-
公开(公告)号:CN118331318A
公开(公告)日:2024-07-12
申请号:CN202410273045.X
申请日:2024-03-11
Applicant: 燕山大学
IPC: G05D1/49 , G05D109/10
Abstract: 本案涉及一种无人步履式挖掘机姿态平稳性最优控制方法及系统,属于机器人控制领域,用于解决目前挖掘机控制算法难以根据实际复杂地形高效准确的调控车身姿态,存在自主作业过程中的安全性问题。本方案针对无人步履式挖掘机建立了最优控制模型,可提高求解四个支撑腿处液压缸最优的运动轨迹和输出力序列的准确度。在求解时,利用离散方法将最优控制模型转化为非线性规划问题,使得计算方便易实施。并且,利用激光雷达扫描地形环境,并获得车前地形的数学解析表达,有利于在在实际复杂地形中高效准确的调控无人步履式挖掘机车身姿态,对于保证无人步履式挖掘机自主作业过程中的安全性,提高作业质量具有重要意义。
-
公开(公告)号:CN107397649A
公开(公告)日:2017-11-28
申请号:CN201710681749.0
申请日:2017-08-10
Applicant: 燕山大学
IPC: A61H1/02 , A61B5/0488
Abstract: 一种基于径向基神经网络的上肢外骨骼康复机器人控制方法,建立人体上肢肌肉骨骼模型;采集上肢肌肉肌电信号及上肢运动数据,将运动数据导入上肢肌肉骨骼模型中,获得上肢关节力矩,构建径向基神经网络,给出神经网络模型;识别患者运动意图,融合分析关节角速度,将结果用于识别训练对象关节伸屈状态,确定肢体运动意图;实时采集患侧康复训练中的肌电信号及关节角度,通过神经网络得到患侧关节力矩,计算出外骨骼机械臂所需补偿的关节力矩,分析肌电信号疲劳特征,通过对疲劳程度进行分级,调整补偿力矩大小,结合运动意图控制力矩控制器实现上肢康复机器人辅助患者进行康复训练。本发明方法使康复训练过程更加适应患者,加强人机交互,提升康复效果。
-
公开(公告)号:CN119960310A
公开(公告)日:2025-05-09
申请号:CN202510120869.8
申请日:2025-01-24
Applicant: 燕山大学
IPC: G05B13/04
Abstract: 本发明涉及一种无人挖掘机多目标挖掘轨迹规划方法,用于解决现有复杂挖掘环境的动态载荷难以精准预估而导致无法在不同作业工况下进行自主作业的问题。本方案基于无人挖掘机运动参数、挖掘厚度以及挖掘载荷,构建神经网络模型,用于预测实时载荷数据;基于所预测的实时载荷数据,利用拉格朗日方程构建挖掘机工作装置动力学模型;利用D‑H法构建挖掘机工作装置运动学模型;基于挖掘时间和挖掘单位体积能耗等,建立目标轨迹规划模型的目标函数,采用遗传算法求解,获得满足约束条件的最终挖掘轨迹,从而在复杂挖掘环境中实现高效、节能的自主作业轨迹规划。
-
公开(公告)号:CN119937613A
公开(公告)日:2025-05-06
申请号:CN202510117993.9
申请日:2025-01-24
Applicant: 燕山大学
IPC: G05D1/49 , G05D109/10
Abstract: 本发明提供一种基于神经网络的无人步履式挖掘机车身姿态平稳控制方法,包括通过激光雷达和摄像头对步履式挖掘机的前方地形进行扫描,生成地形点云数据,对地形点云数据进行处理,获得地形激励数据;将地形激励数据和步履式挖掘机的步行腿夹角作为输入,构建步履式挖掘机的神经网络姿态预测模型,输出步履式挖掘机车身的俯仰角、侧倾角和垂向位移;基于步履式挖掘机的车身姿态变化,构建步履式挖掘机的车身平稳性最优控制模型并求解,以优化步行腿与底盘的夹角,实现复杂地形条件下车身姿态的平稳控制。本发明可高效适应复杂地形环境,提高无人步履式挖掘机在自主作业中的稳定性与安全性,对于提升作业效率和质量具有重要意义。
