CN117950323B - 基于机械手臂加工控制的自适应调节方法及系统 - Google Patents
基于机械手臂加工控制的自适应调节方法及系统 Download PDFInfo
- Publication number
- CN117950323B CN117950323B CN202410353693.6A CN202410353693A CN117950323B CN 117950323 B CN117950323 B CN 117950323B CN 202410353693 A CN202410353693 A CN 202410353693A CN 117950323 B CN117950323 B CN 117950323B
- Authority
- CN
- China
- Prior art keywords
- driving force
- grid
- preset
- neighborhood
- index
- 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
Links
- 238000012545 processing Methods 0.000 title claims abstract description 118
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000033001 locomotion Effects 0.000 claims abstract description 51
- 238000012544 monitoring process Methods 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 14
- 238000009877 rendering Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims description 25
- 238000012216 screening Methods 0.000 claims description 22
- 238000005457 optimization Methods 0.000 claims description 20
- 238000003754 machining Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 16
- 238000004088 simulation Methods 0.000 claims description 13
- 230000003044 adaptive effect Effects 0.000 claims description 12
- 238000004886 process control Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
本申请公开了基于机械手臂加工控制的自适应调节方法及系统,涉及自适应控制技术领域,所述方法包括:提取第一加工控制方案;构建预定加工控制域;在预定加工控制域的预定栅格地图中寻优得到第一最优路径;将加工控制动力信息渲染至机械手臂物理模型,得到三维运动模型;结合预定驱动力特征指标对三维运动模型基于第一最优路径的加工控制过程进行动态监测,得到第一时间下的第一驱动力特征参数;对比得到第一驱动力损失;以第一驱动力损失最小为约束进行驱动控制寻优,得到第一最优驱动控制方案;根据第一最优驱动控制方案组建最优驱动控制方案序列,进行自适应调节控制。进而达成减少人工调整、优化加工连续性和加工效率的技术效果。
Description
技术领域
本发明涉及自适应控制技术领域,特别涉及基于机械手臂加工控制的自适应调节方法及系统。
背景技术
基于机械手臂的加工控制是现代制造业中一项重要的技术,机械手臂在工业生产中广泛应用于各种加工任务,如焊接、切割、装配等。
然而,由于加工过程中工件、工具、环境等因素的变化,现有的控制方法往往难以适应这些变化,需要由专业技术人员进行定期的调节校准,存在人工干预频次高、影响加工连续性和加工效率的技术问题。
发明内容
本申请的目的在于提供基于机械手臂加工控制的自适应调节方法及系统。用以解决现有技术中人工干预频次高、影响加工连续性和加工效率的技术问题。
第一方面,本申请提供了基于机械手臂加工控制的自适应调节方法,其中,所述方法包括:
在机械手臂的预定加工控制方案中提取第一加工控制方案,所述第一加工控制方案包括第一始发点位和第一目的点位;
结合所述第一始发点位与所述第一目的点位构建所述机械手臂的预定加工控制域;
在分析得到的所述预定加工控制域的预定栅格地图中寻优得到所述第一始发点位至所述第一目的点位的第一最优路径;
将对所述机械手臂进行动力学分析得到的加工控制动力信息渲染至机械手臂物理模型,得到三维运动模型;
结合预定驱动力特征指标对所述三维运动模型基于所述第一最优路径的加工控制过程进行动态监测,得到第一时间下的第一驱动力特征参数;
读取所述第一时间下的第一预设驱动力特征参数,并与所述第一驱动力特征参数进行对比得到第一驱动力损失;
以所述第一驱动力损失最小为约束对所述三维运动模型进行驱动控制寻优,得到第一最优驱动控制方案;
根据所述第一最优驱动控制方案组建最优驱动控制方案序列,所述最优驱动控制方案序列用于对所述机械手臂进行自适应调节控制。
上述实现方式中的方法,从机械手臂的预定加工控制方案中提取第一加工控制方案,包括第一始发点位和第一目的点位。而后,基于目标机械手臂的目标应用场景,结合第一始发点位与第一目的点位构建机械手臂的预定加工控制域。而后,在预定加工控制域的预定栅格地图中寻优得到第一始发点位至第一目的点位的第一最优路径。实现了满足目标场景的初始最优路径的获取,为后续的控制优化提供了基础。
