BDA0003548143820000042
Figure BDA0003548143820000043
估计误差的动态显示为：
Figure BDA0003548143820000044
设计自适应调律如下：
Figure BDA0003548143820000045
Figure BDA0003548143820000046
Figure BDA0003548143820000047
其中，
Figure BDA0003548143820000048
是手指关节1角度的估计，
Figure BDA0003548143820000049
是手指关节2的角度估计，系数ε1＞0,ε2＞0,ε3＞0,ε4＞0,ε5＞0和λ1＞0，λ2＞0；φ2′(x1(t),xd(t))是手指规划轨迹的已知函数。
利用反步法，设计抗干扰自适应控制器如下：
Figure BDA00035481438200000410
Figure BDA00035481438200000411
其中，k1是线性误差的系数，
Figure BDA00035481438200000412
是系统扰动误差的估计。
由李雅普诺夫稳定性判定得到复合闭环系统如下所示：
Figure BDA0003548143820000051
在上述讨论的基础上，得出以下主要结果的定理，即给出了保证复合闭环系统在均方指数稳定的充分条件。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种抗干扰自适应力位协调控制方法，在多重扰动问题下，尤其是随机扰动下的多灵巧手指控制系统的协调控制问题。在反步控制方案下，针对多手指控制系统，提出了一种抗干扰自适应协调控制策略。常见的时变干扰通过干扰观测器控制方法消除；另一部分由随机白噪声引起的干扰通过自适应控制方案被消除。然后，根据李雅普诺夫稳定性理论和随机控制系统的基础，保证了跟踪误差系统的均方指数稳定。利用所提出的控制策略对多个手指协同控制具有抗干扰性和鲁棒性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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，还可以根据提供的附图获得其他的附图。
图1为本发明的方法示意图；
图2为本发明的实施例被抓取物体的抓取力度fd(t)跟随效果示意图；
图3为本发明的实施例被抓取物体的轨迹
Figure BDA0003548143820000061
跟随效果示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例考虑两个仿人型手指进行仿真，以验证本发明设计的控制器的控制性能。参考多臂协作的动力学模型，本实施例建立了两个手指抓取物体的动力学模型，第i个手指的动力学方程的质量矩阵Di(qi)
Figure BDA0003548143820000062
其中：
di11(qi)＝pi1+2pi2 cos(qi2)+2pi3 cos(qi3)+2pi4 cos(qi2+qi3)
di12(qi)＝pi5+pi2 cos(qi2)+2pi3 cos(qi3)+pi4 cos(qi2+qi3)
di13(qi)＝pi6+pi3 cos(qi3)+pi4 cos(qi2+qi3)
di21(qi)＝di12(qi)
di22(qi)＝pi5+2pi3 cos(qi3)
di23(qi)＝pi6+pi3 cos(qi3)
di31(qi)＝di13(qi)
di32(qi)＝di23(qi)
di33(qi)＝pi6
离心力和哥氏力矢量矩阵：
Figure BDA0003548143820000063
其中：
Figure BDA0003548143820000071
Figure BDA0003548143820000072
Figure BDA0003548143820000073
Figure BDA0003548143820000074
Figure BDA0003548143820000075
Figure BDA0003548143820000076
Figure BDA0003548143820000077
Figure BDA0003548143820000078
Figure BDA0003548143820000079
重力矢量：
Figure BDA00035481438200000710
其中：
gi1(qi)＝pi7 cos(qi1)+pi8 cos(qi1+qi2)+pi9 cos(qi1+qi2+qi3)gi2(qi)＝pi8 cos(qi1+qi2)+pi9 cos(qi1+qi2+qi3)
gi3(qi)＝pi9 cos(qi1+qi2+qi3)
Figure BDA00035481438200000711
Pi2＝mi3li2
Pi3＝mi3li1
Figure BDA00035481438200000712
Figure BDA00035481438200000713
Figure BDA00035481438200000714
Figure BDA00035481438200000715
Pi8＝pi6+pi7
Figure BDA00035481438200000716
相应的Jacobian矩阵：
Figure BDA0003548143820000081
其中：
ji11(qi)＝-li1 sin(qi1)-li2 sin(qi1+qi2)-li3 sin(qi1+qi2+qi3)
ji12(qi)＝-li2 sin(qi1+qi2)-li3 sin(qi1+qi2+qi3)
ji13(qi)＝-li3 sin(qi1+qi2+qi3)
ji21(qi)＝li1 cos(qi1)+li2 cos(qi1+qi2)+li3 cos(qi1+qi2+qi3)
ji22(qi)＝li2 cos(qi1+qi2)+li3 cos(qi1+qi2+qi3)
ji23(qi)＝li3 cos(qi1+qi2+qi3)
ji31(qi)＝ji32(qi)＝ji33(qi)＝1
li1,li2,li3分别表示第i个手指的三个指段的长度，仿真取值li1＝0.05m，li2＝0.03m，li3＝0.02m。
被抓取物体的动力学方程如下：
Figure BDA0003548143820000082
Figure BDA0003548143820000083
其中：mo和Io分别为物体的质量和转动惯量，以及
Figure BDA0003548143820000084
其中：lil是从第i个指尖到物体质量中心的距离。
预定义抓取力度信号：
fd(t)＝100N
预定义的轨迹信号选择为
Figure BDA0003548143820000085
