CN105459114B - 冗余驱动并联机构驱动力优化方法及轴组控制验证平台 - Google Patents
冗余驱动并联机构驱动力优化方法及轴组控制验证平台 Download PDFInfo
- Publication number
- CN105459114B CN105459114B CN201510925433.2A CN201510925433A CN105459114B CN 105459114 B CN105459114 B CN 105459114B CN 201510925433 A CN201510925433 A CN 201510925433A CN 105459114 B CN105459114 B CN 105459114B
- Authority
- CN
- China
- Prior art keywords
- gamma
- centerdot
- beta
- parallel mechanism
- driving force
- 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
- 230000007246 mechanism Effects 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005457 optimization Methods 0.000 title claims abstract description 23
- 238000012795 verification Methods 0.000 title claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000005381 potential energy Methods 0.000 claims description 15
- 230000014509 gene expression Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000006073 displacement reaction Methods 0.000 claims description 2
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 claims description 2
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000000465 moulding Methods 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000001055 chewing effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000005499 meniscus Effects 0.000 description 1
- 210000001548 stomatognathic system Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000001738 temporomandibular joint Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 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
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/1643—Programme controls characterised by the control loop redundant control
-
- 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
- B25J9/1607—Calculation of inertia, jacobian matrixes and inverses
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明是为解决冗余驱动并联机构普遍存在的驱动力分配不均,机构内力过大,运动控制难以及由于采用点接触高副从而增加***控制的复杂性等问题,提出一种冗余驱动并联机构驱动力优化分配方法及对此方法的轴组控制验证平台。冗余驱动并联机构轴组控制验证平台包括冗余驱动并联机构本体、冗余驱动控制模块、轴组运动控制模块、伺服及传感***。驱动力优化分配方法可适用于冗余驱动并联机构运动控制领域。