进一步的,通过将机械手臂进行动力学分析得到的加工控制动力信息渲染至机械手臂物理模型,结合预定驱动力特征指标,对三维运动模型基于第一最优路径的加工控制过程进行动态监测,得到第一时间下的第一驱动力特征参数。该驱动力特征参数反映了实况仿真模拟下的驱动表现。进而基于该驱动力特征参数与预设驱动力特征参数进行对比,得到第一驱动力损失,以第一驱动力损失最小为约束,对三维运动模型进行驱动控制寻优,得到第一最优驱动控制方案。利用预设加工控制方案、驱动力特征参数对比和驱动控制寻优等方法,提高了加工控制的效率和精度。
总的来说,上述的方法综合考虑了路径规划、动态监测和驱动控制等因素,实现了对机械手臂加工控制的全面优化。
在一种可行的实现方式中,在分析得到的所述预定加工控制域的预定栅格地图中寻优得到所述第一始发点位至所述第一目的点位的第一最优路径,包括:
步骤10:所述预定栅格地图包括M个栅格,M为大于1的整数;
步骤20:在所述M个栅格中分别匹配所述第一始发点位的第一始发栅格和所述第一目的点位的第一目的栅格;
步骤30:获取所述第一始发栅格的第一步进栅格组,所述第一步进栅格组包括六个栅格;
步骤40:筛选所述六个栅格中满足预定栅格条件的栅格,组成第一目标步进栅格组,所述第一目标步进栅格组包括N个栅格,1≤N≤6;
步骤50:提取所述N个栅格中的第一栅格,并计算所述第一始发栅格至所述第一栅格的第一距离代价;
步骤60:根据预定代价函数得到第一总代价,所述第一总代价为所述第一距离代价与第一估计距离代价之和,所述第一估计距离代价为所述第一栅格至所述第一目的栅格的估计距离代价;
步骤70:以所述第一总代价最小为约束对所述N个栅格进行筛选,得到目标第一栅格;
步骤80:将所述目标第一栅格作为所述第一始发栅格对步骤10至步骤70进行重复迭代,根据得到的所述目标第一栅格组成所述第一最优路径。
上述实现方式中的方法,对始发栅格邻域栅格进行细分,形成步进栅格组;分别获取步进栅格组中目标步进栅格组的多个距离代价;计算总代价,为距离代价与估计距离代价之和,估计距离代价为该栅格至目的栅格的估计距离代价;以总代价最小为约束对N个栅格进行筛选,得到目标栅格;将目标栅格作为始发栅格进行重复迭代,直到达到目的栅格,形成最优路径。其中,总代价最小说明路径向目的栅格的接近效率最高,进而获取第一始发点位至第一目的点位的最优路径。
在一种可行的实现方式中,所述预定代价函数的表达式如下:
;
;
其中,是指所述预定代价函数,所述/>是指所述第一距离代价,a为第一权重系数,所述/>是指所述第一估计距离代价,b为第二权重系数,所述/>是指所述第一始发栅格的坐标,所述/>是指所述第一栅格的坐标。
在一种可行的实现方式中,所述加工控制动力信息包括重力信息、惯性信息、摩擦力信息,所述摩擦力信息包括径向轴径摩擦力信息、止推轴颈摩擦力信息。
也就是说,该加工控制力信息体现了目标机械手臂的物理动作特性,包括其在物理动作过程中受到的重力、惯性和摩擦等因素的影响,这些信息对于实现精确控制和优化动作效果至关重要。通过分析和利用这些力信息,可以更好地理解和控制机械手臂的运动特性,提高模拟运行的准确性。
在一种可行的实现方式中,所述预定驱动力特征指标包括输出力矩、功率、速度、稳定性。
上述的实现方法中,预定驱动力特征指标包括多个反映了目标机械手臂的动作输出性能的指标项,通过预定驱动力特征指标可以实现目标机械手臂模拟性能的采集获取。
在一种可行的实现方式中,读取所述第一时间下的第一预设驱动力特征参数,并与所述第一驱动力特征参数进行对比得到第一驱动力损失,包括:
对归一化处理后的所述第一预设驱动力特征参数进行加权得到第一预设驱动力指数;
对归一化处理后的所述第一驱动力特征参数进行加权得到第一驱动力指数;
将所述第一预设驱动力指数与所述第一驱动力指数的差值绝对值作为所述第一驱动力损失。
在一种可行的实现方式中,以所述第一驱动力损失最小为约束对所述三维运动模型进行驱动控制寻优,得到第一最优驱动控制方案,包括:
提取所述预定驱动力特征指标中的第一预定特征指标;
在所述第一驱动力特征参数中匹配所述第一预定特征指标的第一参数;
获取所述第一参数的第一邻域,所述第一邻域包括所述第一预定特征指标的多个邻域参数;
筛选所述多个邻域参数得到目标邻域参数,并以所述目标邻域参数替换所述第一参数形成第一邻域驱动力特征参数;
通过驱动力预测模型分析所述第一邻域驱动力特征参数得到第一邻域驱动力指数;
若所述第一邻域驱动力指数大于所述第一驱动力指数,将所述第一邻域驱动力特征参数作为所述第一最优驱动控制方案;
继续迭代至达到预定迭代次数,输出彼时的所述第一最优驱动控制方案。
在一种可行的实现方式中,所述驱动力预测模型的训练步骤,包括:
提取历史驱动力监测记录中的第一历史记录;
对基于所述第一历史记录中第一历史驱动力特征参数和第一历史驱动力指数组成第一数据组进行有监督学习,得到所述驱动力预测模型。
第二方面,本申请还提供了基于机械手臂加工控制的自适应调节系统,其中,所述系统包括:
方案提取模块,所述方案提取模块用于在机械手臂的预定加工控制方案中提取第一加工控制方案,所述第一加工控制方案包括第一始发点位和第一目的点位;
控制空间生成模块,所述控制空间生成模块用于结合所述第一始发点位与所述第一目的点位构建所述机械手臂的预定加工控制域;
路径规划模块,所述路径规划模块用于在分析得到的所述预定加工控制域的预定栅格地图中寻优得到所述第一始发点位至所述第一目的点位的第一最优路径;
仿真赋值模块,所述仿真赋值模块用于将对所述机械手臂进行动力学分析得到的加工控制动力信息渲染至机械手臂物理模型,得到三维运动模型;
模拟监测模块,所述模拟监测模块用于结合预定驱动力特征指标对所述三维运动模型基于所述第一最优路径的加工控制过程进行动态监测,得到第一时间下的第一驱动力特征参数;
损失获取模块,所述损失获取模块用于读取所述第一时间下的第一预设驱动力特征参数,并与所述第一驱动力特征参数进行对比得到第一驱动力损失;
控制优化模块,所述控制优化模块用于以所述第一驱动力损失最小为约束对所述三维运动模型进行驱动控制寻优,得到第一最优驱动控制方案;
