基于动力学参数辨识的工业机器人力/位柔顺控制方法

    公开(公告)号:CN110561438B

    公开(公告)日:2021-02-05

    申请号:CN201910887041.X

    申请日:2019-09-19

    Abstract: 本发明公开了一种基于动力学参数辨识的工业机器人力/位柔顺控制方法,包括以下步骤:利用牛顿‑欧拉法构建带摩擦力模型的动力学方程;将动力学参数划分为连杆动力学参数和负载动力学参数;基于辨识后的完整动力学模型,提出阻抗控制算法实现力/位柔顺控制;通过机器人实验平台辨识连杆动力学参数和负载动力学参数,并对阻抗控制算法进行验证。本发明实现了工业机器人末端力/位柔顺控制,通过六连杆机器人实验平台辨识了连杆动力学参数和负载动力学参数,并对阻抗控制算法进行验证,在机器人通过有障碍轨迹时产生了最大为0.05mm的位置误差,证实了基于动力学模型的阻抗控制器的实用性和可靠性。

    一种基于动力学模型的机器人自适应阻抗控制系统

    公开(公告)号:CN110065070B

    公开(公告)日:2020-09-18

    申请号:CN201910352004.9

    申请日:2019-04-29

    Abstract: 本发明属于工业机器人控制相关技术领域,其公开了一种基于动力学模型的机器人自适应阻抗控制系统,该系统包括预处理模块、阻抗控制器及自适应策略控制模块,预处理模块用于构建机器人动力学模型,并辨识机器人的动力学参数及摩擦力系数,进而对机器人动力学模型进行优化;还用于将优化后的机器人动力学模型传输给阻抗控制器;阻抗控制器用于根据机器人动力学模型来实现机器人末端的力和位置的柔顺控制,并将计算得到的位置误差、速度误差及外力值传输给自适应策略控制模块;自适应策略控制模块用于根据接收到的数据及自身预存的数值进行判断,并计算出控制器参数,同时将控制器参数传输给阻抗控制器。本发明自适应性较好,精度较高,灵活性好。

    一种EtherCAT现场总线控制系统的实现方法

    公开(公告)号:CN110658751A

    公开(公告)日:2020-01-07

    申请号:CN201910870007.1

    申请日:2019-09-16

    Abstract: 本发明属于工业自动化控制相关技术领域,其公开了一种EtherCAT现场总线控制系统的实现方法,该方法包括以下步骤:(1)通过对I/O APIC的可编程重定向表修改,以使I/O APIC接收到的每个外部中断都重定向到CPU1,将CPU0作为实时CPU核(2)用SOEM EtherCAT开源主站作为EtherCAT主站协议栈,将SOEM EtherCAT开源协议栈编译成一内核驱动模块;(3)采用NDIS协议驱动来发送和接收SOEM EtherCAT开源协议栈的数据;(4)采用DPC定时器提供定时中断来实现EtherCAT主站与从站之间的通信。本发明降低了成本及开发周期,适用性较强,有利于推广应用。

    一种基于动力学模型的机器人自适应阻抗控制系统

    公开(公告)号:CN110065070A

    公开(公告)日:2019-07-30

    申请号:CN201910352004.9

    申请日:2019-04-29

    Abstract: 本发明属于工业机器人控制相关技术领域,其公开了一种基于动力学模型的机器人自适应阻抗控制系统,该系统包括预处理模块、阻抗控制器及自适应策略控制模块,预处理模块用于构建机器人动力学模型,并辨识机器人的动力学参数及摩擦力系数,进而对机器人动力学模型进行优化;还用于将优化后的机器人动力学模型传输给阻抗控制器;阻抗控制器用于根据机器人动力学模型来实现机器人末端的力和位置的柔顺控制,并将计算得到的位置误差、速度误差及外力值传输给自适应策略控制模块;自适应策略控制模块用于根据接收到的数据及自身预存的数值进行判断,并计算出控制器参数,同时将控制器参数传输给阻抗控制器。本发明自适应性较好,精度较高,灵活性好。

    一种EtherCAT现场总线控制系统的实现方法

    公开(公告)号:CN110658751B

    公开(公告)日:2021-02-09

    申请号:CN201910870007.1

    申请日:2019-09-16

    Abstract: 本发明属于工业自动化控制相关技术领域,其公开了一种EtherCAT现场总线控制系统的实现方法,该方法包括以下步骤:(1)通过对I/O APIC的可编程重定向表修改,以使I/O APIC接收到的每个外部中断都重定向到CPU1,将CPU0作为实时CPU核(2)用SOEM EtherCAT开源主站作为EtherCAT主站协议栈,将SOEM EtherCAT开源协议栈编译成一内核驱动模块;(3)采用NDIS协议驱动来发送和接收SOEM EtherCAT开源协议栈的数据;(4)采用DPC定时器提供定时中断来实现EtherCAT主站与从站之间的通信。本发明降低了成本及开发周期,适用性较强,有利于推广应用。