Description
技术领域
本发明属于冗余驱动并联机构运动控制技术领域,涉及一种冗余驱动并联机构的驱动力优化分配方法及轴组控制验证平台。
背景技术
仿生咀嚼机器人可以模拟人类下颌运动行为、再现其生物力学环境,其研究成果在口腔医学和食品科学等领域具有广阔应用前景。人体口颌***下颌驱动肌肉数目明显多于下颌运动的自由度,所以口颌***具有冗余驱动的特性。在颞下颌关节及关节盘等组织的约束下,左右两侧颞下颌各约束两个自由度,下颌运动只具有四个自由度。冗余驱动的特性具有许多优势,可以改善工作空间中的奇异位形,解决奇异点导致的运动精度降低、刚度减小和驱动关节无法实施控制等问题。但由于冗余驱动力的存在,使得逆动力学方程不存在唯一解,这增大了并联机构控制的难度,因此,需要找到一种适合冗余驱动并联机构力控制的方法。
冗余驱动并联机构的控制方法一般有两种,即运动学控制与动力学控制。运动学控制比较简单,一般应用在精度不高,速度较慢的场合。冗余驱动并联机构控制中易存在的位置误差以及瞬时反向驱动,使得机构中各个支链间容易产生较大的内力,过大的内力在高速和大负载的情况下会造成杆件的严重破坏。针对冗余驱动并联机构的研究主要集中在机构设计、奇异性分析等方面,通过机构优化来提高性能。然而,针对运动性能起关键作用的动力学控制研究较少,从某种程度上限制了冗余驱动并联机构的性能提升及推广应用。本发明旨在提出一种冗余驱动并联机构驱动力优化分配方法,解决机构内力分配不均的问题。
发明内容
本发明是为了解决冗余驱动并联机构普遍存在的驱动力分配不均,机构内力过大,运动控制难等问题,提出了一种冗余驱动并联机构驱动力优化分配方法及对此方法的轴组控制验证平台。
为了达到上述目的,本发明的技术方案为:
一种冗余驱动并联机构驱动力优化分配方法,包括以下步骤:
第一步,建立机器人坐标系描述机器人的运动,建立3个坐标系描述冗余驱动并联机构的运动,如图7所示。含有点接触高副的冗余驱动并联机构具有4个自由度,广义坐标只有4个,采用四个独立位置参数XL,YL,βL,γL描述动平台的位姿。
第二步,建立运动学方程;建立并联6PUS机构支链及点接触高副约束方程,并完成冗余驱动并联机构的运动学计算。
第三步,建立动力学方程;在运动学方程的基础上,求解机器人的动能与势能,建立冗余驱动并联机构的动力学模型。
第四步,建立拉格朗日方程;采用第一组与第二组第一类拉格朗日方程,通过引入6个拉格朗日算子求解驱动力/力矩,由于冗余驱动并联机构特性,由四个方程求解6个未知数,驱动力/力矩有无限组解。
第五步,伪逆优化方法求解驱动力;采用伪逆矩阵对六个拉格朗日算子λi(i=1,2,…,6)进行优化,通过联立方程消除拉格朗日算子,求得驱动力/力矩的最小二范数解,得到最优驱动力。六个拉格朗日算子λi(i=1,2,…,6)由公式(26)获得,但是很明显只有四个方程,因此,采用伪逆矩阵进行优化,得到六个拉格朗日算子的数值解。
求得冗余驱动并联机构的最优化驱动力,同时该方法可以推广用在其他冗余驱动并联机构的驱动力优化分配问题。
一种运行上述方法的冗余驱动并联机构轴组控制验证平台,包括冗余驱动控制模块、轴组运动控制模块、伺服驱动、传感***及冗余驱动并联机构本体,如图3所示;所述冗余驱动控制模块位于上位机PC中,冗余驱动控制模块运行上述方法进行驱动力优化分配,发出控制指令;轴组运动控制模块位于下位机轴组运动控制器中,轴组运动控制器与伺服驱动位于控制柜中,轴组运动控制器接收冗余驱动控制模块发出的控制指令,并将控制指令通信至伺服驱动;传感***与轴组运动控制模块相连,传感***采集冗余驱动并联机构本体的数据,并将采集的数据反馈给轴组运动控制模块,实现对伺服电机的闭环控制,保证冗余驱动并联机构电机的驱动力矩;所述的采集的数据包括冗余驱动并联机构的受力、速度、位置等信息。
所述冗余驱动并联机构本体采用专利“一种具有仿生颞下颌关节的冗余驱动咀嚼机器人”,专利号:ZL201310602874.X。
所述的冗余驱动并联机构本体包括6条PUS并联支链和2个点接触高副HKP(HigherKinematic Pair),机构形式为6PUS-2HKP,如图1所示。
所述的一条PUS驱动支链包括伺服电机1、联轴器2、滚珠丝杠3、万向节4、移动副5、驱动杆6和球副7;伺服电机1固定在上固定板9上,通过联轴器2带动滚珠丝杠3转动,滚珠丝杠3转动带动移动副5沿导轨直线运动,移动副5通过万向节4与驱动杆6连接,驱动杆6通过球副7与动平台8连接,六条PUS驱动支链最后固定在下固定板10上。通过电机驱动6PUS机构,进而驱动动平台8在三维空间平动或转动。
