CN108972545A - 一种基于模糊迭代算法的机器人恒力曲面跟踪方法 - Google Patents
一种基于模糊迭代算法的机器人恒力曲面跟踪方法 Download PDFInfo
- Publication number
- CN108972545A CN108972545A CN201810648484.9A CN201810648484A CN108972545A CN 108972545 A CN108972545 A CN 108972545A CN 201810648484 A CN201810648484 A CN 201810648484A CN 108972545 A CN108972545 A CN 108972545A
- Authority
- CN
- China
- Prior art keywords
- robot
- curved surface
- power
- force
- error
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000002474 experimental method Methods 0.000 claims abstract description 9
- 238000013507 mapping Methods 0.000 claims abstract description 7
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 239000012636 effector Substances 0.000 claims abstract description 3
- 238000006073 displacement reaction Methods 0.000 claims description 13
- 238000012986 modification Methods 0.000 claims description 9
- 230000004048 modification Effects 0.000 claims description 9
- 238000013459 approach Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 238000005498 polishing Methods 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000006467 substitution reaction Methods 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
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- 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
- B25J9/1633—Programme controls characterised by the control loop compliant, force, torque control, e.g. combined with position control
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于模糊迭代算法的机器人恒力曲面跟踪方法,包括步骤:(1)针对工业机器人末端执行器与曲面轮廓接触时的特征,建立曲面法向力和已知传感器坐标系的映射关系;(2)根据实验中得到的力和期望的力的误差,改变机器人的运动轨迹,同时根据上一次实验中力误差以及力误差变化量模糊补偿机器人的轨迹;(3)迭代实验直到得到力和期望的误差在设定的范围之内。本发明解决了现有机器人曲面跟踪中难以得到恒定跟踪力的问题,具有实现简单的优点,不需要得到机器人内部的未知传递函数也不需要改变机器人末端传感器姿态,得到的曲面轮廓轨迹为后续的打磨、抛光等加工提供初始的参考轨迹。
Description
技术领域
本发明涉及机器人恒力控制技术领域,特别涉及一种基于模糊迭代算法的机器人恒力曲面跟踪方法。
背景技术
机器人与环境接触的过程中,通过力控制能够调节机器人与环境接触状态,从而达到理想的接触效果,因此力控制广泛的运用于机器人打磨、抛光、曲面跟踪等。利用机器人跟踪未知曲面接触时,保持恒定的接触力能够得到精确的曲面轮廓,然而在接触过程中由于机器人自身属性(如机器人动力学特性,机器人刚度)和未知环境是时变的(如曲面轮廓变化),造成了机器人与曲面的接触力不稳定、波动较大,从而导致采集的曲面轮廓不够精确。
