CN114393581A - 一种基于ros的一体化智能机械臂控制方法 - Google Patents

一种基于ros的一体化智能机械臂控制方法 Download PDF

Info

Publication number
CN114393581A
CN114393581A CN202210051369.XA CN202210051369A CN114393581A CN 114393581 A CN114393581 A CN 114393581A CN 202210051369 A CN202210051369 A CN 202210051369A CN 114393581 A CN114393581 A CN 114393581A
Authority
CN
China
Prior art keywords
control
mechanical arm
point
ros
state information
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
CN202210051369.XA
Other languages
English (en)
Inventor
张博
钟英
黄帅
刘晓天
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.)
Chengdu Technological University CDTU
Original Assignee
Chengdu Technological University CDTU
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 Chengdu Technological University CDTU filed Critical Chengdu Technological University CDTU
Priority to CN202210051369.XA priority Critical patent/CN114393581A/zh
Publication of CN114393581A publication Critical patent/CN114393581A/zh
Pending legal-status Critical Current

Links

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
    • B25J18/00—Arms
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Manipulator (AREA)

Abstract

本发明涉及机械臂技术领域，且公开了一种基于ROS的一体化智能机械臂控制方法，包括所述S1:获取机械臂末端在移动直线上的所在点的关节空间下的第一状态信息，S2:通过逆运动控制，将预设点的第二状态信息有笛卡尔坐标表示，S3：根据第一状态信息和第二状态信息确定从所在点至预设点的移动轨迹的参数，机械臂末端在移动轨迹上的移动函数为连续函数，S4：控制机械臂末端沿移动轨迹从所在点移动至预设点，S5：通过控制***检查机械臂末端从所在点到预设点之间存在的干扰性，同时规划移动轨迹中的积分控制。通过干扰性的测试能够提升机械臂在使用过程中的稳定性，同时保证机械臂在移动物品时减少外界的干扰，从而提升了该装置的使用。

