CN111113417A - 一种分布式多机器人协同运动控制方法及*** - Google Patents
一种分布式多机器人协同运动控制方法及*** Download PDFInfo
- Publication number
- CN111113417A CN111113417A CN201911358557.1A CN201911358557A CN111113417A CN 111113417 A CN111113417 A CN 111113417A CN 201911358557 A CN201911358557 A CN 201911358557A CN 111113417 A CN111113417 A CN 111113417A
- Authority
- CN
- China
- Prior art keywords
- robot
- ith
- motion control
- ith robot
- expected
- 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
Images
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
- B25J9/1679—Programme controls characterised by the tasks executed
- B25J9/1682—Dual arm manipulator; Coordination of several manipulators
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种分布式多机器人协同运动控制方法及***,所述方法包括:构建第i个机器人对期望运动信息的在线估计机制,获取第i个机器人对期望运动信息的估计值;基于所述估计值,获取第i个机器人的虚拟控制量;基于所述虚拟控制量和实际物理约束,以第i个机器人的速度范数为待优化目标,获取第i个机器人的运动控制条件;基于所述运动控制条件,利用递归求解器实时更新第i个机器人的运动控制量并发送至第i个机器人;判断第i个机器人是否为最后一个机器人;若否,则获取第i+1个机器人,返回构建第i+1个机器人对期望运动信息的在线估计机制。所述方法将保障多机器人***内的高精度配合,实现对多机器人***的速度性能优化。
Description
技术领域
本发明涉及机器人领域,尤其涉及一种分布式多机器人协同运动控制方法及***。
背景技术
多机器人***相比于单机器人运行而言,具备灵活性好、负载能力强等优点,拥有广阔的应用前景。但是,面向多机器人***的控制问题也变得更加复杂:1)多机协作的工作方式使得***的通讯负载增加,通讯***带宽难以满足***需求,在分布式通讯拓扑下仅部分机器人对期望运动信息能提前认知;2)需要考虑到***存在的固有物理约束,如关节角度不能超过给定范围、关节旋转速度存在上限等;3)在***存在冗余自由度的情况下,利用***冗余性在完成给定任务的同时还需要实现***的性能优化。然而,对于如何兼顾以上的条件来实现多机器人***的高性能控制方法,目前还没有提出完善的方案。
发明内容
本发明的目的在于克服现有技术的不足,本发明提供了一种分布式多机器人协同运动控制方法及***,控制机器人在其物理约束下对总体关节速度进行在线优化,实现多机器人的高精度协同运动。
相应的,本发明实施例提供了一种分布式多机器人协同运动控制方法,所述方法包括:
构建第i个机器人对期望运动信息的在线估计机制,获取第i个机器人对期望运动信息的估计值;
基于所述估计值,获取第i个机器人的虚拟控制量;
基于所述虚拟控制量和实际物理约束,以第i个机器人的速度范数为待优化目标,获取第i个机器人的运动控制条件;
基于所述运动控制条件,利用递归求解器实时更新第i个机器人的运动控制量并发送至第i个机器人;
判断第i个机器人是否为最后一个机器人;
若否,则获取第i+1个机器人,返回构建第i+1个机器人对期望运动信息的在线估计机制。
可选的,所述构建第i个机器人对期望运动信息的在线估计机制,获取第i个机器人对期望运动信息的估计值包括:
对第i个机器人的各运动参数进行初始化;
计算第i个机器人的期望速度估计值、期望位移估计值与当前时刻的期望位置估计值。
可选的,计算第i个机器人的期望速度估计值为:
计算第i个机器人的期望位移估计值为:
计算第i个机器人的当前时刻的期望位置估计值为:
其中,xi(0)为第i个机器人的初始位置,Di(t)为第i个机器人的期望位移,vi(t)为第i个机器人的期望速度,N为机器人的总个数,k1、k2、k3均为正控制常数,aij为判断系数。
可选的,获取第i个机器人的虚拟控制量为:
其中,xi(t)为第i个机器人的末端执行器位置,k为正控制常数。
可选的,获取第i个机器人的运动控制条件为:
可选的,所述基于所述运动控制条件,利用递归求解器实时更新第i个机器人的运动控制量包括:
对第i个机器人的控制***进行限定,获取饱和状态值;
基于所述饱和状态值,利用所述递归求解器对所述运动控制条件进行解析,获取所述运动控制量的在线更新率;
基于所述在线更新率,对第i个机器人的下一个运动控制进行更新。
可选的,所述饱和状态值为:
基于所述饱和状态值,获取运动控制量的在线更新率为:
其中,λi为状态变量,α为正控制常数,θ为第i个机器人的关节初始态。
另外,本发明实施例还提供了一种分布式多机器人协同运动控制***,所述***包括:
构建模块,用于构建第i个机器人对期望运动信息的在线估计机制,获取第i个机器人对期望运动信息的估计值;
第一获取模块,用于基于所述估计值,获取第i个机器人的虚拟控制量;
