CN106873383B - 一种降低工业机器人振动的在线控制方法 - Google Patents

一种降低工业机器人振动的在线控制方法 Download PDF

Info

Publication number
CN106873383B
CN106873383B CN201710252183.XA CN201710252183A CN106873383B CN 106873383 B CN106873383 B CN 106873383B CN 201710252183 A CN201710252183 A CN 201710252183A CN 106873383 B CN106873383 B CN 106873383B
Authority
CN
China
Prior art keywords
flexible joint
model
parameters
motor
trap
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
Application number
CN201710252183.XA
Other languages
English (en)
Other versions
CN106873383A (zh
Inventor
袁顺宁
庹华
张雷
韩峰涛
宋斌
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.)
Luo Shi (Shandong) Technology Co. Ltd.
Original Assignee
Luo Shi (shandong) Technology 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 Luo Shi (shandong) Technology Co Ltd filed Critical Luo Shi (shandong) Technology Co Ltd
Priority to CN201710252183.XA priority Critical patent/CN106873383B/zh
Publication of CN106873383A publication Critical patent/CN106873383A/zh
Application granted granted Critical
Publication of CN106873383B publication Critical patent/CN106873383B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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

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

本发明提出了一种降低工业机器人振动的在线控制方法，包括：建立工业机器人柔性关节动力学模型；根据建立的柔性关节动力学模型，采用离线方法辨识模型的各个动力学参数初值；采用非参数频域辨识方法对柔性关节动力学参数进行在线辨识，包括：根据建立的柔性关节动力学模型，可以得到线性化后的电机扭矩和电机转子角加速度的传递函数；对柔性关节控制参数进行在线调整，包括：调整陷波器的陷波频率和带宽；调整伺服驱动器位置环的比例项系数。本发明采用离线辨识初值+在线辨识当前值的方式获取机器人柔性关节各个参数的准确值，保证了模型的精确性。

