CN116572258A - 一种焊接机器人动态避障控制方法及计算机可读存储介质 - Google Patents
一种焊接机器人动态避障控制方法及计算机可读存储介质 Download PDFInfo
- Publication number
- CN116572258A CN116572258A CN202310861037.2A CN202310861037A CN116572258A CN 116572258 A CN116572258 A CN 116572258A CN 202310861037 A CN202310861037 A CN 202310861037A CN 116572258 A CN116572258 A CN 116572258A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- controller
- time
- welding robot
- planning
- 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
- 238000003466 welding Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000003860 storage Methods 0.000 title claims abstract description 8
- 238000001514 detection method Methods 0.000 claims abstract description 50
- 239000012636 effector Substances 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000007257 malfunction Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 4
- 230000004075 alteration Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K37/00—Auxiliary devices or processes, not specially adapted to a procedure covered by only one of the preceding main groups
- B23K37/02—Carriages for supporting the welding or cutting element
- B23K37/0252—Steering means
-
- 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
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
- B25J9/1666—Avoiding collision or forbidden zones
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Robotics (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Optics & Photonics (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种焊接机器人动态避障控制方法及计算机可读存储介质。该方法获取障碍物的位置信息,根据不同时刻的障碍物的位置信息的估计结果计算出障碍物的速度的估计结果,在上层中继规划控制器中设定的约束条件下获得上层中继规划控制器的输出结果,并将上层中继规划控制器的输出结果转化为机器人末端执行器姿势和检测点的位置,并输入至构建好的底层安全保障控制器中,在设定的约束条件下获得期望关节速度。本发明采用了超螺旋滑模观测器来提高障碍物运动估计的准确性;通过构建串级模型预测控制优化问题,得出优化的关节速度以保证无碰撞和无奇点的运动规划,在焊接机器人动态避障方面具有明显的优势。
Description
技术领域
本发明涉及机器人技术领域,具体涉及一种焊接机器人动态避障控制方法及计算机可读存储介质。
背景技术
焊接机器人主动避障路径规划是针对焊接机器人在执行焊接任务时,避免碰撞和损坏设备或工件的问题而开发的一种技术。对于焊接机器人而言,路径规划需要考虑到其自身的动态特性、周围环境的障碍物以及任务需求等因素。为了实现主动避障路径规划,通常采用以下方法:
1)基于传感器的路径规划:利用激光雷达、红外线等传感器获取周围环境的信息,通过计算机视觉和深度学习算法对传感器数据进行处理,建立机器人与周围环境的模型,根据模型来进行路径规划。
2)基于力控制的路径规划:利用机器人末端执行器上的力传感器,对机器人与工件接触时的力和力矩进行监测和控制,从而实现对机器人运动的控制和避障。
3)基于规划算法的路径规划:通过定义机器人运动规划的目标函数,采用优化算法对路径进行规划。常用的规划算法包括RRT算法、A*算法、栅格法、人工势场法等。