第二获取模块,用于基于所述虚拟控制量和实际物理约束,以第i个机器人的速度范数为待优化目标,获取第i个机器人的运动控制条件;
更新模块,用于基于所述运动控制条件,利用递归求解器实时更新第i个机器人的运动控制量并发送至第i个机器人;
判断模块,用于判断第i个机器人是否为最后一个机器人;
循环模块,用于获取第i+1个机器人,返回构建第i+1个机器人对期望运动信息的在线估计机制。
可选的,所述构建模块包括:
初始化单元,用于对第i个机器人的各运动参数进行初始化;
计算单元,用于计算第i个机器人的期望速度估计值、期望位移估计值与当前时刻的期望位置估计值。
可选的,所述更新模块包括:
限定单元,用于对第i个机器人的控制***进行限定,获取饱和状态值;
解析单元,用于基于所述饱和状态值,利用所述递归求解器对所述运动控制条件进行解析,获取运动控制量的在线更新率;
更新单元,用于基于所述在线更新率,对第i个机器人的下一个运动控制进行更新。
在本发明实施例中,提出一种适用于多冗余机械臂协同的分布式运动控制方法,基于仅部分机器人能获取期望运动信息的情况下,考虑到机器人的实际物理约束条件,对机器人的速度性能进行在线优化,实时控制多机器人的高精度协同搬运过程。所述方法具备灵活性,保障多机器人***内的高精度配合。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见的,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的一种分布式多机器人协同运动控制方法的流程示意图;
图2是本发明实施例提供的一种分布式多机器人协同运动控制***的结构组成示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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它实施例,都属于本发明保护的范围。
图1示出了本发明实施例中的一种分布式多机器人协同运动控制方法的流程示意图,所述方法包括如下步骤:
S101、构建第i个机器人对期望运动信息的在线估计机制,获取第i个机器人对期望运动信息的估计值;
其次,在分布式通讯架构下,根据机械臂之间的信息共享,计算第i个机器人的期望速度估计值为:
计算第i个机器人的期望位移估计值为:
式中:Di(t)=xi(t)-xi(0)
计算第i个机器人的当前时刻的期望位置估计值为:
其中,xi(0)为第i个机器人的初始位置,Di(t)为第i个机器人的期望位移,vi(t)为第i个机器人的期望速度,N为机器人的总个数,k1、k2、k3均为正控制常数,aij为判断系数。
需要说明的是,所述判断系数aij为非零即一的值,当aij=1时,说明第i个机器人能获取不同的第j个机器人的信息,此时aij=aji,即第i个机器人与第j个机器人间可实现信息交换;当aij=0时,说明第i个机器人无法获取其他机器人的信息。
S102、基于所述估计值,获取第i个机器人的虚拟控制量;
具体的,第i个机器人的虚拟控制量为:
其中,xi(t)为第i个机器人的末端执行器位置,k为正控制常数。
需要说明的是,所述虚拟控制量的设定,将保证多机器人***能在所述虚拟控制量的作用下实现对期望轨迹的高精度控制。
S103、基于所述虚拟控制量和实际物理约束,以第i个机器人的速度范数为待优化目标,获取第i个机器人的运动控制条件;
S104、基于所述运动控制条件,利用递归求解器实时更新第i个机器人的运动控制量并发送至第i个机器人;
具体的,首先对第i个机器人的控制***进行限定,获取饱和状态值为:
基于所述饱和状态值,利用所述递归求解器对所述运动控制条件进行解析,获取运动控制量的在线更新率为:
其中,λi为状态变量,α为正控制常数,θ为第i个机器人的关节初始态;
基于所述在线更新率,对第i个机器人的下一个运动控制进行更新。
S105、判断第i个机器人是否为最后一个机器人;若是,则完成对多机器人***的控制更新;若否,将i+1赋值给i,并返回执行步骤S101。
相应的,图2示出了本发明实施例中的一种分布式多机器人协同运动控制***的结构组成示意图,所述***包括:
构建模块201,用于构建第i个机器人对期望运动信息的在线估计机制,获取第i个机器人对期望运动信息的估计值;
具体的,所述构建模块201还包括初始化单元和计算单元,其中,所述初始化单元用于对第i个机器人的各运动参数进行初始化;所述计算单元用于计算第i个机器人的期望速度估计值、期望位移估计值与当前时刻的期望位置估计值。
第一获取模块202,用于基于所述估计值,获取第i个机器人的虚拟控制量;
第二获取模块203,用于基于所述虚拟控制量和实际物理约束,以第i个机器人的速度范数为待优化目标,获取第i个机器人的运动控制条件;
更新模块204,用于基于所述运动控制条件,利用递归求解器实时更新第i个机器人的运动控制量并发送至第i个机器人;
具体的,所述更新模块204包括限定单元、解析单元和更新单元,其中,所述限定单元用于对第i个机器人的控制***进行限定,获取饱和状态值;所述解析单元用于基于所述饱和状态值,利用所述递归求解器对所述运动控制条件进行解析,获取运动控制量的在线更新率;所述更新单元用于基于所述在线更新率,对第i个机器人的下一个运动控制进行更新。
判断模块205,用于判断第i个机器人是否为最后一个机器人;
循环模块206,用于获取第i+1个机器人,返回构建第i+1个机器人对期望运动信息的在线估计机制。