驱动编码模块,所述驱动编码模块用于根据所述第一最优驱动控制方案组建最优驱动控制方案序列,所述最优驱动控制方案序列用于对所述机械手臂进行自适应调节控制。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过在机械手臂的预定加工控制方案中提取第一加工控制方案,第一加工控制方案包括第一始发点位和第一目的点位;结合第一始发点位与第一目的点位构建机械手臂的预定加工控制域;在分析得到的预定加工控制域的预定栅格地图中寻优得到第一始发点位至第一目的点位的第一最优路径;将对机械手臂进行动力学分析得到的加工控制动力信息渲染至机械手臂物理模型,得到三维运动模型;结合预定驱动力特征指标对三维运动模型基于第一最优路径的加工控制过程进行动态监测,得到第一时间下的第一驱动力特征参数;读取第一时间下的第一预设驱动力特征参数,并与第一驱动力特征参数进行对比得到第一驱动力损失;以第一驱动力损失最小为约束对三维运动模型进行驱动控制寻优,得到第一最优驱动控制方案;根据第一最优驱动控制方案组建最优驱动控制方案序列,最优驱动控制方案序列用于对机械手臂进行自适应调节控制。进而达成减少人工调整、优化加工连续性和加工效率的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚阐明本申请的技术手段,进而可依照说明书的内容予以实施,并且为了让本申请的上述及其他目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
本发明的实施例及后述简单说明结合图示予以说明,附图说明如下:
图1为本申请基于机械手臂加工控制的自适应调节方法的流程示意图;
图2为本申请基于机械手臂加工控制的自适应调节系统的结构示意图。
附图标记说明:方案提取模块11、控制空间生成模块12、路径规划模块13、仿真赋值模块14、模拟监测模块15、损失获取模块16、控制优化模块17、驱动编码模块18。
具体实施方式
本发明的实施例中所提供的技术方案,为解决现有技术存在的人工干预频次高、影响加工连续性和加工效率的技术问题,所采用的整体思路如下:
首先,从机械手臂的预定加工控制方案中提取第一加工控制方案,其中包括第一始发点位和第一目的点位。接着,结合第一始发点位与第一目的点位构建机械手臂的预定加工控制域。然后,在分析得到的预定加工控制域的预定栅格地图中,寻优得到第一始发点位至第一目的点位的第一最优路径。随后,将对机械手臂进行动力学分析得到的加工控制动力信息渲染至机械手臂物理模型,得到三维运动模型。接下来,结合预定驱动力特征指标,对三维运动模型基于第一最优路径的加工控制过程进行动态监测,得到第一时间下的第一驱动力特征参数。然后,读取第一时间下的第一预设驱动力特征参数,并与第一驱动力特征参数进行对比,得到第一驱动力损失。接着,以第一驱动力损失最小为约束,对三维运动模型进行驱动控制寻优,得到第一最优驱动控制方案。最后,根据第一最优驱动控制方案组建最优驱动控制方案序列,该序列用于对机械手臂进行自适应调节控制。
下面将结合说明书附图和具体的实施方式来对上述技术方案进行详细的说明,以更好的理解上述技术方案。显然,所描述的实施例仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受仅用于解释本发明的示例实施例的限制。基于本发明的实施例,本领域普通技术人员在没有作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。此外,还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部。
实施例一
如图1所示,本申请提供了基于机械手臂加工控制的自适应调节方法,所述方法包括:
在机械手臂的预定加工控制方案中提取第一加工控制方案,所述第一加工控制方案包括第一始发点位和第一目的点位;
其中,预定加工控制方案是指目标机械手臂所在目标场景的多个加工制造任务所对应的加工控制方案的集合,代表了优化前的包括加工目标、加工路径、加工参数等。具体的,始发点位是机械手臂开始执行加工任务的位置,目的点位是机械手臂完成加工任务后的位置。
结合所述第一始发点位与所述第一目的点位构建所述机械手臂的预定加工控制域;
可选的,基于第一始发点位与第一目的点位,获取机械手臂的预定加工控制域,该预定控制域是指目标机械手臂可以进行控制移动的三维立体空间围栏,优选的,预定加工控制域为目标场景中具有特定位置和外形尺寸的长方体三维空间。
具体的,始发点位和目的点位确定了加工任务的起始位置和目标位置,长方体的位置应该包围这两个点位,大小应该适当以容纳机械手臂的运动范围和加工工件的尺寸。此外,预定加工控制域还应包括基于安全距离的净空空间与需要进行避让的管控空间,进而确保机械手臂控制运行的安全。
在分析得到的所述预定加工控制域的预定栅格地图中寻优得到所述第一始发点位至所述第一目的点位的第一最优路径;
可选的,对预定加工控制域进行分析划分,将预定加工控制域转换为栅格地图,其中,栅格地图中的每个栅格代表一个可行走区域,栅格地图的划分策略基于路径寻优的精度和性能需求确定。而后,选择适合栅格地图的路径规划算法,示例性的,包括A*算法、Dijkstra算法、贪心算法等。根据选择的路径规划算法,在栅格地图中搜索从起点到终点的最优路径。此外,寻优中还包括平滑路径、避免障碍物等,以确保路径的可行性和效率。最后,输出第一始发点位至第一目的点位的第一最优路径。
通过以上步骤,可以在预定加工控制域的栅格地图中寻优得到第一始发点位至第一目的点位的第一最优路径,为机械手臂的加工控制提供有效的路径规划基础。
将对所述机械手臂进行动力学分析得到的加工控制动力信息渲染至机械手臂物理模型,得到三维运动模型;
可选的,将加工控制动力信息渲染至机械手臂物理模型之前,首先获取机械手臂物理模型,该机械手臂物理模型是指目标机械手臂的三维数字模型,反映了目标机械手臂的外形尺寸、结构连接及配合关系。具体的,机械手臂物理模型包括机械结构、传动系统、传感器等部分,并考虑到机械手臂的运动自由度和控制能力。
可选的,机械手臂物理模型可以基于三维扫描等技术建立,或交互目标机械手臂的生产厂商获取。通过将动力学分析得到的加工控制动力信息(如力、扭矩等)应用到机械手臂物理模型中。包括数值计算方法或者仿真软件来实现,将动力信息与物理模型进行耦合,进而获取具有高拟真度的三维运动模型。
结合预定驱动力特征指标对所述三维运动模型基于所述第一最优路径的加工控制过程进行动态监测,得到第一时间下的第一驱动力特征参数;