在实际应用中,通常可以将上述方法进行组合,从而使得焊接机器人能够在复杂环境中高效、安全地完成焊接任务,提高生产效率和产品质量。然而,传统基于图优化的路径规划方法通常需要全局地图信息,适用于复杂场景的静态避障,且效率较低。人工势场算法可以通过引入动态障碍物来实现避障,当机器人发生运动时,会不断感知周围环境的变化,根据更新后的障碍物信息重新计算斥力和机器人运动方向,从而避免与障碍物发生碰撞。但是,传统的人工势场方法存在着容易陷入局部最优、难以处理复杂的环境等缺点。
发明内容
本发明的目的是针对现有技术存在的不足,提供一种焊接机器人动态避障控制方法及计算机可读存储介质。
为实现上述目的,在第一方面,本发明提供了一种焊接机器人动态避障控制方法,包括:
步骤1、获取障碍物的位置信息;
步骤2、将障碍物的位置信息输入至构建好的超螺旋滑模观测器中,以根据不同时刻的障碍物的位置信息的估计结果计算出障碍物的速度的估计结果;
步骤3、将期望的机器人末端位姿及所述障碍物的位置信息的估计结果和速度的估计结果输入至构建好的上层中继规划控制器中,并在上层中继规划控制器中设定的约束条件下获得上层中继规划控制器的输出结果,并将上层中继规划控制器的输出结果转化为机器人末端执行器姿势和检测点的位置;
步骤4、将机器人末端执行器姿势和检测点的位置输入至构建好的底层安全保障控制器中,在底层安全保障控制器中设定的约束条件下获得期望关节速度,并将期望关节速度输入至关节速度控制器中,以实现焊接机器人动态避障的控制。
进一步的,所述障碍物的位置信息基于焊接机器人视觉系统获得。
进一步的,所述超螺旋滑模观测器被设计为:
;
其中,为障碍物的位置信息的估计结果,/>为k时刻的障碍物的位置信息的估计结果,/>为k+1时刻的障碍物的位置信息的估计结果,/>为采样周
期,为障碍物的速度的估计结果,/>为k时刻的障碍物的速度的估计结果,/>表示k+1时刻的障碍物的速度的估计结果,/>和/>为k时刻的保证有限时间稳定性的修正项。
进一步的,所述和/>的取值如下:
;
其中,均为参数矩阵,/>,R为实数,/>为k时刻的障碍物的位置信息,/>为符号函数。
进一步的,所述上层中继规划控制器的输出结果为:
;
其中,代价函数为:
;
;
其中,为上层中继规划控制器的输出结果,/>为上层中继规划控制器的预测步长,/>为上层中继规划控制器的控制步长,/>为k+j
时刻机器人末端执行器姿势,为k+j时刻期望的机器人末端位姿,/>和为上层中继规划控制器优化过程中的权重矩阵,/>为k+j时刻的上层中继规划控制器的输出,/>为k+j时刻的排斥力的总和,其计算方式具体如下:
;
;
;
所述上层中继规划控制器中设定的约束条件为:
;
;
其中,为检测点的总数,/>为故障物的总数,/>为排斥势场的权重,/>为排斥力的最远距离,/>为k+j时刻第x个检测点
的位置,为k+j-1时刻第x个检测点的位置,/>为k+j时第y个刻障碍物的位置的估计结果,/>为k+j-1时刻第y个障碍物的位置的估计结果,/>为k+j-1时刻机器人末端执行器姿势,/>为上层中继规划控制器的控制周期,/>和/>分别为第x个检测点和机器人末端执行器的雅可比矩阵,为k+j-1时刻第y个刻障碍物的速度的估计结果,/>为k+j-1时刻焊接机器人期望的关节角度,/>为k+j-1时刻焊接机器人期望的关节速度;/>为第/>个关节的角度,/>、/>分别为设定的第/>个关节的最小角度和最大角度,/>第x个检测点对应的关节的速度,/>、/>为设定的第x个检测点对应的关节的最小速度和最大速度,/>为k+j时刻第x个检测点与其它检测点之间的距离,/>为设定的第x个检测点与其它检测点之间的最小约束距离,/>为k+j时刻第x个检测点与地面之间的高度,/>为设定的第x个检测点与地面之间的最小安全高度,/>,。
进一步的,通过提取的第一个动作,得到优化后的末端执行器姿势/>和第m个最优检测点的位置/>,然输入至底层安全保障控制器中。
进一步的,所述底层安全保障控制器的输出结果为:
;
其中,代价函数为:
;
;
所述底层安全保障控制器中设定的约束条件为:
;
;
其中,为底层安全保障控制器的输出结果,/>为底层安全保障控制器的控制周期,/>、/>和/>为底层优化过程中的权重矩阵,/>为底层安全保障控制器的预测时域,/>为底层安全保障控制器的预测步长,/>为底层安全保障控制器的控制步长,为第x个检测点与第y个障碍物的最小距离,/>为k+j时刻焊接机器人可操作度,焊接机器人可操作度的计算方式如下:
;
为焊接机器人可操纵性的下限,/>为矩阵行列式算子。
进一步的,通过提取的第一个输出动作,得出优化的期望关节速度,然后再将优化的期望关节速度输入至关节速度控制器中。
在第二方面,本发明提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法。
有益效果:本发明基于软、硬约束的障碍物规避和奇异规避技术,通过焊接机器人自身检测点实现对焊接机器人碰撞模型的建立,针对机器人输出约束、输入约束,实现控制器的部署;采用了超螺旋滑模观测器来提高障碍物运动估计的准确性;通过构建串级模型预测控制优化问题,得出优化的关节速度以保证无碰撞和无奇点的运动规划,与传统的串联模型预测控制和单一硬约束模型预测控制相比,在焊接机器人动态避障方面具有明显的优势。
附图说明
图1是本发明实施例的焊接机器人动态避障控制方法的结构示意图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,本实施例在以本发明技术方案为前提下进行实施,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围。
如图1所示,本发明实施例提供了一种焊接机器人动态避障控制方法,包括:
步骤1、获取障碍物的位置信息。障碍物的位置信息可基于焊接机器人视觉系统获得。第i个障碍物的空间位置被定义为,/>、/>、/>分别为第i个障碍物的三维坐标,T表示转置。对于复杂环境,外界障碍物会移动,因此,除了障碍物的位置之外,还需要将障碍物的速度纳入优化过程中。假设第i个障碍物的速度可以表示为/>。在采样时间为/>的情况下,第i个障碍物在k采样瞬间的速度和位置的关系可以表示为:/>。
步骤2、将障碍物的位置信息输入至构建好的超螺旋滑模观测器中,以根据不同时刻的障碍物的位置信息的估计结果计算出障碍物的速度的估计结果。
对于障碍物的运动估计,根据焊接机器人视觉系统获得障碍物位置,构建一个超螺旋滑模观测器来实现对障碍物速度的观测,第i个障碍物的运动方程可表示为:
其中,为第i个障碍物的加速度,/>,R为实数。
针对于上述第i个障碍物的运动方程,对应的,超螺旋滑模观测器被设计为:
其中,为障碍物的位置信息的估计结果,/>为k时刻的障碍物的位置信息的估计结果,/>为k+1时刻的障碍物的位置信息的估计结果,/>为采样周期,/>为障碍物的速度的估计结果,/>为k时刻的障碍物的速度的估计结果,/>表示k+1时刻的障碍物的速度的估计结果,/>和/>为k时刻的保证有限时间稳定性的修正项。
作为优选实施例,和/>的取值如下:
其中,均为参数矩阵,/>,/>为k时刻的障碍物的位置信息,/>为符号函数。
步骤3、将期望的机器人末端位姿及所述障碍物的位置信息的估计结果和速度的估计结果输入至构建好的上层中继规划控制器中,以获得上层中继规划控制器的输出结果,并将上层中继规划控制器的输出结果转化为机器人末端执行器姿势和检测点的位置。
具体的,本发明实施例的上层中继规划控制器的输出结果为:
;
其中,代价函数为:
;
;
其中,为上层中继规划控制器的输出结果,/>为上层中继规划控制器的上层控制序列,/>为上层中继规划控制器的预测步长,/>为上层中继规划控制器的控制步长,为k+j时刻机器人末端执行器姿势,/>为k+j时刻期望的机器人末端位姿,/>和为上层中继规划控制器优化过程中的权重矩阵,/>为k+j时刻的上层中继规划控制器的输出,/>为k+j时刻的排斥力的总和,其计算方式具体如下:
;
;
;
本发明实施例的上层中继规划控制器中设定的约束条件为:
;
;
其中,为检测点的总数,/>为故障物的总数,/>为排斥势场的权重,/>为排斥力的最远距离,/>为k+j时刻第x个检测点的位置,/>为k+j-1时刻第x个检测点的位置,/>为k+j时第y个刻障碍物的位置的估计结果,/>为k+j-1时刻第y个障碍物的位置的估计结果,/>为k+j-1时刻机器人末端执行器姿势,/>为上层中继规划控制器的控制周期,/>和/>分别为第x个检测点和机器人末端执行器的雅可比矩阵,/>为k+j-1时刻第y个刻障碍物的速度的估计结果,为k+j-1时刻焊接机器人期望的关节角度,/>为k+j-1时刻焊接机器人期望的关节速度;/>为第/>个关节的角度,/>、/>分别为设定的第/>个关节的最小角度和最大角度,/>第x个检测点对应的关节的速度,/>、/>为设定的第x个检测点对应的关节的最小速度和最大速度,/>为k+j时刻第x个检测点与其它检测点之间的距离,/>为设定的第x个检测点与其它检测点之间的最小约束距离,为k+j时刻第x个检测点与地面之间的高度,/>为设定的第x个检测点与地面之间的最小安全高度,/>,/>。可以看出,代价函数J越小,意味着/>有可能更接近理想姿态,远离障碍物。
作为优选实施例,通过提取的第一个动作,得到优化后的末端执行器姿势和第m个最优检测点的位置/>,然输入至底层安全保障控制器中,作为底层安全保障控制器预测控制的参考输入。
步骤4、将机器人末端执行器姿势和检测点的位置输入至构建好的底层安全保障控制器中,在底层安全保障控制器中设定的约束条件下获得期望关节速度,并将期望关节速度输入至关节速度控制器中,以实现焊接机器人动态避障的控制。
具体的,本发明实施例的底层安全保障控制器的输出结果为:
;
其中,代价函数为:
;
;
本发明实施例的底层安全保障控制器中设定的约束条件为:
;
;
其中,为底层安全保障控制器的输出结果,/>为底层安全保障控制器的控制周期,/>、/>和/>为底层优化过程中的权重矩阵,/>为底层安全保障控制器的预测时域,/>为底层安全保障控制器的预测步长,/>为底层安全保障控制器的控制步长,为第x个检测点与第y个障碍物的最小距离,/>为k+j时刻焊接机器人可操作度,焊接机器人可操作度的计算方式如下:
;
为焊接机器人可操纵性的下限,/>为矩阵行列式算子。只要保证焊接机器人可操作度/>在当前时刻和预测范围内始终大于零,焊接机器人就不会抵达可控自由度丢失的奇异构型。
作为优选实施例,本发明通过提取的第一个输出动作,得出优化的期望关节速度,然后再将优化的期望关节速度输入至关节速度控制器中,从而得到实现焊接机器人动态避障的控制策略。
基于以上实施例,本领域技术人员可以轻易理解,本发明还提供了一种计算机可读存储介质,它存储有计算机程序,该计算机程序被处理器执行时实现上述的方法。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,其它未具体描述的部分,属于现有技术或公知常识。在不脱离本发明原理的前提下,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 (9)
1.一种焊接机器人动态避障控制方法,其特征在于,包括:
步骤1、获取障碍物的位置信息;
步骤2、将障碍物的位置信息输入至构建好的超螺旋滑模观测器中,以根据不同时刻的障碍物的位置信息的估计结果计算出障碍物的速度的估计结果;
步骤3、将期望的机器人末端位姿及所述障碍物的位置信息的估计结果和速度的估计结果输入至构建好的上层中继规划控制器中,并在上层中继规划控制器中设定的约束条件下获得上层中继规划控制器的输出结果,并将上层中继规划控制器的输出结果转化为机器人末端执行器姿势和检测点的位置;
步骤4、将机器人末端执行器姿势和检测点的位置输入至构建好的底层安全保障控制器中,在底层安全保障控制器中设定的约束条件下获得期望关节速度,并将期望关节速度输入至关节速度控制器中,以实现焊接机器人动态避障的控制。
2.根据权利要求1所述的一种焊接机器人动态避障控制方法,其特征在于,所述障碍物的位置信息基于焊接机器人视觉系统获得。
3.根据权利要求1所述的一种焊接机器人动态避障控制方法,其特征在于,所述超螺旋滑模观测器被设计为:
;
其中,为障碍物的位置信息的估计结果,/>为k时刻的障碍物的位置信息的估计结果,/>为k+1时刻的障碍物的位置信息的估计结果,/>为采样周期,/>为障碍物的速度的估计结果,/>为k时刻的障碍物的速度的估计结果,/>表示k+1时刻的障碍物的速度的估计结果,/>和/>为k时刻的保证有限时间稳定性的修正项。
4.根据权利要求3所述的一种焊接机器人动态避障控制方法,其特征在于,所述和/>的取值如下:
;
其中,均为参数矩阵,/>,R为实数,/>为k时刻的障碍物的位置信息,/>为符号函数。
5.根据权利要求1所述的一种焊接机器人动态避障控制方法,其特征在于,所述上层中继规划控制器的输出结果为:
;
其中,代价函数为:
;
;
其中,为上层中继规划控制器的输出结果,/>为上层中继规划控制器的预测步长,/>为上层中继规划控制器的控制步长,/>为k+j时刻机器人末端执行器姿势,/>为k+j时刻期望的机器人末端位姿,/>和/>为上层中继规划控制器优化过程中的权重矩阵,/>为k+j时刻的上层中继规划控制器的输出,/>为k+j时刻的排斥力的总和,其计算方式具体如下:
;
;
;
所述上层中继规划控制器中设定的约束条件为:
;
;
其中,为检测点的总数,/>为故障物的总数,/>为排斥势场的权重,/>为排斥力的最远距离,/>为k+j时刻第x个检测点的位置,/>为k+j-1时刻第x个检测点的位置,/>为k+j时第y个刻障碍物的位置的估计结果,/>为k+j-1时刻第y个障碍物的位置的估计结果,/>为k+j-1时刻机器人末端执行器姿势,/>为上层中继规划控制器的控制周期,/>和/>分别为第x个检测点和机器人末端执行器的雅可比矩阵,/>为k+j-1时刻第y个刻障碍物的速度的估计结果,/>为k+j-1时刻焊接机器人期望的关节角度,/>为k+j-1时刻焊接机器人期望的关节速度;/>为第/>个关节的角度,/>、/>分别为设定的第个关节的最小角度和最大角度,/>第x个检测点对应的关节的速度,/>、/>为设定的第x个检测点对应的关节的最小速度和最大速度,/>为k+j时刻第x个检测点与其它检测点之间的距离,/>为设定的第x个检测点与其它检测点之间的最小约束距离,/>为k+j时刻第x个检测点与地面之间的高度,/>为设定的第x个检测点与地面之间的最小安全高度,/>,/>。
6.根据权利要求5所述的一种焊接机器人动态避障控制方法,其特征在于,通过提取的第一个动作,得到优化后的末端执行器姿势/>和第m个最优检测点的位置,然输入至底层安全保障控制器中。
7.根据权利要求6所述的一种焊接机器人动态避障控制方法,其特征在于,所述底层安全保障控制器的输出结果为:
;
其中,代价函数为:
;
;
所述底层安全保障控制器中设定的约束条件为:
;
;
其中,为底层安全保障控制器的输出结果,/>为底层安全保障控制器的控制周期,、/>和/>为底层优化过程中的权重矩阵,/>为底层安全保障控制器的预测时域,为底层安全保障控制器的预测步长,/>为底层安全保障控制器的控制步长,/>为第x个检测点与第y个障碍物的最小距离,/>为k+j时刻焊接机器人可操作度,焊接机器人可操作度的计算方式如下:
;
为焊接机器人可操纵性的下限,/>为矩阵行列式算子。
8.根据权利要求7所述的一种焊接机器人动态避障控制方法,其特征在于,通过提取的第一个输出动作,得出优化的期望关节速度,然后再将优化的期望关节速度输入至关节速度控制器中。
9.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310861037.2A CN116572258B (zh) | 2023-07-14 | 2023-07-14 | 一种焊接机器人动态避障控制方法及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310861037.2A CN116572258B (zh) | 2023-07-14 | 2023-07-14 | 一种焊接机器人动态避障控制方法及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116572258A true CN116572258A (zh) | 2023-08-11 |
CN116572258B CN116572258B (zh) | 2023-09-19 |
Family