Description

一种降低工业机器人振动的在线控制方法
技术领域
本发明涉及工业机器人技术领域，特别涉及一种降低工业机器人振动的在线控制方法。
背景技术
随着人力成本的上升和工业机器人成本的降低，工业机器人正在得到迅速普及。从目前发展形势看，传统工业机器人正朝着两个方向不断拓展，一个是大负载大尺寸机器人；另一个是小负载高速高精度机器人。这两个发展方向同时面临一个问题：机器人振动。大负载会导致惯量的增大，大尺寸会导致结构刚度的降低，这两方面因素都会使得机器人柔性增强，容易产生振动；小负载机器人虽然往往结构刚度较高，但面临的也是更严苛的力学环境，在高加减速的作用下，同样容易激发振动。
与传统工业机器人类似，以协作机器人为代表的新一代机器人也面临振动问题。协作机器人往往采用模块化结构，其靠近末端工具的几个关节可以视为集中质量，导致较大的结构惯量；此外，协作机器人往往在关节上安置扭矩传感器或SEA(Serial ElasticActuator),这类装置都会带来机器人柔性的增加，进而导致运动时的机器人振动。
工业机器人的振动会造成运动精度的降低，零部件寿命的衰减等等问题。因此，降低工业机器人振动具有重要的经济效益和实用价值。
国内外关于如何降低工业机器人振动进行了大量的研究。专利《一种基于振动观测器的柔性机械臂振动控制方法》建立柔性臂数学模型，设计了振动观测器和状态反馈积分控制器，采用联合仿真验证控制参数的有效性，此方法对于简单的柔性臂杆可以取得不错的效果，但是对于工业机器人这样复杂的***，如何建模和获取模型参数是一个难题，此外，机器人是一个时变的非线性***，该专利中离线仿真获取的控制器参数对于机器人是否全局有效存在疑问。专利《一种抑制柔性机械臂振动的边界控制方法》同样是对柔性机械臂建立数学模型，但是专利采用的建模方法只能对简单的梁单元建模，对于复杂的多自由度机器人不适用；专利采用的边界控制方法需要在柔性机械臂末端输出控制力，而工业机器人大多工作在位置模式，难以采用专利所述方法。
因此，现有的工业机器人振动控制方法多少存在一些缺点，具有一定的局限性，难以实际应用到工业机器人上。
发明内容
本发明的目的旨在至少解决所述技术缺陷之一。
为此，本发明的目的在于提出一种降低工业机器人振动的在线控制方法。
为了实现上述目的，本发明的实施例提供一种降低工业机器人振动的在线控制方法，包括如下步骤：
步骤S1，建立工业机器人柔性关节动力学模型，
Figure BDA0001271670810000021
其中，扭簧采用非线性弹簧模型，摩擦力采用“库伦+粘滞”的经典模型：
Figure BDA0001271670810000022
Figure BDA0001271670810000023
其中，其中τ为电机扭矩，为电机转子角位移，Jm为电机转子惯量，τf为摩擦力，r为减速比，τs为扭簧弹性力，d为阻尼系数，Ja为负载惯量，
Figure BDA0001271670810000025
为臂杆角位移；
步骤S2，根据建立的柔性关节动力学模型，采用离线方法辨识模型的各个动力学参数初值，其中，辨识的动力学参数包括：辨识获取的参数包括d、k1、k3、FV、FC；
步骤S3，采用非参数频域辨识方法对柔性关节动力学参数进行在线辨识，包括：根据步骤S1中建立的柔性关节动力学模型，可以得到线性化后的电机扭矩和电机转子角加速度的传递函数为：
Figure BDA0001271670810000026
机器人运行过程中，电机扭矩τ和电机转子角速度
Figure BDA0001271670810000027
都可以从驱动器直接得到，对电机转子角加速度做差分和滤波平滑后可以得到电机转子角加速度，根据采集的数据可以得到电机扭矩和转子角加速度的频响函数Fr,辨识问题变成根据模型初始参数，迭代寻找满足
Figure BDA0001271670810000031
的最优估计参数，Fe为动力学模型的频响函数；
步骤S4，对柔性关节控制参数进行在线调整，包括：调整陷波器的陷波频率和带宽；调整伺服驱动器位置环的比例项系数。
进一步，在所述步骤S2中，对于k1、k3,通过给关节施加外部静态载荷的同时获取变形，用最小二乘法拟合“力-变形”曲线得到，d通过对关节施加脉冲激励，测量振幅衰减半周期得到。FV、FC通过电机“输出扭矩-速度”曲线拟合得到。
进一步，在所述步骤S4中，所述调整陷波器的陷波频率和带宽，包括如下步骤：
陷波器用来把运动指令中容易激发柔性振动的分量滤除，所述陷波频率对应所述步骤S3中频响函数的共振频率，并设置相应的陷波器陷波带宽，以避免运动激发的柔性振动。
进一步，在所述步骤S4中，所述步骤S3中辨识出柔性关节当前的参数后，计算柔性关节模型的零极点，通过在线调整位置环比例项的系数，在保证电机跟踪误差的同时减小关节振动。
根据本发明实施例的降低工业机器人振动的在线控制方法，具有以下有益效果：
1、柔性关节动力学建模适用范围广，对于机器人所有的关节都适用；
2、采用离线辨识初值+在线辨识当前值的方式获取机器人柔性关节各个参数的准确值，保证了模型的精确性；
