JPH04211803A - モデル追従制御方式およびロボットの力−位置制御装置 - Google Patents

モデル追従制御方式およびロボットの力−位置制御装置

Info

Publication number
JPH04211803A
JPH04211803A JP3586491A JP3586491A JPH04211803A JP H04211803 A JPH04211803 A JP H04211803A JP 3586491 A JP3586491 A JP 3586491A JP 3586491 A JP3586491 A JP 3586491A JP H04211803 A JPH04211803 A JP H04211803A
Authority
JP
Japan
Prior art keywords
high gain
information
output
gain means
reference model
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
Application number
JP3586491A
Other languages
English (en)
Inventor
Yoshiro Tsuchiyama
吉朗 土山
Koji Ebisu
戎　晃司
Masataka Ozeki
正高 尾関
Keizo Matsui
敬三 松井
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.)
Panasonic Holdings Corp
Original Assignee
Matsushita Electric Industrial Co Ltd
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 Matsushita Electric Industrial Co Ltd filed Critical Matsushita Electric Industrial Co Ltd
Publication of JPH04211803A publication Critical patent/JPH04211803A/ja
Pending legal-status Critical Current

Links

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
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/0285—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks and fuzzy logic

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、制御対象（プラント）
の特性が変動しても制御可能な手法、いわゆるロバスト
な制御方式に関する。
【０００２】特に応答の規範モデルを定め、対象が規範
モデルに追従する方式の制御方式、特に制御目標が数値
的にではなく、次元的に変化するものに有効である。具
体例としては、ロボットの位置制御・力制御などの複雑
な制御、空調装置においての室温・湿度の制御と冷凍サ
イクルの制御の組合せなどである。
【０００３】
【従来の技術】未知パラメータを含む制御対象に対して
制御を行う方法として、モデル規範型適応制御が提唱さ
れている。ただし、この方式には２通りあり、適応機構
としてパラメータを可変する機能を持ったものと、パラ
メータが極端に違わない場合にはロバスト性を高めてパ
ラメータ可変なしでモデル追従させる方式とがある。パ
ラメータ可変による適応制御方法は例えば、市川邦彦ほ
か「適応制御」（昭晃堂、１９８４）などに詳しく述べ
られているが、プラントの構造が既知でなければならな
いし、さらにプラントパラメータ変動が比較的低速でな
ければならない。一方、ロバスト性を高める方法は、プ