其中,第一驱动力特征参数是指三维运动模型仿真模拟中预定驱动力特征指标的指标值,用于反映实况拟态下的机械手臂驱动性能或操作表现。基于三维运动模型的加工控制仿真模拟和动态监测,有助于监测加工控制过程的质量和安全性,同时降低实物实验中的设备损坏和生产安全风险。
读取所述第一时间下的第一预设驱动力特征参数,并与所述第一驱动力特征参数进行对比得到第一驱动力损失;
其中,第一预设驱动力特征参数是指目标机械手臂的第一目标任务场景下的需求驱动力特征参数,换而言之,第一预设驱动力特征参数代表了目标机械手臂在当下任务中的控制目标值,是理想的驱动力特征参数。
可选的,通过第一预设驱动力特征参数与第一驱动力特征参数的对比分析,可以获得第一驱动力损失,该驱动力损失反映了预定驱动力特征指标中多个指标与目标控制值的偏差程度,示例性的,该第一驱动力损失包括多个指标偏离方向与关联的指标偏离数值。
以所述第一驱动力损失最小为约束对所述三维运动模型进行驱动控制寻优,得到第一最优驱动控制方案;
可选的,将第一驱动力损失最小化作为优化的目标,即在保证加工控制过程中达到预期效果的前提下,尽可能减少驱动力损失。从而使得第一驱动力特征参数趋近于第一预设驱动力特征参数;
可选的,基于第一最优路径和实际监测到的驱动力特征参数,建立三维运动模型的驱动控制优化模型。采取适当的优化算法对建立的优化模型进行求解,以得到最小化驱动力损失的最优驱动控制方案。示例性的,包括梯度下降法、遗传算法、粒子群优化等。而后对得到的第一最优驱动控制方案进行验证和调整,确保其在实际应用中的可行性和有效性。通过以上步骤,可以基于第一驱动力损失最小化约束对三维运动模型进行驱动控制寻优,得到第一最优驱动控制方案。
根据所述第一最优驱动控制方案组建最优驱动控制方案序列,所述最优驱动控制方案序列用于对所述机械手臂进行自适应调节控制。
可选的,基于第一最优驱动控制方案,进行最优驱动控制方案序列构建,其中,最优驱动控制方案序列是指目标机械手臂可以理解的基于机器语言的控制指令或控制指令集。
可选的,将第一最优驱动控制方案转化为可执行的控制指令序列,最优驱动控制方案序列包括机械手臂的运动轨迹、速度、加速度等控制参数的变化规律。
可选的,对生成的最优驱动控制方案序列进行验证和调整,确保其在实际应用中的可行性和有效性。包括需要对序列进行调整,反编译验证指令的准确率、进行虚拟控制等。
最后,将最优驱动控制方案序列应用于机械手臂的控制系统中,实现自适应调节控制。根据实际情况对序列进行调节,以确保机械手臂的稳定运行和良好的加工效果。
一些实施例中,在分析得到的所述预定加工控制域的预定栅格地图中寻优得到所述第一始发点位至所述第一目的点位的第一最优路径,包括:
步骤10:所述预定栅格地图包括M个栅格,M为大于1的整数;
步骤20:在所述M个栅格中分别匹配所述第一始发点位的第一始发栅格和所述第一目的点位的第一目的栅格;
步骤30:获取所述第一始发栅格的第一步进栅格组,所述第一步进栅格组包括六个栅格;
步骤40:筛选所述六个栅格中满足预定栅格条件的栅格,组成第一目标步进栅格组,所述第一目标步进栅格组包括N个栅格,1≤N≤6;
步骤50:提取所述N个栅格中的第一栅格,并计算所述第一始发栅格至所述第一栅格的第一距离代价;
步骤60:根据预定代价函数得到第一总代价,所述第一总代价为所述第一距离代价与第一估计距离代价之和,所述第一估计距离代价为所述第一栅格至所述第一目的栅格的估计距离代价;
步骤70:以所述第一总代价最小为约束对所述N个栅格进行筛选,得到目标第一栅格;
步骤80:将所述目标第一栅格作为所述第一始发栅格对步骤10至步骤70进行重复迭代,根据得到的所述目标第一栅格组成所述第一最优路径。
优选的,获取始发栅格的步进栅格组,将第一始发栅格的邻域划分为六个栅格。而后,基于第一始发栅格与六个步进栅格的指向关系,筛选满足预定条件的栅格,组成目标步进栅格组,包括N个栅格,1≤N≤6。其中,目标步进栅格组满足:第一始发栅格-目标步进栅格连线与第一始发栅格-第一目的栅格连线的夹角小于等于180°。
优选的,获取目标步进栅格组后,提取多目标栅格中的任意一个,作为第一个栅格,计算始发栅格至该栅格的距离代价。接着,基于预定代价函数计算该栅格的总代价,其中,总代价为距离代价与估计距离代价的函数,而估计距离代价为目标栅格至目的栅格的估计距离代价。
优选的,遍历目标步进栅格组中多个目标栅格,获取多个总代价,并选择总代价最小的栅格作为目标第一栅格。而后,将目标栅格作为新的始发栅格,重复上述步骤,直到找到抵达第一目的栅格,形成最优路径。
进一步的,一些实施方式中,所述预定代价函数的表达式如下:
;
;
其中,是指所述预定代价函数,所述/>是指所述第一距离代价,a为第一权重系数,所述/>是指所述第一估计距离代价,b为第二权重系数,所述/>是指所述第一始发栅格的坐标,所述/>是指所述第一栅格的坐标。
具体的,第一估计距离代价为所述第一栅格至所述第一目的栅格的估计距离代价,基于上式中同样的方法原理计算。
一些实施例中,所述加工控制动力信息包括重力信息、惯性信息、摩擦力信息,所述摩擦力信息包括径向轴径摩擦力信息、止推轴颈摩擦力信息。
可选的,加工控制动力信息包括的重力信息、惯性信息、摩擦力信息反映了目标机械手臂各个部件之间的力学关系,通过该加工控制动力信息,得以实现对前述物理模型的初始化,确保生成的三维运动模型与实际的目标机械手臂具有相同的特性。
一些实施例中,预定驱动力特征指标包括输出力矩、功率、速度、稳定性。
其中,输出力矩是指机械手臂在执行加工任务时所需的扭矩大小。输出力矩是驱动力的重要指标,可以影响机械手臂的运动和稳定性。功率是指机械手臂在执行加工任务时所输出的功率大小。代表机械手臂在单位时间内完成工作的能力,与输出力矩和速度等因素相关。速度是指机械手臂在执行加工任务时的运动速度。速度是控制机械手臂运动的重要参数,可以影响加工效率和精度。稳定性是指机械手臂在执行加工任务时的运动稳定性。稳定性是指机械手臂在运动过程中保持平稳的能力,可以通过控制驱动力来实现。
一些实施例中,读取所述第一时间下的第一预设驱动力特征参数,并与所述第一驱动力特征参数进行对比得到第一驱动力损失,包括:
对归一化处理后的所述第一预设驱动力特征参数进行加权得到第一预设驱动力指数;