ID=87541705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310861037.2A Active CN116572258B (zh) | 2023-07-14 | 2023-07-14 | 一种焊接机器人动态避障控制方法及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116572258B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117472066A (zh) * | 2023-12-27 | 2024-01-30 | 成都流体动力创新中心 | 一种航向角速度局部最优的避障控制方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009288930A (ja) * | 2008-05-28 | 2009-12-10 | Murata Mach Ltd | 自律移動体及びその移動制御方法 |
CN110262555A (zh) * | 2019-07-12 | 2019-09-20 | 南京航空航天大学 | 连续障碍环境下无人机实时避障控制方法 |
CN111546347A (zh) * | 2020-06-03 | 2020-08-18 | 中国人民解放军海军工程大学 | 一种适用于动态环境下的机械臂路径规划方法 |
CN113359757A (zh) * | 2021-06-30 | 2021-09-07 | 湖北汽车工业学院 | 一种改进型混合a*算法的无人驾驶车辆路径规划与轨迹跟踪方法 |
CN113580146A (zh) * | 2021-08-29 | 2021-11-02 | 浙江工业大学 | 一种融合动态系统与模型预测控制的机械臂实时避障方法 |
CN113858203A (zh) * | 2021-10-19 | 2021-12-31 | 杭州芯控智能科技有限公司 | 一种机器人自适应轨迹规划及避障方法 |
CN114347031A (zh) * | 2022-01-18 | 2022-04-15 | 广东省智能机器人研究院 | 一种考虑时变时滞的移动机械臂避碰控制方法及装置 |
CN116276908A (zh) * | 2023-03-13 | 2023-06-23 | 哈尔滨工业大学 | 一种面向搅拌摩擦焊焊缝打磨的机器人自适应示教方法 |
-
2023
- 2023-07-14 CN CN202310861037.2A patent/CN116572258B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009288930A (ja) * | 2008-05-28 | 2009-12-10 | Murata Mach Ltd | 自律移動体及びその移動制御方法 |
CN110262555A (zh) * | 2019-07-12 | 2019-09-20 | 南京航空航天大学 | 连续障碍环境下无人机实时避障控制方法 |
CN111546347A (zh) * | 2020-06-03 | 2020-08-18 | 中国人民解放军海军工程大学 | 一种适用于动态环境下的机械臂路径规划方法 |
CN113359757A (zh) * | 2021-06-30 | 2021-09-07 | 湖北汽车工业学院 | 一种改进型混合a*算法的无人驾驶车辆路径规划与轨迹跟踪方法 |
CN113580146A (zh) * | 2021-08-29 | 2021-11-02 | 浙江工业大学 | 一种融合动态系统与模型预测控制的机械臂实时避障方法 |
CN113858203A (zh) * | 2021-10-19 | 2021-12-31 | 杭州芯控智能科技有限公司 | 一种机器人自适应轨迹规划及避障方法 |
CN114347031A (zh) * | 2022-01-18 | 2022-04-15 | 广东省智能机器人研究院 | 一种考虑时变时滞的移动机械臂避碰控制方法及装置 |
CN116276908A (zh) * | 2023-03-13 | 2023-06-23 | 哈尔滨工业大学 | 一种面向搅拌摩擦焊焊缝打磨的机器人自适应示教方法 |
Non-Patent Citations (1)
Title |
---|
陈波: "动态环境下机械臂避障运动规划及跟踪控制研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117472066A (zh) * | 2023-12-27 | 2024-01-30 | 成都流体动力创新中心 | 一种航向角速度局部最优的避障控制方法 |
CN117472066B (zh) * | 2023-12-27 | 2024-03-26 | 成都流体动力创新中心 | 一种航向角速度局部最优的避障控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116572258B (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lee et al. | Planning and control for collision-free cooperative aerial transportation | |