ラント構造が完全に判っている必要は無く、かつ、プラ
ントパラメータの変動が比較的はやいプラントに対して
も有効である。
【０００４】図９は、ロバスト性を高める方法による適
応制御系の基本構成を示したものである。プラント１１
の伝達関数Ｐ（ｓ）、モデル１４の伝達関数Ｐｍ（ｓ）
、補償要素１３の伝達関数Ｈ（ｓ）を図９（ａ）のごと
く接続する。すなわち目標値ｒはモデル１４に入力され
るとともに、比較器１５にも入力する。モデルプラント
１４は、その応答を比較器１６に入力する。一方比較器
１５は目標値ｒと補償要素１３の出力値と比較をし、そ
の結果をプラント１１に送る。プラント１１の出力ｙは
モデルプラント出力ｙｍと比較器１６で比較され、その
結果を補償要素１３に入力する。　　図９（ｂ）は同図
（ａ）のブロック図を１つにしたものである。次に補償
要素１３の構成について説明する。補償要素１３は、モ
デルプラント１４の伝達特性Ｐｍ（ｓ）の逆数にゲイン
定数Ｋを掛けたものとする。すなわち、
【０００５】
【数１】
【０００６】とおく。このとき、同図（ｂ）の伝達特性
は、
【０００７】
【数２】
【０００８】となる。そして、Ｋ→∞のとき、ｙ／ｒの
値は、Ｐｍ（ｓ）となる。すなわち、Ｋを大きくして行
けば、系の特性はモデルの特性Ｐｍ（ｓ）に近ずく。す
なわち、プラントの特性Ｐ（ｓ）に無関係な入出力の関
係が得られる。
【０００９】
【発明が解決しようとする課題】以上説明した従来例で
は、規範モデルはただ一つだけ設定されるため、制御目
標により望ましい応答が異なる場合には用いることがで
きなくなる。ロボットなどでは、位置制御モード、力制
御モードなどの複数の制御モードがあり、目標によって
制御系の望ましい応答が異なることは明白である。また
、一つの目標値であっても、目標から大きくずれている
ときには、不安定な応答になる規範モデルであってもは
やく目標値に近づくように応答して欲しく、目標値に近
づいた場合には安定な規範モデルに追従する応答である
ことが望ましいことは言うまでもない。
【００１０】また、望ましい応答が式として明確に表現
することが困難な場合があり、例えば、入出力関係だけ
でしか与えることができない場合もある。このような場
合にも前述の方法では実現することが困難である。
【００１１】また、このような制御系を構成する手法と
して、近年ファジィ制御が注目されているが、現在提案
されている制御手法は、目標値に対する誤差の状態に対
しての処理方法をファジィ論理を用いて表現しているも
のであり、その結果の応答がどの様になるのかを定義し
ていけるものではない。従って、望ましい応答を与える
には、試行錯誤を繰り返してファジィ制御器のメンバシ
ップ関数を調整する必要があった。また、調整された後
でも、プラント特性の変化があった場合には、同じ様な
応答を得られるとは限らない。
【００１２】
【課題を解決するための手段】課題を解決するために、
ロバスト性を高めることによりパラメータ変動の影響を
抑圧するモデル追従型の制御系において、ある入力情報
に対して望ましい応答を得るためのファジィ規範モデル
を設け、プラント出力情報とファジィモデル出力情報と
を比較し、比較結果を第１の高ゲイン手段の入力情報と
し、第１の高ゲイン手段の出力情報を前記ファジィ規範
モデルの入力情報とすると共に、目標値の情報と比較し
、比較結果を第２の高ゲイン手段の入力情報とし、第２
の高ゲイン出力手段の出力情報をプラントの操作情報と
することを特徴とする。
【００１３】また、ロボットの制御においては、作用要
素にかかる力および位置の望ましい応答特性を規範モデ
ルとして作用要素の位置情報に基づいたファジィ集合を
用いて設定し、目標状況に応じて定められた力目標値お
よび位置目標値に対して実際の力および位置情報を検出
する手段、第１および第２の高ゲイン手段、前記検出し
た力情報、位置情報と前記第１の高ゲイン手段に対する
前記規範モデルの応答出力と比較する手段、比較結果を
増幅する前記第１の高ゲイン手段、第１の高ゲイン手段
の出力と前記力目標値および位置目標値を比較する目標