所述的一个HKP包括约束块12和约束杆13;约束块12下表面为约束曲面,约束杆13安装在动平台8上,约束杆13与约束曲面在运动过程中保持接触,形成点接触高副;两个点接触高副可以约束动平台两个自由度。因此,整个6PUS-2HKP冗余驱动并联机构是由六台电机驱动,只有四个自由度的冗余驱动机构,其运动特性与一般的并联机构有明显差异。
本发明提出一种冗余驱动并联机构的轴组控制验证平台,驱动力优化分配方法可适用于冗余驱动并联机构运动控制领域,能够解决冗余驱动并联机构普遍存在的驱动力分配不均,机构内力过大,运动控制难以及由于采用点接触高副从而增加***控制的复杂性等问题,可以对冗余驱动并联机构驱动力优化分配方法进行实验验证。
附图说明
图1是冗余驱动并联机构原理图。
图2是冗余驱动并联机构驱动力优化分配方法流程图。
图3是冗余驱动并联机构轴组控制验证平台示意图。
图4是冗余驱动并联机构侧视图。
图5是冗余驱动并联机构正视图。
图6是点接触高副HKP示意图。
图7是冗余驱动并联机构坐标系示意图。
图中:1伺服电机;2联轴器;3滚珠丝杠;4万向节;5移动副;6驱动杆;7球副;8动平台;9上固定板;10下固定板;11点接触高副位置;12约束块;13约束杆。
具体实施方式
下面结合技术方案和附图详细叙述本发明的具体实施内容。
所述冗余驱动并联机构驱动力优化分配方法流程图见图2,具体步骤如下:
第一步,建立机器人坐标系
建立3个坐标系描述冗余驱动并联机构的运动,如图7所示;三个坐标系为基坐标系OB-XBYBZB、瞬时坐标系OL-XLYLZL和动平台坐标系OM-XMYMZM。所述的OB-XBYBZB在基座上;所述的OL-XLYLZL在左侧点接触高副的约束杆13上。OL-XLYLZL随机器人的运动而沿约束曲面滑动或转动,在OL-XLYLZL中,ZL始终垂直于约束曲面,XL相切于约束曲面,YL与两者正交;所述的OM-XMYMZM设置在初始位置瞬时坐标系ΣB的位置。
通常情况下,机器人的运动一般用6个运动学参数描述,即:XL,YL,ZL,αL,βL,γL。由于点接触高副的存在,限制了下颌结构的位置和姿态部分自由度。含有点接触高副的冗余驱动并联机构具有4个自由度,广义坐标有4个,采用四个独立位置参数XL,YL,βL,γL来描述位姿。
第二步,建立运动学方程
建立并联6PUS机构支链及点接触高副约束方程,并完成冗余驱动并联机构的运动学计算。
对于6自由度的并联机器人来说,运动学一般可以写成:
Qi=fi(XL,YL,ZL,αL,βL,γL) (1)
其中,Qi=[Q1,Q2,…,Q6]T是各关节空间参数,W=[XL,YL,ZL,αL,βL,γL]T是末端执行器直角坐标空间参数。
2.1点接触高副HKP约束方程
左右两侧HKP约束曲面的约束方程的数学一般表达式分别为
fL(XL,YL,ZL)=0 (2)
fR(XR,YR,ZR)=0 (3)
其中,fL和fR分别是左右两侧约束方程,XL,YL,ZL为左侧HKP的坐标,XR,YR,ZR为右侧HKP的坐标。
2.2并联机构6PUS支链约束方程
机器人单条支链示意图见图7。
向量BiMi存在如下关系:
BiMi=BiCi+CiMi (4)
根据上述约束条件,每个滑块的移动量Qi的计算公式:
其中,Ci是移动副的位置,Bi每条支链支撑板的固定位置,Li是每条驱动杆的长度,肌肉连接点Mi在OB-XBYBZB的坐标可以通过坐标转换矩阵B TM获得。
动平台8的6个位置参数关系表达式为:
其中,XL,YL,ZL,αL,βL,γL为6个位置参数,XL,YL,βL,γL为4个独立位置参数。
由上述公式(5)和(6)求得冗余驱动并联机构的运动学关系表达式为:
其中,T为运动学变换矩阵,TM为位置变换矩阵;由公式(7)可知,已知4个独立位置参数XL,YL,βL,γL,用WM表示,便可以通过运动学计算得到6个滑块的位移变化量Qi(i=1,2,…,6)。
即对于冗余驱动并联机构来说,
[Qi]6×1=[TM]6×4·[WM]4×1 (8)
第三步,建立动力学方程
在运动学方程的基础上,求解机器人的动能与势能,建立冗余驱动并联机构的动力学模型。
3.1机器人动能计算
动能计算如下式:
其中,Kp是动平台的动能,Kci是滑块的动能,Kcmi是支链驱动杆CiMi的动能,具体各项计算如下:
其中,mp是动平台的质量,是动平台在固定坐标系下的平移速度,是动平台在固定坐标系下的转动速度,且满足
IpB是动平台在固定坐标系下的惯性矩阵,计算如下:
IpB=BRp·IpM·BRP T (12)
其中,IpM是下颌机构关于点OL在动坐标系中的惯性矩阵,IpB是下颌机构关于点OL在固定坐标系中的惯性矩阵。