US11745355B2 (en) | Control device, control method, and non-transitory computer-readable storage medium | |
EP1972416B1 (en) | Robots with occlusion avoidance functionality | |
KR102003216B1 (ko) | 로봇을 위한 모터 제어 및/또는 조정 | |
WO2015058297A1 (en) | Image-based trajectory robot programming planning approach | |
Wang et al. | A modified image-based visual servo controller with hybrid camera configuration for robust robotic grasping | |
CN116572258B (zh) | 一种焊接机器人动态避障控制方法及计算机可读存储介质 | |
Islam et al. | Artificial and virtual impedance interaction force reflection-based bilateral shared control for miniature unmanned aerial vehicle | |
WO2017132905A1 (zh) | 控制运动系统的方法和装置 | |
Ellekilde et al. | Control of mobile manipulator using the dynamical systems approach | |
Hebert et al. | Dual arm estimation for coordinated bimanual manipulation | |
US20230321831A1 (en) | Systems and Methods for Model-free Safety Control in Robotics Platforms | |
Tong et al. | Neural network based visual servo control under the condition of heavy loading | |
West et al. | A vision-based positioning system with inverse dead-zone control for dual-hydraulic manipulators | |
Wang et al. | An end-to-end trajectory planning strategy for free-floating space robots | |
Hong et al. | Mobile robot control architecture for reflexive avoidance of moving obstacles | |
Vergara et al. | Generating reactive approach motions towards allowable manifolds using generalized trajectories from demonstrations | |
Lang et al. | Visual servoing with LQR control for mobile robots | |
Shauri et al. | Sensor integration and fusion for autonomous screwing task by dual-manipulator hand robot | |
Chan et al. | Constrained manipulator visual servoing (cmvs): Rapid robot programming in cluttered workspaces | |
Sajjadi et al. | Stochastic image-based visual predictive control | |
Jin et al. | Collaborative operation of robotic manipulators with human intent prediction and shared control | |
Chan et al. | Modeling nonconvex workspace constraints from diverse demonstration sets for constrained manipulator visual servoing | |
Kang et al. | A Versatile Door Opening System with Mobile Manipulator through Adaptive Position-Force Control and Reinforcement Learning | |
Anderson et al. | Coordinated control and range imaging for mobile manipulation |
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 |