在本发明实施例中,提出一种适用于多冗余机械臂协同的分布式运动控制方法,基于仅部分机器人能获取期望运动信息的情况下,考虑到机器人的实际物理约束条件,对机器人的速度性能进行在线优化,实时控制多机器人的高精度协同搬运过程。所述方法具备灵活性,保障多机器人***内的高精度配合。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,ReadOnly Memory)、随机存取存储器(RAM,Random AccessMemory)、磁盘或光盘等。
另外,以上对本发明实施例所提供的一种分布式多机器人协同运动控制方法及***进行了详细介绍,本文中应采用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种分布式多机器人协同运动控制方法,其特征在于,所述方法包括:
构建第i个机器人对期望运动信息的在线估计机制,获取第i个机器人对期望运动信息的估计值;
基于所述估计值,获取第i个机器人的虚拟控制量;
基于所述虚拟控制量和实际物理约束,以第i个机器人的速度范数为待优化目标,获取第i个机器人的运动控制条件;
基于所述运动控制条件,利用递归求解器实时更新第i个机器人的运动控制量并发送至第i个机器人;
判断第i个机器人是否为最后一个机器人;
若否,则获取第i+1个机器人,返回构建第i+1个机器人对期望运动信息的在线估计机制。
2.根据权利要求1所述的分布式多机器人协同运动控制方法,其特征在于,所述构建第i个机器人对期望运动信息的在线估计机制,获取第i个机器人对期望运动信息的估计值包括:
对第i个机器人的各运动参数进行初始化;
计算第i个机器人的期望速度估计值、期望位移估计值与当前时刻的期望位置估计值。
6.根据权利要求5所述的分布式多机器人协同运动控制方法,其特征在于,所述基于所述运动控制条件,利用递归求解器实时更新第i个机器人的运动控制量包括:
对第i个机器人的控制***进行限定,获取饱和状态值;
基于所述饱和状态值,利用所述递归求解器对所述运动控制条件进行解析,获取运动控制量的在线更新率;
基于所述在线更新率,对第i个机器人的下一个运动控制进行更新。
8.一种分布式多机器人协同运动控制***,其特征在于,所述***包括:
构建模块,用于构建第i个机器人对期望运动信息的在线估计机制,获取第i个机器人对期望运动信息的估计值;
第一获取模块,用于基于所述估计值,获取第i个机器人的虚拟控制量;
第二获取模块,用于基于所述虚拟控制量和实际物理约束,以第i个机器人的速度范数为待优化目标,获取第i个机器人的运动控制条件;
更新模块,用于基于所述运动控制条件,利用递归求解器实时更新第i个机器人的运动控制量并发送至第i个机器人;
判断模块,用于判断第i个机器人是否为最后一个机器人;
循环模块,用于获取第i+1个机器人,返回构建第i+1个机器人对期望运动信息的在线估计机制。
9.根据权利要求8所述的分布式多机器人协同运动控制***,其特征在于,所述构建模块包括:
初始化单元,用于对第i个机器人的各运动参数进行初始化;
计算单元,用于计算第i个机器人的期望速度估计值、期望位移估计值与当前时刻的期望位置估计值。
10.根据权利要求8所述的分布式多机器人协同运动控制***,其特征在于,所述更新模块包括:
限定单元,用于对第i个机器人的控制***进行限定,获取饱和状态值;
解析单元,用于基于所述饱和状态值,利用所述递归求解器对所述运动控制条件进行解析,获取运动控制量的在线更新率;
更新单元,用于基于所述在线更新率,对第i个机器人的下一个运动控制进行更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911358557.1A CN111113417B (zh) | 2019-12-25 | 2019-12-25 | 一种分布式多机器人协同运动控制方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911358557.1A CN111113417B (zh) | 2019-12-25 | 2019-12-25 | 一种分布式多机器人协同运动控制方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111113417A true CN111113417A (zh) | 2020-05-08 |
CN111113417B CN111113417B (zh) | 2021-10-29 |
Family
ID=70502277
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911358557.1A Active CN111113417B (zh) | 2019-12-25 | 2019-12-25 | 一种分布式多机器人协同运动控制方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111113417B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112965482A (zh) * | 2021-02-01 | 2021-06-15 | 广东省科学院智能制造研究所 | 一种多机器人运动避碰控制方法及*** |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110172818A1 (en) * | 2010-01-12 | 2011-07-14 | Honda Motor Co., Ltd. | Trajectory planning method, trajectory planning system and robot |
CN103279029A (zh) * | 2013-05-31 | 2013-09-04 | 北京航空航天大学 | 多机器人手臂***的自适应协调控制方法 |