3、根据在线辨识后的柔性关节动力学模型在线修改控制参数，保证控制效果始终处于理想状态。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明一个实施例的降低工业机器人振动的在线控制方法的流程图；
图2为根据本发明另一个实施例的降低工业机器人振动的在线控制方法的流程图；
图3为根据本发明实施例的柔性关节模型的示意图；
图4为根据本发明实施例的初始模型和在线辨识模型频响函数对比的示意图；
图5为根据本发明实施例的控制参数在线调整示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
如图1和图2所示，本发明实施例的降低工业机器人振动的在线控制方法，包括如下步骤：
步骤S1，建立工业机器人柔性关节动力学模型。
工业机器人臂杆刚度通常较大，尤其对于小负载和协作机器人，柔性主要来自减速器、同步带、扭矩传感器，体现在关节柔性上，因此采用柔性关节模型来建立工业机器人柔性模型是一个合理的选择。关节的柔性用一个扭转弹簧等效，如图3所示。
下面为工业机器人柔性关节动力学模型：
Figure BDA0001271670810000041
其中，扭簧采用非线性弹簧模型，摩擦力采用“库伦+粘滞”的经典模型：
Figure BDA0001271670810000042
Figure BDA0001271670810000043
其中，其中τ为电机扭矩，为电机转子角位移，Jm为电机转子惯量，τf为摩擦力，r为减速比，τs为扭簧弹性力，d为阻尼系数，Ja为负载惯量，为臂杆角位移。
需要说明的是，本步骤建立的柔性关节动力学模型对于工业机器人的每个关节都适用。
步骤S2，根据建立的柔性关节动力学模型，需要获取模型各项系数。电机转子惯量Jm、减速比r来自电机、减速器产品手册，状态变量电机扭矩τ、电机转子角位移可以从电机驱动器获取，采用离线方法辨识模型的各个动力学参数初值，其中，辨识的动力学参数包括：辨识获取的参数包括d、k1、k3、FV、FC。
具体地，对于k1、k3,通过给关节施加外部静态载荷的同时获取变形，用最小二乘法拟合“力-变形”曲线得到，d通过对关节施加脉冲激励，测量振幅衰减半周期得到。FV、FC通过电机“输出扭矩-速度”曲线拟合得到。
步骤S3，工业机器人是一个复杂的时变***，步骤S2中获取的初值随时间、环境、工况的不同都会有所改变，如果始终以离线获取的初值作为模型参数，会影响到后续控制参数的准确性。因此有必要对动力学参数进行在线辨识，辨识采用非参数频域辨识的方法。
采用非参数频域辨识方法对柔性关节动力学参数进行在线辨识，包括：根据步骤S1中建立的柔性关节动力学模型，可以得到线性化后的电机扭矩和电机转子角加速度的传递函数为：
机器人运行过程中，电机扭矩τ和电机转子角速度
Figure BDA0001271670810000052
都可以从驱动器直接得到，对电机转子角加速度做差分和滤波平滑后可以得到电机转子角加速度，根据采集的数据可以得到电机扭矩和转子角加速度的频响函数Fr,辨识问题变成根据模型初始参数，迭代寻找满足
Figure BDA0001271670810000053
的最优估计参数，Fe为动力学模型的频响函数。
图4为初始参数(粗线)和在线辨识后参数(细线)的动力学模型频响函数对比，可以看出模型参数有所变化。
步骤S4，对柔性关节控制参数进行在线调整，包括：调整陷波器的陷波频率和带宽；调整伺服驱动器位置环的比例项系数。
现代工业机器人每个关节都是由一个驱动器带动伺服电机完成闭环控制，其控制参数的好坏很大程度上决定了机器人性能的高低。对柔性关节控制参数的在线调整主要体现两方面，参考图5所示。
在本发明的一个实施例中，调整陷波器的陷波频率和带宽，包括如下步骤：陷波器用来把运动指令中容易激发柔性振动的分量滤除，陷波频率对应步骤S3中频响函数的共振频率，再选取合适的带宽作为陷波器陷波带宽，可以有效避免运动激发的柔性振动。
步骤S3中辨识出柔性关节当前的参数后，计算柔性关节模型的零极点，通过在线调整位置环比例项的系数，在保证电机跟踪误差的同时减小关节振动。
具体地，现在的伺服驱动器大多采用电流环、速度环、位置环三环控制形式，位置环的比例项系数大小决定了伺服刚度。伺服刚度高，电机跟踪误差小，但是容易引起关节的柔性振动，步骤S3辨识出柔性关节当前的准确参数后，可以据此求得柔性关节模型的零极点。通过在线调整位置环比例项的系数，在保证电机跟踪误差的同时减小关节振动。
通过本发明的上述步骤，构成了降低工业机器人振动的在线控制方法，包括：柔性关节动力学建模方法；离线辨识初值+在线非参数频域辨识结合，获取柔性关节动力学模型准确参数值；通过柔性关节动力学模型修正陷波器和伺服驱动器参数，保证各控制参数取值合理可信。
根据本发明实施例的降低工业机器人振动的在线控制方法，具有以下有益效果：
1、柔性关节动力学建模适用范围广，对于机器人所有的关节都适用；
2、采用离线辨识初值+在线辨识当前值的方式获取机器人柔性关节各个参数的准确值，保证了模型的精确性；
3、根据在线辨识后的柔性关节动力学模型在线修改控制参数，保证控制效果始终处于理想状态。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求极其等同限定。