传统控制算法(如阻抗控制、力/位混合控制、自适应控制)很难补偿机器人跟踪过程中的各种不确定性,如机器人运动学的不确定性,同时机器人末端的传感器姿态的改变造成传感器示数的变化;而智能控制算法设计比较复杂,目前大多停留在仿真阶段。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种基于模糊迭代算法的机器人恒力曲面跟踪方法,旨在解决在机器人内部的传递函数未知和机器人末端传感器姿态不改变的情况下,实现机器人恒力曲面跟踪的效果。
本发明的目的通过以下的技术方案实现:一种基于模糊迭代算法的机器人恒力曲面跟踪方法,包括以下步骤:
(1)针对工业机器人末端执行器与曲面轮廓接触时的特征,建立曲面法向力和已知传感器坐标系的映射关系;
(2)沿着未知曲面跟踪,初始控制算法为PD算法,得到初始轨迹和力参数;
(3)根据实验中得到的力和期望的力的误差,设定机器人的运动轨迹初始改变量,同时根据上一次实验中力误差以及力误差变化量模糊补偿机器人的轨迹,两者之和为机器人的位移改变量;力误差为采集的力减去期望力;
(4)迭代步骤(3)直到得到力和期望的力的误差在设定的阈值范围之内。
优选的,在进行步骤(1)之前,还包括步骤:根据力传感器采集的信号,上位机运行算法给机器人发送位置指令。
进一步地,上述的根据力传感器采集的信号上位机运行算法给机器人发送位置指令的步骤包括:
a)数据采集模块采集力传感器的x和y方向的力信号,并将信号发送给上位机;
b)上位机发送模拟信号给机器人控制箱,机器人产生偏移,偏移位移方向与模拟信号符号一致,偏移位移与电压绝对值大小成正比。
优选的,所述的步骤(1)具体包括:
建立研究对象曲面法向力和已知传感器坐标系的映射关系:
Fn=T Fxsinθ-TFycosθ
式中Fn为曲面法向量力,TFx为传感器坐标系{T}中x方向上的力,TFy为传感器坐标系y方向上的力,θ为曲面倾斜角。
优选的,所述的步骤(2)具体包括:
(21)初始控制算法为PD算法,沿着未知曲面进行跟踪,通过位移差分的方式得到初始的θ;
(22)利用测得θ得到Fn的值。
优选的,所述的步骤(3)具体包括:
(31)得到的力信号Fn减去期望值Fd,得到误差e的信号,e的绝对值大于阈值的部分波形分为两种情况,一种情况是力信号有回落,类似于抛物线,为类型Ⅰ;另一种情况是力信号没有回落,力信号一直增大或减小,为类型Ⅱ;
(32)类型Ⅰ的部分迭代更新方程为:
式中uk+1(t)为当前k+1次迭代的机器人位移输入量;机器人位移改变量由初始改变量kp(t)ek(t)和模糊补偿量kd(t)g(ek(t),eck(t))构成;ek(t)为法向力Fn和期望力Fd的误差;
eck(t)为误差变化量,kp(t)和kd(t)分别为ek(t),eck(t)的系数;g(ek(t),eck(t))为补偿量,与ek(t)和eck(t)有关,通过模糊算法得到;ts为迭代开始时间;te为迭代结束时间;tp为ts到te时间段e的绝对值的最大值对应的时间。
(33)在模糊控制器中,取模糊论域和基本论域相同,把ek(t),eck(t)和g(ek(t),eck(t))的论域定义五个语言值{NB,NS,ZO,PS,PB},分别对应{负大,负小,零点,正小,正大},隶属度函数选择三角形函数;
(34)类型Ⅱ的部分,迭代更新方程为:
uk+1(t)=uk(t)+kp(t)ek(t)+kd(t)g(ek(t),eck(t))ts<t≤tp。
优选的,所述的步骤(4)具体包括:
(41)类型Ⅰ的部分迭代的截止过程为迭代终止条件为:得到的力的误差全部在阈值范围内,即||e||<FTH,其中FTH为自己设定阈值,单位为N;
(42)类型Ⅱ的部分迭代的截止过程为迭代终止条件为:得到的力的误差90%在阈值FTH范围内。
本发明与现有技术相比,具有如下优点和有益效果:
本发明解决了现有机器人曲面跟踪中难以得到恒定跟踪力的问题,具有实现简单的优点,不需要得到机器人内部的未知传递函数也不需要改变机器人末端传感器姿态,得到的曲面轮廓轨迹为后续的打磨,抛光等加工提供初始的参考轨迹。
附图说明
图1是实施例机器人恒力曲面跟踪平台示意图。
图2是实施例机器人恒力曲面跟踪平台局部放大图示意图;
图中:1-机器人;2-六维力传感器;3-探头;4-曲面工件;5-工作台。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例1
基于模糊迭代算法的机器人恒力曲面跟踪方法,方法基于机器人恒力跟踪平台,包括六轴工业机器人、工作台、曲面工件、六维力传感器、上位机、数据采集模块。机器人始终以恒定的速度沿着x方向移动,当机器人与工件接触的时候,根据的力的大小沿着y方向偏移,沿着未知曲面跟踪,确保机器人末端不离开曲面工件。
具体包括以下步骤:
(1)建立曲面法向力和已知传感器坐标系的映射关系;