Description

一种基于ROS的一体化智能机械臂控制方法
技术领域
本发明涉及机械臂技术领域，具体为一种基于ROS的一体化智能机械臂控制方法。
背景技术
ros是机器人操作***(Robot Operating System)的英文缩写，ROS是用于编写机器人软件程序的一种具有高度灵活性的软件架构，在现有的大部分机械臂都已采用ROS进行编程，但是由于机械臂工作的环境不同，需要不同的控制方法来对机械臂进行控制，由于机械臂属于精密装置，在使用时非常容易受到外界的干扰，导致机械臂的工作精度降低，影响机械臂正常使用，所以亟需一种能够提升机械臂工作精度的机械臂控制方法。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于ROS的一体化智能机械臂控制方法，具备减少外界干扰等优点，解决了外界干扰机械臂的稳定性的问题。
(二)技术方案
为实现上述减少外界干扰目的，本发明提供如下技术方案：一种基于ROS的一体化智能机械臂控制方法，包括所述S1:获取机械臂末端在移动直线上的所在点的关节空间下的第一状态信息。
S2:通过逆运动控制，将预设点的第二状态信息有笛卡尔坐标表示，同时转换成关节空间坐标表示。
S3：根据第一状态信息和第二状态信息确定从所在点至预设点的移动轨迹的参数，机械臂末端在移动轨迹上的移动函数为连续函数。
S4：控制机械臂末端沿移动轨迹从所在点移动至预设点。
S5：通过控制***检查机械臂末端从所在点到预设点之间存在的干扰性，同时规划移动轨迹中的积分控制。
优选的，所述S2中的逆运动学控制，为直接根据逆运动学算出各关节期望位置，然后使用PD控制，控制各关节运动到期望位置
优选的，所述S5中移动轨迹包括线性运动学控制和非线性控制，线性运动学控制包括计算出关节空间与末端之间的误差传递雅可比矩阵δx＝J(q)8q→δq＝J(q)-1δx，由末端的期望空间计算出8x＝xa-x,得到δq,进而可得qd＝q+δq。
优选的，所述非线性控制包括一般摩擦力，一般摩擦力通过位置和速度项来进行近似b(x,i)即:mi+b(x,x)＝f，如果可以对摩擦b进行建模,则可以将该模型用于***的控制以补偿该摩擦,并像以前一样控制所得的线性化***，实现这种控制的一般结构是:f＝af'+β中β示控制部分,该部分补偿作用在***上的非线性力，a***的质量,允许使用单位质***的控制设计f'，由于必须同时识别***中的质量和非线性,因此a和β将仅是这些量的估计值：a＝m、β＝b(x,i)。
优选的，所述S5控制***控制机械臂运动到一个固定位置，在该位置停下来，在只受外力的作用下,有:f＝mii，***的势能函数应该满足在xd处为零,因此就有:x＝Xd，V(x)＝l，V(x)>0x≠xd，二次的势能函数可以满足该要求,极值点为期望位置xdV(x)＝1/2kp(x-xa)2。
优选的，所述S4机械臂放置在所在点xd，机械臂***可以表示为mi+b(x,i)＝f,***的控制可以表示为f＝金f'+b(x,:x),其中f'＝-Khi-kp(x-xa),k和kyp是PD控制增益，如果是估计完全准确,***的控制行为是:1.i+Koi+kp(x-xa)＝0。
优选的，所述S4中机械臂移动可能涉及跟踪所需移动轨迹xa(t)，除了随时间变化的期望位置外,轨迹跟踪任务-般还涉及期望速度和加速度,即ica(t)和:xd(t)，该任务的机器人控制将具有与上述控制器相同的结构,新的单位质量控制输入f',是为轨迹跟踪设计的:f'＝id-k％(ix-id)-B(x-xa)，闭环***:(i-xa)+ku(x-xta)+ky(x-xa)＝0。
优选的，所述S5中抗扰性的不确定性,因此会带来各种扰动,通过适当选择单位质量控制器中涉及的增益kp和k的,可以将这些干扰的影响最小化，这些增益越大,***抗干扰能力越强,但是有很多因素都会限制增益，假设作用在***上的所有扰动都可以由一个直接作用在***输入端的扰动力fdist来消除，且该力为恒定值,那么***可以写为:mit+b(x,i)＝f+faist。
(三)有益效果
与现有技术相比，本发明提供了一种基于ROS的一体化智能机械臂控制方法，具备以下有益效果：
1、该基于ROS的一体化智能机械臂控制方法，通过***抗干扰能力越强,但是有很多因素都会限制增益，假设作用在***上的所有扰动都可以由一个直接作用在***输入端的扰动力fdist来消除，且该力为恒定值,那么***可以写为:mit+b(x,i)＝f+faist，通过干扰性的测试能够提升机械臂在使用过程中的稳定性，同时保证机械臂在移动物品时减少外界的干扰，从而提升了该装置的使用。
2、该基于ROS的一体化智能机械臂控制方法，通过机械臂移动可能涉及跟踪所需移动轨迹xa(t)，除了随时间变化的期望位置外,轨迹跟踪任务-般还涉及期望速度和加速度,即ica(t)和:xd(t)，该任务的机器人控制将具有与上述控制器相同的结构,新的单位质量控制输入f',是为轨迹跟踪设计的:f'＝id-k％(ix-id)-B(x-xa)，闭环***:(i-xa)+ku(x-xta)+ky(x-xa)＝0，通过对移动轨迹的规划，提升了机械臂运动轨迹的精准性，从而保证了机械臂从所在点移动到预设点这段距离的准确性，从而提升了该机械臂的精准操作度。