値比較手段、目標値比較手段の比較結果を入力とする前
記第２の高ゲイン手段、第２の高ゲイン手段の２つの出
力結果を互いに加算する手段、加算結果によりアクチュ
エータの駆動指令とすることを特徴とする。
【００１４】
【作用】マイナーループのフィードバックループに規範
モデル特性を有する系において、前向きの伝達要素に高
ゲイン要素を用いることにより、ループの特性は規範モ
デルの逆特性に近づく。したがって、全体のループから
みれば、入力に対して規範モデルに追従する制御系が実
現する。
【００１５】ロボットの制御においては、ワークなどに
よる拘束点からの距離が大きいときは位置制御用の規範
モデルが選択され、また拘束点近傍においては力制御用
の規範モデルがファジィ選択されるので、作業空間にお
ける拘束点の位置情報が多少ずれていても安定に位置制
御と力制御が両立でき、所望の制御が実現できる。
【００１６】
【実施例】本発明実施例の構成を図面に基づき説明する
。図１は構成を示す全体図である。図１において目標値
ｒは比較器４に入力され、第１の高ゲイン要素１の出力
と比較される。比較結果は第２の高ゲイン要素５を経由
してプラント６の操作量となる。プラント６の制御結果
ｙは比較器３に入力され、規範モデル２の出力と比較さ
れる。比較結果は第１の高ゲイン要素１に送られる。 第１の高ゲイン要素１の出力は比較器４へ送られて目標
値ｒと比較されると共に、規範モデル２に送られる。
【００１７】図５（ａ）は第１の高ゲイン要素１、規範
モデル２、比較器３で構成されるマイナーループの構成
を示したものである。ここで、高ゲイン要素１の伝達特
性をＫ、規範モデル２の伝達特性をＰｍ（ｓ）とする。 同図（ｂ）は（ａ）のループを１つの入出力で示したも
のである。すなわち、入出力特性は分母が（１／Ｋ）＋
Ｐｍ（ｓ）で示される特性になっている。したがって、
Ｋが十分大きければ、入出力特性は、規範モデルの逆数
になる。したがって、第１図のフィードバックループに
は規範モデルＰｍの逆特性が存在することになり、結果
としてモデル追従制御を実現することができる。
【００１８】図２は規範モデルとして、複数のモデルを
利用する場合の構成を示す全体図である。構成は図１の
構成に対して、目標値ｒにより、規範モデル２、第１の
高ゲイン要素１を可変せしめるものである。可変する部
分の構成は図３、図４に示している。図３は規範モデル
を複数個使用する場合の構成を示したものであり、図３
は、高ゲイン要素を複数個使用する場合の構成を示した
ものである。複数の規範モデルは、特定の目標値にたい
して望ましい応答として設定しておく。図３において、
規範モデルの入力は複数個の規範モデル２１、２２、２
３に入力される。そしてそれぞれの規範モデルの出力は
重み付き加算平均手段２５に入力される。重み付き加算
平均手段２５では、各規範モデル出力を重み付き加算平
均し、その結果を規範モデル出力ｙｍとして出力する。 重み付き加算平均手段２５で用いる重みは、目標値ｒを
もとに重み算出手段２４で決定される。重み算出手段２
４の動作は、現在の目標値ｒをもとに各規範モデルに対
する適合度として算出できる。すなわち、目標値ｒが各
規範モデルを設定した目標値にどれだけ適合するかを算
出する。この演算手法はファジィ制御前件部の演算に相
当する。例えば、各規範モデルの適合度を適当なメンバ
シップ関数として目標値の関数として設定することがで
きるし、また、各規範モデルをあたえた目標値からの距
離で設定することもできる。図４では同様の処理を高ゲ
イン要素で行う場合を示したものである。図４の重み算
出の方法は、図３で使用した結果と同一でなくともよい
。（例えば、違うメンバシップ関数を用いても良い。）
　　このように規範モデルを目標値に応じて切り換える
ことにより、より複雑な目標値に対応する制御系が構成
されるものである。
【００１９】図６は、第１および第２の高ゲイン要素の
構成例をしめす図である。計算機での実施をするための
表現で記述している。入力は加算器５１に送られ、一つ