滑块动能如下:
其中,Vs是滑块的速度。
驱动杆的动能推导:
其中,mcm是杆的重量,Vcmi是驱动杆质量中心的速度矢量,IcmB是杆在固定坐标系下的惯性矩阵,可以用下式计算:
IcmB=BRLi·IcmM·BRLi T (15)
3.2机器人的势能计算
机器人的势能可以由如下公式进行计算:
其中,Pp是动平台的势能,Pci是滑块的势能,Pcmi是支链驱动杆CiMi的势能,具体计算如下:
Pp=mpgT·Hp (17)
其中,g=[0 0 -9.8]T,Hp是动平台质心与固定坐标系的垂直距离。
Pci=mcigT·Hci (18)
其中,Hci是滑块质心与固定坐标系的垂直距离。
Pcmi=mcigT·Hcmi (19)
其中,Hcmi是驱动杆CiMi质心与固定坐标系的垂直距离。
第四步,建立拉格朗日方程
采用第一组与第二组第一类拉格朗日方程,通过引入6个拉格朗日算子求解驱动力/力矩,由于冗余驱动并联机构特性,由四个方程求解6个未知数,驱动力/力矩有无限组解。
由机构的运动学可以得到六个约束方程,Γi(i=1,2,…6),约束方程是根据机构中支链CiMi是长度是固定值Li获得。
Γi=||CiMi||2-Li 2=0(i=1,2,...,6) (20)
综上,整个机器人***的朗格朗日方程建立为:
L=K-P (21)
其中,L为拉格朗日方程,K为机器人动能,P为机器人势能;
由运动学得到的关系
ZL=fL(XL,YL) (22)
γL=fR(XL,YL,fL(XL,YL),βL,γL),βL,γL) (23)
分别对其两边求导,并联立式(5)可得关系式:
根据不同坐标系下表达关系可得:
由上两式可以求得广义坐标下的Fgx,Fgy,Mgy,Mgz。
4.1第一组第一类拉格朗日方程
根据第一类拉格朗日方程,得出一个含有六个未知数λi(i=1,2,…,6)的四个方程的矩阵方程组,λi(i=1,2,…,6)为六个拉格朗日算子;拉格朗日算子λi(i=1,2,…,6)理论上有无限组解;
所述的四个方程的矩阵方程组表达式为:
4.2第二组第一类拉格朗日方程
将求得的拉格朗日算子λi(i=1,2,…,6)的解代入第二组第一类拉格朗日公式得到六个驱动力/力矩,且六个驱动力/力矩具有无穷组解;
再根据第二组第一类拉格朗日公式,当j=5,6,…10时,写成:
其中,τ是驱动力/力矩。
第五步,伪逆优化方法求解驱动力
采用伪逆矩阵对六个拉格朗日算子λi(i=1,2,…,6)进行优化,通过联立方程消除拉格朗日算子,求得驱动力/力矩的最小二范数解,得到最优驱动力。
六个拉格朗日算子λi(i=1,2,…,6)由公式(26)获得,但是很明显只有四个方程,因此,采用伪逆矩阵进行优化,得到六个拉格朗日算子的数值解。
令
由上面公式(26)和(27)可以消除拉格朗日算子,进而得到:
其中,τ是驱动力/力矩的矩阵。
根据最小二范数解的定义,可以得到,
其中,Fgx、Fgy为广义力,Mgy、Mgz为扭矩,是矩阵的伪逆矩阵,保证了驱动力/力矩的最小二范数解。进而求得冗余驱动并联机构的最优化驱动力,同时该方法可以推广用在其他冗余驱动并联机构的驱动力优化分配问题。
所述冗余驱动并联机构驱动力优化分配的方法运行在冗余驱动并联机构轴组控制验证平台的冗余驱动控制模块中。
所述冗余驱动并联机构轴组控制验证平台,包括冗余驱动控制模块、轴组运动控制模块、伺服驱动、传感***及冗余驱动并联机构本体,如图3所示。所述冗余驱动控制模块位于上位机PC中,轴组运动控制模块位于下位机轴组运动控制器中,轴组运动控制器与伺服驱动位于控制柜中,传感***采集冗余驱动并联机构本体的数据,并与轴组运动控制模块相连。
所述的冗余驱动并联机构本体包含6条PUS并联支链与2个点接触高副HKP,机构原理图如图1所示。
所述的一条PUS驱动支链包括伺服电机1、联轴器2、滚珠丝杠3、万向节4、移动副5、驱动杆6和球副7;伺服电机1固定在上固定板9上,通过联轴器2带动滚珠丝杠3转动,滚珠丝杠3转动带动移动副5沿导轨直线运动,移动副5通过万向节4与驱动杆6连接,驱动杆6通过球副7与动平台8连接,六条PUS驱动支链最后固定在下固定板10上。通过电机驱动6PUS机构,进而驱动动平台8在三维空间平动或转动。
所述的HKP包括约束块12和约束杆13;所处位置如图4中的11,约束块12下表面为约束曲面,约束杆13安装在动平台8上,约束杆13与约束曲面在运动过程中保持接触,形成点接触高副;两个点接触高副可以约束动平台两个自由度。因此,整个6PUS-2HKP冗余驱动并联机构是由六台电机驱动,只有四个自由度的冗余驱动机构。
