CN117331309A - 一种基于超扭曲滑模自适应导纳控制的机器人抛光方法 - Google Patents
一种基于超扭曲滑模自适应导纳控制的机器人抛光方法 Download PDFInfo
- Publication number
- CN117331309A CN117331309A CN202311084668.4A CN202311084668A CN117331309A CN 117331309 A CN117331309 A CN 117331309A CN 202311084668 A CN202311084668 A CN 202311084668A CN 117331309 A CN117331309 A CN 117331309A
- Authority
- CN
- China
- Prior art keywords
- force
- robot
- sliding mode
- control
- super
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000005498 polishing Methods 0.000 title claims abstract description 34
- 230000001133 acceleration Effects 0.000 claims abstract description 13
- 238000013016 damping Methods 0.000 claims abstract description 13
- 238000002474 experimental method Methods 0.000 claims abstract description 7
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 15
- 230000007613 environmental effect Effects 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000010355 oscillation Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 230000000452 restraining effect Effects 0.000 claims 2
- 230000000694 effects Effects 0.000 description 11
- 230000009471 action Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
-
- 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
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/10—Greenhouse gas [GHG] capture, material saving, heat recovery or other energy efficient measures, e.g. motor control, characterised by manufacturing processes, e.g. for rolling metal or metal working
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本专利公开了一种基于超扭曲滑模自适应导纳控制的机器人抛光方法，涉及机器人控制技术领域。其特征在于，该方法首先将机器人控制器采集末端六维力传感器的信息进行标定处理和数字滤波，获得真实的接触力，为防止刚接触时机器人对工件的突然受力，引入自抗扰控制中的跟踪微分器，使期望力逐渐增加到设置值，减小力的冲击，接下来根据基本导纳控制模型对于复杂动态环境下力跟踪不稳定问题，引入自学习因子的更新律，对阻尼系数进行动态补偿，求得对应位置、速度、加速度的偏差量，为减少力的稳态误差，使用超扭曲滑模对接触力进行约束，最后通过六轴机器人在平面、斜面和曲面环境下实验，验证了该方法的有效性。
Description
技术领域
