.png){kind=icon}
返回
Robotized Incremental Sheet Forming trajectory control using deep neural network for force/torque compensator and task-space error tracking controller
.png){kind=icon}
PRE
AI
DOI：10.1016/j.mechatronics.2025.103360.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在机器人化增量板材成形（ISF）中，由于成形工具末端执行器上存在工具中心点（TCP）位置误差，实现精确的几何精度是一项具有挑战性的任务。这些误差主要源于成形工具与弹性金属板材相互作用过程中产生的外部扰动力和力矩。虽然关节力矩空间控制器可以通过动态建模来缓解反作用力和力矩，但关节空间控制存在固有局限性，特别是在ABB IRB 8700等工业高负载机器人中。为克服这些挑战，本研究在任务空间中采用深度神经网络实现了一个外部力/力矩（F/T）补偿器。该网络预测由通过6轴F/T传感器测量的反作用力和力矩引起的轨迹误差。此外，成形工具的轨迹通过激光跟踪器进行精确监测，并作为闭环任务空间误差跟踪控制器的反馈机制。该控制器实时检测并纠正轨迹偏差。通过整合F/T补偿器和任务空间误差跟踪控制器，所提出的方法能够有效补偿反作用力和力矩，同时解决其他工艺相关因素引入的额外误差。这种集成显著提升了机器人增量成形过程的精度。
期刊
IF:
3.1
论文数:
2.9K
被引数:
5.7K
机构
暂无机构信息
引用论文
.png){kind=icon}
An extended stiffness model for 7 Dofs collaborative robots using the virtual joint method基于虚拟关节法建立的7自由度协作机器人扩展刚度模型
PREAI
分享收藏Offline Programming of an ABB Robot Using Imported CAD Models in the RobotStudio Software Environment基于RobotStudio软件环境中导入CAD模型的ABB机器人离线编程
PREAI
分享收藏分享收藏
查看更多内容