所述冗余驱动并联机构轴组控制验证平台,包括冗余驱动控制模块、轴组运动控制模块、伺服驱动、传感***及冗余驱动并联机构本体,如图3所示。所述冗余驱动控制模块位于上位机PC中,轴组运动控制模块位于下位机轴组运动控制器中,轴组运动控制器与伺服驱动位于控制柜中,传感***采集冗余驱动并联机构本体的数据,并与轴组运动控制模块相连。
Claims (2)
1.一种冗余驱动并联机构驱动力优化分配方法,其特征在于,包括以下步骤:
(1)建立机器人坐标系
建立3个坐标系描述冗余驱动并联机构的运动;所述的三个坐标系为基坐标系OB-XBYBZB、瞬时坐标系OL-XLYLZL和动平台坐标系OM-XMYMZM;所述的OB-XBYBZB在基座上;所述的OL-XLYLZL在左侧点接触高副约束杆(13)上,OL-XLYLZL随机器人的运动沿约束曲面滑动或转动,在OL-XLYLZL中,ZL垂直于约束曲面,XL相切于约束曲面,YL与两者正交;所述的OM-XMYMZM设置在初始位置OL-XLYLZL的位置;
含有点接触高副的冗余驱动并联机构具有4个自由度,广义坐标有4个,采用四个独立位置参数XL,YL,βL,γL描述动平台(8)的位姿;
(2)建立运动学方程
构建点接触高副和并联6PUS机构支链约束方程,完成冗余驱动并联机构的运动学计算;
2.1点接触高副HKP约束方程
左右两侧点接触高副约束曲面的约束方程为:
fL(XL,YL,ZL)=0 (2)
fR(XR,YR,ZR)=0 (3)
其中,fL和fR分别是左右两侧约束方程,XL,YL,ZL为左侧HKP的坐标,XR,YR,ZR为右侧HKP的坐标;
2.2并联机构6PUS支链约束方程
每个滑块的移动量Qi的计算公式为:
其中,BiMi用如下公式求得:
BiMi=BiCi+CiMi (4)
其中,Ci是移动副的位置,Bi是每条支链支撑板的固定位置,连接点Mi在OB-XBYBZB的坐标通过坐标转换矩阵BTM获得;
动平台8的6个位置参数关系表达式为:
其中,XL,YL,ZL,αL,βL,γL为6个位置参数,XL,YL,βL,γL为4个独立位置参数;
由上述公式(5)和(6)求得冗余驱动并联机构的运动学关系表达式为:
其中,T为运动学变换矩阵,TM为位置变换矩阵;已知4个独立位置参数XL,YL,βL,γL,由公式(5)求得6个滑块的位移变化量Qi(i=1,2,…,6);
(3)建立动力学方程
在运动学方程的基础上,求解机器人的动能与势能,建立冗余驱动并联机构的动力学模型;
3.1计算机器人动能
动能计算表达式为:
其中,Kp是动平台的动能,Kci是滑块的动能,Kcmi是支链驱动杆CiMi的动能;
3.2计算机器人的势能
机器人的势能计算公式为:
其中,Pp是动平台的势能,Pci是滑块的势能,Pcmi是支链驱动杆CiMi的势能;
(4)建立拉格朗日方程
采用第一组与第二组第一类拉格朗日方程,通过引入6个拉格朗日算子求解驱动力/力矩,由于冗余驱动并联机构特性,由四个方程求解6个未知数,驱动力/力矩有无限组解;
整个机器人***的朗格朗日方程为:
L=K-P (21)
其中,L为拉格朗日方程,K为机器人动能,P为机器人势能;
根据第一组第一类拉格朗日方程,得出一个含有六个拉格朗日算子的四个方程的矩阵方程组,求得的拉格朗日算子有无限组解;
所述的四个方程的矩阵方程组表达式为:
其中,λi(i=1,2,…,6)为拉格朗日算子,Γi是并联机构第i个支链几何约束方程,i=1,2…,6;几何约束方程是根据机构中支链CiMi的长度是固定值Li获得;
Γi=||CiMi||2-Li 2=0(i=1,2,...,6) (20)
将求得的拉格朗日算子的解代入第二组第一类拉格朗日公式得到六个驱动力/力矩,且六个驱动力/力矩具有无穷组解;
所述的第二组第一类拉格朗日公式为:
其中,τ是驱动力/力矩;
(5)伪逆优化方法求解驱动力
采用伪逆矩阵对六个拉格朗日算子进行优化,得到六个拉格朗日算子的数值解,通过建立联立方程消除拉格朗日算子,求得驱动力/力矩的最小二范数解,得到最优驱动力;
求解过程如下:
令
由公式(26)和(27)消除拉格朗日算子得到:
由最小二范数解的定义得到:
由公式(15)得到最优驱动力τ;
其中,Fgx、Fgy为广义力,Mgy、Mgz为扭矩,是矩阵的伪逆矩阵,保证驱动力/力矩的最小二范数解。