3、该基于ROS的一体化智能机械臂控制方法，机械臂运动的过程中对于机械臂***而而言，不可避免存在摩擦力，非线性控制包括一般摩擦力，一般摩擦力通过位置和速度项来进行近似b(x,i)即:mi+b(x,x)＝f，如果可以对摩擦b进行建模,则可以将该模型用于***的控制以补偿该摩擦,并像以前一样控制所得的线性化***，实现这种控制的一般结构是:f＝af'+β中β示控制部分,该部分补偿作用在***上的非线性力，从而降低了机械臂的摩擦力，同时减少部件之间的磨损，提升了机械臂的耐用性和使用寿命。
具体实施方式
下面将结合本发明实施例，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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
S1:获取机械臂末端在移动直线上的所在点的关节空间下的第一状态信息。
S2:通过逆运动控制，将预设点的第二状态信息有笛卡尔坐标表示，同时转换成关节空间坐标表示。
S3：根据第一状态信息和第二状态信息确定从所在点至预设点的移动轨迹的参数，机械臂末端在移动轨迹上的移动函数为连续函数。
S4：控制机械臂末端沿移动轨迹从所在点移动至预设点。
S5：通过控制***检查机械臂末端从所在点到预设点之间存在的干扰性，同时规划移动轨迹中的积分控制。
实施例二：
在实施例一的基础上，S1:获取机械臂末端在移动直线上的所在点的关节空间下的第一状态信息。
S2:通过逆运动学方法，将预设点的第二状态信息有笛卡尔坐标表示，同时转换成关节空间坐标表示。
S3：根据第一状态信息和第二状态信息确定从所在点至预设点的移动轨迹的参数，机械臂末端在移动轨迹上的移动函数为连续函数。
S4：控制机械臂末端沿移动轨迹从所在点移动至预设点。
S5：通过控制***检查机械臂末端从所在点到预设点之间存在的干扰性，同时规划移动轨迹中的积分控制。
进一步地，逆运动学控制直接根据逆运动学算出各关节期望位置，然后使用PD控制，控制各关节运动到期望位置。
进一步地，移动轨迹包括线性运动学控制和非线性控制，线性运动学控制包括计算出关节空间与末端之间的误差传递雅可比矩阵δx＝J(q)8q→δq＝J(q)-1δx，由末端的期望空间计算出8x＝xa-x,得到δq,进而可得qd＝q+δq。
进一步地，机械臂运动的过程中对于机械臂***而而言，不可避免存在摩擦力，非线性控制包括一般摩擦力，一般摩擦力通过位置和速度项来进行近似b(x,i)即:mi+b(x,x)＝f，如果可以对摩擦b进行建模,则可以将该模型用于***的控制以补偿该摩擦,并像以前一样控制所得的线性化***，实现这种控制的一般结构是:f＝af'+β中β示控制部分,该部分补偿作用在***上的非线性力，a***的质量,允许使用单位质***的控制设计f'，由于必须同时识别***中的质量和非线性,因此a和β将仅是这些量的估计值：a＝m、β＝b(x,i)。
实施例三：
在实施例一和实施例二的基础上，S1:获取机械臂末端在移动直线上的所在点的关节空间下的第一状态信息。
S2:通过逆运动学方法，将预设点的第二状态信息有笛卡尔坐标表示，同时转换成关节空间坐标表示。
S3：根据第一状态信息和第二状态信息确定从所在点至预设点的移动轨迹的参数，机械臂末端在移动轨迹上的移动函数为连续函数。
S4：控制机械臂末端沿移动轨迹从所在点移动至预设点。
S5：通过控制***检查机械臂末端从所在点到预设点之间存在的干扰性，同时规划移动轨迹中的积分控制。
进一步地，控制***控制机械臂运动到一个固定位置，在该位置停下来，在只受外力的作用下,有:f＝mii，***的势能函数应该满足在xd处为零,因此就有:x＝Xd，V(x)＝l，V(x)>0x≠xd，二次的势能函数可以满足该要求,极值点为期望位置xdV(x)＝1/2kp(x-xa)2。
实施例四：
在实施例一和实施例二的基础上，S1:获取机械臂末端在移动直线上的所在点的关节空间下的第一状态信息。
S2:通过逆运动学方法，将预设点的第二状态信息有笛卡尔坐标表示，同时转换成关节空间坐标表示。
S3：根据第一状态信息和第二状态信息确定从所在点至预设点的移动轨迹的参数，机械臂末端在移动轨迹上的移动函数为连续函数。
S4：控制机械臂末端沿移动轨迹从所在点移动至预设点。
S5：通过控制***检查机械臂末端从所在点到预设点之间存在的干扰性，同时规划移动轨迹中的积分控制。
进一步地，机械臂放置在所在点xd，机械臂***可以表示为mi+b(x,i)＝f,***的控制可以表示为f＝金f'+b(x,:x),其中f'＝-Khi-kp(x-xa),k和kyp是PD控制增益，如果是估计完全准确,***的控制行为是:1.i+Koi+kp(x-xa)＝0。
进一步地，机械臂移动可能涉及跟踪所需移动轨迹xa(t)，除了随时间变化的期望位置外,轨迹跟踪任务-般还涉及期望速度和加速度,即ica(t)和:xd(t)，该任务的机器人控制将具有与上述控制器相同的结构,新的单位质量控制输入f',是为轨迹跟踪设计的:f'＝id-k％(ix-id)-B(x-xa)，闭环***:(i-xa)+ku(x-xta)+ky(x-xa)＝0。
进一步地，通过对移动轨迹的规划，提升了机械臂运动轨迹的精准性，从而保证了机械臂从所在点移动到预设点这段距离的准确性，从而提升了该机械臂的精准操作度。
实施例五：
在实施例一的基础上，S1:获取机械臂末端在移动直线上的所在点的关节空间下的第一状态信息。
S2:通过逆运动学方法，将预设点的第二状态信息有笛卡尔坐标表示，同时转换成关节空间坐标表示。
