-
公开(公告)号：CN110900604A
公开(公告)日：2020-03-24
申请号：CN201911215079.9
申请日：2019-12-02
Applicant: 浙江大学
Abstract: 本发明公开了基于双机械臂协作打磨系统的动力学模型设计方法，包括如下步骤：步骤一，构建双机械臂基于打磨加工轨迹的雅可比矩阵，在运动学层面，基于双机械臂的雅可比矩阵，结合打磨刀具和夹持工件的物理参数，将双机械臂的各关节和打磨轨迹结合起来，构造出从打磨轨迹速度到各机械臂关节速度的雅可比矩阵；步骤二，构建打磨刀具和工件打磨力简化力学模型；步骤三，构建双机械臂协作打磨系统耦合动力学模型，将所述协作打磨系统分为加工机械臂系统和夹持机械臂系统，分别构建耦合加工机械臂系统的动力学模型和耦合夹持机械臂系统的动力学模型。
-
公开(公告)号：CN120010510A
公开(公告)日：2025-05-16
申请号：CN202510143029.3
申请日：2025-02-10
Applicant: 浙江大学 , 余姚市机器人研究中心
Abstract: 本发明属于多四旋翼协同围捕技术领域，公开了一种障碍环境下的多无人机协同围捕方法，包括步骤1：基于维诺图的三维决策空间表征：通过构建安全优先可达区域来实现对三维障碍物决策空间的简化表征；步骤2：构建基于面积最小化的分布式围捕决策：在基于维诺图的三维决策空间表征模块所构建的安全优先可达区域的基础上通过采用基于面积最小化的协同围捕策略，压缩逃逸无人机的运动区域最终实现有效捕获。本发明的基于维诺图的三维决策空间表征方法能够实现在三维障碍空间这样一个典型非凸区域中提取出凸有界决策区域，实现决策空间的有效表征，为后续围捕策略的生成奠定基础。
-
公开(公告)号：CN119704199A
公开(公告)日：2025-03-28
申请号：CN202510069457.6
申请日：2025-01-16
Applicant: 浙江大学
Abstract: 本发明公开了一种弹性关节在线力矩补偿与控制方法，属于机器人关节精度控制技术领域，基于自适应滤波与神经网络进行弹性关节在线力矩误差补偿，并基于补偿的力矩测量信息实现精准的力矩控制；具体地，分别采集双编码器的角度信息并进行降噪处理，通过离散傅里叶变换将角度的时域信号转换为频域信号，并基于递推最小二乘算法（RLS）进行自适应滤波；将得到的角度误差信息作为输入，基于RBF神经网络对编码器角度的非线性误差进行自适应预测和补偿，求解弹性元件的刚度，通过力矩传感器验证力矩辨识的准确性；最后将求解的力矩值作为参考输入，设计弹性关节力矩控制算法，实现高精度的力矩控制。
-
公开(公告)号：CN119637134A
公开(公告)日：2025-03-18
申请号：CN202510138682.0
申请日：2025-02-08
Applicant: 余姚市机器人研究中心 , 浙江大学
IPC: B64U10/70 , B64U10/14 , B64U50/19 , B64U101/55 , B64U101/00
Abstract: 本发明属于地空两用机器人技术领域，涉及一种四旋翼两轮式攀墙飞行器，包括旋翼模组、爬墙模组、运动控制模组、悬架模组和主体机架，所述旋翼模组通过运动控制模组实现空中的升力和贴墙时水平推力输出，所述爬墙模组通过主动轮驱动和悬架设计提供向上爬墙动力实现攀墙功能，所述主体机架采用模块化设计，可快速组合不同功能模块，满足多场景救援需求。通过整合爬墙模组的攀墙稳定性能和旋翼模组的飞行能力，本发明能够实现从飞行姿态平滑切换到攀墙模式实现墙体攀附、爬行等任务，在墙面检测、无人机巡检、无人机勘察以及无人机灾害搜救等场景下具备极大的应用潜力。
-
公开(公告)号：CN115781672B
公开(公告)日：2025-01-28
申请号：CN202211443395.3
申请日：2022-11-18
Applicant: 余姚市机器人研究中心 , 浙江大学
Abstract: 本发明属于机器人技术领域，公开了一种具备机械弹性体和低减速比减速器的机器人关节及转矩控制方法，包括中空电机、减速器和关节输出轴，中空电机包括电机转子和电机定子，减速器位于中空电机中心，减速器包括减速器输人端和减速器输出端，减速器输人端与中空电机的电机转子固定连接，包括弹性体，弹性体包括弹性体输入端和弹性体输出端，所述弹性体输入端连接减速器输出端，弹性体输出端连接关节输出轴。本发明在减速器输出端设置了弹性体，通过弹性体与关节输出轴连接，通过测量弹性体输入端和输出端的角位置，实时获取作用在关节输出轴上的转矩，关节控制系统可以快速响应转矩的变化，从而提高对机械冲击的响应频率，保护减速器。
-
Patent Agency Ranking
公开(公告)号：CN118963111A
公开(公告)日：2024-11-15
申请号：CN202410813502.X
申请日：2024-06-21
Applicant: 余姚市机器人研究中心 , 浙江大学
IPC: G05B13/04
Abstract: 本发明涉及到四足机器人运动规划控制方法，针对应用串联弹性驱动器的四足机器人，公开了基于串联弹性驱动器的四足机器人能效优化方法，包括基于强化学习的参数协同优化和基于模型预测优化控制，从而为提高四足机器人运动的能效和平稳性提供了一种可行性方案。主要内容：根据物理样机的参数建立四足机器人的动力学模型，基于LuGre摩擦模型建立驱动‑能耗模型；针对每一个设计参数实例，利用强化学习对四足机器人机身的侧翻角、横滚角和俯仰角和位姿，足端落地时间、位置和期望时间、位置的误差，每条腿输出的力矩共计21个状态进行观测，利用LuGre摩擦模型构建能耗评估函数，在奖励函数的设计中，将能耗作为评估指标。
-
公开(公告)号：CN118650610A
公开(公告)日：2024-09-17
申请号：CN202410719872.7
申请日：2024-06-04
Applicant: 浙江大学
Abstract: 本发明公开一种主从遥操作机器人的柔顺控制方法，具体为：在从机器人控制系统中引入一个基于自抗扰控制的双自适应导纳控制算法的导纳控制器；在初始化主从机器人的位姿后进行主从机器人运动映射，采集主从机器人的六维力/力矩传感器的力/力矩数据并处理，计算出实际的外力，以判断是否运行所述导纳控制器，若判断运行，则由上述导纳控制器通过其设置跟踪的期望力对从机器人Z轴方向上的位置进行控制，其他正交方向上的位置则由主机器人继续控制，从而实现准确的交互力控制。本发明设计的基于自抗扰控制的双自适应导纳控制算法通过构建双自适应更新律对导纳模型参数进行实时调整，并引入自抗扰控制进一步了提高机器人的力跟踪精度和鲁棒性。
-
公开(公告)号：CN118596146A
公开(公告)日：2024-09-06
申请号：CN202410813583.3
申请日：2024-06-21
Applicant: 余姚市机器人研究中心 , 浙江大学
IPC: B25J9/16
Abstract: 本发明涉及机器人技能学习领域，尤其涉及一种基于SLAM的机器人操作数据收集方法，在硬件部分设计一个手持夹爪工具来采集原始数据，软件部分基于单目视觉惯性SLAM的数据处理算法，并通过ArUco标志检测算法实现坐标系转换和夹爪手指宽度识别，最终获得夹爪工具坐标系在世界坐标系中的定位坐标和末端执行器即夹爪手指的宽度，以及帧同步的视频信息。本发明方法能够快速低成本的构建多种类机器人技能操作数据集，降低了机器人技能学习的训练成本，有效提升了训练精度，特别是对于机器人技能强化学习、模仿学习、具身智能等领域的训练降低了成本。
-
公开(公告)号：CN118493349A
公开(公告)日：2024-08-16
申请号：CN202410742390.3
申请日：2024-06-07
Applicant: 余姚市机器人研究中心 , 浙江大学 , 智昌科技集团股份有限公司
Abstract: 本发明公开一种主从异构型遥操作机器人的非线性力反馈方法，该方法依据韦伯定律设计非线性力反馈函数，构建混合动力学模型，使用自适应共振理论‑II神经网络自主选择最合适的接触动力学模型，通过可变遗忘因子递归最小二乘法进行参数辨识和刚度估计，并根据估计结果自适应调整力反馈函数的参数，实现柔软环境下增强操作者对微小力变化感知能力，刚性环境下反馈真实交互力的效果。本发明方法解决当前完全基于透明性指标的力反馈算法不利于操作者在柔软环境中感知微小力变化的问题；所设计的混合动力学模型通过自适应共振理论‑II神经网络可实现快速准确的模型选择，且该神经网络无需预训练，对数据量需求较少，具有长期记忆性。
-
公开(公告)号：CN118470289A
公开(公告)日：2024-08-09
申请号：CN202410631315.X
申请日：2024-05-21
Applicant: 余姚市机器人研究中心 , 浙江大学
Abstract: 本发明属于视觉定位领域，公开了一种动态障碍干扰环境下视觉定位方法，该方法包括ORB‑SLAM2基础框架、基于YOLACT++语义实例分割的动态特征检测、基于时序信息的语义掩膜修复、特征点运动概率传播、基于PD控制的特征提取调节等步骤。其中，关键步骤是语义实例分割检测动态对象，并剔除相应的动态特征；掩膜修复能够解决语义分割过程可能存在的遗漏问题，运动概率传播能够提高框架运行效率，PD控制的特征提取调节能够改善视觉跟踪稳定性。本发明能够在有动态障碍干扰的情况下实现鲁棒的视觉定位效果，解决了ORB‑SLAM2在这种环境下定位漂移的问题，提高了视觉定位的鲁棒性和稳定性。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.019 seconds)