前の値と加算される。加算結果は遅延手段５２に送られ
るとともに、ゲイン調整手段５３へ送られ、適当なゲイ
ンＫｃを得て出力される。このゲインＫｃはそれぞれの
要素により異なることもある。この要素は、累積加算を
含むので積分動作になる。このような手段を用いること
により積分すなわち低周波域での高ゲインを実現するこ
とができる。なお、高ゲイン手段は当然ながら積分のみ
でなくても本発明の主旨を損なうものではない。例えば
、積分と並行して比例手段を設けることも可能である。
【００２０】図７は、規範モデルとして、数学的モデル
が困難であり、入出力特性のみからモデルとして与える
場合の構成を示すものである。すなわち、目標値ｒは比
較器４へ送られ、神経回路網９の出力と比較される。比
較結果は高ゲイン要素５を経てプラント６に送られる。 プラント６の出力ｙは神経回路網９に入力され、フィー
ドバックループを形成している。図８は神経回路網９の
入出力の定義方法をしめしたものである。すなわち、神
経回路網の入出力関係を逆にして学習させて使用する。 構成および学習方法は、文献（Ｄ．Ｅ．Ｒｕｍｅｌｈａ
ｒｔ，Ｊ．Ｌ．ＭｃＣｌｅｌｌａｎｄ　ａｎｄ　ｔｈｅ
ＰＤＰ　Ｒｅｓｅａｒｃｈ　Ｇｒｏｕｐ：”Ｐａｒａｌ
ｌｅｌ　Ｄｉｓｔｒｉｂｕｔｅｄ　Ｐｒｏｃｅｓｓｉｎ
ｇ”，ＭＩＴ　Ｐｒｅｓｓ　１９８６）などで紹介され
ている方法（いわゆるバックプロパゲーション法）など
であり、本発明の構成とは直接関係がないので省略する
。
【００２１】なお、図では示さないが、目標値ｒと制御
出力ｙとの差を用いて差によって複数の規範モデルを切
り換えていく方法も本発明の考えから容易に実現可能で
あることは明白である。
【００２２】図１０はロボットの力制御および位置制御
に用いる例を示したブロック構成図である。ここでロボ
ットは強い力で把持すると破損するようなワークを速や
かに把持して移動させるような作業を想定している。把
持すべき対象物が判っているのでそのための力目標値が
決定されている。また、対象物の位置も視覚情報および
作業空間の地図６７などにより概略判っているものとす
る。また、一般のマニピュレータではアクチュエータの
駆動の座標系とエンドエフェクタの座標系とが回転座標
系と直交座標系との複合になる場合が多いが、ここでは
、簡略化して、アクチュエータの駆動の座標系とエンド
エフェクタの座標系が１対１で対応する１自由度系で説
明する。
【００２３】力の目標値Ｆｒ、および位置の目標値Ｘｒ
に対して、高ゲイン要素６１の出力情報とそれぞれ比較
手段６４、７４で比較する。比較手段６４、７４の比較
結果は第２の高ゲイン要素６５に入力される。第２の高
ゲイン要素６５のそれぞれの出力は加算手段６８に送ら
れ互いに加算される。加算手段６８の加算結果はアクチ
ュエータの駆動指令としてロボット６６に送られてロボ
ット６６の機械量（位置および力）を変化させる。変化
した力および位置は力検出器７１、位置検出器７２によ
りそれぞれ検出される。検出された力情報は比較手段６
３及び作業空間地図６７に送られ、位置情報は比較手段
７３および誤差混入部６９を経て作業空間地図６７に送
られる。ここで誤差混入部６９は検出している位置情報
と作業空間地図６７が保有する座標とのずれに概念的に
対応するためのものである。比較手段６３では検出した
力情報と規範モデルの力情報に対応する出力とが比較さ
れ、比較手段７３では検出した位置情報と規範モデルの
位置情報に対応する出力とが比較される。比較手段６３
、７３のそれぞれの比較結果は第１の高ゲイン要素６１
に送られて増幅される。第１の高ゲイン要素６１の出力
結果は規範モデル６２に送られることにより第１の高ゲ
イン要素６１、規範モデル６２、比較手段６３、７３に
よるマイナーループを構成する。このマイナーループは
前述したように規範モデルの逆特性要素を構成するもの
である。第１の高ゲイン要素６１の出力は力情報の目標
値比較手段６４および位置情報の目標値比較手段７４に
入力されることにより、力および位置の制御ループが構
