一种铸锭过程动态除渣的机器人轨迹规划方法

    公开(公告)号:CN111014594A

    公开(公告)日:2020-04-17

    申请号:CN201911131719.8

    申请日:2019-11-19

    Applicant: 中南大学

    Abstract: 本发明公开了一种铸锭过程动态除渣的机器人轨迹规划方法。先根据图像得出铸模在任务空间的位置和速度;然后由轨迹规划算法的运行时间和工业机器人的初始关节角度速度,确定运动轨迹的执行时间的搜索区间;利用轨迹规划算法的运行时间和轨迹的执行时间计算出机器人跟踪上了铸模时的位置;再使用五次多项式插值方法进行关节空间轨迹规划;最后利用二分法得到搜索区间中满足机器人关节空间物理约束的最小运动轨迹的执行时间,即得到跟踪上铸模运动的时间最优轨迹,然后在跟踪铸模运动同时完成扒渣操作。本发明通过视觉信息对动态目标物位置进行预测,再对机器人进行轨迹规划,解决了机器人动态目标跟踪轨迹规划时间最优问题,并实现了动态除渣操作。

    一种基于Q-learning的扒渣机器人阻抗控制方法

    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。

    一种基于Q-learning的扒渣机器人阻抗控制方法

    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。

    一种铸锭过程动态除渣的机器人轨迹规划方法

    公开(公告)号:CN111014594B

    公开(公告)日:2021-11-26

    申请号:CN201911131719.8

    申请日:2019-11-19

    Applicant: 中南大学

    Abstract: 本发明公开了一种铸锭过程动态除渣的机器人轨迹规划方法。先根据图像得出铸模在任务空间的位置和速度;然后由轨迹规划算法的运行时间和工业机器人的初始关节角度速度,确定运动轨迹的执行时间的搜索区间;利用轨迹规划算法的运行时间和轨迹的执行时间计算出机器人跟踪上了铸模时的位置;再使用五次多项式插值方法进行关节空间轨迹规划;最后利用二分法得到搜索区间中满足机器人关节空间物理约束的最小运动轨迹的执行时间,即得到跟踪上铸模运动的时间最优轨迹,然后在跟踪铸模运动同时完成扒渣操作。本发明通过视觉信息对动态目标物位置进行预测,再对机器人进行轨迹规划,解决了机器人动态目标跟踪轨迹规划时间最优问题,并实现了动态除渣操作。

Patent Agency Ranking