基于数据驱动的机械臂位置级联分数阶控制方法及系统

    公开(公告)号:CN109648556A

    公开(公告)日:2019-04-19

    申请号:CN201811553819.5

    申请日:2018-12-18

    Abstract: 本发明公开了一种基于数据驱动的机械臂位置级联分数阶控制方法及系统,该方法利用同一控制输入信号对机械臂的各关节进行两次激励实验,利用预设的内、外环参考系统和采集的相关数据计算虚拟参考信号和跟随误差信号,并使用理想滤波器对内外环信号进行滤波处理,进而构建以位置级联分数阶控制器参数为优化变量的整定准则,最终完成最优位置级联分数阶控制器的优化设计。本发明直接利用实际采集的输入和输出数据进行控制器的设计,而不需进行被控对象的模型辨识,因而不受未建模动态和模型误差的影响,其使用重复试验的过程数据,消除了数据噪声的影响,并可同时优化整定内外环分数阶控制器,保证了控制算法的效率,提高了系统的鲁棒性和控制精度。

    一种考虑迭代滑模的移动机器人解耦控制方法

    公开(公告)号:CN111949038B

    公开(公告)日:2021-08-31

    申请号:CN202010873333.0

    申请日:2020-08-26

    Abstract: 本发明属于机器人控制相关技术领域,其公开了一种考虑迭代滑模的移动机器人解耦控制方法,该方法包括:S1构建关于驱动轮产生的偏航惯性力矩和车轮转角的理论动力学模型;推算所述惯性力矩和车轮转角,将推算结果代入理论动力学模型中获得实际动力学模型;S2解耦实际动力学模型获得解耦后的逆反系统模型;构建迭代的模糊滑模控制器,利用模糊滑模控制器对解耦后的逆反系统模型进行控制,以此实现待处理轮式机器人的解耦控制。通过本发明,实现线性化映射解耦,提高系统的控制协同度和跟踪精度。

    一种基于多模式切换的移动机器人容错控制方法及设备

    公开(公告)号:CN112034706B

    公开(公告)日:2021-07-27

    申请号:CN202010828057.6

    申请日:2020-08-17

    Abstract: 本发明属于移动机器人控制相关技术领域,其公开了一种基于多模式切换的移动机器人容错控制方法及设备,该方法首先建立冗余驱动移动平台的多模式动力学模型,随后采集当前时刻相应的反馈数据并计算当前时刻的跟随误差,进而设计基于多模式切换的模式切换监督判据和多目标评价指标,从而构建逻辑切换准则,保证移动机器人系统的轨迹跟踪控制精度和容错力矩分配鲁棒性。本发明综合考虑了移动机器人的差异化运行模式,对其进行了统一建模,通过多目标评价的逻辑切换准则,实现了多种运行模式的自适应切换运行,同时考虑了切换的平均驻留时间,从而保证了系统的运行效率和控制精度。

    一种基于多模式切换的移动机器人容错控制方法及设备

    公开(公告)号:CN112034706A

    公开(公告)日:2020-12-04

    申请号:CN202010828057.6

    申请日:2020-08-17

    Abstract: 本发明属于移动机器人控制相关技术领域,其公开了一种基于多模式切换的移动机器人容错控制方法及设备,该方法首先建立冗余驱动移动平台的多模式动力学模型,随后采集当前时刻相应的反馈数据并计算当前时刻的跟随误差,进而设计基于多模式切换的模式切换监督判据和多目标评价指标,从而构建逻辑切换准则,保证移动机器人系统的轨迹跟踪控制精度和容错力矩分配鲁棒性。本发明综合考虑了移动机器人的差异化运行模式,对其进行了统一建模,通过多目标评价的逻辑切换准则,实现了多种运行模式的自适应切换运行,同时考虑了切换的平均驻留时间,从而保证了系统的运行效率和控制精度。

    基于深度学习的玻璃场景下三维激光雷达导航方法及设备

    公开(公告)号:CN111982124A

    公开(公告)日:2020-11-24

    申请号:CN202010881244.0

    申请日:2020-08-27

    Abstract: 本发明公开了一种基于深度学习的玻璃场景下三维激光雷达导航方法及设备。该导航方法先离线训练获得玻璃识别深度神经网络和光学特性深度神经网络;在导航过程中,先将玻璃识别深度神经网络识别出的玻璃概率以及计算出的玻璃方向实时插入空间体素地图中;再在包含玻璃概率、玻璃法向量的空间体素地图中,采用光线投射法模拟激光雷达发射的激光光束,并基于光学特性深度神经网络获得激光光束透射玻璃的概率进行雷达点的筛选,生成模拟点云集;最后基于真实三维雷达数据以及模拟点云集,采用正态分布变换计算机器人在空间体素地图中的绝对位姿。本发明的导航方法能够避免基于激光雷达的定位发生感知混淆,提高移动机器人在玻璃场景中的三维导航精度。