成される。一方、作業空間地図６７に送られた位置情報
は地図の内容と現在の位置情報とを照合して、拘束点か
らの距離情報を算出する。算出された距離情報は制御ル
ープにおける規範モデル６２に入力される。
【００２４】規範モデル６２は拘束点からの距離情報に
基づいて力制御モードと位置制御モードをファジィ選択
するものであり、その構成を図１１に示す。図１１（ａ
）は規範モデルを言語的な表現で記述したものであり、
２つのルールで記述されている。一つめは、もし「拘束
条件」であれば、「力制御」を行うものであり、その望
ましい応答特性をＧｆｍ（ｓ）とするものであり、二つ
めは、もし「自由条件」であれば、「位置制御」を行う
ものであり、その望ましい応答特性をＧｐｍ（ｓ）とす
るものである。この２つのルールは、人間が物体を把持
するときの動作における制御ルールとよく合致している
。 同図（ｂ）は２つの制御ルールの重みを拘束点からの距
離に基づき示したものである。すなわち、現在の位置が
拘束点であるときには力制御が１００％となり、拘束点
からの距離が十分大きいときには、位置制御が１００％
になり、その間においては力制御と位置制御とがファジ
ィ選択されることになる。この領域においては、力と位
置のハイブリッド制御、すなわちコンプライアンス制御
が実現する。このような制御系を構成することにより、
拘束点から離れているときには位置制御モードになり、
目標位置にできるだけ速く近づける制御系が実現でき、
拘束点では力制御モードになり、破損しやすいワークを
柔らかく把持することが可能になる。また、拘束点近傍
ではコンプライアンス制御となり、剛性の低い位置制御
モードになるので、拘束点座標に多少誤差があってワー
クに接触した場合でもワークを損傷しない制御が可能に
なる。接触は力検出器７１により検出することができ、
検出結果に基づいて作業空間地図６７を校正することに
より、ワークの位置に誤差が含まれている場合にも速や
かに力制御モードに移行することができる。
【００２５】
【発明の効果】以上説明したように、本発明によれば、
複雑な目標状態に対して、制御目標が異なる場合の制御
系を実現することができる。
【００２６】また、ひとつの目標状態であっても、目標
からのずれに応じた規範モデルを設定することにより、
より高速で応答できる制御系を構成することも可能であ
る。
【００２７】さらに、望ましい応答のほうを定義するこ
とにより、制御系の現在の応答状況を考慮する必要が少
なくなり、より使いやすい制御系を実現することも可能
である。
【００２８】また、規範モデルを式として明確に表現す
ることが困難である場合でも、規範モデルとして神経回
路網を用いて、入出力関係より学習させることにより規
範モデルを用いた制御系が実現できる。
【００２９】さらに、ロボットの力−位置制御に適用さ
せることにより、作業空間内におけるワークの位置が多
少ずれていても良好な力制御と位置制御とを実現でき、
高速かつ信頼性の高い作業が実現できる。
【図面の簡単な説明】
【図１】本発明の制御方式の一実施例のブロック構成図
【図２】本発明の制御方式の一実施例のブロック構成図
【図３】複数の規範モデルを使う場合の要部ブロック構
成図
【図４】複数の高ゲイン手段を用いる方法を示すブロッ
ク構成図
【図５】図１のマイナーループの原理を示すブロック構
成図
【図６】積分手段の構成例を示すブロック図
【図７】神
経回路網を用いた制御系の構成方法を示すブロック構成
図
【図８】神経回路網を用いた本発明の異なる実施例の要
部構成図
【図９】従来例の制御方式のブロック構成図
【図１０】
ロボットの力−位置制御に実施した場合の構成方法を示
すブロック構成図
【図１１】図１０における規範モデルの構成をしめす原
理図
【符号の説明】
１，５，３１，３２，３３，６１，６５　　高ゲイン手
段２，２１，２２，２３，１４，６２　　規範モデル６
，１１　　プラント ９　　神経回路網 １３　　補償要素 ２４，３４　　重み算出手段 ２５，３５　　重み付き加算平均手段 ６６　　ロボット ６７　　地図