2.一种运行权利要求1所述的方法的冗余驱动并联机构轴组控制验证平台,包括冗余驱动控制模块、轴组运动控制模块、伺服驱动、传感***及冗余驱动并联机构本体;所述冗余驱动控制模块位于上位机中,冗余驱动控制模块进行驱动力优化分配,发出控制指令;轴组运动控制模块位于下位机轴组运动控制器中,轴组运动控制器与伺服驱动位于控制柜中,轴组运动控制器接收冗余驱动控制模块发出的控制指令,并将控制指令通信至伺服驱动;传感***与轴组运动控制模块相连,传感***采集冗余驱动并联机构本体的受力、速度和位置数据,并将采集的数据反馈给轴组运动控制模块,实现对伺服电机的闭环控制,保证冗余驱动并联机构电机的驱动力矩。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510925433.2A CN105459114B (zh) | 2015-12-14 | 2015-12-14 | 冗余驱动并联机构驱动力优化方法及轴组控制验证平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510925433.2A CN105459114B (zh) | 2015-12-14 | 2015-12-14 | 冗余驱动并联机构驱动力优化方法及轴组控制验证平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105459114A CN105459114A (zh) | 2016-04-06 |
CN105459114B true CN105459114B (zh) | 2017-05-03 |
Family
ID=55597490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510925433.2A Active CN105459114B (zh) | 2015-12-14 | 2015-12-14 | 冗余驱动并联机构驱动力优化方法及轴组控制验证平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105459114B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106292338B (zh) * | 2016-10-20 | 2024-05-03 | 南京泰宝赫科技有限公司 | 一种机器人运动学和动力学模型验证***及方法 |
CN106965153A (zh) * | 2017-03-15 | 2017-07-21 | 北京交通大学 | 一种驱动冗余的并联机床本体 |
CN108527365B (zh) * | 2018-03-21 | 2020-07-31 | 清华大学 | 一种高速并联机器人驱动***参数优化选型方法 |
CN111958598B (zh) * | 2020-08-17 | 2021-08-31 | 北方工业大学 | 多目标融合的冗余驱动并联机器人内力优化方法及*** |
CN113343376B (zh) * | 2021-05-17 | 2022-08-05 | 清华大学 | 冗余并联跟踪机构在混合电机工况下的驱动力优化方法 |
CN113352304B (zh) * | 2021-07-16 | 2022-06-14 | 燕山大学 | 具有2t1r与3t1r两种运动模式的分岔并联机构 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3579793B2 (ja) * | 1998-10-15 | 2004-10-20 | 和也 藤田 | 歯科用咬合器及びその変換プレート |
CN1219278C (zh) * | 2002-09-30 | 2005-09-14 | 四川大学 | 人体下颌骨生物力学模型 |
CN101850184B (zh) * | 2010-03-01 | 2011-10-19 | 大连理工大学 | 一种柔索驱动的冗余并联咀嚼机器人 |
CN102626348B (zh) * | 2012-04-19 | 2014-04-02 | 大连理工大学 | 一种仿下颌运动机器人 |
CN103610506B (zh) * | 2013-11-22 | 2015-06-10 | 大连理工大学 | 一种具有仿生颞下颌关节的冗余驱动咀嚼机器人 |
-
2015
- 2015-12-14 CN CN201510925433.2A patent/CN105459114B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105459114A (zh) | 2016-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105459114B (zh) | 冗余驱动并联机构驱动力优化方法及轴组控制验证平台 | |