Claims (4)

1.一种降低工业机器人振动的在线控制方法，其特征在于，包括如下步骤：
步骤S1，建立工业机器人柔性关节动力学模型，
Figure FDA0002274180700000011
Figure FDA0002274180700000012
其中，扭簧采用非线性弹簧模型，摩擦力采用“库伦+粘滞”的经典模型：
Figure FDA0002274180700000014
其中，其中τ为电机扭矩，
Figure FDA0002274180700000015
为电机转子角位移，Jm为电机转子惯量，τf为摩擦力，r为减速比，τs为扭簧弹性力，d为阻尼系数，Ja为负载惯量，
Figure FDA0002274180700000016
为臂杆角位移；
步骤S2，根据建立的柔性关节动力学模型，采用离线方法辨识模型的各个动力学参数初值，其中，辨识的动力学参数包括：辨识获取的参数包括d、k1、k3、FV、FC；
步骤S3，采用非参数频域辨识方法对柔性关节动力学参数进行在线辨识，包括：根据步骤S1中建立的柔性关节动力学模型，可以得到线性化后的电机扭矩和电机转子角加速度的传递函数为：
Figure FDA0002274180700000017
机器人运行过程中，电机扭矩τ和电机转子角速度
Figure FDA0002274180700000018
都可以从驱动器直接得到，对电机转子角加速度做差分和滤波平滑后可以得到电机转子角加速度，根据采集的数据可以得到电机扭矩和转子角加速度的频响函数Fr,辨识问题变成根据模型初始参数，迭代寻找满足的最优估计参数，Fe为动力学模型的频响函数；
步骤S4，对柔性关节控制参数进行在线调整，包括：调整陷波器的陷波频率和带宽；调整伺服驱动器位置环的比例项系数。
2.如权利要求1所述的降低工业机器人振动的在线控制方法，其特征在于，在所述步骤S2中，对于k1、k3,通过给关节施加外部静态载荷的同时获取变形，用最小二乘法拟合“力-变形”曲线得到，d通过对关节施加脉冲激励，测量振幅衰减半周期得到，FV、FC通过电机“输出扭矩-速度”曲线拟合得到。
3.如权利要求1所述的降低工业机器人振动的在线控制方法，其特征在于，在所述步骤S4中，所述调整陷波器的陷波频率和带宽，包括如下步骤：
陷波器用来把运动指令中容易激发柔性振动的分量滤除，所述陷波频率对应所述步骤S3中频响函数的共振频率，并设置相应的陷波器陷波带宽，以避免运动激发的柔性振动。
4.如权利要求1所述的降低工业机器人振动的在线控制方法，其特征在于，在所述步骤S4中，所述步骤S3中辨识出柔性关节当前的参数后，计算柔性关节模型的零极点，通过在线调整位置环比例项的系数，在保证电机跟踪误差的同时减小关节振动。
CN201710252183.XA 2017-04-17 2017-04-17 一种降低工业机器人振动的在线控制方法 Active CN106873383B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710252183.XA CN106873383B (zh) 2017-04-17 2017-04-17 一种降低工业机器人振动的在线控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710252183.XA CN106873383B (zh) 2017-04-17 2017-04-17 一种降低工业机器人振动的在线控制方法

Publications (2)

Publication Number Publication Date
CN106873383A CN106873383A (zh) 2017-06-20
CN106873383B true CN106873383B (zh) 2020-01-14

Family

ID=59163355

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710252183.XA Active CN106873383B (zh) 2017-04-17 2017-04-17 一种降低工业机器人振动的在线控制方法

Country Status (1)

Country Link
CN (1) CN106873383B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107901037B (zh) * 2017-10-30 2020-09-15 北京精密机电控制设备研究所 一种机器人关节动力学模型修正方法
CN108638056A (zh) * 2018-04-13 2018-10-12 华南理工大学 基于柔体动力学模型的机器人关节振动分析与抑制方法
CN109241553B (zh) * 2018-07-18 2019-08-13 北京空间飞行器总体设计部 一种机械臂关节实时动力学建模方法
CN109623819B (zh) * 2018-12-25 2020-08-21 哈工大机器人集团股份有限公司 一种机器人谐波传动关节实际力矩值的获取方法及装置
CN110053049B (zh) * 2019-04-22 2021-06-29 珠海格力智能装备有限公司 机器人轨迹精度的确定方法及装置、工业机器人
CN112462606B (zh) * 2020-11-10 2022-06-03 哈尔滨工业大学 一种基于自适应控制的挠性关节动力学参数辨识方法
CN112698567B (zh) * 2020-12-29 2024-05-31 上海电气集团股份有限公司 一种康复设备控制方法、装置、设备及介质
CN113059567A (zh) * 2021-04-02 2021-07-02 珞石（山东）智能科技有限公司 一种scara机器人关节扰动补偿方法
CN116141337B (zh) * 2023-04-14 2023-07-25 苏州艾利特机器人有限公司 柔性关节机械臂弹性体刚度的设计方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104589344A (zh) * 2014-11-21 2015-05-06 电子科技大学 一种抑制柔性机械臂振动的边界控制方法
CN104723340A (zh) * 2015-03-07 2015-06-24 哈尔滨工业大学 基于连接和阻尼配置的柔性关节机械臂的阻抗控制方法
CN106094528A (zh) * 2016-07-13 2016-11-09 上海航天控制技术研究所 一种空间柔性机械臂振动抑制算法
CN106125548A (zh) * 2016-06-20 2016-11-16 珞石（北京）科技有限公司 工业机器人动力学模型参数辨识方法
WO2017026234A1 (ja) * 2015-08-07 2017-02-16 学校法人慶應義塾 振動制御装置、振動制御方法、振動制御システム、プログラム及び記録媒体