对归一化处理后的所述第一驱动力特征参数进行加权得到第一驱动力指数;
将所述第一预设驱动力指数与所述第一驱动力指数的差值绝对值作为所述第一驱动力损失。
可选的,基于目标机械手臂的第一任务的控制需求进行第一预设驱动力特征参数和第一驱动力特征参数的加权计算。其中,第一任务的控制倾向决定了加权计算中多个驱动力特征参数值的权重系数,较重要的控制指标对应较高的权重。
通过基于加权的驱动力指数计算,实现了对第一预设驱动力特征参数与第一驱动力特征参数的综合性的量化评价,便于直观高效的进行驱动力损失的获取。
一些实施例中,以所述第一驱动力损失最小为约束对所述三维运动模型进行驱动控制寻优,得到第一最优驱动控制方案,包括:
提取所述预定驱动力特征指标中的第一预定特征指标;
在所述第一驱动力特征参数中匹配所述第一预定特征指标的第一参数;
获取所述第一参数的第一邻域,所述第一邻域包括所述第一预定特征指标的多个邻域参数;
筛选所述多个邻域参数得到目标邻域参数,并以所述目标邻域参数替换所述第一参数形成第一邻域驱动力特征参数;
通过驱动力预测模型分析所述第一邻域驱动力特征参数得到第一邻域驱动力指数;
若所述第一邻域驱动力指数大于所述第一驱动力指数,将所述第一邻域驱动力特征参数作为所述第一最优驱动控制方案;
继续迭代至达到预定迭代次数,输出彼时的所述第一最优驱动控制方案。
可选的,基于第一预定特征指标的第一参数与预设的邻域控制约束,获取第一参数的第一邻域。示例性的,邻域控制约束包括邻域距离约束及邻域相似度约束,其中,邻域距离约束确立了基于第一参数数值的邻域范围,邻域相似度约束规定了基于工况相似性的邻域范围。具体的,合并邻域距离约束与邻域相似度约束确定的邻域范围,存储为第一参数的第一邻域。
可选的,基于参数寻优步进与梯度下降原则,进行多个邻域参数的筛选,得到目标邻域参数。其中,参数寻优步进为自适应步进,寻优开始阶段步进值较大,并随寻优迭代逐步减小。示例性的,选取沿着梯度方向最符合参数寻优步进的邻域参数替换第一参数,形成第一邻域驱动力特征参数。
进一步,通过驱动力预测模型分析所述第一邻域驱动力特征参数得到第一邻域驱动力指数,是指利用预先构建的驱动力预测模型,对第一邻域驱动力特征参数进行分析,以预测该特征参数对系统驱动力的影响程度。该第一邻域驱动力指数反映了给定的驱动力特征参数下系统的驱动力情况,进而有助于确定最优的驱动控制方案。
进一步的,一些实施方法中,驱动力预测模型的训练步骤,包括:
提取历史驱动力监测记录中的第一历史记录;
对基于所述第一历史记录中第一历史驱动力特征参数和第一历史驱动力指数组成第一数据组进行有监督学习,得到所述驱动力预测模型。
其中,历史驱动力监测记录包括目标机械手臂场景下多种任务工况的驱动力监测与评价记录,用于训练驱动力预测模型。第一历史记录包含了第一任务工况下驱动力与监测结果与驱动力指数间的复杂映射关系。
示例性的,通过已标记的训练数据来有监督的训练模型,使用历史记录中的特征参数和驱动力指数作为训练数据,以建立驱动力预测模型,进而实现驱动力指数的端到端预测。
综上所述,本发明所提供的基于机械手臂加工控制的自适应调节方法具有如下技术效果:
通过在机械手臂的预定加工控制方案中提取第一加工控制方案,第一加工控制方案包括第一始发点位和第一目的点位;结合第一始发点位与第一目的点位构建机械手臂的预定加工控制域;在分析得到的预定加工控制域的预定栅格地图中寻优得到第一始发点位至第一目的点位的第一最优路径;将对机械手臂进行动力学分析得到的加工控制动力信息渲染至机械手臂物理模型,得到三维运动模型;结合预定驱动力特征指标对三维运动模型基于第一最优路径的加工控制过程进行动态监测,得到第一时间下的第一驱动力特征参数;读取第一时间下的第一预设驱动力特征参数,并与第一驱动力特征参数进行对比得到第一驱动力损失;以第一驱动力损失最小为约束对三维运动模型进行驱动控制寻优,得到第一最优驱动控制方案;根据第一最优驱动控制方案组建最优驱动控制方案序列,最优驱动控制方案序列用于对机械手臂进行自适应调节控制。进而达成减少人工调整、优化加工连续性和加工效率的技术效果。
实施例二
基于与所述实施例中基于机械手臂加工控制的自适应调节方法同样的构思,如图2所示,本申请还提供了基于机械手臂加工控制的自适应调节系统,所述系统包括:
方案提取模块11,用于在机械手臂的预定加工控制方案中提取第一加工控制方案,所述第一加工控制方案包括第一始发点位和第一目的点位;
控制空间生成模块12,用于结合所述第一始发点位与所述第一目的点位构建所述机械手臂的预定加工控制域;
路径规划模块13,用于在分析得到的所述预定加工控制域的预定栅格地图中寻优得到所述第一始发点位至所述第一目的点位的第一最优路径;
仿真赋值模块14,用于将对所述机械手臂进行动力学分析得到的加工控制动力信息渲染至机械手臂物理模型,得到三维运动模型;
模拟监测模块15,用于结合预定驱动力特征指标对所述三维运动模型基于所述第一最优路径的加工控制过程进行动态监测,得到第一时间下的第一驱动力特征参数;
损失获取模块16,用于读取所述第一时间下的第一预设驱动力特征参数,并与所述第一驱动力特征参数进行对比得到第一驱动力损失;
控制优化模块17,用于以所述第一驱动力损失最小为约束对所述三维运动模型进行驱动控制寻优,得到第一最优驱动控制方案;
驱动编码模块18,用于根据所述第一最优驱动控制方案组建最优驱动控制方案序列,所述最优驱动控制方案序列用于对所述机械手臂进行自适应调节控制。
进一步的,路径规划模块13还包括:
栅格匹配单元,用于在所述M个栅格中分别匹配所述第一始发点位的第一始发栅格和所述第一目的点位的第一目的栅格;
第一步进栅格提取单元,用于获取所述第一始发栅格的第一步进栅格组,所述第一步进栅格组包括六个栅格;
栅格筛选单元,用于筛选所述六个栅格中满足预定栅格条件的栅格,组成第一目标步进栅格组,所述第一目标步进栅格组包括N个栅格,1≤N≤6;
距离代价单元,用于提取所述N个栅格中的第一栅格,并计算所述第一始发栅格至所述第一栅格的第一距离代价;
总代价单元,用于根据预定代价函数得到第一总代价,所述第一总代价为所述第一距离代价与第一估计距离代价之和,所述第一估计距离代价为所述第一栅格至所述第一目的栅格的估计距离代价;