本发明涉及机械臂控制技术领域，特别是涉及一种基于超扭曲滑模自适应导纳控制的机器人抛光方法。
背景技术
随着近些年的发展，众多制造行业中机器人得到大范围使用。抛光在制造中成为非常重要的工序之一。传统抛光多是由人来完成，这对人员的专业素养有很高要求且抛光时产生的烟尘对人的身体健康造成不可逆的损伤。除此之外，抛光效果的好坏全靠操作员的技术水平，长时间的工作很难保证产品的合格率。相比之下，机器人不会像人一样随着工作时间增加而降低效率，通过预设的动作指令，可以精准到达指定位置，能有效保证产品生成效率。然而，机器人抛光技术也面临一些挑战，对于一些高精度、多曲率、易形变的工件，这些因素增加了机器人恒力接触难度。因此，机器人与环境接触时实现力的稳定跟踪，是实现工件高品质抛光的重要指标。
导纳控制是通过构建力与位置的动态模型，使机器人末端能与工件表面上构建位置和力之间的动态模型，可以实现对机器人机器人运动和接触力的同步控制。通过调节机器人的导纳参数，可以实现对工件表面的恒力跟踪。但是在环境和刚度参数不确定情况下，机器人与环境接触的力稳态误差不为零。因此，通过优化导纳控制，提高磨抛精度有很大的研究必要。
发明内容
本发明的目的是设计一种基于超扭曲滑模自适应导纳控制的机器人抛光方法，提高机械臂在复杂未知环境下力跟踪效果，进而较大程度提高机器人抛光精度。
为实现上述目的，本发明设计了如下方案：
一种基于超扭曲滑模自适应导纳控制的机器人抛光方法，涉及机器人控制技术领域。其特征在于，该方法首先将机器人控制器采集末端六维力传感器的信息进行标定处理和数字滤波，获得真实的接触力，为防止刚接触时机器人对工件的突然受力，引入自抗扰控制中的跟踪微分器，使期望力逐渐增加到设置值，减小力的冲击，接下来根据基本导纳控制模型对于复杂动态环境下力跟踪不稳定问题，引入自学习因子的更新律，对阻尼系数进行动态补偿，求得对应位置、速度、加速度的偏差量，为减少力的稳态误差，使用超扭曲滑模对接触力进行约束，最后通过六轴机器人在平面、斜面和曲面环境下实验。最终，通过机器人在平面、斜面和曲面环境下实验，验证了该算法的有效性。
一种基于超扭曲滑模自适应导纳控制的机器人抛光方法，该方法有如下步骤：
步骤一，机器人控制器采集六维力传感器的信息
对采集的力/力矩进行工具重力补偿和传感器“零漂”补偿，并补偿机器人基座标与世界坐标之间变换关系，将补偿后的力信号经过数字滤波处理，获取六维力传感器测出真实接触的力/力矩。
步骤二，为防止刚接触时机器人对工件的突然受力，引入自抗扰控制中最速微分跟踪器可表示为：
函数fhan(X1,X2,r,h)定义如下：
其中饱和函数sat(·)为饱和函数：
其中v(k)为期望力大小，h为采样周期，X1(k)为过渡过程中输出的期望力，X2(k)为输出的期望力的微分其中sgn(·)为符号函数，fix(·)为取整函数，控制量的约束|u|≤r。
步骤三：机器人与环境构成的导纳控制模型可表示为：
其中Ef＝Fe-Fd为接触力和期望力的差值，Md∈Rn×n为质量系数矩阵，Bd∈Rn×n为阻尼系数矩阵，Kd∈Rn×n为刚度系数矩阵，由于阻抗控制中各维度解耦，所以阻抗参数矩阵为正定对角矩阵，n为机器人工作空间维数，表示期望加速度，/>表示实际加速度，/>表示期望速度，/>表示实际速度，Pd表示期望位置，Pr表示实际位置。
环境可简化为弹簧模型Fe＝Ke(Pr-Pe)，导纳控制模型经拉普拉斯变换，则最终的稳态误差可表示：
当环境刚度Ke和环境位置Pe的值是已知的，则可以根据等式确定里的稳态误差。
然而，在实践中Xe和Ke的值并不是预先已知的，即使根据调整参考轨迹的方法实时调整环境位置和环境刚度，也不能保证力跟踪误差为零甚至稳定。
而当刚度增益Kd设置为零，将满足任何情况下刚度Ke和在未知环境Xe信息的情况下，保证准确跟踪力。
步骤四，在导纳控制模型基础上，对阻尼系数Bd进行补偿：
其中Δb为阻尼补偿，E＝Pd-Pr，ζ为更新因子，ε＝10-6防止分母为零，λ为采样周期，α和β为大于零的增益系数，Ulimt为限制系数。
通过劳斯判据可知系统稳定时，参数满足的约束条件为：
当t→∞，取Ulimt＝(Md+Bdλ)/Bdλ，Fe→Fd，即可以实现工件表面的接触力Fe对预设期望力Fd的稳定跟踪。
通过超扭曲滑模对接触力和位置进行约束，减少接触时力的稳态误差。
设计超扭曲滑模面为：
基于超扭曲滑模控制，其表示方式为：
获得超扭曲滑模控制下的控制力信号：