Claims (7)

    【特許請求の範囲】
  1. 【請求項１】　　プラントに対して望ましい特性を規範
    モデルとして設定し、ある入力情報に対して前記規範モ
    デルの出力を得る手段を設け、プラントの出力情報と前
    記規範モデル出力情報との差を求め、得られた差を第１
    の高ゲイン手段に入力し、第１の高ゲイン手段の出力情
    報を前記規範モデルの入力情報とし、さらに、目標とす
    る指令情報と前記第１の高ゲイン手段の出力情報との差
    を第２の高ゲイン手段の入力情報とし、第２の高ゲイン
    手段の出力情報によって前記プラントを制御することを
    特徴とするモデル追従制御方式。
  2. 【請求項２】　　第１の高ゲイン手段もしくは第２の高
    ゲイン手段の少なくとも一方に積分手段を有することを
    特徴とする請求項１記載のモデル追従制御方式。
  3. 【請求項３】　　プラントに対して望ましい特性を規範
    モデルとしてファジィ集合を用いて設定し、ある入力情
    報に対して前記規範モデルの出力を得る手段を設け、プ
    ラントの出力情報と前記規範モデル出力情報との差を求
    め、得られた差を第１の高ゲイン手段に入力し、第１の
    高ゲイン手段の出力情報を前記規範モデルの入力情報と
    し、さらに、目標とする指令情報と前記第１の高ゲイン
    手段の出力情報との差を第２の高ゲイン手段の入力情報
    とし、第２の高ゲイン手段の出力情報によって前記プラ
    ントを制御することを特徴とするモデル追従制御方式。
  4. 【請求項４】　　第１の高ゲイン手段が、規範モデルの
    ファジィ集合と連動してファジィ論理で切り替わること
    を特徴とする請求項３記載のモデル追従制御方式。
  5. 【請求項５】　　プラントに対して望ましい特性を規範
    モデルとして神経回路網を用いて設定し、望ましい出力
    情報を前記神経回路網の入力情報とし、望ましい出力を
    得るときの入力情報を前記神経回路網の出力情報として
    学習させ、プラントの出力情報とを規範モデルとして設
    定した神経回路網に入力し、神経回路網の出力情報を、
    目標指令情報と前記神経回路網の出力情報との差を求め
    、得られた差をもちいて高ゲイン手段に入力し、高ゲイ
    ン手段の出力によりプラントを操作することを特徴とす
    るモデル追従制御方式。
  6. 【請求項６】　　作用要素にかかる力および位置の望ま
    しい応答特性を規範モデルとして作用要素の位置情報に
    基づいたファジィ集合を用いて設定し、目標状況に応じ
    て定められた力目標値および位置目標値に対して実際の
    力および位置情報を検出する手段、第１および第２の高
    ゲイン手段、前記検出した力情報、位置情報と前記第１
    の高ゲイン手段に対する前記規範モデルの応答出力と比
    較する手段、比較結果を増幅する前記第１の高ゲイン手
    段、第１の高ゲイン手段の出力と前記力目標値および位
    置目標値を比較する目標値比較手段、目標値比較手段の
    比較結果を入力とする前記第２の高ゲイン手段、第２の
    高ゲイン手段の２つの出力結果を互いに加算する手段、
    加算結果によりアクチュエータの駆動指令を得るロボッ
    トの力−位置制御装置。
  7. 【請求項７】　　作用要素にかかる実際の力情報により
    前記位置情報に基づいたファジィ集合の位置情報に基づ
    く部分を校正することを特徴とする請求項６記載のロボ
    ットの力−位置制御装置。
JP3586491A 1990-03-06 1991-03-01 モデル追従制御方式およびロボットの力−位置制御装置 Pending JPH04211803A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP5524990 1990-03-06
JP2-55249 1990-03-06