约束筛选单元,用于以所述第一总代价最小为约束对所述N个栅格进行筛选,得到目标第一栅格;
路径重复迭代单元,用于将所述目标第一栅格作为所述第一始发栅格对步骤10至步骤70进行,根据得到的所述目标第一栅格组成所述第一最优路径。
进一步的,路径规划模块13还包括预定代价函数,所述预定代价函数的表达式如下:
;
;
其中,是指所述预定代价函数,所述/>是指所述第一距离代价,a为第一权重系数,所述/>是指所述第一估计距离代价,b为第二权重系数,所述/>是指所述第一始发栅格的坐标,所述/>是指所述第一栅格的坐标。
进一步的,损失获取模块16还包括:
预设驱动力加权单元,用于对归一化处理后的所述第一预设驱动力特征参数进行加权得到第一预设驱动力指数;
驱动力加权单元,用于对归一化处理后的所述第一驱动力特征参数进行加权得到第一驱动力指数;
损失计算单元,用于将所述第一预设驱动力指数与所述第一驱动力指数的差值绝对值作为所述第一驱动力损失。
进一步的,控制优化模块17还包括:
特征指标提取单元,用于提取所述预定驱动力特征指标中的第一预定特征指标;
特征参数匹配单元,用于在所述第一驱动力特征参数中匹配所述第一预定特征指标的第一参数;
第一邻域获取单元,用于获取所述第一参数的第一邻域,所述第一邻域包括所述第一预定特征指标的多个邻域参数;
邻域参数选取单元,用于筛选所述多个邻域参数得到目标邻域参数,并以所述目标邻域参数替换所述第一参数形成第一邻域驱动力特征参数;
预测分析单元,用于通过驱动力预测模型分析所述第一邻域驱动力特征参数得到第一邻域驱动力指数;
阈值判别单元,用于若所述第一邻域驱动力指数大于所述第一驱动力指数,将所述第一邻域驱动力特征参数作为所述第一最优驱动控制方案;
迭代输出单元,用于继续迭代至达到预定迭代次数,输出彼时的所述第一最优驱动控制方案。
进一步的,预测分析单元还包括模型构建单元,用于:
提取历史驱动力监测记录中的第一历史记录;
对基于所述第一历史记录中第一历史驱动力特征参数和第一历史驱动力指数组成第一数据组进行有监督学习,得到所述驱动力预测模型。
应当理解的是,本说明书中所提及的实施例重点在其与其他实施例的不同,前述实施例一中的具体实施例,同样适用于实施例二所述的基于机械手臂加工控制的自适应调节系统,为了说明书的简洁,在此不做进一步的展开。
应当理解的是,本申请所公开的实施例及上述说明,可以使得本领域的技术人员运用本申请实现本申请。同时本申请不被限制于上述所提到的这部分实施例,对本申请提到的实施例进行显而易见的修改、组合和替代,也属于本申请保护范围之内。
Claims (6)
1.基于机械手臂加工控制的自适应调节方法,其特征在于,包括:
在机械手臂的预定加工控制方案中提取第一加工控制方案,所述第一加工控制方案包括第一始发点位和第一目的点位;
结合所述第一始发点位与所述第一目的点位构建所述机械手臂的预定加工控制域;
在分析得到的所述预定加工控制域的预定栅格地图中寻优得到所述第一始发点位至所述第一目的点位的第一最优路径;
将对所述机械手臂进行动力学分析得到的加工控制动力信息渲染至机械手臂物理模型,得到三维运动模型;
结合预定驱动力特征指标对所述三维运动模型基于所述第一最优路径的加工控制过程进行动态监测,得到第一时间下的第一驱动力特征参数;
读取所述第一时间下的第一预设驱动力特征参数,并与所述第一驱动力特征参数进行对比得到第一驱动力损失;
以所述第一驱动力损失最小为约束对所述三维运动模型进行驱动控制寻优,得到第一最优驱动控制方案;
根据所述第一最优驱动控制方案组建最优驱动控制方案序列,所述最优驱动控制方案序列用于对所述机械手臂进行自适应调节控制;
所述在分析得到的所述预定加工控制域的预定栅格地图中寻优得到所述第一始发点位至所述第一目的点位的第一最优路径,包括:
步骤10:所述预定栅格地图包括M个栅格,M为大于1的整数;
步骤20:在所述M个栅格中分别匹配所述第一始发点位的第一始发栅格和所述第一目的点位的第一目的栅格;
步骤30:获取所述第一始发栅格的第一步进栅格组,所述第一步进栅格组包括六个栅格;
步骤40:筛选所述六个栅格中满足预定栅格条件的栅格,组成第一目标步进栅格组,所述第一目标步进栅格组包括N个栅格,1≤N≤6;
步骤50:提取所述N个栅格中的第一栅格,并计算所述第一始发栅格至所述第一栅格的第一距离代价;
步骤60:根据预定代价函数得到第一总代价,所述第一总代价为所述第一距离代价与第一估计距离代价之和,所述第一估计距离代价为所述第一栅格至所述第一目的栅格的估计距离代价;
步骤70:以所述第一总代价最小为约束对所述N个栅格进行筛选,得到目标第一栅格;
步骤80:将所述目标第一栅格作为所述第一始发栅格对步骤10至步骤70进行重复迭代,根据得到的所述目标第一栅格组成所述第一最优路径;
所述读取所述第一时间下的第一预设驱动力特征参数,并与所述第一驱动力特征参数进行对比得到第一驱动力损失,包括:
对归一化处理后的所述第一预设驱动力特征参数进行加权得到第一预设驱动力指数;
对归一化处理后的所述第一驱动力特征参数进行加权得到第一驱动力指数;
将所述第一预设驱动力指数与所述第一驱动力指数的差值绝对值作为所述第一驱动力损失;
所述以所述第一驱动力损失最小为约束对所述三维运动模型进行驱动控制寻优,得到第一最优驱动控制方案,包括:
提取所述预定驱动力特征指标中的第一预定特征指标;
在所述第一驱动力特征参数中匹配所述第一预定特征指标的第一参数;
获取所述第一参数的第一邻域,所述第一邻域包括所述第一预定特征指标的多个邻域参数;
筛选所述多个邻域参数得到目标邻域参数,并以所述目标邻域参数替换所述第一参数形成第一邻域驱动力特征参数;
通过驱动力预测模型分析所述第一邻域驱动力特征参数得到第一邻域驱动力指数;
若所述第一邻域驱动力指数大于所述第一驱动力指数,将所述第一邻域驱动力特征参数作为所述第一最优驱动控制方案;
继续迭代至达到预定迭代次数,输出彼时的所述第一最优驱动控制方案。
2.根据权利要求1所述基于机械手臂加工控制的自适应调节方法,其特征在于,所述预定代价函数的表达式如下:
;
;
其中,是指所述预定代价函数,所述/>是指所述第一距离代价,a为第一权重系数,所述/>是指所述第一估计距离代价,b为第二权重系数,所述/>是指所述第一始发栅格的坐标,所述/>是指所述第一栅格的坐标。
