-
公开(公告)号：CN110658751A
公开(公告)日：2020-01-07
申请号：CN201910870007.1
申请日：2019-09-16
Applicant: 华中科技大学
IPC: G05B19/042
Abstract: 本发明属于工业自动化控制相关技术领域，其公开了一种EtherCAT现场总线控制系统的实现方法，该方法包括以下步骤：(1)通过对I/O APIC的可编程重定向表修改，以使I/O APIC接收到的每个外部中断都重定向到CPU1，将CPU0作为实时CPU核(2)用SOEM EtherCAT开源主站作为EtherCAT主站协议栈，将SOEM EtherCAT开源协议栈编译成一内核驱动模块；(3)采用NDIS协议驱动来发送和接收SOEM EtherCAT开源协议栈的数据；(4)采用DPC定时器提供定时中断来实现EtherCAT主站与从站之间的通信。本发明降低了成本及开发周期，适用性较强，有利于推广应用。
-
公开(公告)号：CN110065070A
公开(公告)日：2019-07-30
申请号：CN201910352004.9
申请日：2019-04-29
Applicant: 华中科技大学
IPC: B25J9/16
Abstract: 本发明属于工业机器人控制相关技术领域，其公开了一种基于动力学模型的机器人自适应阻抗控制系统，该系统包括预处理模块、阻抗控制器及自适应策略控制模块，预处理模块用于构建机器人动力学模型，并辨识机器人的动力学参数及摩擦力系数，进而对机器人动力学模型进行优化；还用于将优化后的机器人动力学模型传输给阻抗控制器；阻抗控制器用于根据机器人动力学模型来实现机器人末端的力和位置的柔顺控制，并将计算得到的位置误差、速度误差及外力值传输给自适应策略控制模块；自适应策略控制模块用于根据接收到的数据及自身预存的数值进行判断，并计算出控制器参数，同时将控制器参数传输给阻抗控制器。本发明自适应性较好，精度较高，灵活性好。
-
公开(公告)号：CN110569588A
公开(公告)日：2019-12-13
申请号：CN201910807079.1
申请日：2019-08-29
Applicant: 华中科技大学
Abstract: 本发明属于工业机器人性能测试领域，并具体公开了一种基于前馈神经网络的工业机器人整机性能预估方法，其包括如下步骤：S1构建工业机器人整机性能影响模型架构并进行性能测试以获取相应的输入参数和输出参数，其中，输入参数为工业机器人核心零部件性能参数及环境影响参数，输出参数为工业机器人整机性能参数；S2对输入参数和输出参数进行归一化处理，并利用归一化后的数据对神经网络模型进行训练以获得整机性能预估网络模型；S3将待测试的工业机器人核心零部件性能参数及环境影响参数代入所述整机性能预估网络模型中以获得工业机器人整机性能参数。本发明可实现工业机器人整机性能的预估，具有适用性广，预估准确等优点。
-
公开(公告)号：CN101551816A
公开(公告)日：2009-10-07
申请号：CN200910061748.1
申请日：2009-04-23
Applicant: 华中科技大学
Abstract: 本发明公开了一种支持多编码的物品编码解析系统，本地服务器接收客户端含有电子标签编码的编码解析请求，向匹配规则服务器发送解算规则请求，并依据匹配规则服务器反馈的解算规则将电子标签编码转换为目标授权服务器索引号，然后向授权服务器网络逐级询问目标授权服务器地址，目标授权服务器判断自身索引号与查询请求中的索引号完全匹配，则将对应物品信息服务器地址的解析结果，返回给本地服务器，进而由本地服务器返回给客户端。本发明采用服务器编号索引技术管理授权服务器网络，规范了各授权服务器的存储范围；引入匹配规则服务器完成编码与索引号的解算，支持多种编码方式的编码解析，该系统便于扩展，兼容性强，维护容易。
-
公开(公告)号：CN110658751B
公开(公告)日：2021-02-09
申请号：CN201910870007.1
申请日：2019-09-16
Applicant: 华中科技大学
IPC: G05B19/042
Abstract: 本发明属于工业自动化控制相关技术领域，其公开了一种EtherCAT现场总线控制系统的实现方法，该方法包括以下步骤：(1)通过对I/O APIC的可编程重定向表修改，以使I/O APIC接收到的每个外部中断都重定向到CPU1，将CPU0作为实时CPU核(2)用SOEM EtherCAT开源主站作为EtherCAT主站协议栈，将SOEM EtherCAT开源协议栈编译成一内核驱动模块；(3)采用NDIS协议驱动来发送和接收SOEM EtherCAT开源协议栈的数据；(4)采用DPC定时器提供定时中断来实现EtherCAT主站与从站之间的通信。本发明降低了成本及开发周期，适用性较强，有利于推广应用。
