-
公开(公告)号：CN117474978A
公开(公告)日：2024-01-30
申请号：CN202311300803.4
申请日：2023-10-10
Applicant: 华中科技大学 , 武汉智能设计与数控技术创新中心
IPC: G06T7/70
Abstract: 本发明属于机器人抓取领域，并具体公开了一种基于物体点云的抓取位姿生成方法及系统，其获取物体三维点云，生成N个旋转矩阵Ri，i＝1,2,…,N；对于每个旋转矩阵Ri：将物体坐标系O0按照旋转矩阵Ri旋转，得到坐标系Oi，得到点云在坐标系Oi下的坐标；对在新坐标系下的点云执行体素化，生成体素张量；在体素张量中，沿着预设坐标轴逐层切片；并沿着该轴遍历，在每一层轮廓切片上查找符合约束条件的夹持点组，得到的所有夹持点组组成集合Gi；将集合Gi中夹持点组的坐标转化为在坐标系O0内的坐标，添加到集合G0；遍历所有Ri，集合G0即为候选抓取位姿；进而确定抓取位姿。本发明可兼顾抓取姿态生成的准确性和实时性。
-
公开(公告)号：CN111496794B
公开(公告)日：2022-04-01
申请号：CN202010354236.0
申请日：2020-04-29
Applicant: 华中科技大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于仿真工业机器人的运动学自抓取学习方法和系统，属于计算机辅助制造领域。本发明是基于仿真环境并利用强化学习理论进行机器人抓取训练，仿真机器人通过相机拍摄的图像自动获取物体的位置信息，决定机器人末端抓取工具的抓取位置；同时，基于强化学习的图像处理方法根据观察到的图像中被抓取物体形状和摆放状态，决定抓取工具的姿态，最终成功抓取形状各异、随意摆放的物品；本发明抓取技术可应用于很多工业与生活场景，它可以简化传统机器人的抓取工作编程的复杂性，提高机器人程序的扩展性，极大地提高了机器人的应用范围和实际生产中的工作效率。
-
公开(公告)号：CN110919638A
公开(公告)日：2020-03-27
申请号：CN201911119480.2
申请日：2019-11-15
Applicant: 华中科技大学
IPC: B25J9/02 , B25J9/16 , B25J11/00 , B07C5/34 , B07C5/36 , B24B19/00 , B24B41/06 , B24B47/22 , B24B49/02
Abstract: 本发明属于智能制造领域，涉及一种3+4新构型双臂协作机器人加工系统，包括：工件夹持臂直线滑轨水平布置，工件夹持臂包括三个相互垂直的回转轴，其中一个回转轴竖直布置；工具夹持臂包括一个竖直回转轴和两个水平回转轴；工件夹持臂末端用于安装工件；工具夹持臂末端安装加工工具，用于对工件进行加工；机器人控制器用于控制工件夹持臂进行三转动一平动的4自由度运动，以及控制工具夹持臂进行3自由度转动，从而实现3+4双臂协作加工。本发明由三旋转一平动的工件夹持臂和三旋转的工具夹持臂组成3+4新构型双臂协作机器人，从而缩短运动链长度、提升系统刚度、保证加工精度，解决现有技术整体刚度及加工精度不足的技术问题。
-
公开(公告)号：CN110315396A
公开(公告)日：2019-10-11
申请号：CN201810268885.1
申请日：2018-03-29
Applicant: 华中科技大学
IPC: B24B1/00
Abstract: 本发明属于工业机器人领域，并公开了一种基于大数据的工业机器人恒力磨抛方法，包括以下步骤：1)机器人运行数据采集：采用六维力传感器分别连接工业机器人和控制器，通过不断调节同一打磨轨迹的贴合程度，采集大量运行数据构成训练集；2)确定BP神经网络拓扑模型；3)根据步骤1)获得的运行数据对步骤2)所建立的BP神经网络拓扑模型进行训练；4)将训练好的BP神经网络拓扑模型运用到无传感器的工业机器人打磨实例中，获得工业机器人运行过程中的打磨力时域曲线，根据预设的打磨力阙值进行工业机器人轨迹调整，以便于获得恒力打磨效果。本发明可以重复路径微调的工作，这样就解决了磨抛生成效率低下，加工成本较高等问题。
-
公开(公告)号：CN115648209A
公开(公告)日：2023-01-31
申请号：CN202211325201.X
申请日：2022-10-27
Applicant: 华中科技大学
IPC: B25J9/16
Abstract: 本发明属于工业机器人轨迹规划相关技术领域，其公开了一种工业机器人多目标自适应协同轨迹优化方法及应用，包括以下步骤：(1)采用参数空间映射的方法将动力学参数统一映射到参数空间；(2)引入凸优化参数对时间最优轨迹规划问题进行建模；(3)将冲击项引入得到的时间最优轨迹规划模型；(4)基于目标权衡曲线挑选最优冲击因子；(5)完成终端路径平滑及连续参数域离散分析；(6)分析得到离散化参数的参数域表达式，以得到多目标多约束轨迹优化模型；(7)将二阶锥参数引入多目标多约束轨迹优化模型以将目标问题转化成二阶锥规划问题，得到最终的优化模型并完成求解。本发明对工业机器人实现高速高精、低冲击的运动具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN114131617A