(2)沿着未知曲面跟踪,初始控制算法为PD算法,得到初始轨迹和力参数;
(3)得到机器人的轨迹和力信号,将力信号与期望的力的误差,在与阈值进行对比后将信号分类;根据实验中得到的力和期望的力的误差,改变机器人的运动轨迹,同时根据上一次实验中力误差以及力误差变化量模糊补偿机器人的轨迹,设计模糊迭代算法;
(4)迭代步骤(3)直到得到力和期望的误差在设定的阈值之内。
在进行步骤(1)之前,还包括步骤:根据六维力传感器采集的信号上位机能运行算法给机器人发送位置指令。
所述的根据六维力传感器采集的信号上位机能运行算法给机器人发送位置指令的步骤具体包括:
(a)数据采集模块采集六维力传感器的力信号,并将信号发送给上位机;
(b)上位机发送模拟信号给机器人控制箱,机器人产生偏移,偏移位移方向与模拟信号符号一致,偏移位移与电压绝对值大小成正比。
所述的步骤(1)具体包括:
建立研究对象曲面法向力和已知传感器坐标系的映射关系:
Fn=T Fxsinθ-TFycosθ
其中Fn为曲面法向量力,TFx为传感器坐标系{T}中x方向上的力,TFy为传感器坐标系y方向上的力,θ为曲面倾斜角。
所述的步骤(2)具体包括:
(21)初始控制算法为PD算法,沿着未知曲面进行跟踪,通过位移差分的方式得到初始的θ;
(22)利用测得θ得到Fn的值。
所述的步骤(3)具体包括:
(31)得到的力信号Fn减去期望值Fd得到误差e的信号,e的绝对值大于阈值的部分波形分为两种情况,一种情况是力信号有回落,类似于抛物线,为类型Ⅰ;另一种情况是力信号没有回落,力信号一直增大或减小,为类型Ⅱ;
(32)类型Ⅰ的部分迭代更新方程为:
式中uk+1(t)为当前k+1次迭代的机器人位移输入量;机器人位移改变量由初始改变量kp(t)ek(t)和模糊补偿量kd(t)g(ek(t),eck(t))构成;ek(t)为法向力Fn和期望力Fd的误差;eck(t)为误差变化量,kp(t)和kd(t)分别为ek(t),eck(t)的系数;g(ek(t),eck(t))为补偿量,与ek(t)和eck(t)有关,通过模糊算法得到;ts为迭代开始时间;te为迭代结束时间;tp为ts到te时间段e的绝对值的最大值对应的时间。
(33)在模糊控制器中,取模糊论域和基本论域相同,把ek(t),eck(t)和g(ek(t),eck(t))的论域定义五个语言值{NB,NS,ZO,PS,PB},分别对应{负大,负小,零点,正小,正大},隶属度函数选择三角形函数;
(34)类型Ⅱ的部分,迭代更新方程为:
uk+1(t)=uk(t)+kp(t)ek(t)+kd(t)g(ek(t),eck(t))ts<t≤tp
所述的步骤(4)具体包括:
(41)类型Ⅰ的部分迭代的截止过程为迭代终止条件为:即||e||<FTH,其中FTH为自己设定阈值,单位为N;
(42)类型Ⅱ的部分迭代的截止过程为迭代终止条件为:得到的力的误差90%在阈值FTH范围内。
本发明所述的各零部件可选型如下,但选型不限于此:
六轴工业机器人:可选用其他同类型的机器人;工件2:可选用形状规则的同类型工件。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (7)
1.一种基于模糊迭代算法的机器人恒力曲面跟踪方法,其特征在于,包括以下步骤:
(1)针对工业机器人末端执行器与曲面轮廓接触时的特征,建立曲面法向力和已知传感器坐标系的映射关系;
(2)沿着未知曲面跟踪,初始控制算法为PD算法,得到初始轨迹和力参数;
(3)根据实验中得到的力和期望的力的误差,设定机器人的运动轨迹初始改变量,同时根据上一次实验中力误差以及力误差变化量模糊补偿机器人的轨迹,两者之和为机器人的位移改变量;力误差为采集的力减去期望力;
(4)迭代步骤(3)直到得到力和期望的力的误差在设定的阈值范围之内。
2.根据权利要求1所述的基于模糊迭代算法的机器人恒力曲面跟踪方法,其特征在于,在进行步骤(1)之前,还包括步骤:根据力传感器采集的信号,上位机运行算法给机器人发送位置指令。
3.根据权利要求2所述的基于模糊迭代算法的机器人恒力曲面跟踪方法,其特征在于,根据力传感器采集的信号上位机运行算法给机器人发送位置指令的步骤包括:
a)数据采集模块采集力传感器的x和y方向的力信号,并将信号发送给上位机;
b)上位机发送模拟信号给机器人控制箱,机器人产生偏移,偏移位移方向与模拟信号符号一致,偏移位移与电压绝对值大小成正比。
4.根据权利要求1所述的基于模糊迭代算法的机器人恒力曲面跟踪方法,其特征在于,步骤(1)具体包括:
建立研究对象曲面法向力和已知传感器坐标系的映射关系:
Fn=TFxsinθ-TFycosθ
式中Fn为曲面法向量力,TFx为传感器坐标系{T}中x方向上的力,TFy为传感器坐标系y方向上的力,θ为曲面倾斜角。