US20140276954A1 (en) * | 1999-09-17 | 2014-09-18 | Intuitive Surgical Operations, Inc. | Systems and methods for facilitating access to edges of cartesian-coordinate space using the null space |
CN104865829A (zh) * | 2015-03-26 | 2015-08-26 | 哈尔滨工业大学 | 多机器人***分布式自适应神经网络连续跟踪控制方法 |
CN105751196A (zh) * | 2016-04-12 | 2016-07-13 | 华南理工大学 | 一种基于主从式的工业机器人协作作业方法 |
CN106426164A (zh) * | 2016-09-27 | 2017-02-22 | 华南理工大学 | 一种冗余度双机械臂的多指标协调运动规划方法 |
CN106842907A (zh) * | 2017-02-16 | 2017-06-13 | 香港理工大学深圳研究院 | 一种多冗余度机械臂***的协同控制方法与装置 |
CN108388123A (zh) * | 2018-03-09 | 2018-08-10 | 迪比(重庆)智能科技研究院有限公司 | 多个仿人机器人在速度不可测下的自适应控制方法 |
CN108393886A (zh) * | 2018-01-25 | 2018-08-14 | 北京理工大学 | 优化能量与操作度的分布式多移动机械手协同搬运方法 |
CN108638058A (zh) * | 2018-04-23 | 2018-10-12 | 华南理工大学 | 一种姿态决策动态规划方法 |
CN108897215A (zh) * | 2018-06-25 | 2018-11-27 | 西北工业大学 | 基于分布式模型预测控制的多海洋机器人协同环形扫描方法 |
CN109591020A (zh) * | 2019-01-21 | 2019-04-09 | 兰州大学 | 一种多冗余度机械臂自适应可操纵性最优化的分布式协同控制方法与装置 |
US20190111560A1 (en) * | 2017-10-13 | 2019-04-18 | Siemens Aktiengesellschaft | Robot And Method For Controlling Robots |
CN110162035A (zh) * | 2019-03-21 | 2019-08-23 | 中山大学 | 一种集群机器人在有障碍物场景中的协同运动方法 |
CN110421547A (zh) * | 2019-07-12 | 2019-11-08 | 中南大学 | 一种基于估计动力学模型的双臂机器人协同阻抗控制方法 |
-
2019
- 2019-12-25 CN CN201911358557.1A patent/CN111113417B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140276954A1 (en) * | 1999-09-17 | 2014-09-18 | Intuitive Surgical Operations, Inc. | Systems and methods for facilitating access to edges of cartesian-coordinate space using the null space |
US20110172818A1 (en) * | 2010-01-12 | 2011-07-14 | Honda Motor Co., Ltd. | Trajectory planning method, trajectory planning system and robot |
CN103279029A (zh) * | 2013-05-31 | 2013-09-04 | 北京航空航天大学 | 多机器人手臂***的自适应协调控制方法 |
CN104865829A (zh) * | 2015-03-26 | 2015-08-26 | 哈尔滨工业大学 | 多机器人***分布式自适应神经网络连续跟踪控制方法 |
CN105751196A (zh) * | 2016-04-12 | 2016-07-13 | 华南理工大学 | 一种基于主从式的工业机器人协作作业方法 |
CN106426164A (zh) * | 2016-09-27 | 2017-02-22 | 华南理工大学 | 一种冗余度双机械臂的多指标协调运动规划方法 |
CN106842907A (zh) * | 2017-02-16 | 2017-06-13 | 香港理工大学深圳研究院 | 一种多冗余度机械臂***的协同控制方法与装置 |
US20190111560A1 (en) * | 2017-10-13 | 2019-04-18 | Siemens Aktiengesellschaft | Robot And Method For Controlling Robots |
CN108393886A (zh) * | 2018-01-25 | 2018-08-14 | 北京理工大学 | 优化能量与操作度的分布式多移动机械手协同搬运方法 |
CN108388123A (zh) * | 2018-03-09 | 2018-08-10 | 迪比(重庆)智能科技研究院有限公司 | 多个仿人机器人在速度不可测下的自适应控制方法 |