    一种基于动力学模型的关节型工业机器人拖拽示教方法

    公开(公告)号:CN109397265A

    公开(公告)日:2019-03-01

    申请号:CN201811347631.5

    申请日:2018-11-13

    Abstract: 本发明属于工业机器人示教领域,并具体公开了一种基于动力学模型的关节型工业机器人拖拽示教方法,包括:建立多关节工业机器人动力学模型,并辨识出动力学模型中的动力学参数;机器人进入拖拽示教模式,获取各关节实际力矩及理论力矩,计算当前周期机器人末端广义力矢量差值;计算当前周期机器人末端的更新速度;根据当前周期机器人末端的更新速度计算当前周期机器人各关节速度值,将各关节速度值传给各关节对应的伺服电机实现机器人拖拽示教;判断多关节工业机器人是否保持拖拽示教模式,若是,重复关节速度更新过程,若否,则结束。本发明具有位姿控制精确、拖拽过程平稳等优点。

    一种基于前馈神经网络的工业机器人整机性能预估方法

    公开(公告)号:CN110569588B

    公开(公告)日:2021-04-20

    申请号:CN201910807079.1

    申请日:2019-08-29

    Abstract: 本发明属于工业机器人性能测试领域,并具体公开了一种基于前馈神经网络的工业机器人整机性能预估方法,其包括如下步骤:S1构建工业机器人整机性能影响模型架构并进行性能测试以获取相应的输入参数和输出参数,其中,输入参数为工业机器人核心零部件性能参数及环境影响参数,输出参数为工业机器人整机性能参数;S2对输入参数和输出参数进行归一化处理,并利用归一化后的数据对神经网络模型进行训练以获得整机性能预估网络模型;S3将待测试的工业机器人核心零部件性能参数及环境影响参数代入所述整机性能预估网络模型中以获得工业机器人整机性能参数。本发明可实现工业机器人整机性能的预估,具有适用性广,预估准确等优点。

    一种基于动力学模型的关节型工业机器人拖拽示教方法

    公开(公告)号:CN109397265B

    公开(公告)日:2020-10-16

    申请号:CN201811347631.5

    申请日:2018-11-13

    Abstract: 本发明属于工业机器人示教领域,并具体公开了一种基于动力学模型的关节型工业机器人拖拽示教方法,包括:建立多关节工业机器人动力学模型,并辨识出动力学模型中的动力学参数;机器人进入拖拽示教模式,获取各关节实际力矩及理论力矩,计算当前周期机器人末端广义力矢量差值;计算当前周期机器人末端的更新速度;根据当前周期机器人末端的更新速度计算当前周期机器人各关节速度值,将各关节速度值传给各关节对应的伺服电机实现机器人拖拽示教;判断多关节工业机器人是否保持拖拽示教模式,若是,重复关节速度更新过程,若否,则结束。本发明具有位姿控制精确、拖拽过程平稳等优点。

    一种工业机器人协同运动控制方法

    公开(公告)号:CN110497411B

    公开(公告)日:2020-11-24

    申请号:CN201910785171.2

    申请日:2019-08-23

    Abstract: 本发明公开了一种工业机器人协同运动控制方法,采用基于主从关系的协同插补方法进行运动控制,需要确立协同插补的输入输出,进行主从同步速度规划,以及进行协同轨迹过渡;协同插补的输入由用户协同运动指令经过译码器解析然后由组控制模块处理得到,协同插补的输出直接作用于伺服驱动器控制机器人关节电机转动。本发明针对具有时间和轨迹约束的协同运动,提出了主运动单元轨迹与协同轨迹同步插补,再利用协同变换计算出从运动单元真实目标位姿的插补方法,保证了协同轨迹的完全可控性;针对仅具有时间约束的同步运动,提出了直接同步插补两个运动单元轨迹的插补方法。本发明所提供的协同运动控制方法具备用于实际的可行性。

    一种基于前馈神经网络的工业机器人整机性能预估方法

    公开(公告)号:CN110569588A

    公开(公告)日:2019-12-13

    申请号:CN201910807079.1

    申请日:2019-08-29

    Abstract: 本发明属于工业机器人性能测试领域,并具体公开了一种基于前馈神经网络的工业机器人整机性能预估方法,其包括如下步骤:S1构建工业机器人整机性能影响模型架构并进行性能测试以获取相应的输入参数和输出参数,其中,输入参数为工业机器人核心零部件性能参数及环境影响参数,输出参数为工业机器人整机性能参数;S2对输入参数和输出参数进行归一化处理,并利用归一化后的数据对神经网络模型进行训练以获得整机性能预估网络模型;S3将待测试的工业机器人核心零部件性能参数及环境影响参数代入所述整机性能预估网络模型中以获得工业机器人整机性能参数。本发明可实现工业机器人整机性能的预估,具有适用性广,预估准确等优点。

Patent Agency Ranking