扰动d(t)的系统参数设置为：
Figure BDA0003548143820000091
选择随机扰动的时变参数作为：
Figure BDA0003548143820000092
φ1(t)和φ2(t)定义为φ1(t)＝10(cos(q11(t)))2和φ2(t)＝10(cos(q11(t)))2，被抓取对象初始化参数设置为xo(t)＝(-0.006 0.026 -0.004)。
仿真结果如图2-图3所示，被抓取物体的抓取力度跟随效果如图2所示，被抓取物体的轨迹跟随效果如图3所示，结果表明对象系统可以在合理范围内跟踪设计控制器下的预定义抓取力度和状态轨迹，抓取力度跟随误差控制在1％之内，轨迹跟踪相对误差控制0.5％之内。总之，这些仿真结果表明，利用所提出的控制策略实现对多个手指力度和姿态协同控制，并提高抗干扰性和鲁棒性。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.一种抗干扰自适应力位协调控制方法，其特征在于，具体步骤如下：
以机械假手作为被控对象，基于获取的机械假手的抓取力和期望力对肌电信号进行阻抗控制；
通过力觉传感器获得机械假手指尖的力度信息Fe，并计算期望的力度信息Fd和检测力度信息Fe的跟随误差Fs；
结合假手的跟随误差Fs和姿态信息Xd，通过阻抗控制计算出期望轨迹姿态Xc；
基于机械假手的当前各个关节角度信息，利用正运动学计算得到指尖姿态信息Xe；
将期望轨迹姿态Xc和指尖姿态信息Xe的跟随误差通过逆运动学计算各个关节期望轨迹角度变化；
进一步利用指尖各关节期望轨迹角度和当前位姿信息设计扰动观测器和自适应律，并利用反步法设计控制器；
将控制器输出信号发送给所述机械假手进行抓取力度和姿态同步控制。
2.根据权利要求1所述的一种抗干扰自适应力位协调控制方法，其特征在于，获取的机械假手的期望轨迹Xc步骤如下：
通过期望的力度信息Fd和检测力度信息Fe计算得到跟随误差Fs；
阻抗控制器的任务
Figure FDA0003548143810000011
其中N,B,K表示阻抗参数，根据系统力度控制性能设置，由此得：Xc＝f(Fd,Fe,Xd)；
结合假手期待的力度跟随误差信息Fs和姿态信息Xd，通过阻抗控制计算出期望轨迹姿态Xc。
3.根据权利要求1所述的一种抗干扰自适应力位协调控制方法，其特征在于，利用运动学建立机械假手指尖期望力位信息和手指各关节角度关系的具体步骤如下：
采用DH方法建立了灵巧手的坐标系，得到相邻关节之间的齐次变换矩阵；
将各关节参数代入齐次变换矩阵，则指尖相对于坐标系的变换矩阵；
根据变换矩阵中的位置变换向量得到单手指指尖姿态和手指关节角度之间的关系；
通过单手指指尖的期望运动推导各个关节的速度关系，构建速度雅克比矩阵；
在机器人处于位置控制状态时通过单手指的逆运动学解算获得指尖期望位姿所对应的关节角度，进而驱动各个关节使手指指尖达到期望力位控制。
4.根据权利要求1所述的一种抗干扰自适应力位协调控制方法，其特征在于，假手在预期的力度Fd(t)和姿态Xd(t)实现对被抓取物体的指令轨迹跟踪，具体步骤如下：
联合5个手指的动力学方程和被抓取物体的动力学方程，建立统一的动力学模型，力位动力学模型
Figure FDA0003548143810000021
其中DX(X)质量矩阵，
Figure FDA0003548143810000022
是离心力和哥氏力矢量，GX(X)是重力矢量；系统的随机形式写成：
dx1(t)＝x2(t)
dx2(t)＝M-1(x1(t))(-C(x1(t))x2(t)-G(x1(t))+u(t)+D(x1(t))d(t)+Fd(t)-Fe(t))dt+M-1(x1(t))Λ(x1(t))dμ(t)
其中：u(t)是控制输出信号，xo(t)是手指关节初始状态，x1(t)＝xo(t)，
Figure FDA0003548143810000023
μ(t)是一维标准维纳过程的时变函数；随机扰动Λ(x1(t))dμ(t)是由白噪声ξ(t)引入的。
5.根据权利要求4所述的一种抗干扰自适应力位协调控制方法，其特征在于，所述扰动观测器表示为：
Figure FDA0003548143810000031
Figure FDA0003548143810000032
Figure FDA0003548143810000033
其中，
Figure FDA0003548143810000034
是估计误差，
Figure FDA0003548143810000035
是w(t)的估计，ua(t)是要设计的虚拟控制器；k2＞0是一个误差e2(t)正系数，σ(t)是随机误差，β是线性时变误差的系数；跟踪误差e1(t)＝x1(t)-xd(t)和e2(t)＝x2(t)-α1(t)；
Figure FDA0003548143810000036
d(t)＝d1(t)+d2(t)，M和W是干扰系统的参数，w(t)是内部变量；
估计误差的动态显示为：
Figure FDA0003548143810000037
6.根据权利要求5所述的一种抗干扰自适应力位协调控制方法，其特征在于，自适应调律如下：
Figure FDA0003548143810000038
Figure FDA0003548143810000039
Figure FDA00035481438100000310
其中，
Figure FDA00035481438100000311
是手指关节1角度的估计，
Figure FDA00035481438100000312
是手指关节2的角度估计，系数ε1＞0,ε2＞0,ε3＞0,ε4＞0,ε5＞0和λ1＞0，λ2＞0；φ2′(x1(t),xd(t))是手指规划轨迹的已知函数。
7.根据权利要求6所述的一种抗干扰自适应力位协调控制方法，其特征在于，利用反步法，设计抗干扰自适应控制器如下：
Figure FDA0003548143810000041
其中，k1是线性误差的系数，
Figure FDA0003548143810000042
是系统扰动误差的估计。
CN202210254141.0A 2022-03-15 2022-03-15 一种抗干扰自适应力位协调控制方法 Active CN114609911B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210254141.0A CN114609911B (zh) 2022-03-15 2022-03-15 一种抗干扰自适应力位协调控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210254141.0A CN114609911B (zh) 2022-03-15 2022-03-15 一种抗干扰自适应力位协调控制方法