由于符号函数会使得系统信号不连续，在零点附近产生跳跃，导致控制器的非光滑性，引起系统高频振荡，导致系统不稳定或者控制性能下降，为提高系统的鲁棒性，将改进双曲正切函数来替代符号函数：
其中fSTA为力的误差值，k1 k2 k3为常量，在实际中可以通过不断逐渐增加试错，直到获取最佳性能。通过离散化的方法，可以将连续时间的加速度、速度和位置计算转换为离散时间步长内的更新过程，从而减小误差的影响，并更好地控制系统的运动。其表达式如下。
最终，由机器人逆解成关节角度，输出给机器人执行位置动作。
本发明的有益效果如下：
在机器人力控制方面，本发明针对机器人在不同表面下工件抛光不精确的弊端，针对力过冲问题，引入自抗扰控制框架下的最速微分跟踪控制器，能有效降低力冲击给工件造成的撞击。同时，解决了机器人在工件表面时力/位置跟踪误差较大问题，通过动态调节自学习因子获取自适应律对导纳控制模型的阻尼系数进行动态补偿，并且引入超扭曲滑模控制，有效约束工件抛光时的接触力，减小接触抖振，增强控制系统的鲁棒性。
在机器人应用方面，本发明提出的一种基于超扭曲滑模自适应导纳控制的机器人抛光方法，使机械臂能更好的对未知环境进行抛光，提供更为可靠的系统稳定性；使机械臂的在复杂环境下更好的适应性；使机器人工具末端的柔顺性提高，充分证明，本发明具有实用性和普适性。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为一种基于超扭曲滑模自适应导纳控制的机器人抛光方法的原理框图。
图2为平面下机器人力跟踪效果。
图3为斜面下机器人力跟踪效果。
图4为曲面下机器人力跟踪效果。
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。
本发明的目的是提供一种基于超扭曲滑模自适应导纳控制的机器人抛光方法，提高机械臂对未知环境下的力、位置的跟踪，对系统的精度有较为有效的提升。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明涉及一种基于超扭曲滑模自适应导纳控制的机器人抛光方法，具体实现方法和过程如下：
一种基于超扭曲滑模自适应导纳控制的机器人抛光方法，涉及机器人控制技术领域。其特征在于，该方法首先将机器人控制器采集末端六维力传感器的信息进行标定处理和数字滤波，获得真实的接触力，为防止刚接触时机器人对工件的突然受力，引入自抗扰控制中的跟踪微分器，使期望力逐渐增加到设置值，减小力的冲击，接下来根据基本导纳控制模型对于复杂动态环境下力跟踪不稳定问题，引入自学习因子的更新律，对阻尼系数进行动态补偿，求得对应位置、速度、加速度的偏差量，为减少力的稳态误差，使用超扭曲滑模对接触力进行约束，最后通过六轴机器人在平面、斜面和曲面环境下实验。最终，通过机器人在平面、斜面和曲面环境下实验，验证了该算法的有效性。
一种基于超扭曲滑模自适应导纳控制的机器人抛光方法，该方法包括如下步骤：
步骤一，机器人控制器采集六维力传感器的信号
采集的六维力传感器的信号，分别是六维力传感器坐表轴±x、±y、±z六个方向的显示值。
对采集的力/力矩通过工具重力补偿和传感器“零漂”补偿，计算得到工具重心坐标、工具重力大小、机器人基座标与世界坐标的变换关系，传感器坐标与机器人法兰坐标之间变换关系、传感器初始值大小。
补偿机器人基座标与世界坐标之间变换关系，将补偿后的力信号经过卡尔曼滤波处理，获取六维力传感器测出真实接触的力/力矩。
步骤二，为防止刚接触时机器人对工件的突然受力，引入自抗扰控制中最速微分跟踪器可表示为：
fhan(x1,x2,r,h)函数定义如下：
其中饱和函数sat(·)为饱和函数：
其中v(k)为期望力大小，h为采样周期，X1(k)为过渡过程中输出的期望力，X2(k)为输出的期望力的微分其中sgn(·)为符号函数，fix(·)为取整函数，控制量的约束|u|≤r。
步骤三：机器人与环境构成的导纳控制模型可表示为：
其中Ef＝Fe-Fd为接触力和期望力的差值，Md∈Rn×n为质量系数矩阵、Bd∈Rn×n为阻尼系数矩阵、Kd∈Rn×n为刚度系数矩阵，由于阻抗控制中各维度解耦，所以阻抗参数矩阵为正定对角矩阵，n为机器人工作空间维数，表示期望加速度，/>表示实际加速度，/>表示期望速度，/>表示实际速度，Pd表示期望位置，Pr表示实际位置。
