-
公开(公告)号：CN113156819A
公开(公告)日：2021-07-23
申请号：CN202110386032.X
申请日：2021-04-09
Applicant: 浙江大学
IPC: G05B13/04
Abstract: 本发明涉及协调机械臂打磨领域，具体涉及协调打磨机械臂系统自适应神经网络同步阻抗控制方法，该方法包含打磨轨迹环跟踪和打磨力环跟踪两个部分，在这两个环的方法设计中，分别设计了基于神经网络的不确定性补偿控制律，从而快速消除协调机械臂系统中的动力学不确定性和工件打磨系统中的不确定性，在双环中同时保证了协调打磨机械臂系统的协同高精度打磨轨迹和打磨力的跟踪效果，为协调机械臂打磨领域提供了一个精准稳定的控制方法。
-
公开(公告)号：CN114952849B
公开(公告)日：2023-05-16
申请号：CN202210621679.0
申请日：2022-06-01
Applicant: 浙江大学 , 浙江钱塘机器人及智能装备研究有限公司
IPC: B25J9/16
Abstract: 本发明属于机器人控制技术领域，公开了一种基于强化学习与动力学前馈融合的机器人轨迹跟踪控制器设计方法.该方法可在被控系统中存在动力学不确定性、未建模非线性因素、参数摄动和未知外部干扰等条件下，能够自主准确跟踪参考轨迹，并自适应减小轨迹误差以实现提高轨迹跟踪精度。本发明运用了动力学前馈控制和人工蜂群算法对动力学参数进行辨识补偿作为控制方法的基础，通过二者的融合，加之针对未建模的非线性因素、外部干扰等偏差的强化学习TD3补偿算法，实现了控制方法和控制器的设计。该控制方法能对不同结构参数机械臂的动力学不确定性所产生的轨迹误差进行自适应反馈调整和补偿，有效提高轨迹跟踪精度和性能。
-
Patent Agency Ranking
公开(公告)号：CN113156819B
公开(公告)日：2022-06-24
申请号：CN202110386032.X
申请日：2021-04-09
Applicant: 浙江大学
IPC: G05B13/04
Abstract: 本发明涉及协调机械臂打磨领域，具体涉及协调打磨机械臂系统自适应神经网络同步阻抗控制方法，该方法包含打磨轨迹环跟踪和打磨力环跟踪两个部分，在这两个环的方法设计中，分别设计了基于神经网络的不确定性补偿控制律，从而快速消除协调机械臂系统中的动力学不确定性和工件打磨系统中的不确定性，在双环中同时保证了协调打磨机械臂系统的协同高精度打磨轨迹和打磨力的跟踪效果，为协调机械臂打磨领域提供了一个精准稳定的控制方法。
-
公开(公告)号：CN118003332A
公开(公告)日：2024-05-10
申请号：CN202410339212.6
申请日：2024-03-22
Applicant: 余姚市机器人研究中心 , 浙江大学
IPC: B25J9/16
Abstract: 本发明属于机械臂精度控制技术领域，涉及一种基于改进RBF神经网络的机械臂误差补偿方法，主要包括采用基于预处理序列二次规划算法的几何误差辨识和基于粒子群算法优化RBF神经网络的非几何误差辨识两部分；在几何误差辨识补偿阶段，通过预处理将机械臂高维求解空间降低为非凸性低维子空间，后设计序列二次规划求解几何补偿数据；在非几何误差辨识补偿阶段，设计基于粒子群优化的RBF神经网络算法自适应地预测非几何误差补偿数据；联合几何与非几何误差补偿数据来综合补偿机械臂定位误差。发明方法能高效实现机械臂运动学模型的高精度误差补偿，提高串联机械臂的绝对定位精度。
-
公开(公告)号：CN114952849A
公开(公告)日：2022-08-30
申请号：CN202210621679.0
申请日：2022-06-01
Applicant: 浙江大学 , 浙江钱塘机器人及智能装备研究有限公司
IPC: B25J9/16
Abstract: 本发明属于机器人控制技术领域，公开了一种基于强化学习与动力学前馈融合的机器人轨迹跟踪控制器设计方法.该方法可在被控系统中存在动力学不确定性、未建模非线性因素、参数摄动和未知外部干扰等条件下，能够自主准确跟踪参考轨迹，并自适应减小轨迹误差以实现提高轨迹跟踪精度。本发明运用了动力学前馈控制和人工蜂群算法对动力学参数进行辨识补偿作为控制方法的基础，通过二者的融合，加之针对未建模的非线性因素、外部干扰等偏差的强化学习TD3补偿算法，实现了控制方法和控制器的设计。该控制方法能对不同结构参数机械臂的动力学不确定性所产生的轨迹误差进行自适应反馈调整和补偿，有效提高轨迹跟踪精度和性能。
-
公开(公告)号：CN113134837B
公开(公告)日：2022-05-06
申请号：CN202110415816.0
申请日：2021-04-16
Applicant: 浙江大学
Abstract: 本发明涉及自适应控制领域，具体涉及一种基于六自由度串联机械臂提高绝对定位精度的方法，首先通过激光跟踪仪获取末端靶点信息和预处理进行机械臂与激光跟踪仪之间的坐标转换；然后运用李群李代数建立机械臂的指数积模型与序列二次规划算法求全局最小值的方法相融合，对机械臂关节参数偏差所产生的末端几何误差进行补偿；最后通过激光跟踪仪获取到的实际点位和指数积模型求解运动学逆解，用高斯过程回归算法进行模型训练，对非几何运动误差进行补偿预测，将预测出的补偿后的角度值输入到示教器。本发明能够更加精确的计算出机械臂的实际运动学模型参数，并减小末端点位误差以实现提高机械臂绝对定位精度。
-
公开(公告)号：CN113134837A
公开(公告)日：2021-07-20
申请号：CN202110415816.0
申请日：2021-04-16
Applicant: 浙江大学
Abstract: 本发明涉及自适应控制领域，具体涉及一种基于六自由度串联机械臂提高绝对定位精度的方法，首先通过激光跟踪仪获取末端靶点信息和预处理进行机械臂与激光跟踪仪之间的坐标转换；然后运用李群李代数建立机械臂的指数积模型与序列二次规划算法求全局最小值的方法相融合，对机械臂关节参数偏差所产生的末端几何误差进行补偿；最后通过激光跟踪仪获取到的实际点位和指数积模型求解运动学逆解，用高斯过程回归算法进行模型训练，对非几何运动误差进行补偿预测，将预测出的补偿后的角度值输入到示教器。本发明能够更加精确的计算出机械臂的实际运动学模型参数，并减小末端点位误差以实现提高机械臂绝对定位精度。
-
-
-
-
-
-
Search Results
7
records
(took 0.014 seconds)