    基于数据驱动的机械臂位置级联分数阶控制方法及系统

    公开(公告)号:CN109648556B

    公开(公告)日:2020-09-18

    申请号:CN201811553819.5

    申请日:2018-12-18

    Abstract: 本发明公开了一种基于数据驱动的机械臂位置级联分数阶控制方法及系统,该方法利用同一控制输入信号对机械臂的各关节进行两次激励实验,利用预设的内、外环参考系统和采集的相关数据计算虚拟参考信号和跟随误差信号,并使用理想滤波器对内外环信号进行滤波处理,进而构建以位置级联分数阶控制器参数为优化变量的整定准则,最终完成最优位置级联分数阶控制器的优化设计。本发明直接利用实际采集的输入和输出数据进行控制器的设计,而不需进行被控对象的模型辨识,因而不受未建模动态和模型误差的影响,其使用重复试验的过程数据,消除了数据噪声的影响,并可同时优化整定内外环分数阶控制器,保证了控制算法的效率,提高了系统的鲁棒性和控制精度。

    考虑数据扰动补偿的交流伺服系统模型辨识方法及设备

    公开(公告)号:CN109491251B

    公开(公告)日:2020-07-10

    申请号:CN201811550131.1

    申请日:2018-12-18

    Abstract: 本发明公开了一种考虑数据扰动补偿的交流伺服系统模型辨识方法及设备,属于交流伺服系统运动控制技术领域。该方法包括以下步骤:构建交流伺服系统的模型结构,并设计模型辨识准则函数,对系统进行激励实验,获取相应的输入和输出反馈数据,进而利用过程数据的期望值计算数据扰动补偿量,并将其叠加到模型参数的自适应更新校正中,消除数据扰动的影响,提高模型辨识算法的精度。本发明提出的考虑数据扰动补偿的模型辨识方法同时考虑了数据噪声干扰和数据帧丢失的情况,并可实时修正受控系统的丢帧率,适用性更广,其可将无偏估测的数据扰动信息迭代修正到系统的模型参数的自适应更新中,减小模型辨识误差,进一步提高模型辨识算法的精度和可靠性。

    考虑数据扰动补偿的交流伺服系统模型辨识方法及设备

    公开(公告)号:CN109491251A

    公开(公告)日:2019-03-19

    申请号:CN201811550131.1

    申请日:2018-12-18

    Abstract: 本发明公开了一种考虑数据扰动补偿的交流伺服系统模型辨识方法及设备,属于交流伺服系统运动控制技术领域。该方法包括以下步骤:构建交流伺服系统的模型结构,并设计模型辨识准则函数,对系统进行激励实验,获取相应的输入和输出反馈数据,进而利用过程数据的期望值计算数据扰动补偿量,并将其叠加到模型参数的自适应更新校正中,消除数据扰动的影响,提高模型辨识算法的精度。本发明提出的考虑数据扰动补偿的模型辨识方法同时考虑了数据噪声干扰和数据帧丢失的情况,并可实时修正受控系统的丢帧率,适用性更广,其可将无偏估测的数据扰动信息迭代修正到系统的模型参数的自适应更新中,减小模型辨识误差,进一步提高模型辨识算法的精度和可靠性。

    基于深度学习的玻璃场景下三维激光雷达导航方法及设备

    公开(公告)号:CN111982124B

    公开(公告)日:2022-11-01

    申请号:CN202010881244.0

    申请日:2020-08-27

    Abstract: 本发明公开了一种基于深度学习的玻璃场景下三维激光雷达导航方法及设备。该导航方法先离线训练获得玻璃识别深度神经网络和光学特性深度神经网络;在导航过程中,先将玻璃识别深度神经网络识别出的玻璃概率以及计算出的玻璃方向实时插入空间体素地图中;再在包含玻璃概率、玻璃法向量的空间体素地图中,采用光线投射法模拟激光雷达发射的激光光束,并基于光学特性深度神经网络获得激光光束透射玻璃的概率进行雷达点的筛选,生成模拟点云集;最后基于真实三维雷达数据以及模拟点云集,采用正态分布变换计算机器人在空间体素地图中的绝对位姿。本发明的导航方法能够避免基于激光雷达的定位发生感知混淆,提高移动机器人在玻璃场景中的三维导航精度。

    用于大尺度多站点场景的移动机器人位姿测量方法及系统

    公开(公告)号:CN112045655B

    公开(公告)日:2021-12-31

    申请号:CN202010819986.0

    申请日:2020-08-14

    Abstract: 本发明属于移动机器人位姿测量领域,并具体公开了一种用于大尺度多站点场景的移动机器人位姿测量方法及系统,包括如下步骤:移动机器人在各个站点示教,获取移动机器人在站点示教位置的绝对位姿即目标位姿,并利用视觉测量获得移动机器人在各站点目标位姿与站点标志的相对位姿;移动机器人在多站点场景中移动,获得移动机器人在当前绝对位姿与观测站点标志的相对位姿,进而得到移动机器人当前绝对位姿与该观测站点目标位姿的相对位姿,最后结合观测站点的目标位姿实时、精准地得到移动机器人在站点附近的绝对位姿。本发明具有布置便捷、成本低廉、测量精度高、不易被障碍物遮挡失效等优势,尤其适用于大尺度、多站点的复杂工作场景。

Patent Agency Ranking