-
公开(公告)号:CN119191133A
公开(公告)日:2024-12-27
申请号:CN202411690836.9
申请日:2024-11-25
Applicant: 燕山大学
IPC: B66C23/82 , B66C23/84 , B66C23/687 , B66C23/62
Abstract: 本发明提供了一种组合式液压起重装置,涉及起重设备技术领域,包括起重底座,起重底座包括支撑底座,支撑底座底部纵向旋转安装有旋转支撑底座,支撑底座顶部横向旋转安装有起重臂,起重臂包括支撑臂和副支撑臂,支撑臂内滑动安装有伸缩臂,伸缩臂与支撑臂之间通过液压杆连接,支撑臂和副支撑臂横向旋转安装在支撑底座后端,本发明的前支撑板和后支撑板可以在设备吊起重物时,为设备进行支撑,同时在不需要时可以进行收纳,避免影响设备的移动;本发明的副支撑臂和副伸缩臂可以在设备吊起重物时提供拉力,使设备可以吊起较重的物体。
-
公开(公告)号:CN107397649B
公开(公告)日:2020-08-14
申请号:CN201710681749.0
申请日:2017-08-10
Applicant: 燕山大学
IPC: B25J9/00 , A61H1/02 , A61B5/0488
Abstract: 一种基于径向基神经网络的上肢外骨骼康复机器人控制方法,建立人体上肢肌肉骨骼模型;采集上肢肌肉肌电信号及上肢运动数据,将运动数据导入上肢肌肉骨骼模型中,获得上肢关节力矩,构建径向基神经网络,给出神经网络模型;识别患者运动意图,融合分析关节角速度,将结果用于识别训练对象关节伸屈状态,确定肢体运动意图;实时采集患侧康复训练中的肌电信号及关节角度,通过神经网络得到患侧关节力矩,计算出外骨骼机械臂所需补偿的关节力矩,分析肌电信号疲劳特征,通过对疲劳程度进行分级,调整补偿力矩大小,结合运动意图控制力矩控制器实现上肢康复机器人辅助患者进行康复训练。本发明方法使康复训练过程更加适应患者,加强人机交互,提升康复效果。
-
公开(公告)号:CN108983804B
公开(公告)日:2020-05-22
申请号:CN201810979187.2
申请日:2018-08-27
Applicant: 燕山大学
IPC: G05D1/08
Abstract: 本发明公开了一种基于深度强化学习的双足机器人步态规划方法,利用人体步态的稳定性和柔顺性,结合深度强化学习对双足机器人步态进行有效控制,包括以下步骤:1)建立被动双足机器人模型;2)人体步态数据和目标步态数据的获取及处理;3)使用降噪自动编码器分别提取双足机器人步态数据与人体步态数据中的隐含特征;4)利用深度强化学习对人体步态特征进行学习,进而规划双足机器人步态。本发明将深度强化学习和人体步态数据相结合,控制双足机器人像人一样稳定、柔顺的行走。
-
公开(公告)号:CN108983804A
公开(公告)日:2018-12-11
申请号:CN201810979187.2
申请日:2018-08-27
Applicant: 燕山大学
IPC: G05D1/08
Abstract: 本发明公开了一种基于深度强化学习的双足机器人步态规划方法,利用人体步态的稳定性和柔顺性,结合深度强化学习对双足机器人步态进行有效控制,包括以下步骤:1)建立被动双足机器人模型;2)人体步态数据和目标步态数据的获取及处理;3)使用降噪自动编码器分别提取双足机器人步态数据与人体步态数据中的隐含特征;4)利用深度强化学习对人体步态特征进行学习,进而规划双足机器人步态。本发明将深度强化学习和人体步态数据相结合,控制双足机器人像人一样稳定、柔顺的行走。
-
-
-
-
-
-
-