机器人致摔因素确定方法、装置、介质、设备及产品

    公开(公告)号:CN118456474A

    公开(公告)日:2024-08-09

    申请号:CN202410911650.5

    申请日:2024-07-09

    Abstract: 本申请公开了一种机器人致摔因素确定方法、装置、介质、设备及产品,涉及机器人技术领域,该方法包括:基于当前摔倒的机器人各个被控单元的实际运动数据和预期运动数据,得到各个被控单元的误差向量;基于当前设定的摔倒回顾时刻和误差向量构建机器人的当前回顾数据集;基于当前回顾数据集中回顾向量之间的距离构建初始凸顶点集;基于各个回顾向量与初始凸顶点集之间的凸包距离对初始凸顶点集进行更新,得到凸顶点集;基于所述凸顶点集中各个回顾向量对应的被控单元的误差损失分数确定所述机器人的致摔因素。本申请提供的方法和装置,可以确定机器人的致摔因素,提高了致摔因素的确定效率和确定准确度,进而可以优化算法防止机器人摔倒。

    基于生物启发式神经网络的机器人自适应阻抗控制方法

    公开(公告)号:CN111531543A

    公开(公告)日:2020-08-14

    申请号:CN202010398615.X

    申请日:2020-05-12

    Inventor: 高洁 康二龙 乔红

    Abstract: 本发明属于机器人控制和非线性系统领域,具体涉及了一种基于生物启发式神经网络的机器人自适应阻抗控制方法,旨在解决现有技术无法实现复杂非线性系统中机器人的实时精准控制的问题。本发明包括:获取系统的初始控制力矩、期望阻抗、运动轨迹;构建含阻抗的n自由度机械臂系统的动态方程、期望阻抗模型分别获取机器人t时刻系统真实状态和期望状态;基于全状态反馈和生物启发式网络构建自适应控制器并获取t+1时刻控制力矩;循环进行状态获取、自适应阻抗控制、运动控制,直至机器人机械臂完成运动轨迹。本发明结合生物启发式网络结构、时滞反馈,采用了奖励值调节的海扁算法以及网络估计与全状态反馈结合的结构,系统稳定、控制精度高。

    基于摔倒判断的人形机器人步态控制方法和装置

    公开(公告)号:CN118226760B

    公开(公告)日:2024-09-24

    申请号:CN202410644753.X

    申请日:2024-05-23

    Abstract: 本发明提供一种基于摔倒判断的人形机器人步态控制方法和装置,应用于机器人控制技术领域。该方法包括:获取人形机器人的运动分析数据;根据所述运动分析数据判断所述人形机器人的摔倒状态和摔倒原因,所述摔倒状态包括稳定行走、临界摔倒和摔倒,所述摔倒原因包括环境干扰和硬件误差;基于所述摔倒状态计算所述人形机器人的摔倒概率;根据所述摔倒概率和所述摔倒原因对所述人形机器人的行走步态与控制量进行修正。

    双足机器人爬坡方法、装置、电子设备和存储介质

    公开(公告)号:CN118363310A

    公开(公告)日:2024-07-19

    申请号:CN202410791772.5

    申请日:2024-06-19

    Abstract: 本发明提供一种双足机器人爬坡方法、装置、电子设备和存储介质,属于机器人技术领域,其中方法包括:确定双足机器人的动力学模型,基于动力学模型和模型预测控制算法,构建目标函数,确定目标函数对应的约束条件;对目标函数进行求解,得到双足机器人爬坡的脚步位置序列的最优解;基于脚步位置序列的最优解和整体控制算法,确定每一脚步的关节位置期望值,确定期望姿态角,基于期望姿态角,得到每一脚步的关节速度期望值和关节加速度期望值;基于每一脚步的关节位置期望值、关节速度期望值和关节加速度期望值,计算每一脚步的控制力矩,根据每一脚步的控制力矩控制双足机器人爬坡行走。本发明提高了双足机器人在爬坡行走中的适应性和稳定性。

    基于自适应神经网络的机器人模型预测控制方法

    公开(公告)号:CN111618864B

    公开(公告)日:2021-04-23

    申请号:CN202010698815.7

    申请日:2020-07-20

    Inventor: 康二龙 高洁 乔红

    Abstract: 本发明属于智能机器人控制、时变非线性系统控制领域,具体涉及一种基于自适应神经网络的机器人模型预测控制方法、系统、装置,旨在解决存在模型不确定性以及输入约束的情况下,机械臂的最优跟踪控制问题。本系统方法包括:计算跟踪误差;通过动作网络获取预测控制率,并更新动作‑评价网络的权重值;判断i是否大于设定的预测时长,若是,则判断动作‑执行网络权重变化是否满足阈值或迭代次数大于最大迭代次数,若是,则通过动作网络计算机械臂tk‑tk+1时刻的实际控制率,作用于机械臂,否则通过预构建的预测模型获取tk+i+1时刻的跟踪误差,并循环获取预测控制率;循环生成实际控制率,直至机械臂到达设定的目标位置。本发明提高了机器人模型预测控制的性能。