环境可简化为弹簧模型Fe＝Ke(Pr-Pe)，导纳控制模型经拉普拉斯变换，则最终的稳态误差可表示：
导纳控制模型经拉普拉斯变换可得：
将变化后的导纳控制模型与接触力等效的弹簧模型结合得：
最终力跟踪稳态误差为：
由稳态误差公式可知，为使力跟踪误差在稳态中收敛为零，参考位置必须满足以下方程：
当环境刚度Ke和环境位置Pe的值是已知的，则可以根据等式计算参考位置轨迹Pr。以在环境上施加期望的接触力Fd。然而，在实践中Pe和Ke的值并不是预先已知的，即使根据调整参考轨迹的方法实时调整环境位置和环境刚度，也不能保证力跟踪误差为零甚至稳定，而将刚度增益Kd设置为零，则将满足任何环境刚度Ke和在未知环境Pe信息的情况下，保证准确跟踪力。
步骤四，一种基于超扭曲滑模自适应导纳控制的机器人抛光方法
其中ΔB为阻尼补偿，E＝Pd-Pr，ζ为更新因子，ε＝10-6防止分母为零，λ为采样周期，α和β为大于零的增益系数，Ulimt为限制系数。
通过劳斯判据可知满足系统稳定条件：
当t→∞，取Ulimt＝(Md+Bdλ)/Bdλ，Fe→Fd，即可以实现接触力Fe对期望力Fd的跟踪。
通过超扭曲滑模对接触力和位置进行约束，对设置的轨迹进行约束，减少力的稳态误差。
设计超扭曲滑模面：
基于超扭曲滑模控制，其表示方式为：
获得超扭曲滑模控制下的控制力信号：
由于符号函数会使得系统信号不连续，在零点附近产生跳跃，导致控制器的非光滑性，引起系统高频振荡，导致系统不稳定或者控制性能下降，为提高系统的鲁棒性，将改进双曲正切函数来替代符号函数：
其中fSTA为力的误差值，k1 k2 k3为常量，在实际中可以通过不断逐渐增加试错，直到获取最佳性能。通过离散化的方法，可以将连续时间的加速度、速度和位置计算转换为离散时间步长内的更新过程，从而减小误差的影响，并更好地控制系统的运动。其表达式如下：
最终，由机器人逆解成关节角度，输出给机器人执行位置动作。
实验验证
验证所提出的基于力反馈的机器人复杂面的恒力抛光方法，对六自由度机械臂进行实验验证。
机器人末端与平面接触运动下，力跟踪效果如图2所示。
机器人末端与斜面接触运动下，力跟踪效果如图3所示。
机器人末端与曲面接触运动下，力跟踪效果如图4所示。
上述实验结果表明，本发明所述基于基于力反馈的机器人复杂面的恒力抛光方法，能够有效的适应复杂曲面工件的打磨环境，对位置和力有良好的跟踪效果。
Claims (8)
1.一种基于超扭曲滑模自适应导纳控制的机器人抛光方法，涉及机器人控制技术领域。其特征在于，该方法首先将机器人控制器采集末端六维力传感器的信息进行标定处理和数字滤波，获得真实的接触力，为防止刚接触时机器人对工件的突然受力，引入自抗扰控制中的跟踪微分器，使期望力逐渐增加到设置值，减小力的冲击，接下来根据基本导纳控制模型对于复杂动态环境下力跟踪不稳定问题，引入自学习因子的更新律，对阻尼系数进行动态补偿，求得对应位置、速度、加速度的偏差量，为减少力的稳态误差，使用超扭曲滑模对接触力进行约束，最后通过六轴机器人在平面、斜面和曲面环境下实验，验证了该方法的有效性。
2.根据权利要求1所述的一种基于超扭曲滑模自适应导纳控制的机器人抛光方法，机器人控制器采集六维力传感器的信息，并通过工具重力补偿和传感器“零漂”补偿，并补偿机器人基座标与世界坐标之间变换关系，将补偿后的力信号经过数字滤波处理，获取六维力传感器测出真实接触的力/力矩。
3.根据权利要求1所述的一种基于超扭曲滑模自适应导纳控制的机器人抛光方法，为防止刚接触时机器人对工件的突然受力，引入自抗扰控制中最速跟踪微分器可表示为：
fhan(X1,X2,r,h)函数定义如下：
饱和函数sat(·)为饱和函数：
其中v(k)为期望力大小，h为采样周期，X1(k)为过渡过程中输出的期望力，X2(k)为输出的期望力的微分其中sgn(·)为符号函数，fix(·)为取整函数，控制量的约束|u|≤r。
4.根据权利要求1所述的一种基于超扭曲滑模自适应导纳控制的机器人抛光方法，其机器人与环境构成的导纳控制模型可表示为：
其中Ef＝Fe-Fd为接触力和期望力的差值，Md∈Rn×n为质量系数矩阵，Bd∈Rn×n为阻尼系数矩阵，Kd∈Rn×n为刚度系数矩阵，由于阻抗控制中各维度解耦，所以阻抗参数矩阵为正定对角矩阵，n为机器人工作空间维，表示期望加速度，/>表示实际加速度，/>表示期望速度，/>表示实际速度，Pd表示期望位置，Pr表示实际位置。