CN108638058A (zh) * | 2018-04-23 | 2018-10-12 | 华南理工大学 | 一种姿态决策动态规划方法 |
CN108897215A (zh) * | 2018-06-25 | 2018-11-27 | 西北工业大学 | 基于分布式模型预测控制的多海洋机器人协同环形扫描方法 |
CN109591020A (zh) * | 2019-01-21 | 2019-04-09 | 兰州大学 | 一种多冗余度机械臂自适应可操纵性最优化的分布式协同控制方法与装置 |
CN110162035A (zh) * | 2019-03-21 | 2019-08-23 | 中山大学 | 一种集群机器人在有障碍物场景中的协同运动方法 |
CN110421547A (zh) * | 2019-07-12 | 2019-11-08 | 中南大学 | 一种基于估计动力学模型的双臂机器人协同阻抗控制方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112965482A (zh) * | 2021-02-01 | 2021-06-15 | 广东省科学院智能制造研究所 | 一种多机器人运动避碰控制方法及*** |
CN112965482B (zh) * | 2021-02-01 | 2023-03-10 | 广东省科学院智能制造研究所 | 一种多机器人运动避碰控制方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN111113417B (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110900598B (zh) | 机器人三维运动空间动作模仿学习方法和*** | |
CN109669479B (zh) | 一种基于事件触发的移动机器人轨迹跟踪控制方法 | |
AU2021103765A4 (en) | Robotic arm motion programming method based on fixed-parameter neural network | |
CN109240091B (zh) | 一种基于强化学习的水下机器人控制方法及其进行跟踪的控制方法 | |
CN112327633A (zh) | 具有时滞和干扰的领导跟随多智能体***一致性的方法 | |
CN113342037B (zh) | 具有输入饱和的多旋翼无人机时变编队控制方法及*** | |
CN111522341A (zh) | 网络异构机器人***的多时变编队跟踪控制方法及*** | |
CN114952868B (zh) | 7自由度srs型机械臂控制方法及装置、弹琴机器人 | |
CN109986562B (zh) | 一种平面机械臂***及其分散式容错控制方法 | |
CN109976363B (zh) | 无人机控制方法、装置、计算机设备及存储介质 | |
CN110561420B (zh) | 臂型面约束柔性机器人轨迹规划方法及装置 | |
CN115139301B (zh) | 基于拓扑结构自适应神经网络的机械臂运动规划方法 | |
CN111113417B (zh) | 一种分布式多机器人协同运动控制方法及*** | |
CN112947086A (zh) | 一种无人机和无人车组成的异构多智能体***编队控制中执行器故障的自适应补偿方法 | |
CN113701742A (zh) | 一种基于云端与边端融合计算的移动机器人slam方法 | |
CN110039537B (zh) | 一种基于神经网络的在线自学习多关节运动规划方法 | |
CN115213905A (zh) | 冗余度机械臂位姿控制方法、***及机器人 | |
CN115070768A (zh) | 机器人恒定力控及负载自辨识方法、***、介质及计算机 | |
CN113276114A (zh) | 一种基于终端任务指派的可重构机械臂协同力/运动控制***与方法 | |
CN113359439A (zh) | 多智能体***有限时间多目标协同追踪方法和存储介质 | |
CN116079747A (zh) | 机器人跨具身控制方法、***、计算机设备和存储介质 | |
CN115327906A (zh) | 一种四旋翼无人机故障容错控制器的设计方法及*** | |
CN110154036B (zh) | 视觉动态***下的室内服务机器人控制器设计方法及*** | |
CN114114904A (zh) | 一种有限时间和固定时间分布式事件触发一致性方法 | |
CN113400299B (zh) | 网络化机器人协同控制方法、装置、设备及存储介质 |
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 | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: 510070 Building No. 15, compound 100, martyrs Road, Guangzhou, Guangdong Patentee after: Institute of intelligent manufacturing, Guangdong Academy of Sciences Address before: 510070 Building No. 15, compound 100, martyrs Road, Guangzhou, Guangdong Patentee before: GUANGDONG INSTITUTE OF INTELLIGENT MANUFACTURING |