S3：根据第一状态信息和第二状态信息确定从所在点至预设点的移动轨迹的参数，机械臂末端在移动轨迹上的移动函数为连续函数。
S4：控制机械臂末端沿移动轨迹从所在点移动至预设点。
S5：通过控制***检查机械臂末端从所在点到预设点之间存在的干扰性，同时规划移动轨迹中的积分控制。
进一步地，由于抗扰性的不确定性,因此会带来各种扰动,通过适当选择单位质量控制器中涉及的增益kp和k的,可以将这些干扰的影响最小化，这些增益越大,***抗干扰能力越强,但是有很多因素都会限制增益，假设作用在***上的所有扰动都可以由一个直接作用在***输入端的扰动力fdist来消除，且该力为恒定值,那么***可以写为:mit+b(x,i)＝f+faist，通过干扰性的测试能够提升机械臂在使用过程中的稳定性，同时保证机械臂在移动物品时减少外界的干扰，从而提升了该装置的使用。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种基于ROS的一体化智能机械臂控制方法，其特征在于：包括所述S1:获取机械臂末端在移动直线上的所在点的关节空间下的第一状态信息。
S2:通过逆运动控制，将预设点的第二状态信息有笛卡尔坐标表示，同时转换成关节空间坐标表示。
S3：根据第一状态信息和第二状态信息确定从所在点至预设点的移动轨迹的参数，机械臂末端在移动轨迹上的移动函数为连续函数。
S4：控制机械臂末端沿移动轨迹从所在点移动至预设点。
S5：通过控制***检查机械臂末端从所在点到预设点之间存在的干扰性，同时规划移动轨迹中的积分控制。
2.根据权利要求1所述的一种基于ROS的一体化智能机械臂控制方法，其特征在于：所述S2中的逆运动学控制，为直接根据逆运动学算出各关节期望位置，然后使用PD控制，控制各关节运动到期望位置。
3.根据权利要求1所述的一种基于ROS的一体化智能机械臂控制方法，其特征在于：所述S5中移动轨迹包括线性运动学控制和非线性控制，线性运动学控制包括计算出关节空间与末端之间的误差传递雅可比矩阵δx＝J(q)8q→δq＝J(q)-1δx，由末端的期望空间计算出8x＝xa-x,得到δq,进而可得qd＝q+δq。
4.根据权利要求3所述的一种基于ROS的一体化智能机械臂控制方法，其特征在于：所述非线性控制包括一般摩擦力，一般摩擦力通过位置和速度项来进行近似b(x,i)即:mi+b(x,x)＝f，如果可以对摩擦b进行建模,则可以将该模型用于***的控制以补偿该摩擦,并像以前一样控制所得的线性化***，实现这种控制的一般结构是:f＝af'+β中β示控制部分,该部分补偿作用在***上的非线性力，a***的质量,允许使用单位质***的控制设计f'，由于必须同时识别***中的质量和非线性,因此a和β将仅是这些量的估计值：a＝m、β＝b(x,i)。
5.根据权利要求1所述的一种基于ROS的一体化智能机械臂控制方法，其特征在于：所述S5控制***控制机械臂运动到一个固定位置，在该位置停下来，在只受外力的作用下,有:f＝mii，***的势能函数应该满足在xd处为零,因此就有:x＝Xd，V(x)＝l，V(x)>0x≠xd，二次的势能函数可以满足该要求,极值点为期望位置xdV(x)＝1/2kp(x-xa)2。
6.根据权利要求1所述的一种基于ROS的一体化智能机械臂控制方法，其特征在于：所述S4机械臂放置在所在点xd，机械臂***可以表示为mi+b(x,i)＝f,***的控制可以表示为f＝金f'+b(x,:x),其中f'＝-Khi-kp(x-xa),k和kyp是PD控制增益，如果是估计完全准确,***的控制行为是:1.i+Koi+kp(x-xa)＝0。
7.根据权利要求1所述的一种基于ROS的一体化智能机械臂控制方法，其特征在于：所述S4中机械臂移动可能涉及跟踪所需移动轨迹xa(t)，除了随时间变化的期望位置外,轨迹跟踪任务-般还涉及期望速度和加速度,即ica(t)和:xd(t)，该任务的机器人控制将具有与上述控制器相同的结构,新的单位质量控制输入f',是为轨迹跟踪设计的:f'＝id-k％(ix-id)-B(x-xa)，闭环***:(i-xa)+ku(x-xta)+ky(x-xa)＝0。
8.根据权利要求1所述的一种基于ROS的一体化智能机械臂控制方法，其特征在于：所述S5中抗扰性的不确定性,因此会带来各种扰动,通过适当选择单位质量控制器中涉及的增益kp和k的,可以将这些干扰的影响最小化，这些增益越大,***抗干扰能力越强,但是有很多因素都会限制增益，假设作用在***上的所有扰动都可以由一个直接作用在***输入端的扰动力fdist来消除，且该力为恒定值,那么***可以写为:mit+b(x,i)＝f+faist。
CN202210051369.XA 2022-01-17 2022-01-17 一种基于ros的一体化智能机械臂控制方法 Pending CN114393581A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210051369.XA CN114393581A (zh) 2022-01-17 2022-01-17 一种基于ros的一体化智能机械臂控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210051369.XA CN114393581A (zh) 2022-01-17 2022-01-17 一种基于ros的一体化智能机械臂控制方法