    双足机器人爬坡方法、装置、电子设备和存储介质

    公开(公告)号:CN118363310B

    公开(公告)日:2024-10-25

    申请号:CN202410791772.5

    申请日:2024-06-19

    Abstract: 本发明提供一种双足机器人爬坡方法、装置、电子设备和存储介质,属于机器人技术领域,其中方法包括:确定双足机器人的动力学模型,基于动力学模型和模型预测控制算法,构建目标函数,确定目标函数对应的约束条件;对目标函数进行求解,得到双足机器人爬坡的脚步位置序列的最优解;基于脚步位置序列的最优解和整体控制算法,确定每一脚步的关节位置期望值,确定期望姿态角,基于期望姿态角,得到每一脚步的关节速度期望值和关节加速度期望值;基于每一脚步的关节位置期望值、关节速度期望值和关节加速度期望值,计算每一脚步的控制力矩,根据每一脚步的控制力矩控制双足机器人爬坡行走。本发明提高了双足机器人在爬坡行走中的适应性和稳定性。

    基于生物启发式神经网络的机器人自适应阻抗控制方法

    公开(公告)号:CN111531543B

    公开(公告)日:2021-10-08

    申请号:CN202010398615.X

    申请日:2020-05-12

    Inventor: 高洁 康二龙 乔红

    Abstract: 本发明属于机器人控制和非线性系统领域,具体涉及了一种基于生物启发式神经网络的机器人自适应阻抗控制方法,旨在解决现有技术无法实现复杂非线性系统中机器人的实时精准控制的问题。本发明包括:获取系统的初始控制力矩、期望阻抗、运动轨迹;构建含阻抗的n自由度机械臂系统的动态方程、期望阻抗模型分别获取机器人t时刻系统真实状态和期望状态;基于全状态反馈和生物启发式网络构建自适应控制器并获取t+1时刻控制力矩;循环进行状态获取、自适应阻抗控制、运动控制,直至机器人机械臂完成运动轨迹。本发明结合生物启发式网络结构、时滞反馈,采用了奖励值调节的海扁算法以及网络估计与全状态反馈结合的结构,系统稳定、控制精度高。

    基于摔倒判断的人形机器人步态控制方法和装置

    公开(公告)号:CN118226760A

    公开(公告)日:2024-06-21

    申请号:CN202410644753.X

    申请日:2024-05-23

    Abstract: 本发明提供一种基于摔倒判断的人形机器人步态控制方法和装置,应用于机器人控制技术领域。该方法包括:获取人形机器人的运动分析数据;根据所述运动分析数据判断所述人形机器人的摔倒状态和摔倒原因,所述摔倒状态包括稳定行走、临界摔倒和摔倒,所述摔倒原因包括环境干扰和硬件误差;基于所述摔倒状态计算所述人形机器人的摔倒概率;根据所述摔倒概率和所述摔倒原因对所述人形机器人的行走步态与控制量进行修正。

    基于自适应神经网络的机器人模型预测控制方法

    公开(公告)号:CN111618864A

    公开(公告)日:2020-09-04

    申请号:CN202010698815.7

    申请日:2020-07-20

    Inventor: 康二龙 高洁 乔红

    Abstract: 本发明属于智能机器人控制、时变非线性系统控制领域,具体涉及一种基于自适应神经网络的机器人模型预测控制方法、系统、装置,旨在解决存在模型不确定性以及输入约束的情况下,机械臂的最优跟踪控制问题。本系统方法包括:计算跟踪误差;通过动作网络获取预测控制率,并更新动作-评价网络的权重值;判断i是否大于设定的预测时长,若是,则判断动作-执行网络权重变化是否满足阈值或迭代次数大于最大迭代次数,若是,则通过动作网络计算机械臂tk-tk+1时刻的实际控制率,作用于机械臂,否则通过预构建的预测模型获取tk+i+1时刻的跟踪误差,并循环获取预测控制率;循环生成实际控制率,直至机械臂到达设定的目标位置。本发明提高了机器人模型预测控制的性能。

    机器人致摔因素确定方法、装置、介质、设备及产品

    公开(公告)号:CN118456474B

    公开(公告)日:2024-11-26

    申请号:CN202410911650.5

    申请日:2024-07-09

    Abstract: 本申请公开了一种机器人致摔因素确定方法、装置、介质、设备及产品,涉及机器人技术领域,该方法包括:基于当前摔倒的机器人各个被控单元的实际运动数据和预期运动数据,得到各个被控单元的误差向量;基于当前设定的摔倒回顾时刻和误差向量构建机器人的当前回顾数据集;基于当前回顾数据集中回顾向量之间的距离构建初始凸顶点集;基于各个回顾向量与初始凸顶点集之间的凸包距离对初始凸顶点集进行更新,得到凸顶点集;基于所述凸顶点集中各个回顾向量对应的被控单元的误差损失分数确定所述机器人的致摔因素。本申请提供的方法和装置,可以确定机器人的致摔因素,提高了致摔因素的确定效率和确定准确度,进而可以优化算法防止机器人摔倒。

Patent Agency Ranking