期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
食品协作机器人动态目标抓取控制方法研究 被引量：4
1
作者 程鹏飞 刘明堂 孙晨 《食品与机械》 CSCD 北大核心 2024年第1期95-100,共6页
目的:解决目前协作机器人在食品动态目标抓取中存在的准确性较低问题。方法:基于协作机器人体系结构,提出将模糊自整定PID控制和鲁棒自适应补偿器相结合用于协作机器人食品动态目标抓取。PID结合模糊控制完成参数自整定,鲁棒算法与自适... 目的:解决目前协作机器人在食品动态目标抓取中存在的准确性较低问题。方法:基于协作机器人体系结构,提出将模糊自整定PID控制和鲁棒自适应补偿器相结合用于协作机器人食品动态目标抓取。PID结合模糊控制完成参数自整定,鲁棒算法与自适应算法相结合用于系统不确定性补偿。通过试验分析了所提方法的性能,验证了该方法的可行性。结果:所提方法在协作机器人动态目标抓取中具有较好的效果,提高了协作机器人动态抓取的准确性,在传送带速度100 mm/s时,动态抓取成功率达到99.50%,对食品动态目标抓取具有一定的应用价值。结论:通过优化现有目标抓取控制方法,可有效提高协作机器人的抓持精度。 展开更多
关键词 协作机器人 动态目标抓取 模糊自整定PID控制 鲁棒自适应补偿器 抓取控制方法
在线阅读 下载PDF
基于深度强化学习的机械臂动态目标抓取方法
2
作者 张轩 卢惠民 +4 位作者 任君凯 莫新民 肖浩然 张伟杰 杨璇 《兵工自动化》 北大核心 2024年第6期91-96,共6页
针对现有机械臂动态目标抓取方法轨迹规划困难、实时性不足、难以实现六自由度抓取等问题,提出一种基于深度强化学习(deep reinforcement learning,DRL)的机械臂动态目标抓取方法。进行马尔可夫决策过程(Markov decision process,MDP)建... 针对现有机械臂动态目标抓取方法轨迹规划困难、实时性不足、难以实现六自由度抓取等问题,提出一种基于深度强化学习(deep reinforcement learning,DRL)的机械臂动态目标抓取方法。进行马尔可夫决策过程(Markov decision process,MDP)建模,设计状态空间、动作空间以及奖励函数,实现机械臂对动态目标的六自由度抓取。基于Pybullet构建机械臂动态目标抓取仿真试验环境,对该方法进行训练,将训练得到的策略在新颖场景进行测试,并与经典规划控制的动态目标抓取方法进行对比。仿真结果表明:该方法能实现机械臂对动态目标的六自由度抓取,在抓取成功率和速度上具有优势。 展开更多
关键词 动态目标抓取 马尔科夫 轨迹规划 深度强化学习 六自由度抓取
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部