1) robot control
机器人控制
1.
The modeling and implementation of robot control system in FMS;
FMS中机器人控制系统的建模与实现
2.
Genetic algorithm and its application in robot control;
遗传算法及其在机器人控制中的应用
3.
Based on the dynamics nonlinearities of robot manipulator,a adaptive kalman filter is designed and applied to robot control system in simulation rese.
机器人控制系统在实际工作中不可避免地要受到随机噪声的影响,当噪声的统计特性已知时,可以考虑采用常规Kalman滤波以抑制随机噪声对控制性能的影响;但当噪声的统计特性不完全已知时,常规Kalman滤波的滤波性能会下降甚至会引起发散。
2) robotic control
机器人控制
1.
A robotic control method is proposed based on a reduced order position/force hybrid robotic model in this paper.
本文提出了一种基于降阶位置/力模型的机器人控制策略,整合了位置控制子空间模型和力控制子空间模型,通过模型降阶减小了控制器设计的复杂度,并采用神经网络自适应控制方法综合多控制目标,实现了双足机器人的平滑稳定控制并有效地抑制了系统外扰和参数不确定性的影响。
3) robot controlling
机器人控制
1.
Office robot controlling based on fluent calculus and FLUX;
基于流演算和FLUX的办公室机器人控制
4) robot controller
机器人控制器
1.
The design and implementation of wafer-handling robot controller based on PMAC;
基于PMAC的硅片传输机器人控制器的设计与实现
2.
Design and implementation of the communication between force sensor and robot controller based on CAN bus;
基于CAN总线的力传感器与机器人控制器通讯设计
3.
The design and implementation of a low cost robot controller;
低成本教育型机器人控制器的设计与实现
5) robot force control
机器人力控制
1.
A method of virtual environment calibration for remote welding based on surface tracking with robot force control is proposed.
提出了基于机器人力控制表面跟踪的遥控焊接虚拟环境标定方法。
2.
One of the difficulties of the control problem of the robot force control system is that the stability of the system is sensitive to the changes of the stiffness of the environment on which the force is exerted.
机器人力控制系统的稳定性对接触环境刚性的变化很敏感，为了解决这一问题，本文首先建立了一种机器人与刚性环境相接触的动力学模型，然后，基于Ｐｏｐｏｖ超稳定理论设计出了一种机器人自适应力控制算法。
6) Servo-controlled robots
伺服控制机器人
补充资料：机器人控制
机器人控制
robot control
].qlren kongzhi机器人控制(robot contr0I)研究以机器人为对象的控制问题，是机器人学的重要研究领域。 机器人的动力学模型具有强藕合和非线性的特点，是一个难于控制的复杂对象。机器人控制的主要问题在于研究性能优良、易于实现的控制方法。目前，实用的机器人主要采用独立关节的PID伺服控制，它具有稳定性好、控制简单的特点。但当机器人的运动速度较高时，该方法的缺点便明显表露出来。人们从不同角度对机器人的控制问题进行了深人的研究，并提出了各种不同的方法，比较典型的有:分解运动速度控制、分解运动加速度控制、计算力矩控制、具有滑动模态的变结构控制、非线性控制、自适应控制等。 机器人的运动控制通常划分为两个阶段。第一阶段是从起始位置到达目标点附近沿期望轨迹的粗略运动，这时主要要求位置的控制;第二阶段是精细的运动控制，这时机器人的末端执行器对物体进行操作，以完成要求的任务，同时需要增加外部力觉反馈的柔顺运动控制。它不同于纯粹的位置控制，而是机器人控制中的另外一个重要内容。机器人柔顺控制主要采用阻抗控制和位置、力混合的控制方法。 由于对机器人的精确建模比较困难，尤其是当考虑摩擦等实际的非线性因素时更是如此。因此，人们对于不太依赖模型的机器人智能控制方法日益感兴趣。其中较为突出的是机器人模糊控制和神经元网络控制，它们越来越受到人们的关注和重视，并已显示出广泛的应用前景。 机器人控制方法的研究始于70年代。80年代，对各种控制方法的研究达到高潮，这些方法多数处于研究阶段，真正实际应用的并不是很多。其主要原因是它对模型的要求比较高，或者算法过于复杂，难于实时实现。目前，机器人控制更多地集中于基于多传感器信息融合的智能控制方法的研究。 目前，机器人控制的工程实现与一般控制相类似，也主要采用计算机控制的结构形式，以实现更为复杂和更高要求的控制。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条