公开(公告)日：2022-03-04
申请号：CN202111650566.5
申请日：2021-12-30
Applicant: 华中科技大学
IPC: B25J9/16
Abstract: 本发明公开了一种工业机器人的智能柔顺控制方法和装置，属于工业机器人控制技术领域，该方法包括：在工业机器人执行工作任务时，采集末端执行器的实际位置信息和实际接触力信息；将实际位置信息和期望位置信息通过机器人运动学模型输入机器人位置伺服环，以获取位置驱动量；将期望位置信息和实际接触力信息输入机器人动力学模型，获得第一力驱动量；将期望接触力信息、实际接触力信息和实际位置信息输入阻抗控制模型，获取第二力驱动量；进而利用位置驱动量和两个力驱动量对末端执行器的运动位置和接触力分别进行反馈控制。本发明能够提高机器人的末端执行器的控制柔顺度，使得工业机器人执行任务时状态更加平稳。
-
公开(公告)号：CN113910218A
公开(公告)日：2022-01-11
申请号：CN202110516594.1
申请日：2021-05-12
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于运动学与深度神经网络融合的机器人标定方法和装置，属于智能制造领域，所述方法包括：S1：将机器人各个轴关节角度值对应的实轴指令序列输入预先建立的运动学基础模型，得到理论位姿序列；S2：采集在实轴指令序列控制下机器人的实际位姿，形成实际位姿序列；S3：将实轴指令序列、理论位姿序列、实际位姿序列作为输入，位姿偏差作为输出对深度神经网络进行训练得到大数据偏差模型；S4：将机器人的当前实轴指令及其对应的理论位姿序列输入大数据偏差模型得到预测位姿偏差，利用预测位姿偏差补偿对应的理论位姿序列得到预测位姿序列，从而完成机器人的运动学标定。本发明能够精准预测机器人末端位姿，提高机器人标定精度。
-
公开(公告)号：CN115648209B
公开(公告)日：2025-02-11
申请号：CN202211325201.X
申请日：2022-10-27
Applicant: 华中科技大学
IPC: B25J9/16
Abstract: 本发明属于工业机器人轨迹规划相关技术领域，其公开了一种工业机器人多目标自适应协同轨迹优化方法及应用，包括以下步骤：(1)采用参数空间映射的方法将动力学参数统一映射到参数空间；(2)引入凸优化参数对时间最优轨迹规划问题进行建模；(3)将冲击项引入得到的时间最优轨迹规划模型；(4)基于目标权衡曲线挑选最优冲击因子；(5)完成终端路径平滑及连续参数域离散分析；(6)分析得到离散化参数的参数域表达式，以得到多目标多约束轨迹优化模型；(7)将二阶锥参数引入多目标多约束轨迹优化模型以将目标问题转化成二阶锥规划问题，得到最终的优化模型并完成求解。本发明对工业机器人实现高速高精、低冲击的运动具有重要意义。
-
公开(公告)号：CN114131617B
公开(公告)日：2024-03-19
申请号：CN202111650566.5
申请日：2021-12-30
Applicant: 华中科技大学
IPC: B25J9/16
Abstract: 本发明公开了一种工业机器人的智能柔顺控制方法和装置，属于工业机器人控制技术领域，该方法包括：在工业机器人执行工作任务时，采集末端执行器的实际位置信息和实际接触力信息；将实际位置信息和期望位置信息通过机器人运动学模型输入机器人位置伺服环，以获取位置驱动量；将期望位置信息和实际接触力信息输入机器人动力学模型，获得第一力驱动量；将期望接触力信息、实际接触力信息和实际位置信息输入阻抗控制模型，获取第二力驱动量；进而利用位置驱动量和两个力驱动量对末端执行器的运动位置和接触力分别进行反馈控制。本发明能够提高机器人的末端执行器的控制柔顺度，使得工业机器人执行任务时状态更加平稳。
-
公开(公告)号：CN113910218B
公开(公告)日：2024-02-06
申请号：CN202110516594.1
申请日：2021-05-12
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于运动学与深度神经网络融合的机器人标定方法和装置，属于智能制造领域，所述方法包括：S1：将机器人各个轴关节角度值对应的实轴指令序列输入预先建立的运动学基础模型，得到理论位姿序列；S2：采集在实轴指令序列控制下机器人的实际位姿，形成实际位姿序列；S3：将实轴指令序列、理论位姿序列、实际位姿序列作为输入，位姿偏差作为输出对深度神经网络进行训练得到大数据偏差模型；S4：将机器人的当前实轴指令及其对应的理论位姿序列输入大数据偏差模型得到预测位姿偏差，利用预测位姿偏差补偿对应的理论位姿序列得到预测位姿序列，从而完成机器人的运动学标定。本发明能够精准预测机器人末端位姿，提高机器人标定精度。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.042 seconds)