5.根据权利要求1所述的一种基于超扭曲滑模自适应导纳控制的机器人抛光方法，环境可简化为弹簧模型Fe＝Ke(Pe-Pr)，导纳控制模型经拉普拉斯变换，则最终的稳态误差可表示如下：
当环境刚度Ke和环境位置Pe的值是已知的，则可以根据等式计算参考位置轨迹Pr，在环境上施加期望的接触力Fd，在实践中Pe和ke的值并不是预先已知的，即使根据调整参考轨迹的方法实时调整环境位置和环境刚度，也不能保证力跟踪误差为零甚至稳定，而将刚度增益Kd设置为零，将满足任何情况下刚度Ke和在未知环境Pe信息的情况下，保证准确跟踪力。
6.根据权利要求1所述的一种基于超扭曲滑模自适应导纳控制的机器人抛光方法，通过自学习因子来调节更新律，满足阻尼系数的动态补偿，表达式如下：
其中ΔB为阻尼补偿，E＝Pd-Pr，为更新因子，ε＝10-6防止分母为零，λ为采样周期，α和β为大于零的增益系数，Ulimt为限制系数。
7.根据权利要求1所述的一种基于超扭曲滑模自适应导纳控制的机器人抛光方法，通过劳斯判据可知满足系统稳定条件：
当t→∞，取Ulimt＝(Md+Bdλ)/Bdλ，Fe→Fd，即可以实现接触力Fe对期望力Fd的跟踪。
8.根据权利要求1所述的一种基于超扭曲滑模自适应导纳控制的机器人抛光方法，通过超扭曲滑模对接触力和位置进行约束，对设置的轨迹进行约束，减少力的稳态误差，定义变量为：
基于超扭曲滑模控制，其表示方式为：
获得超扭曲滑模控制下的控制力信号：
fSTA＝k1|δ|1/2sign(δ)+k2ρ
由于符号函数会使得系统信号不连续，在零点附近产生跳跃，导致控制器的非光滑性，引起系统高频振荡，导致系统不稳定或者控制性能下降，为提高系统的鲁棒性，将改进双曲正切函数来替代符号函数：
其中fSTA为力的误差值，k1 k2 k3为常量，在实际中可以通过不断逐渐增加试错，直到获取最佳性能，通过离散化的方法，可以将连续时间的加速度、速度和位置计算转换为离散时间步长内的更新过程，从而减小误差的影响，并更好地控制系统的运动，其表达式如下：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311084668.4A CN117331309A (zh) | 2023-08-28 | 2023-08-28 | 一种基于超扭曲滑模自适应导纳控制的机器人抛光方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311084668.4A CN117331309A (zh) | 2023-08-28 | 2023-08-28 | 一种基于超扭曲滑模自适应导纳控制的机器人抛光方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117331309A true CN117331309A (zh) | 2024-01-02 |
Family
ID=89292236
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311084668.4A Pending CN117331309A (zh) | 2023-08-28 | 2023-08-28 | 一种基于超扭曲滑模自适应导纳控制的机器人抛光方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117331309A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117691920A (zh) * | 2024-02-01 | 2024-03-12 | 成都航空职业技术学院 | 一种伺服电机自动控制方法 |
-
2023
- 2023-08-28 CN CN202311084668.4A patent/CN117331309A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117691920A (zh) * | 2024-02-01 | 2024-03-12 | 成都航空职业技术学院 | 一种伺服电机自动控制方法 |
| CN117691920B (zh) * | 2024-02-01 | 2024-04-12 | 成都航空职业技术学院 | 一种伺服电机自动控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109382828B (zh) | 一种基于示教学习的机器人轴孔装配系统及方法 | |