Publications (1)

Publication Number Publication Date
CN114393581A true CN114393581A (zh) 2022-04-26

Family

ID=81230966

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210051369.XA Pending CN114393581A (zh) 2022-01-17 2022-01-17 一种基于ros的一体化智能机械臂控制方法

Country Status (1)

Country Link
CN (1) CN114393581A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5247608A (en) * 1991-04-01 1993-09-21 At&T Bell Laboratories Method and apparatus for achieving dynamic path control of multiple robots
JP2009056554A (ja) * 2007-08-31 2009-03-19 Fujitsu Ltd 移動経路生成方法、移動経路生成装置、移動経路生成プログラム、ロボットアーム制御装置、およびロボットアーム制御プログラム
CN106346478A (zh) * 2016-11-09 2017-01-25 广州视源电子科技股份有限公司 机械臂的控制方法和装置
CN107490965A (zh) * 2017-08-21 2017-12-19 西北工业大学 一种空间自由漂浮机械臂的多约束轨迹规划方法
CN111152225A (zh) * 2020-01-15 2020-05-15 北京科技大学 存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5247608A (en) * 1991-04-01 1993-09-21 At&T Bell Laboratories Method and apparatus for achieving dynamic path control of multiple robots
JP2009056554A (ja) * 2007-08-31 2009-03-19 Fujitsu Ltd 移動経路生成方法、移動経路生成装置、移動経路生成プログラム、ロボットアーム制御装置、およびロボットアーム制御プログラム
CN106346478A (zh) * 2016-11-09 2017-01-25 广州视源电子科技股份有限公司 机械臂的控制方法和装置
CN107490965A (zh) * 2017-08-21 2017-12-19 西北工业大学 一种空间自由漂浮机械臂的多约束轨迹规划方法
CN111152225A (zh) * 2020-01-15 2020-05-15 北京科技大学 存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法

Similar Documents

Publication Publication Date Title
US6701212B2 (en) Lost motion correction system and lost motion correction method for numerical control machine tool
Swevers et al. Optimal robot excitation and identification
Swevers et al. An integrated friction model structure with improved presliding behavior for accurate friction compensation
CN101402199B (zh) 基于视觉的手眼式低伺服精度机器人抓取移动目标的方法
KR20200031081A (ko) 구성 종속적인 동역학적 시스템의 진동 제어
Jatta et al. Friction compensation in hybrid force/velocity control of industrial manipulators
An et al. Experimental determination of the effect of feedforward control on trajectory tracking errors
WO2022160894A1 (zh) 基于迭代学习的数控机床快速误差补偿控制***及方法
CN114450131A (zh) 机器人***的无导数模型学习***及设计
Indri et al. Friction modeling and identification for industrial manipulators
Atashzar et al. Tracking control of flexible-link manipulators based on environmental force disturbance observer
Liu et al. Comparative study of robust saturation-based control of robot manipulators: analysis and experiments
JPWO2020066949A1 (ja) ロボットの経路決定装置、ロボットの経路決定方法、プログラム
CN114310914A (zh) 多自由度机械臂模糊自适应迭代轨迹跟踪控制方法及***
Lange et al. Learning accurate path control of industrial robots with joint elasticity
CN114393581A (zh) 一种基于ros的一体化智能机械臂控制方法
Carneiro et al. On the influence of velocity and acceleration estimators on a servopneumatic system behaviour
CN116512245A (zh) 一种柔性关节机械臂残余振动抑制的轨迹优化方法及装置
JPH05150804A (ja) マニピユレータの繰り返し学習制御装置
Wu et al. Adaptive robust Kalman filter for vision-based pose estimation of industrial robots
Wang et al. Repetitive Control Scheme of Robotic Manipulators Based on Improved B‐Spline Function
CN110788859B (zh) 一种控制器参数全域自适应调节***
CN109240216B (zh) 并联伺服***的动态过程控制方法及信息数据处理终端
CN109483541B (zh) 一种基于分解速度规划算法的移动物体抓取方法
CN110231823A (zh) 一种双轮机器人的直接控制方法

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