暂无搜索历史
MIT 模式底层依赖力矩环,通过多层环嵌套的设计,作为现代机器人控制,通过内环保证物理精确,外环保证任务智能 ,MIT 模式适合没有控制工程师的团队,下面把 M...
力控算法的本质是回答一个问题:如何让机器人末端表现出期望的“力-运动”关系,本文按照控制架构和柔顺性的来源,将主流方法分为七大类:直接力控、阻抗控制、导纳控制、...
导纳整定没有高深的理论门槛,核心是从过阻尼出发,看力曲线说话,分段调试,记录分析。对于低速恒力清洁,一阶纯阻尼 + 阻尼椭圆 + 适当限幅,就是可以实践。
首先需要明确,J6的运动必然影响J5,这种影响来自物理结构本身,不是调参能消除的。想象J5是一个肘关节,J6是手腕关节,工具是手。
当关节以不同恒定速度 q˙运动,并记录对应速度下驱动器输出的平均力矩 τ后,会在速度-力矩平面上得到一组数据点。
Kp 过大产生大电流的原因中,噪声放大是最常见但也最容易被忽视的,它不表现为振荡,而是表现为电流的高频抖动和电机发热。判断 Kp 是否合适的最实用方法是听声音、...
τff 在 MIT 模式中只是一个控制输入端口,驱动器不关心往里填了什么。它收到一个数值,就把它作为力矩前馈加到 PD 输出上,在工程实现上,τff的内容是一个...
6个关节承担的负载、运动特性、传动方式完全不同,因此不能用同一套参数。下面逐一分析每类关节的特点和整定侧重点。
动力学模型在实际工程中主要解决以下四大类问题:为了让机械臂这样动,电机要出多大力,(逆动力学/前馈);如果给电机这么大的力,机械臂会怎么动,(正动力学/仿真);...
动力学的核心是描述运动与力之间的关系,理解动力学中各个力的来源,能更好地设计控制器、补偿扰动,并让机械臂在动态运动中表现得平稳精准。
根本原因:空气的磁阻(对磁通的阻力)是铁的几千到上万倍,而电磁铁的设计极度依赖一个闭合的低磁阻路径。
机械臂清洁使用两个深度相机,基座深度相机提供全局视野,末端深度相机提供局部高精度感知,可以将之前的清洁流程从触觉为主、视觉为辅升级为视觉预判-力觉执行-视觉校验...
在纸面坐标系里定义轨迹,轨迹最终需要转成一系列离散的末端位姿点,每个点间隔约 1~2mm,点数根据需要的平滑度确定。
单编码器只能知道电机轴位置,通过减速比推算输出角度,但上述误差无法感知。双编码器直接测量输出端,可以达到以下效果:
旋转电机的关键通常是:定子产生旋转磁场 → 转子跟随旋转磁场运动。 根据转子是否跟得上旋转磁场,分出了同步电机和异步电机。
真正让它们在工程上产生天壤之别的,恰恰就是观测量不一样。在控制理论中,观测什么和控制什么直接决定了系统的物理本质和稳定性边界。本文从纯数学、控制架构、物理本质三...
传统阻抗控制在刚度变化的情况下存在力波动剧烈,基于递推最小二乘法在线辨识环境刚度,并进行位移补偿的阻抗控制,提高变刚度环境下阻抗控制的性能。
末端相机的核心作用可以总结为:在作业之前,解决在哪和去哪的全局感知问题;并在任务完成之后,回答效果怎么样。
迭代学习控制(ILC, Iterative Learning Control) 是一种面向重复性任务的智能控制算法,核心思想很朴素:同一个动作做很多次,每次根据...
暂未填写个人简介
暂未填写个人网址