【技术实现步骤摘要】
本专利技术属于机器人控制领域，具体涉及一种参数自学习的机器人柔顺控制方法、系统及装置。
技术介绍
1、随着机器人技术的不断进步，机器人在各种接触式任务中得到了广泛应用，如按摩、人机交互以及打磨等。在非结构化环境下，机器人不仅需要具备高精度的运动控制能力，还需显著提升柔顺性能，以确保接触作业的效率与效果，同时保障交互过程中的安全性。
2、阻抗控制作为机器人应对复杂接触任务的基础控制方法之一，其应用依赖于精确的机器人动态参数。然而，在实际操作中，很难获取这些参数。因此，结合学习技术以应对机器人未知动态模型的智能阻抗控制方法，正逐渐成为研究焦点。
3、自适应阻抗控制是处理未知机器人动态的最流行方法之一。自适应阻抗控制的关键思想是设计一个适当的自适应律来估计机器人动态参数。然后，阻抗控制器使用估计的参数，以便使用李雅普诺夫定理确保闭环机器人系统的稳定性和参数估计器的收敛性。根据估计的目标，将自适应阻抗控制方法分为四种类型。第一种类型：直接为机器人动态模型参数设计自适应律，即机器人的惯性、科里奥利/离心矩阵和重力向量。然而...
【技术保护点】
1.一种参数自学习的机器人柔顺控制方法，其特征在于，所述参数自学习的机器人柔顺控制方法，包括：
2.根据权利要求1所述的参数自学习的机器人柔顺控制方法，其特征在于，所述构建机器人的关节动力学模型与关节阻抗控制模型，获得机器人的未知动态模型，包括：
3.根据权利要求1所述的参数自学习的机器人柔顺控制方法，其特征在于，所述与机器人的未知动态模型结构一致的高斯过程，构建如下：
4.根据权利要求1所述的参数自学习的机器人柔顺控制方法，其特征在于，所述基于数据优化方法构建训练集，包括：
5.根据权利要求1所述的参数自学习的机器人柔...
【技术特征摘要】
1.一种参数自学习的机器人柔顺控制方法，其特征在于，所述参数自学习的机器人柔顺控制方法，包括：
2.根据权利要求1所述的参数自学习的机器人柔顺控制方法，其特征在于，所述构建机器人的关节动力学模型与关节阻抗控制模型，获得机器人的未知动态模型，包括：
3.根据权利要求1所述的参数自学习的机器人柔顺控制方法，其特征在于，所述与机器人的未知动态模型结构一致的高斯过程，构建如下：
4.根据权利要求1所述的参数自学习的机器人柔顺控制方法，其特征在于，所述基于数据优化方法构建训练集...
【专利技术属性】
技术研发人员：董辉，李阳，吴祥，金哲豪，梁定坤，陈积明，高山，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。