检索结果-内蒙古大学图书馆

浙江大学学报（工学版） 2023年第8期57卷 1655-1666页

作者：郭万金赵伍端于苏扬赵立军曹雏清长安大学道路施工技术与装备教育部重点实验室陕西西安710064 哈尔滨工业大学机器人技术与系统国家重点实验室黑龙江哈尔滨150001 芜湖哈特机器人产业技术研究院有限公司博士后工作站安徽芜湖241007 长三角哈特机器人产业技术研究院安徽芜湖241007

为了解决工业机器人打磨的作业柔顺性不足问题,设计了机器人柔顺浮动打磨力控末端执行器.为了解决无先验模型曲面工件的机器人打磨轨迹自适应性较差的问题,提出无先验模型曲面的机器人打磨主动自适应在线轨迹预测方法.该方法根据打磨工... 详细信息

为了解决工业机器人打磨的作业柔顺性不足问题,设计了机器人柔顺浮动打磨力控末端执行器.为了解决无先验模型曲面工件的机器人打磨轨迹自适应性较差的问题,提出无先验模型曲面的机器人打磨主动自适应在线轨迹预测方法.该方法根据打磨工具与工件的接触状态预测曲面法线方向,以有向进给平面与曲面切平面的截交线作为进给导向,自适应在线预测机器人打磨系统末端执行器的位姿,使末端执行器主轴轴线实时主动跟踪曲面法线,实现对无先验模型曲面工件的机器人打磨轨迹的主动自适应在线预测.通过仿真分析和实验验证了所提出方法的有效性,最大综合位置预测误差与曲面法线跟踪误差分别为0.506 mm和4.912°.所提出方法可以为无先验模型曲面工件的机器人打磨提供在线轨迹预测.

关键词：工业机器人无先验模型曲面在线轨迹预测曲面法线跟踪机器人打磨

来源：评论

学校读者我要写书评

暂无评论

受限路网中基于全局学习机制的在线轨迹预测

引用

计算机科学 2012年第8期39卷 169-172页

作者：徐怀野丁治明刘奎恩许佳捷中国科学院软件研究所北京100190 中国科学院研究生院北京100049

受限路网中移动对象的轨迹预测已成为智能交通关注的热点,被广泛应用于应急保障、车辆导航等领域。但在仅知道移动对象近期轨迹的情况下,现有方法难以解决其未来路径的在线预测问题。提出一种新的在线轨迹预测方法LPP,即通过全局学习机... 详细信息

受限路网中移动对象的轨迹预测已成为智能交通关注的热点,被广泛应用于应急保障、车辆导航等领域。但在仅知道移动对象近期轨迹的情况下,现有方法难以解决其未来路径的在线预测问题。提出一种新的在线轨迹预测方法LPP,即通过全局学习机制发现最长频繁路径,构造快速访问结构LPP-tree。基于移动对象近期轨迹可对未来运动路径进行快速在线预测。通过实验,验证了该方法的有效性。

关键词：受限路网移动对象在线轨迹预测全局学习机制

来源：评论

学校读者我要写书评

暂无评论

机器人打磨在线轨迹预测与恒定打磨力自适应控制研究

机器人打磨在线轨迹预测与恒定打磨力自适应控制研究

引用

作者：赵伍端长安大学

学位级别：硕士

近年来,机器人自动化产线技术逐渐占据制造业的主导地位,应用机器人完成打磨加工作业,可节省人工成本,改善工人作业环境。然而,由于机器人打磨作业对顺性要求较高,其人工可替代性较低,与实现工件全工序和全自动化打磨作业的迫切需求存... 详细信息

近年来,机器人自动化产线技术逐渐占据制造业的主导地位,应用机器人完成打磨加工作业,可节省人工成本,改善工人作业环境。然而,由于机器人打磨作业对顺性要求较高,其人工可替代性较低,与实现工件全工序和全自动化打磨作业的迫切需求存在较大差距。同时,在已知工件精确的几何曲面先验模型前提下,还需生成打磨轨迹规划和进行打磨力稳定控制,才能较好地执行打磨作业。因此,为提高机器人打磨作业的高自动化及柔顺性,本文对机器人打磨在线轨迹预测和自适应恒力控制开展了深入研究。主要研究工作如下:(1)为提高机器人打磨的柔顺性,本文设计一种机器人柔顺浮动打磨力控末端执行器,构建机器人力控打磨系统的虚拟样机;分析打磨系统工具与工件之间的阻抗特性,然后搭建以导纳控制为基础的恒定打磨力控制器。(2)针对无先验模型曲面工件打磨作业,为提高曲面法线实时跟踪性能,本文提出一种无先验模型曲面的机器人打磨主动自适应在线轨迹预测方法。该方法根据打磨工具与工件的接触状态预测曲面法线方向,以一种有向进给平面与曲面切平面的截交线作为进给导向,自适应在线预测机器人打磨系统末端执行器的位姿,使末端执行器主轴轴线实时主动跟踪曲面法线,实现对无先验模型曲面工件的机器人打磨轨迹主动自适应在线预测。分别通过仿真和实验分析,验证所提出方法的有效性。(3)工业机器人打磨系统面向未知或少信息接触环境下曲面工件进行打磨作业时,通常对打磨过程中多变工况的自适应性较差。本文提出一种基于集成概率模型EPM(ensemble probabilistic model)的强化学习主动自适应变导纳控制方法,并以此方法构成一种机器人强化学习自适应恒定打磨力控制器。根据打磨作业中的接触状态信息,利用Bootstrapping方法获取小量数据的多次采样样本,训练机器人打磨系统工具与工件交互时的集成概率模型EPM,采用协方差矩阵自适应进化策略CMA-ES(covariance matrix adaptation evolution strategy)求解最优导纳参数,实现曲面工件的强化学习自适应恒定打磨力控制,从而自适应调整工具与工件之间的阻抗特性,提高机器人柔顺打磨作业的自适应性。最后,通过虚拟样机仿真,验证该方法的有效性。

关键词：工业机器人打磨在线轨迹预测曲面法线跟踪强化学习自适应打磨力控制无先验模型曲面

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：