5.根据权利要求1所述的基于模糊迭代算法的机器人恒力曲面跟踪方法,其特征在于,步骤(2)具体包括:
(21)初始控制算法为PD算法,沿着未知曲面进行跟踪,通过位移差分的方式得到初始的θ;
(22)利用测得θ得到Fn的值,Fn为曲面法向量力,θ为曲面倾斜角。
6.根据权利要求1所述的基于模糊迭代算法的机器人恒力曲面跟踪方法,其特征在于,步骤(3)具体包括:
(31)得到的力信号Fn减去期望值Fd,得到误差e的信号,e的绝对值大于阈值的部分波形分为两种情况,一种情况是力信号有回落,类似于抛物线,为类型Ⅰ;另一种情况是力信号没有回落,力信号一直增大或减小,为类型Ⅱ;
(32)类型Ⅰ的部分迭代更新方程为:
式中uk+1(t)为当前k+1次迭代的机器人位移输入量;机器人位移改变量由初始改变量kp(t)ek(t)和模糊补偿量kd(t)g(ek(t),eck(t))构成;ek(t)为法向力Fn和期望力Fd的误差;eck(t)为误差变化量,kp(t)和kd(t)分别为ek(t),eck(t)的系数;g(ek(t),eck(t))为补偿量,与ek(t)和eck(t)有关,通过模糊算法得到;ts为迭代开始时间;te为迭代结束时间;tp为ts到te时间段e的绝对值的最大值对应的时间;
(33)在模糊控制器中,取模糊论域和基本论域相同,把ek(t),eck(t)和g(ek(t),eck(t))的论域定义五个语言值{NB,NS,ZO,PS,PB},分别对应{负大,负小,零点,正小,正大},隶属度函数选择三角形函数;
(34)类型Ⅱ的部分,迭代更新方程为:
uk+1(t)=uk(t)+kp(t)ek(t)+kd(t)g(ek(t),eck(t)) ts<t≤tp。
7.根据权利要求6所述的基于模糊迭代算法的机器人恒力曲面跟踪方法,其特征在于,步骤(4)具体包括:
(41)类型Ⅰ的部分迭代的截止过程为迭代终止条件为:得到的力的误差全部在阈值范围内,即||e||<FTH,其中FTH为自己设定阈值,单位为N;
(42)类型Ⅱ的部分迭代的截止过程为迭代终止条件为:得到的力的误差90%在阈值FTH范围内。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810648484.9A CN108972545B (zh) | 2018-06-22 | 2018-06-22 | 一种基于模糊迭代算法的机器人恒力曲面跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810648484.9A CN108972545B (zh) | 2018-06-22 | 2018-06-22 | 一种基于模糊迭代算法的机器人恒力曲面跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108972545A true CN108972545A (zh) | 2018-12-11 |
CN108972545B CN108972545B (zh) | 2021-08-10 |
Family
ID=64538081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810648484.9A Expired - Fee Related CN108972545B (zh) | 2018-06-22 | 2018-06-22 | 一种基于模糊迭代算法的机器人恒力曲面跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108972545B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110281152A (zh) * | 2019-06-17 | 2019-09-27 | 华中科技大学 | 一种基于在线试触的机器人恒力打磨路径规划方法及*** |
CN111975579A (zh) * | 2020-07-29 | 2020-11-24 | 华南理工大学 | 一种基于打磨模型和迭代算法的机器人恒力打磨*** |
CN112318319A (zh) * | 2020-10-20 | 2021-02-05 | 天津大学 | 一种无编程的机器人在线恒力打磨控制***及方法 |
CN112405536A (zh) * | 2020-11-10 | 2021-02-26 | 东南大学 | 结合离线补偿和在线跟踪混合策略的高精度恒力控制方法 |
CN114029789A (zh) * | 2021-11-16 | 2022-02-11 | 武汉理工大学 | 基于轨迹修正的曲面抛光机器人抛光方法及*** |
CN114040203A (zh) * | 2021-11-26 | 2022-02-11 | 京东方科技集团股份有限公司 | 视频数据处理方法、装置、设备和计算机存储介质 |