3.根据权利要求1所述基于机械手臂加工控制的自适应调节方法,其特征在于,所述加工控制动力信息包括重力信息、惯性信息、摩擦力信息,所述摩擦力信息包括径向轴径摩擦力信息、止推轴颈摩擦力信息。
4.根据权利要求1所述基于机械手臂加工控制的自适应调节方法,其特征在于,所述预定驱动力特征指标包括输出力矩、功率、速度、稳定性。
5.根据权利要求1所述基于机械手臂加工控制的自适应调节方法,其特征在于,所述驱动力预测模型的训练步骤,包括:
提取历史驱动力监测记录中的第一历史记录;
对基于所述第一历史记录中第一历史驱动力特征参数和第一历史驱动力指数组成第一数据组进行有监督学习,得到所述驱动力预测模型。
6.基于机械手臂加工控制的自适应调节系统,其特征在于,包括:
方案提取模块,所述方案提取模块用于在机械手臂的预定加工控制方案中提取第一加工控制方案,所述第一加工控制方案包括第一始发点位和第一目的点位;
控制空间生成模块,所述控制空间生成模块用于结合所述第一始发点位与所述第一目的点位构建所述机械手臂的预定加工控制域;
路径规划模块,所述路径规划模块用于在分析得到的所述预定加工控制域的预定栅格地图中寻优得到所述第一始发点位至所述第一目的点位的第一最优路径;
仿真赋值模块,所述仿真赋值模块用于将对所述机械手臂进行动力学分析得到的加工控制动力信息渲染至机械手臂物理模型,得到三维运动模型;
模拟监测模块,所述模拟监测模块用于结合预定驱动力特征指标对所述三维运动模型基于所述第一最优路径的加工控制过程进行动态监测,得到第一时间下的第一驱动力特征参数;
损失获取模块,所述损失获取模块用于读取所述第一时间下的第一预设驱动力特征参数,并与所述第一驱动力特征参数进行对比得到第一驱动力损失;
控制优化模块,所述控制优化模块用于以所述第一驱动力损失最小为约束对所述三维运动模型进行驱动控制寻优,得到第一最优驱动控制方案;
驱动编码模块,所述驱动编码模块用于根据所述第一最优驱动控制方案组建最优驱动控制方案序列,所述最优驱动控制方案序列用于对所述机械手臂进行自适应调节控制;
路径规划模块还包括:
栅格匹配单元,用于在M个栅格中分别匹配所述第一始发点位的第一始发栅格和所述第一目的点位的第一目的栅格;
第一步进栅格提取单元,用于获取所述第一始发栅格的第一步进栅格组,所述第一步进栅格组包括六个栅格;
栅格筛选单元,用于筛选所述六个栅格中满足预定栅格条件的栅格,组成第一目标步进栅格组,所述第一目标步进栅格组包括N个栅格,1≤N≤6;
距离代价单元,用于提取所述N个栅格中的第一栅格,并计算所述第一始发栅格至所述第一栅格的第一距离代价;
总代价单元,用于根据预定代价函数得到第一总代价,所述第一总代价为所述第一距离代价与第一估计距离代价之和,所述第一估计距离代价为所述第一栅格至所述第一目的栅格的估计距离代价;
约束筛选单元,用于以所述第一总代价最小为约束对所述N个栅格进行筛选,得到目标第一栅格;
路径重复迭代单元,用于将所述目标第一栅格作为所述第一始发栅格对步骤10至步骤70进行,根据得到的所述目标第一栅格组成所述第一最优路径;
损失获取模块还包括:
预设驱动力加权单元,用于对归一化处理后的所述第一预设驱动力特征参数进行加权得到第一预设驱动力指数;
驱动力加权单元,用于对归一化处理后的所述第一驱动力特征参数进行加权得到第一驱动力指数;
损失计算单元,用于将所述第一预设驱动力指数与所述第一驱动力指数的差值绝对值作为所述第一驱动力损失;
控制优化模块还包括:
特征指标提取单元,用于提取所述预定驱动力特征指标中的第一预定特征指标;
特征参数匹配单元,用于在所述第一驱动力特征参数中匹配所述第一预定特征指标的第一参数;
第一邻域获取单元,用于获取所述第一参数的第一邻域,所述第一邻域包括所述第一预定特征指标的多个邻域参数;
邻域参数选取单元,用于筛选所述多个邻域参数得到目标邻域参数,并以所述目标邻域参数替换所述第一参数形成第一邻域驱动力特征参数;
预测分析单元,用于通过驱动力预测模型分析所述第一邻域驱动力特征参数得到第一邻域驱动力指数;
阈值判别单元,用于若所述第一邻域驱动力指数大于所述第一驱动力指数,将所述第一邻域驱动力特征参数作为所述第一最优驱动控制方案;
迭代输出单元,用于继续迭代至达到预定迭代次数,输出彼时的所述第一最优驱动控制方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410353693.6A CN117950323B (zh) | 2024-03-27 | 2024-03-27 | 基于机械手臂加工控制的自适应调节方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410353693.6A CN117950323B (zh) | 2024-03-27 | 2024-03-27 | 基于机械手臂加工控制的自适应调节方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117950323A CN117950323A (zh) | 2024-04-30 |
CN117950323B true CN117950323B (zh) | 2024-05-31 |
Family
ID=90798126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410353693.6A Active CN117950323B (zh) | 2024-03-27 | 2024-03-27 | 基于机械手臂加工控制的自适应调节方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117950323B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109397282A (zh) * | 2017-08-15 | 2019-03-01 | 由田新技股份有限公司 | 机械手臂加工方法、系统及计算机可读取纪录媒体 |
CN109459980A (zh) * | 2018-10-25 | 2019-03-12 | 山东中衡光电科技有限公司 | 一种光学镜面加工共融机器人控制系统及方法 |
