公开(公告)号：CN111830992A

公开(公告)日：2020-10-27

申请号：CN202010754582.8

申请日：2020-07-31

Applicant: 哈尔滨工业大学

Inventor： 丁亮 ,  黄澜 ,  于兆玮 ,  杨怀广 ,  齐华囡 ,  李楠 ,  高海波 ,  邓宗全

IPC: G05D1/02

Abstract: 本发明涉及机器人技术领域，具体涉及一种轮式机器人的力控制方法、装置及轮式机器人。本发明所述轮式机器人的力控制装置，包括期望转速生成部，其用于根据车身的期望速度生成车轮的期望转速；期望牵引力生成部，其用于生成车轮的期望牵引力；期望车轮力矩生成部，其用于根据期望转速和期望牵引力生成车轮的期望力矩；转速误差生成部，其用于根据实时转速和期望转速生成转速误差；牵引力误差生成部，其用于根据实时牵引力和期望牵引力生成牵引力误差；控制律生成部，其用于根据牵引力误差、转速误差和期望力矩生成车轮力速混合控制律，车轮力速混合控制律用于车轮的力跟踪控制或者速度跟踪控制。

公开(公告)号：CN111762339A

公开(公告)日：2020-10-13

申请号：CN202010620973.0

申请日：2020-06-30

Applicant: 哈尔滨工业大学

Inventor： 杨怀广 ,  齐华囡 ,  廉文浩 ,  黄澜 ,  高海波 ,  邓宗全 ,  尤波 ,  丁亮

IPC: B64G1/16 ,  G06N3/04 ,  G05B11/42

Abstract: 本发明提供了一种星球探测车车轮在线机器学习控制方法，涉及机器人控制技术领域，包括：确定星球探测车的伪从动轮；获取星球车的期望移动速度、伪从动轮的挂钩牵引力、支持力、力矩以及PID控制器输出的速度控制量；根据期望移动速度确定伪从动轮的驱动速度；将速度控制量、挂钩牵引力、支持力和力矩输入在线学习神经网络模型进行在线学习，将在线学习神经网络模型的输出确定为挂钩牵引力的逼近值；根据逼近值与PID控制器的控制系数的偏导关系确定伪从动轮的PID控制增益调整量；根据PID控制增益调整量确定更新速度控制量。本发明通过在线学习神经网络模型结合PID控制，使得对伪从动轮的驱动控制具有更强的适应性和稳定性。

公开(公告)号：CN111605729A

公开(公告)日：2020-09-01

申请号：CN202010506292.1

申请日：2020-06-05

Applicant: 哈尔滨工业大学

Inventor： 杨怀广 ,  齐华囡 ,  廉文浩 ,  黄澜 ,  高海波 ,  邓宗全 ,  尤波 ,  丁亮

IPC: B64G1/16 ,  B64G1/24 ,  B64G1/22

Abstract: 本发明提供了一种星球探测车车轮主动跟随控制方法、控制系统及星球探测车,涉及机器人控制技术领域。其中星球探测车车轮主动跟随控制方法，包括下述步骤：任选所述星球探测车的一个或多个车轮作为支撑轮，调整所述支撑轮的转速，使所述支撑轮的实时挂钩牵引力Fx趋近于目标挂钩牵引力Fxd，以减小所述支撑轮对所述星球探测车的驱动力及阻力，使所述支撑轮用于对所述星球探测车车体提供支持力。通过采用本方法，使支撑轮仅对车体提供支持力，在增加车轮数量、降低车轮平均负载的情况下，减小各车轮之间的内力对抗，保证星球探测车具有较高的移动效率。