-
Patent Agency Ranking
公开(公告)号：CN109885052B
公开(公告)日：2022-03-25
申请号：CN201910142417.4
申请日：2019-02-26
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于全向移动机器人运动学建模的误差模型预测控制方法，所述方法包括以下步骤：S11、建立FM‑OMR四个麦克纳姆轮之间的速度约束运动学模型；S12、建立FM‑OMR的跟踪误差运动学模型；S13、针对FM‑OMR的轨迹跟踪问题，针对跟踪误差运动学模型，设计结合速度约束方程的误差模型预测控制器；S14、根据所述误差模型预测控制器控制全向移动机器人之间的有效轨迹跟踪参数，使全向移动机器人之间的跟踪误差维持不变。本发明针对四个麦克纳姆轮的全向移动机器人提出了一种基于轨迹跟踪误差运动学建模的误差模型预测控制方法，解决了有效轨迹跟踪控制的非完整约束问题，准确性和有效性。
-
公开(公告)号：CN110008894A
公开(公告)日：2019-07-12
申请号：CN201910254116.0
申请日：2019-03-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种面向六足机器人的地形分类方法，包括以下步骤：步骤一、利用六足机器人本体携带的摄像头，获取机器人所处环境的地形图片，形成地形数据集；步骤二、基于视觉词袋模型，对地形图片特征向量化；步骤三、对识别模型离线训练，实现对机器人所处地形图片进行分类；步骤四、六足机器人利用离线部分训练好的模型，对图片进行在线实时分类，根据分类的结果，选择合适的步态，实现六足机器人的运动。实现对机器人所处地形的高精度分类。基于地形分类的结果，六足机器人可自动选择步态，提高了机器人的环境适应性。
-
公开(公告)号：CN112743540B
公开(公告)日：2022-05-24
申请号：CN202011430098.6
申请日：2020-12-09
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于强化学习的六足机器人阻抗控制方法，包括如下步骤：建立带噪声参数的基于动态运动基元的六足机器人动力学系统；基于阻抗控制确定力矩控制表达式；确定变增益表的表式形式；确定控制系统的代价函数；确定基于路径积分学习算法的参数更新规则。本发明所述的控制方法最终的目标是通过路径积分学习算法学习并更新系统参数，使得代价函数的值尽量小，进而在有不确定力场干扰下机器人能不断调整足端运动的参考轨迹与控制器增益，得到良好的变阻抗控制效果，以期望形式运动到理想的目标点。
-
公开(公告)号：CN109885052A
公开(公告)日：2019-06-14
申请号：CN201910142417.4
申请日：2019-02-26
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于全向移动机器人运动学建模的误差模型预测控制方法，所述方法包括以下步骤：S11、建立FM-OMR四个麦克纳姆轮之间的速度约束运动学模型；S12、建立FM-OMR的跟踪误差运动学模型；S13、针对FM-OMR的轨迹跟踪问题，针对跟踪误差运动学模型，设计结合速度约束方程的误差模型预测控制器；S14、根据所述误差模型预测控制器控制全向移动机器人之间的有效轨迹跟踪参数，使全向移动机器人之间的跟踪误差维持不变。本发明针对四个麦克纳姆轮的全向移动机器人提出了一种基于轨迹跟踪误差运动学建模的误差模型预测控制方法，解决了有效轨迹跟踪控制的非完整约束问题，准确性和有效性。
-
公开(公告)号：CN112743540A
公开(公告)日：2021-05-04
申请号：CN202011430098.6
申请日：2020-12-09
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于强化学习的六足机器人阻抗控制方法，包括如下步骤：建立带噪声参数的基于动态运动基元的六足机器人动力学系统；基于阻抗控制确定力矩控制表达式；确定变增益表的表式形式；确定控制系统的代价函数；确定基于路径积分学习算法的参数更新规则。本发明所述的控制方法最终的目标是通过路径积分学习算法学习并更新系统参数，使得代价函数的值尽量小，进而在有不确定力场干扰下机器人能不断调整足端运动的参考轨迹与控制器增益，得到良好的变阻抗控制效果，以期望形式运动到理想的目标点。
-
-
-
-
Search Results
5
records
(took 0.02 seconds)