CN114800500A (zh) * | 2022-04-21 | 2022-07-29 | 无锡斯帝尔科技有限公司 | 一种用于打磨机器人的柔性恒力控制方法及*** |
CN115338736A (zh) * | 2021-12-09 | 2022-11-15 | 上海爱仕达机器人有限公司 | 一种恒力自动打磨抛光机 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001065121A2 (en) * | 2000-03-01 | 2001-09-07 | Massachusetts Institute Of Technology | Force-controlled hydro-elastic actuator |
CN104858782A (zh) * | 2015-04-03 | 2015-08-26 | 华南理工大学 | 基于模糊自适应力控制的恒力自动打磨装置及方法 |
CN106383495A (zh) * | 2016-09-12 | 2017-02-08 | 华南理工大学 | 基于非线性双闭环控制的曲面轮廓恒力跟踪方法及应用装置 |
CN107838920A (zh) * | 2017-12-20 | 2018-03-27 | 芜湖哈特机器人产业技术研究院有限公司 | 一种机器人打磨力控制***和方法 |
-
2018
- 2018-06-22 CN CN201810648484.9A patent/CN108972545B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001065121A2 (en) * | 2000-03-01 | 2001-09-07 | Massachusetts Institute Of Technology | Force-controlled hydro-elastic actuator |
CN104858782A (zh) * | 2015-04-03 | 2015-08-26 | 华南理工大学 | 基于模糊自适应力控制的恒力自动打磨装置及方法 |
CN106383495A (zh) * | 2016-09-12 | 2017-02-08 | 华南理工大学 | 基于非线性双闭环控制的曲面轮廓恒力跟踪方法及应用装置 |
CN107838920A (zh) * | 2017-12-20 | 2018-03-27 | 芜湖哈特机器人产业技术研究院有限公司 | 一种机器人打磨力控制***和方法 |
Non-Patent Citations (3)
Title |
---|
刘志学等: "模糊迭代学习在单关节机器人运动控制中的应用 ", 《辽宁科技大学学报》 * |
张航等: "机器人模糊迭代学习控制及其仿真研究 ", 《自动化技术与应用》 * |
张钰玲等: "模糊迭代学习控制器的研究与设计 ", 《煤炭技术》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110281152A (zh) * | 2019-06-17 | 2019-09-27 | 华中科技大学 | 一种基于在线试触的机器人恒力打磨路径规划方法及*** |
CN111975579A (zh) * | 2020-07-29 | 2020-11-24 | 华南理工大学 | 一种基于打磨模型和迭代算法的机器人恒力打磨*** |
CN111975579B (zh) * | 2020-07-29 | 2022-06-14 | 华南理工大学 | 一种基于打磨模型和迭代算法的机器人恒力打磨*** |
CN112318319A (zh) * | 2020-10-20 | 2021-02-05 | 天津大学 | 一种无编程的机器人在线恒力打磨控制***及方法 |
CN112405536A (zh) * | 2020-11-10 | 2021-02-26 | 东南大学 | 结合离线补偿和在线跟踪混合策略的高精度恒力控制方法 |
CN112405536B (zh) * | 2020-11-10 | 2021-12-28 | 东南大学 | 结合离线补偿和在线跟踪混合策略的高精度恒力控制方法 |
CN114029789A (zh) * | 2021-11-16 | 2022-02-11 | 武汉理工大学 | 基于轨迹修正的曲面抛光机器人抛光方法及*** |
CN114040203A (zh) * | 2021-11-26 | 2022-02-11 | 京东方科技集团股份有限公司 | 视频数据处理方法、装置、设备和计算机存储介质 |