Publications (1)

Publication Number Publication Date
JPH04211803A true JPH04211803A (ja) 1992-08-03

Family

ID=12993324

Family Applications (1)

Application Number Title Priority Date Filing Date
JP3586491A Pending JPH04211803A (ja) 1990-03-06 1991-03-01 モデル追従制御方式およびロボットの力−位置制御装置

Country Status (3)

Country Link
EP (1) EP0445729B1 (ja)
JP (1) JPH04211803A (ja)
DE (1) DE69105555T2 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06504390A (ja) * 1991-10-16 1994-05-19 アーベーベー・パテント・ゲーエムベーハー 知識ベース型制御・調整装置
JPH07501643A (ja) * 1991-12-09 1995-02-16 シーメンス アクチエンゲゼルシヤフト 制御パラメータに依存する実際値特性を有するシステムに対する制御パラメータの最適化方法
US5737214A (en) * 1993-06-09 1998-04-07 Abb Patent Gmbh Method for controlling a function unit with a steering and control device
DE19637917C2 (de) * 1996-09-17 1998-12-10 Siemens Ag Verfahren und Einrichtung zum Entwurf oder zur Steuerung des Prozeßablaufs einer Anlage der Grundstoffindustrie
CN111832277B (zh) * 2020-06-04 2024-03-26 北京百度网讯科技有限公司 阅读理解模型的训练方法及阅读理解处理方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4407013A (en) * 1980-10-20 1983-09-27 Leeds & Northrup Company Self tuning of P-I-D controller by conversion of discrete time model identification parameters
US4385362A (en) * 1980-10-20 1983-05-24 Leeds & Northrup Company Filter arrangement for elimination of unwanted bias in a model reference process control system
US4458321A (en) * 1981-08-19 1984-07-03 The Charles Stark Draper Laboratory, Inc. Self-teaching robot feedback system
DE3572740D1 (en) * 1984-04-13 1989-10-05 Toshiba Kk Process control apparatus
EP0241286B2 (en) * 1986-04-11 1994-11-09 Mitsubishi Denki Kabushiki Kaisha An auto-tuning controller
US4881160A (en) * 1987-03-09 1989-11-14 Yokogawa Electric Corporation Self-tuning controller

Also Published As

Publication number Publication date
EP0445729B1 (en) 1994-12-07
DE69105555T2 (de) 1995-07-20
DE69105555D1 (de) 1995-01-19
EP0445729A1 (en) 1991-09-11

Similar Documents

Publication Publication Date Title
Zeng et al. An overview of robot force control
CA2081519C (en) Parametric control device
Shuzhi et al. Adaptive neural network control of robot manipulators in task space
Kiguchi et al. Intelligent position/force controller for industrial robot manipulators-application of fuzzy neural networks
Zahmatkesh et al. Artificial Error Tuning Based on Design a Novel SISO Fuzzy Backstepping Adaptive Variable Structure Control
Rahali et al. Fault tolerant control of robot manipulators based on adaptive fuzzy type-2 backstepping in attendance of payload variation
Sidiropoulos et al. A variable admittance controller for human-robot manipulation of large inertia objects
JPH04211803A (ja) モデル追従制御方式およびロボットの力−位置制御装置
Huang et al. A hybrid fuzzy logic and neural network algorithm for robot motion control
Lange et al. Learning force control with position controlled robots
Zhu et al. Vision-admittance-based adaptive RBFNN control with a SMC robust compensator for collaborative parallel robots
Suh et al. Fuzzy adaptive force control of industrial robot manipulators with position servos
He et al. Adaptive fuzzy sliding mode control for redundant manipulators with varying payload
JPH05228863A (ja) マニピュレータ制御装置
Slawiñski et al. Teleoperation of mobile robots with time-varying delay
JPH04369004A (ja) マニピュレータのインピーダンス制御方法
Iqbal et al. Arm-manipulator coordination for load sharing using predictive control
Vukobratović et al. Stabilizing position/force control of robots interacting with environment by learning connectionist structures
JPH06206185A (ja) ロボット制御装置
Er Recent developments and futuristic trends in robot manipulator control
Katic et al. Learning impedance control of manipulation robots by feedforward connectionist structures
Rezeck et al. Framework for haptic teleoperation of a remote robotic arm device
Hung et al. Modeling and impedance control of a 6-DOF haptic teleoperation system
De et al. The development of a fuzzy logic controller that drives a passive compliant manipulator
Ngo et al. A review of artificial intelligence algorithms used for robotic manipulator