-
Patent Agency Ranking
公开(公告)号：CN109397265A
公开(公告)日：2019-03-01
申请号：CN201811347631.5
申请日：2018-11-13
Applicant: 华中科技大学
Abstract: 本发明属于工业机器人示教领域，并具体公开了一种基于动力学模型的关节型工业机器人拖拽示教方法，包括：建立多关节工业机器人动力学模型，并辨识出动力学模型中的动力学参数；机器人进入拖拽示教模式，获取各关节实际力矩及理论力矩，计算当前周期机器人末端广义力矢量差值；计算当前周期机器人末端的更新速度；根据当前周期机器人末端的更新速度计算当前周期机器人各关节速度值，将各关节速度值传给各关节对应的伺服电机实现机器人拖拽示教；判断多关节工业机器人是否保持拖拽示教模式，若是，重复关节速度更新过程，若否，则结束。本发明具有位姿控制精确、拖拽过程平稳等优点。
-
公开(公告)号：CN101604398B
公开(公告)日：2011-04-20
申请号：CN200910061747.7
申请日：2009-04-23
Applicant: 华中科技大学
IPC: G06K17/00
Abstract: 本发明公开了一种软硬件结合的RFID编码解析系统，多个客户端发起的编码解析请求汇聚成高速网络流量，通过高速接口进入硬件实现的编码解析分类器，编码解析分类器分类规则按照内容对编码解析请求进行分类，从内部接口分发给各编码解析单元服务器；编码解析单元服务器收到编码解析请求，依据编码解析请求中携带的电子标签编码查询对应的物品信息服务器地址，并返回给编码解析分类器；编码解析分类器收到物品信息服务器地址，将其返回给客户端。本发明将部分软件功能转移到高速硬件网络设备上，支持大流量RFID编码解析请求访问，解析速度快，可应用于编码解析网络中大型编码解析节点。
-
公开(公告)号：CN110569588B
公开(公告)日：2021-04-20
申请号：CN201910807079.1
申请日：2019-08-29
Applicant: 华中科技大学
Abstract: 本发明属于工业机器人性能测试领域，并具体公开了一种基于前馈神经网络的工业机器人整机性能预估方法，其包括如下步骤：S1构建工业机器人整机性能影响模型架构并进行性能测试以获取相应的输入参数和输出参数，其中，输入参数为工业机器人核心零部件性能参数及环境影响参数，输出参数为工业机器人整机性能参数；S2对输入参数和输出参数进行归一化处理，并利用归一化后的数据对神经网络模型进行训练以获得整机性能预估网络模型；S3将待测试的工业机器人核心零部件性能参数及环境影响参数代入所述整机性能预估网络模型中以获得工业机器人整机性能参数。本发明可实现工业机器人整机性能的预估，具有适用性广，预估准确等优点。
-
公开(公告)号：CN109397265B
公开(公告)日：2020-10-16
申请号：CN201811347631.5
申请日：2018-11-13
Applicant: 华中科技大学
Abstract: 本发明属于工业机器人示教领域，并具体公开了一种基于动力学模型的关节型工业机器人拖拽示教方法，包括：建立多关节工业机器人动力学模型，并辨识出动力学模型中的动力学参数；机器人进入拖拽示教模式，获取各关节实际力矩及理论力矩，计算当前周期机器人末端广义力矢量差值；计算当前周期机器人末端的更新速度；根据当前周期机器人末端的更新速度计算当前周期机器人各关节速度值，将各关节速度值传给各关节对应的伺服电机实现机器人拖拽示教；判断多关节工业机器人是否保持拖拽示教模式，若是，重复关节速度更新过程，若否，则结束。本发明具有位姿控制精确、拖拽过程平稳等优点。
-
公开(公告)号：CN110065070B
公开(公告)日：2020-09-18
申请号：CN201910352004.9
申请日：2019-04-29
Applicant: 华中科技大学
IPC: B25J9/16
Abstract: 本发明属于工业机器人控制相关技术领域，其公开了一种基于动力学模型的机器人自适应阻抗控制系统，该系统包括预处理模块、阻抗控制器及自适应策略控制模块，预处理模块用于构建机器人动力学模型，并辨识机器人的动力学参数及摩擦力系数，进而对机器人动力学模型进行优化；还用于将优化后的机器人动力学模型传输给阻抗控制器；阻抗控制器用于根据机器人动力学模型来实现机器人末端的力和位置的柔顺控制，并将计算得到的位置误差、速度误差及外力值传输给自适应策略控制模块；自适应策略控制模块用于根据接收到的数据及自身预存的数值进行判断，并计算出控制器参数，同时将控制器参数传输给阻抗控制器。本发明自适应性较好，精度较高，灵活性好。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.023 seconds)