CN115338736A (zh) * | 2021-12-09 | 2022-11-15 | 上海爱仕达机器人有限公司 | 一种恒力自动打磨抛光机 |
CN115338736B (zh) * | 2021-12-09 | 2024-02-27 | 上海爱仕达机器人有限公司 | 一种恒力自动打磨抛光机 |
CN114800500A (zh) * | 2022-04-21 | 2022-07-29 | 无锡斯帝尔科技有限公司 | 一种用于打磨机器人的柔性恒力控制方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN108972545B (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108972545A (zh) | 一种基于模糊迭代算法的机器人恒力曲面跟踪方法 | |
Li et al. | Learning of grasp adaptation through experience and tactile sensing | |
CN106600639B (zh) | 遗传算法结合自适应阈值约束的icp位姿定位技术 | |
Li et al. | Vision-based robotic manipulation of flexible PCBs | |
CN108927801B (zh) | 一种机械臂末端姿态调整方法及装置 | |
CN108972546A (zh) | 一种基于强化学习的机器人恒力曲面跟踪方法 | |
CN111975579B (zh) | 一种基于打磨模型和迭代算法的机器人恒力打磨*** | |
CN103963057A (zh) | 机器人控制方法、机器人控制装置、机器人及机器人*** | |
CN111249005A (zh) | 一种穿刺手术机器人柔顺控制*** | |
Jakovljevic et al. | Contact states recognition in robotic part mating based on support vector machines | |
Garg et al. | Learning to grasp under uncertainty using POMDPs | |
CN111673733A (zh) | 未知环境下机器人的智能自适应柔顺控制方法 | |
CN205121556U (zh) | 机器人抓取*** | |
CN115097834A (zh) | 一种机器人自适应轨迹跟踪控制方法、设备及介质 | |
Katyara et al. | Vision based adaptation to kernelized synergies for human inspired robotic manipulation | |
CN113500597B (zh) | 基于力翻译机制的多端遥操作滑模阻抗控制方法 | |
Sadun et al. | An overview of active compliance control for a robotic hand | |
CN110470298B (zh) | 一种基于滚动时域的机器人视觉伺服位姿估计方法 | |
Prasad et al. | Multi-agent Polygon Formation using Reinforcement Learning. | |
Zhu et al. | Adaptive impedance control method for industrial manipulator writing based on Kalman filter | |
Wei et al. | Multisensory visual servoing by a neural network | |
Suh et al. | A visual servoing algorithm using fuzzy logics and fuzzy-neural networks | |
Park et al. | Robust and adaptive teleoperation for compliant motion tasks | |
Na et al. | Adaptive impedance control of a haptic teleoperation system for improved transparency | |
Varga et al. | Numerical simulations for an experimental test bed for adaptive control methods |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210810 |