Publications (2)

Publication Number Publication Date
CN114609911A CN114609911A (zh) 2022-06-10
CN114609911B true CN114609911B (zh) 2022-11-25

Family

ID=81862941

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210254141.0A Active CN114609911B (zh) 2022-03-15 2022-03-15 一种抗干扰自适应力位协调控制方法

Country Status (1)

Country Link
CN (1) CN114609911B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4860215A (en) * 1987-04-06 1989-08-22 California Institute Of Technology Method and apparatus for adaptive force and position control of manipulators
CN105690388A (zh) * 2016-04-05 2016-06-22 南京航空航天大学 一种腱驱动机械手腱张力约束阻抗控制方法及装置
CN106236336A (zh) * 2016-08-15 2016-12-21 中国科学院重庆绿色智能技术研究院 一种肌电假肢手势及力度控制方法
CN107414826A (zh) * 2017-07-18 2017-12-01 南京邮电大学 一种腱驱动机械手张力约束末端操作控制方法
CN108942942A (zh) * 2018-08-16 2018-12-07 居鹤华 一种基于轴不变量的多轴机器人逆运动学建模与解算方法
CN109597310A (zh) * 2019-02-01 2019-04-09 东南大学 一种基于扰动观测器的轮式移动机器人轨迹跟踪方法
CN110877333A (zh) * 2019-04-12 2020-03-13 国网宁夏电力有限公司电力科学研究院 一种柔性关节机械臂控制方法
CN112155547A (zh) * 2020-10-19 2021-01-01 广东工业大学 一种生物组织识别系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007117889A2 (en) * 2006-03-31 2007-10-18 University Of Utah Research Foundation System, method and apparatus for detecting a force applied to a finger