Li et al. | Asymmetric bimanual control of dual-arm exoskeletons for human-cooperative manipulations | |
Ott et al. | Development of a biped robot with torque controlled joints | |
CN107050763B (zh) | 一种新型踝关节康复机器人其控制方法 | |
US20220126442A1 (en) | 4d printed gripper with flexible finger joints and trajectory tracking control method thereof | |
Dou et al. | Inverse kinematics for a 7-DOF humanoid robotic arm with joint limit and end pose coupling | |
CN103192363A (zh) | 平面三自由度柔性铰链并联机器人控制装置及方法 | |
CN1947960A (zh) | 用于识别环境和进行作业的仿人机器人 | |
CN109746901B (zh) | 一种用于外骨骼机器人的动态负载信息计算方法 | |
Shaw et al. | Leap hand: Low-cost, efficient, and anthropomorphic hand for robot learning | |
CN102944997B (zh) | 多自由度冗余并联机构的同步光滑滑模控制方法和*** | |
CN102166754A (zh) | 一种两自由度机器人肩关节机构 | |
Masengo et al. | A design of lower limb rehabilitation robot and its control for passive training | |
CN103217924B (zh) | 面向实时控制应用的过约束重型并联机床动力学建模方法 | |
CN102068818A (zh) | 具有容错纠错功能的动感游戏机平台及容错纠错方法 | |
Okada et al. | Development of a two-link planar manipulator with continuously variable transmission mechanism | |
CN203245875U (zh) | 平面三自由度柔性铰链并联机器人控制装置 | |
CN103906605A (zh) | 用于控制并联式冗余驱动自动装置的方法,相关的控制装置及自动装置 | |
CN201960564U (zh) | 一种两自由度机器人肩关节机构 | |
Wang et al. | Interaction force measurement of parallel robots based on structure-integrated force sensors using interpretable linear neural networks | |
Lin et al. | Research and Analysis of Comprehensive Optimization Method for Energy Consumption and Trajectory Error of the Leg Structure Based on Virtual Model Control | |
Wang et al. | Experimental research on force/position control of a wire-driven parallel rehabilitative robot | |
Perez et al. | A body lifting mechanism for an autonomous service robot | |
Li et al. | Active Surface with Passive Omni-Directional Adaptation for In-Hand Manipulation | |
Li et al. | Active Surface with Passive Omni-Directional Adaptation of Soft Polyhedral Fingers for In-Hand Manipulation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |