-
公开(公告)号：CN114571444A
公开(公告)日：2022-06-03
申请号：CN202210196429.7
申请日：2022-03-01
Applicant: 中南大学
Abstract: 本发明公开了一种基于Q‑learning的扒渣机器人阻抗控制方法。首先利用扒渣机器人运动学计算得到臂末端笛卡尔空间期望轨迹，采用安装在扒渣机器人末端的六自由度力/力矩传感器测量得到机械臂的末端与目标物体产生的实际接触力。期望接触力采用Maxwell模型进行估计。将实际接触力和期望接触力求偏差再通过阻抗控制器对期望轨迹进行修正，同时使用Q‑learning的方法对阻抗控制器参数进行实时修订。最后利用逆运动学计算得到扒渣机器人关节角度的期望轨迹，借助其轨迹完成扒渣机器人的相关运动操作。本发明可以保证扒渣机器人与外界环境交互过程中的鲁棒性和稳定性，可应用于扒渣机器人的作业运动控制中。
-
公开(公告)号：CN114571444B
公开(公告)日：2024-11-12
申请号：CN202210196429.7
申请日：2022-03-01
Applicant: 中南大学
Abstract: 本发明公开了一种基于Q‑learning的扒渣机器人阻抗控制方法。首先利用扒渣机器人运动学计算得到臂末端笛卡尔空间期望轨迹，采用安装在扒渣机器人末端的六自由度力/力矩传感器测量得到机械臂的末端与目标物体产生的实际接触力。期望接触力采用Maxwell模型进行估计。将实际接触力和期望接触力求偏差再通过阻抗控制器对期望轨迹进行修正，同时使用Q‑learning的方法对阻抗控制器参数进行实时修订。最后利用逆运动学计算得到扒渣机器人关节角度的期望轨迹，借助其轨迹完成扒渣机器人的相关运动操作。本发明可以保证扒渣机器人与外界环境交互过程中的鲁棒性和稳定性，可应用于扒渣机器人的作业运动控制中。
-
Search Results
2
records
(took 0.015 seconds)