| Dong et al. | Contact force detection and control for robotic polishing based on joint torque sensors | |
| CN110948504B (zh) | 机器人加工作业法向恒力跟踪方法和装置 | |
| Cui et al. | A Darboux-frame-based formulation of spin-rolling motion of rigid objects with point contact | |
| CN113156819B (zh) | 协调打磨机械臂系统自适应神经网络同步阻抗控制方法 | |
| CN111975579B (zh) | 一种基于打磨模型和迭代算法的机器人恒力打磨系统 | |
| CN111872937B (zh) | 一种任务空间中不确定机械臂的控制方法 | |
| CN114131611B (zh) | 机器人重力位姿分解的关节误差离线补偿方法、系统及终端 | |
| CN117331309A (zh) | 一种基于超扭曲滑模自适应导纳控制的机器人抛光方法 | |
| CN110524371A (zh) | 一种基于实时力控的复杂曲面恒定切除率的机器人打磨系统及方法 | |
| CN110497423A (zh) | 一种机械手自适应加工方法 | |
| CN114290147B (zh) | 基于双工业机器人协作的汽车轮毂打磨系统及其方法 | |
| CN117290636A (zh) | 一种scara机器人不等式约束模型构建方法及模型验证方法 | |
| CN118259679A (zh) | 多约束下机器人同步学习和运动与力混合控制方法及系统 | |
| Shi et al. | A novel task coordinate frame reduced-dimension 3-D contouring control | |
| CN118288294A (zh) | 一种基于图像变导纳的机器人视觉伺服与人机协同控制方法 | |
| Xia et al. | Hybrid force/position control of industrial robotic manipulator based on Kalman filter | |
| CN112596389B (zh) | 基于闭环交叉耦合迭代学习的水晶研磨控制方法与系统 | |
| CN117484499A (zh) | 一种机械臂鲁棒轨迹跟踪的scara机器人 | |
| Sun | Research on contact force control of grinding robot based on adaptive impedance control | |
| Bay et al. | Dynamics of a learning controller for surface tracking robots on unknown surfaces | |
| Yao et al. | Hybrid position, posture, force and moment control with impedance characteristics for robot manipulators | |
| Li et al. | Visual Servoing of flexible manipulators with unknown camera intrinsic parameters and vibration states | |
| CN117283378A (zh) | 一种基于力反馈的机器人复杂面的恒力打磨方法 | |
| Nagata et al. | A desktop NC machine tool with a position/force controller using a fine-velocity pulse converter |
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 |