[发明专利]一种面向机械臂的视觉伺服轨迹跟踪控制方法及系统在审

专利信息
申请号: 202110080413.5 申请日: 2021-01-21
公开(公告)号: CN112894812A 公开(公告)日: 2021-06-04
发明(设计)人: 谭宁;郑文卡;余鹏 申请(专利权)人: 中山大学
主分类号: B25J9/16 分类号: B25J9/16
代理公司: 深圳市创富知识产权代理有限公司 44367 代理人: 高冰
地址: 510275 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 面向 机械 视觉 伺服 轨迹 跟踪 控制 方法 系统
【权利要求书】:

1.一种面向机械臂的视觉伺服轨迹跟踪控制方法,其特征在于,包括以下步骤:

获取机械臂的期望像素轨迹信息和机械臂特征点的像素位置信息,并计算得到第一误差函数;

将像素位置信息对时间求导并结合第一误差函数和第一递归神经网络模型,变换得到关于机械臂关节角度的微分方程;

将特征点的图像雅可比、机械臂雅可比与关节角速度相乘得到实际像素变化率;

将复合雅可比与关节角速度相乘得到像素变化率并结合实际像素变化率计算,得到第二误差函数;

将第二误差函数与第二递归神经网络模型结合,变换得到关于复合雅可比的微分方程;

将关于机械臂关节角度的微分方程和关于复合雅可比的微分方程联合求解得到角度信息;

根据角度信息对机械臂进行运动控制和轨迹跟踪。

2.根据权利要求1所述一种面向机械臂的视觉伺服轨迹跟踪控制方法,其特征在于,所述获取机械臂的期望像素轨迹信息和机械臂特征点的像素位置信息,并计算得到第一误差函数这一步骤,其具体包括:

获取机械臂t时刻二维像素坐标系中的期望像素轨迹信息

获取摄像机投影下机械臂特征点的像素位置信息

根据机械臂t时刻二维像素坐标系中的期望像素轨迹信息和摄像机投影下机械臂特征点的像素位置信息计算得到第一误差函数e(t)。

3.根据权利要求2所述一种面向机械臂的视觉伺服轨迹跟踪控制方法,其特征在于,所述第一误差函数e(t)的表达式如下:

e(t)=pd(t)-pa(t)

上式中,pd(t)表示机械臂t时刻二维像素坐标系中的期望像素轨迹信息,pa(t)表示摄像机投影下机械臂特征点的像素位置信息。

4.根据权利要求3所述一种面向机械臂的视觉伺服轨迹跟踪控制方法,其特征在于,所述将像素位置信息对时间求导并结合第一误差函数和第一递归神经网络模型,变换得到关于机械臂关节角度的微分方程这一步骤,其具体包括:

将像素位置信息对时间求导,得到求导后的像素位置方程;

将第一误差函数、第一递归神经网络模型和求导后的像素位置方程结合,得到第一微分方程;

对第一微分方程进行变换,得到关于机械臂关节角度的微分方程。

5.根据权利要求4所述一种面向机械臂的视觉伺服轨迹跟踪控制方法,其特征在于,所述第一递归神经网络模型的表达式如下:

上式中,表示e(t)的时间导数,常数γ是递归神经网络模型的设计参数,设为γ=100。

6.根据权利要求5所述一种面向机械臂的视觉伺服轨迹跟踪控制方法,其特征在于,所述求导后的像素位置方程的表达式如下:

上式中,表示复合雅可比与机械臂关节角速度相乘得到的像素变化率。

7.根据权利要求6所述一种面向机械臂的视觉伺服轨迹跟踪控制方法,其特征在于,所述关于机械臂关节角度的微分方程表达式如下:

上式中,表示复合雅可比矩阵的伪逆,是pd(t)的时间导数,表示期望像素轨迹信息。

8.根据权利要求7所述一种面向机械臂的视觉伺服轨迹跟踪控制方法,其特征在于,所述将第二误差函数与第二递归神经网络模型结合,变换得到关于复合雅可比的微分方程这一步骤,其具体包括:

将第二误差函数与第二递归神经网络模型结合,得到第二微分方程;

对第二微分方程进行变换,得到关于复合雅可比的微分方程。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山大学,未经中山大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110080413.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top