CN111216136A (zh) * | 2020-03-11 | 2020-06-02 | 集美大学 | 多自由度机械手臂控制系统、方法、存储介质、计算机 |
WO2022198994A1 (zh) * | 2021-03-22 | 2022-09-29 | 深圳市优必选科技股份有限公司 | 一种机械臂运动规划方法、装置、可读存储介质及机械臂 |
WO2024008257A1 (en) * | 2022-07-06 | 2024-01-11 | Onrobot A/S | Method and control system for generating a path for a robot arm and a tool attached to the robot arm |
-
2024
- 2024-03-27 CN CN202410353693.6A patent/CN117950323B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109397282A (zh) * | 2017-08-15 | 2019-03-01 | 由田新技股份有限公司 | 机械手臂加工方法、系统及计算机可读取纪录媒体 |
CN109459980A (zh) * | 2018-10-25 | 2019-03-12 | 山东中衡光电科技有限公司 | 一种光学镜面加工共融机器人控制系统及方法 |
CN111216136A (zh) * | 2020-03-11 | 2020-06-02 | 集美大学 | 多自由度机械手臂控制系统、方法、存储介质、计算机 |
WO2022198994A1 (zh) * | 2021-03-22 | 2022-09-29 | 深圳市优必选科技股份有限公司 | 一种机械臂运动规划方法、装置、可读存储介质及机械臂 |
WO2024008257A1 (en) * | 2022-07-06 | 2024-01-11 | Onrobot A/S | Method and control system for generating a path for a robot arm and a tool attached to the robot arm |
Also Published As
Publication number | Publication date |
---|---|
CN117950323A (zh) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110462531B (zh) | 用于控制机器操作的模型预测控制系统和方法 | |
CN104010774B (zh) | 用于自动生成机器人程序的系统和方法 | |
JP7010877B2 (ja) | 機械学習装置、数値制御システム及び機械学習方法 | |
TW201521929A (zh) | 雷射加工機操作的控制方法及用以控制雷射加工機之第1致動器操作之控制器 | |
Liu et al. | Online time-optimal trajectory planning for robotic manipulators using adaptive elite genetic algorithm with singularity avoidance | |
JP2018077778A (ja) | 数値制御装置 | |
CN107829878A (zh) | 风力发电机组的偏航控制设备和方法 | |
JP6502976B2 (ja) | 数値制御装置 | |
CN114326588B (zh) | 一种伺服驱动系统的效率优化控制方法、系统及存储介质 | |
CN115544815A (zh) | 一种风扇模型的生成方法和装置 | |
CN117950323B (zh) | 基于机械手臂加工控制的自适应调节方法及系统 | |
Ates et al. | Disturbance rejection FOPID control of rotor by multi-objective BB-BC optimization algorithm | |
CN117097227B (zh) | 电机的调速控制方法及相关装置 | |
CN114509991A (zh) | 考虑参数不确定的数控机床切削稳定性预测与优化方法 | |
JP2004326200A (ja) | 自動機械、機械の自動運転システム、及び、機械の自動運転方法 | |
CN110138296B (zh) | 机器学习装置和方法、伺服电动机控制装置和系统 | |
CN111076724A (zh) | 三维激光定位方法及系统 | |
Laks et al. | Comparison of wind turbine operating transitions through the use of iterative learning control | |
CN111958598B (zh) | 多目标融合的冗余驱动并联机器人内力优化方法及系统 | |
CN115407736A (zh) | 一种提高产品良率的方法、装置、设备及介质 | |
JP4301491B2 (ja) | 電動機制御システムの自律設計方法及び自律設計装置並びに電動機制御システム | |
JP7305061B2 (ja) | パラメータ調整装置およびパラメータ調整方法 | |
CN110948489B (zh) | 一种带电作业机器人安全工作空间限定方法及系统 | |
Izagirre et al. | Torque-based methodology and experimental implementation for industrial robot standby pose optimization | |
JP2019003465A (ja) | プラント制御調整装置及び方法 |
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 |