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104589344A (zh) * 2014-11-21 2015-05-06 电子科技大学 一种抑制柔性机械臂振动的边界控制方法
CN104723340A (zh) * 2015-03-07 2015-06-24 哈尔滨工业大学 基于连接和阻尼配置的柔性关节机械臂的阻抗控制方法
WO2017026234A1 (ja) * 2015-08-07 2017-02-16 学校法人慶應義塾 振動制御装置、振動制御方法、振動制御システム、プログラム及び記録媒体
CN106125548A (zh) * 2016-06-20 2016-11-16 珞石（北京）科技有限公司 工业机器人动力学模型参数辨识方法
CN106094528A (zh) * 2016-07-13 2016-11-09 上海航天控制技术研究所 一种空间柔性机械臂振动抑制算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
柔性臂工业机器人振动控制的研究;邹律龙，等;《机床与液压》;20090228;第37卷(第22期);第122-125页 *

Also Published As

Publication number Publication date
CN106873383A (zh) 2017-06-20

Similar Documents

Publication Publication Date Title
CN106873383B (zh) 一种降低工业机器人振动的在线控制方法
CN109664297B (zh) 机器人的振动抑制方法、***、装置及计算机可读存储器
JP3883544B2 (ja) ロボット制御装置およびロボットの制御方法
CN104993766B (zh) 一种二质量***谐振抑制方法
JP2020078247A (ja) 駆動装置、アクチュエータユニット、ロボット装置、駆動装置の制御方法、アクチュエータユニットの制御方法、ロボット装置の制御方法
CN104339351A (zh) 机器人控制装置
Kamalzadeh et al. Accurate tracking controller design for high-speed drives
JP5269158B2 (ja) 制御方法及び制御装置
JP6305283B2 (ja) 動力装置の制御システム
Yamada et al. Joint torque control for two-inertia system with encoders on drive and load sides
CN110977969B (zh) 一种基于机械臂位姿变换的柔性负载伺服驱动***的谐振抑制方法
JP3981773B2 (ja) ロボット制御装置
JP2010284758A (ja) ロボットの制御装置、及びロボットの制御方法
JP3933158B2 (ja) ロボットの衝突検出方法
Inoue et al. Spatial disturbance suppression of a flexible system based on wave model
JP2007272597A (ja) ロボットの加減速パターン生成方法
CN114859708A (zh) 一种单连杆柔性机械臂跟踪控制方法
JP2007043884A (ja) 多慣性共振系の振動抑制制御方法及び装置
JP2012182933A (ja) モータ制御装置
JP4389980B2 (ja) 多関節型ロボットの制御方法
Tungpataratanawong et al. Robust motion control of industrial robot based on robot parameter identification and feedforward control considering resonant frequency
Ikeda et al. Angle controller for motor with reduction gear that utilizes torsional torque estimator including backlash model and high-pass filter
JPH07121239A (ja) ロボット装置の制御方法
Kumagai et al. High performance robot motion control based on zero phase error notch filter and D-PD control
Berninger et al. The influence of structural dynamics on cascaded joint position control of a flexible beam with a compliant gear

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20170807

Address after: 273512 No. 499 Hengfeng Road, electromechanical Industrial Park, downtown Town, Jining, Shandong, Zoucheng

Applicant after: Luo Shi (Shandong) Technology Co. Ltd.

Address before: 100000, B801-004, eight floor, Tsinghua University, Tsinghua University, Beijing, Haidian District

Applicant before: ROKAE (BEIJING) TECHNOLOGY CO., LTD.

GR01 Patent grant
GR01 Patent grant