-
公开(公告)号：CN112327938B
公开(公告)日：2021-11-02
申请号：CN202011089607.3
申请日：2020-10-13
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于数据驱动的机器人近零跟随误差控制方法，属于工业机器人控制领域，包括：从在线过程数据中提取影响机器人跟随误差的目标属性并输入在线深度神经网络模型，在每个控制周期，得到机器人末端参考轨迹上每个离散点对应的位置补偿值，并映射为机器人各关节的角度补偿量；利用角度补偿量对变参数自适应控制器的输入进行补偿，得到目标控制量，并发送至机器人，以使机器人沿参考轨迹运动，完成当前控制周期的控制；在机器人的整个轨迹跟随过程中，按照预设的结构更新规则对在线深度神经网络模型的参数进行动态调整。本发明能够适应工况的变化并实时处理轨迹跟随数据流，达到近零跟随误差控制效果，有效提高机器人轨迹控制的精度。
-
公开(公告)号：CN112720480A
公开(公告)日：2021-04-30
申请号：CN202011532552.9
申请日：2020-12-22
Applicant: 华中科技大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于分级误差的机器人轨迹修正方法及系统，属于机器人控制领域，方法包括：以条件数最小为目标，确定最佳测试点，测量最佳测试点下机器人的第一定位误差；根据第一定位误差中DH参数误差修正机器人控制器中的DH参数；将机器人前三轴的关节空间划分为多个网格，并测量各网格下机器人的第二定位误差；从第二定位误差中辨识出前三轴对应的关节角度补偿值，并利用各网格对应的关节角度补偿值和关节角度对预置神经网络进行训练；利用训练后的神经网络对编程轨迹进行修正，直至修正得到的实际轨迹与目标轨迹一致。分级对机器人的几何误差和非几何误差进行补偿修正，提高机器人的轨迹精度，具有适用性广、稳定性好、精度高等优点。
-
公开(公告)号：CN112327938A
公开(公告)日：2021-02-05
申请号：CN202011089607.3
申请日：2020-10-13
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于数据驱动的机器人近零跟随误差控制方法，属于工业机器人控制领域，包括：从在线过程数据中提取影响机器人跟随误差的目标属性并输入在线深度神经网络模型，在每个控制周期，得到机器人末端参考轨迹上每个离散点对应的位置补偿值，并映射为机器人各关节的角度补偿量；利用角度补偿量对变参数自适应控制器的输入进行补偿，得到目标控制量，并发送至机器人，以使机器人沿参考轨迹运动，完成当前控制周期的控制；在机器人的整个轨迹跟随过程中，按照预设的结构更新规则对在线深度神经网络模型的参数进行动态调整。本发明能够适应工况的变化并实时处理轨迹跟随数据流，达到近零跟随误差控制效果，有效提高机器人轨迹控制的精度。
-
公开(公告)号：CN112720480B
公开(公告)日：2022-08-16
申请号：CN202011532552.9
申请日：2020-12-22
Applicant: 华中科技大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于分级误差的机器人轨迹修正方法及系统，属于机器人控制领域，方法包括：以条件数最小为目标，确定最佳测试点，测量最佳测试点下机器人的第一定位误差；根据第一定位误差中DH参数误差修正机器人控制器中的DH参数；将机器人前三轴的关节空间划分为多个网格，并测量各网格下机器人的第二定位误差；从第二定位误差中辨识出前三轴对应的关节角度补偿值，并利用各网格对应的关节角度补偿值和关节角度对预置神经网络进行训练；利用训练后的神经网络对编程轨迹进行修正，直至修正得到的实际轨迹与目标轨迹一致。分级对机器人的几何误差和非几何误差进行补偿修正，提高机器人的轨迹精度，具有适用性广、稳定性好、精度高等优点。
-
-
-
Search Results
4
records
(took 0.02 seconds)