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4860215A (en) * 1987-04-06 1989-08-22 California Institute Of Technology Method and apparatus for adaptive force and position control of manipulators
CN105690388A (zh) * 2016-04-05 2016-06-22 南京航空航天大学 一种腱驱动机械手腱张力约束阻抗控制方法及装置
CN106236336A (zh) * 2016-08-15 2016-12-21 中国科学院重庆绿色智能技术研究院 一种肌电假肢手势及力度控制方法
CN107414826A (zh) * 2017-07-18 2017-12-01 南京邮电大学 一种腱驱动机械手张力约束末端操作控制方法
CN108942942A (zh) * 2018-08-16 2018-12-07 居鹤华 一种基于轴不变量的多轴机器人逆运动学建模与解算方法
CN109597310A (zh) * 2019-02-01 2019-04-09 东南大学 一种基于扰动观测器的轮式移动机器人轨迹跟踪方法
CN110877333A (zh) * 2019-04-12 2020-03-13 国网宁夏电力有限公司电力科学研究院 一种柔性关节机械臂控制方法
CN112155547A (zh) * 2020-10-19 2021-01-01 广东工业大学 一种生物组织识别系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Measurement of finger posture and three-axis fingertip touch force using fingernail sensors;S.A. Mascaro;《IEEE Transactions on Robotics and Automation ( Volume: 20, Issue: 1, February 2004)》;20040226;全文 *
Robust Anti-Disturbance Coordinated Control for Multiple Manipulators;Jianting Fu;《IEEE Access ( Volume: 8)》;20200519;全文 *
可穿戴式外骨骼康复机械手机构设计与分析;陈建军;《合肥工业大学学报(自然科学版)》;20200528;全文 *
姿态协同仿人形机械手的设计与抓取规划;刘增辉;《中国优秀硕博学位论文 工程科技II辑》;20220115;全文 *

Also Published As

Publication number Publication date
CN114609911A (zh) 2022-06-10

Similar Documents

Publication Publication Date Title
Yang et al. A DMPs-based framework for robot learning and generalization of humanlike variable impedance skills
Geng et al. Transferring human grasping synergies to a robot
Gama Melo et al. Anthropomorphic robotic hands: a review
Yuan et al. Design and control of roller grasper v2 for in-hand manipulation
Laghi et al. Shared-autonomy control for intuitive bimanual tele-manipulation
Sun et al. Multilateral teleoperation with new cooperative structure based on reconfigurable robots and type-2 fuzzy logic
Garate et al. Grasp stiffness control in robotic hands through coordinated optimization of pose and joint stiffness
Saen et al. Action-intention-based grasp control with fine finger-force adjustment using combined optical-mechanical tactile sensor
Su et al. Robust grasping for an under-actuated anthropomorphic hand under object position uncertainty
Zhang et al. Design and control of a multisensory five-finger prosthetic hand
Fujimoto et al. Time series motion generation considering long short-term motion
Fan et al. Improved teleoperation of an industrial robot arm system using leap motion and myo armband
Aleotti et al. Position teaching of a robot arm by demonstration with a wearable input device
Cheng et al. Development of a multisensory underactuated prosthetic hand with fully integrated electronics
Sadun et al. An overview of active compliance control for a robotic hand
CN114609911B (zh) 一种抗干扰自适应力位协调控制方法
Malhotra et al. Reduced dimensionality control for the act hand
Marić et al. Robot arm teleoperation via RGBD sensor palm tracking
Gielniak et al. Stylized motion generalization through adaptation of velocity profiles
Reis et al. Modeling and control of a multifingered robot hand for object grasping and manipulation tasks
Ruiz Garate et al. A bio-inspired grasp stiffness control for robotic hands
Borisov et al. Novel optimization approach to development of digit mechanism for bio-inspired prosthetic hand
Stulp et al. Reinforcement learning of impedance control in stochastic force fields
Laschi et al. A bio-inspired predictive sensory-motor coordination scheme for robot reaching and preshaping
Khadivar et al. EMG-driven shared human-robot compliant control for in-hand object manipulation in hand prostheses

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