-
-
公开(公告)号：CN113987961B
公开(公告)日：2024-08-23
申请号：CN202111413509.5
申请日：2021-11-25
Applicant: 北京理工大学
IPC: G06F30/27 , G06F17/11 , G06F17/16 , G06N3/0442 , G06N3/048 , G06N3/08 , G06F119/14
Abstract: 本发明公开了机器人跳跃落地检测方法，构建不含机器人关节加速度的二阶外力矩观测器，调节二阶外力矩观测器中的观测器调节参数ωn和ξ的值，使得观测器实时观测到外力矩并得到外力矩观测值序列；将观测器实时观测到的外力矩观测值序列输入长短期记忆神经网络，由长短期记忆神经网络对外力矩观测值序列进行分类，完成机器人跳跃落地检测。本方法通过引入外力矩观测器并结合长短期记忆神经网络，实现了无力传感器的实时落地检测。能够解决了在机器人足底加装力传感器带来的机械特性变差、结构复杂的问题以及基于动力学方程计算的计算量大、检测不准确等问题，提高了机器人机械系统的稳定性，在检测准确率高的同时降低了硬件成本。
-
公开(公告)号：CN111300423A
公开(公告)日：2020-06-19
申请号：CN202010186117.9
申请日：2020-03-17
Applicant: 北京理工大学
IPC: B25J9/16
Abstract: 本发明提供了一种机器人关节力矩控制系统及其负载补偿方法，属于机器人关节运动控制技术领域。首先建立机器人关节力矩控制系统的数学模型，通过对其系统原理框图进行等价变形后，可看出负载参数对关节力矩输出影响较大，通过设计负载补偿控制器，有效地消除负载参数对关节输出力矩的影响。在此补偿基础上，将系统等效成惯性环节，再通过调节PD控制器参数，以增大系统开环增益，提高系统带宽，提升关节力矩控制系统的响应速度，进而改善关节力矩控制系统性能。
-
公开(公告)号：CN113987961A
公开(公告)日：2022-01-28
申请号：CN202111413509.5
申请日：2021-11-25
Applicant: 北京理工大学
Abstract: 本发明公开了机器人跳跃落地检测方法，构建不含机器人关节加速度的二阶外力矩观测器，调节二阶外力矩观测器中的观测器调节参数ωn和ξ的值，使得观测器实时观测到外力矩并得到外力矩观测值序列；将观测器实时观测到的外力矩观测值序列输入长短期记忆神经网络，由长短期记忆神经网络对外力矩观测值序列进行分类，完成机器人跳跃落地检测。本方法通过引入外力矩观测器并结合长短期记忆神经网络，实现了无力传感器的实时落地检测。能够解决了在机器人足底加装力传感器带来的机械特性变差、结构复杂的问题以及基于动力学方程计算的计算量大、检测不准确等问题，提高了机器人机械系统的稳定性，在检测准确率高的同时降低了硬件成本。
-
公开(公告)号：CN111300423B
公开(公告)日：2021-05-18
申请号：CN202010186117.9
申请日：2020-03-17
Applicant: 北京理工大学
IPC: B25J9/16
Abstract: 本发明提供了一种机器人关节力矩控制系统及其负载补偿方法，属于机器人关节运动控制技术领域。首先建立机器人关节力矩控制系统的数学模型，通过对其系统原理框图进行等价变形后，可看出负载参数对关节力矩输出影响较大，通过设计负载补偿控制器，有效地消除负载参数对关节输出力矩的影响。在此补偿基础上，将系统等效成惯性环节，再通过调节PD控制器参数，以增大系统开环增益，提高系统带宽，提升关节力矩控制系统的响应速度，进而改善关节力矩控制系统性能。
-
Patent Agency Ranking
-
公开(公告)号：CN115416027B
公开(公告)日：2024-10-11
申请号：CN202211210807.9
申请日：2022-09-30
Applicant: 北京理工大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于机器学习前馈模型的自抗扰力矩控制方法，PD控制器输入参考力矩τd和扩张状态观测器的输出z1、z2，输出电流Ic；机器学习前馈模型输入参考力矩τd、电机转速nm、电机位置pm、电机转加速度ωm、电机温度Tm和减速器温度TR，输出电机参考电流If；扩张状态观测器输入机器人关节输出力矩τ以及电机实际电流Im与Ktb的乘积；Ic与If求和，再减去扩张状态观测器的输出z3与(Ktb)‑1的乘积，结果作为机器人关节的输入，机器人关节输出力矩τ。本发明能够对大部分扰动进行准确的估计，大大降低扩张状态观测器所需观测的总扰动范围，减少扩张状态观测器的负担。
-
公开(公告)号：CN115416027A
公开(公告)日：2022-12-02
申请号：CN202211210807.9
申请日：2022-09-30
Applicant: 北京理工大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于机器学习前馈模型的自抗扰力矩控制方法，PD控制器输入参考力矩τd和扩张状态观测器的输出z1、z2，输出电流Ic；机器学习前馈模型输入参考力矩τd、电机转速nm、电机位置pm、电机转加速度ωm、电机温度Tm和减速器温度TR，输出电机参考电流If；扩张状态观测器输入机器人关节输出力矩τ以及电机实际电流Im与Ktb的乘积；Ic与If求和，再减去扩张状态观测器的输出z3与(Ktb)‑1的乘积，结果作为机器人关节的输入，机器人关节输出力矩τ。本发明能够对大部分扰动进行准确的估计，大大降低扩张状态观测器所需观测的总扰动范围，减少扩张状态观测器的负担。
-
-
-
-
-
-
-
Search Results
10
records
(took 0.027 seconds)
