JPH0683427A - 柔軟マニピュレータの作業点位置制御システム - Google Patents
柔軟マニピュレータの作業点位置制御システムInfo
- Publication number
- JPH0683427A JPH0683427A JP23734592A JP23734592A JPH0683427A JP H0683427 A JPH0683427 A JP H0683427A JP 23734592 A JP23734592 A JP 23734592A JP 23734592 A JP23734592 A JP 23734592A JP H0683427 A JPH0683427 A JP H0683427A
- Authority
- JP
- Japan
- Prior art keywords
- control
- target value
- rigid body
- point position
- flexible manipulator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/1641—Programme controls characterised by the control loop compensation for backlash, friction, compliance, elasticity in the joints
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/39—Robotics, robotics to robotics hand
- G05B2219/39176—Compensation deflection arm
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/39—Robotics, robotics to robotics hand
- G05B2219/39281—Ann for compensation torque
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Control Of Position Or Direction (AREA)
- Numerical Control (AREA)
- Manipulator (AREA)
- Feedback Control In General (AREA)
Abstract
(57)【要約】
【構成】 アームの完全剛性を仮定した剛体順運動学モ
デル２とその逆運動学モデル３の他、ニューラルネット
ワーク残差予測部５と手先位置修正部６とを更に有す
る。まず、多軸関節駆動装置１の希望手先位置ｒd に対
して、逆運動学モデル３に基づきｒd を実現する仮の関
節変位θd が計算される。残差予測部５はθd に対応す
る誤差ΔＮを出力し、ΔＮ分だけｒd を修正した目標手
先位置ｒ* を計算する。次に、再度逆運動学モデル３
が、ｒ* を実現する関節変位θ* を計算し、装置１の各
関節駆動モータに目標値として与えられ位置制御が行わ
れる。 【効果】 剛体運動学では考慮されない撓み等に因る作
業点位置のズレ分を予測し、その分だけ制御目標値を修
正できるので、試行錯誤に頼るエンジニアリング負荷を
必要とせず、全体的な制御精度の向上が図れる。
デル２とその逆運動学モデル３の他、ニューラルネット
ワーク残差予測部５と手先位置修正部６とを更に有す
る。まず、多軸関節駆動装置１の希望手先位置ｒd に対
して、逆運動学モデル３に基づきｒd を実現する仮の関
節変位θd が計算される。残差予測部５はθd に対応す
る誤差ΔＮを出力し、ΔＮ分だけｒd を修正した目標手
先位置ｒ* を計算する。次に、再度逆運動学モデル３
が、ｒ* を実現する関節変位θ* を計算し、装置１の各
関節駆動モータに目標値として与えられ位置制御が行わ
れる。 【効果】 剛体運動学では考慮されない撓み等に因る作
業点位置のズレ分を予測し、その分だけ制御目標値を修
正できるので、試行錯誤に頼るエンジニアリング負荷を
必要とせず、全体的な制御精度の向上が図れる。
Description
【０００１】
【産業上の利用分野】本発明は、柔軟なアームや関節を
有するロボットマニピュレータ、つまり柔軟マニピュレ
ータの作業点位置制御システムに関する。
有するロボットマニピュレータ、つまり柔軟マニピュレ
ータの作業点位置制御システムに関する。
【０００２】
【従来の技術】多軸関節を有する駆動装置の制御におい
ては装置自身にサイズの巨大化や高速駆動実現などのた
め、剛性の低い柔軟な駆動アームを制御するニーズが大
きくなってきている。しかし、このような柔構造のアー
ムでは、部材のたわみやねじれなどの影響により剛体運
動学に基づくモデルで予測される効果器位置（換言すれ
ば作業点位置）に対して実効果器位置が大きくずれるこ
とが多く、剛体モデルを仮定した逆運動学計算により求
めた設定関節角・変位では十分な制御性能が得られな
い。また、それほど柔構造でない通常の多軸関節駆動装
置においても、その製造工程において必ず何らかの機械
加工誤差や組立誤差が発生するため、その影響が制御時
に現れないような補正処理が必要であるが、直接的な座
標変換手段だけではこの補正を実現することは困難であ
る。このため、実用上は試行錯誤を伴う多大なエンジニ
アリング負荷に依存した補正処理が行われているのが現
状である。
ては装置自身にサイズの巨大化や高速駆動実現などのた
め、剛性の低い柔軟な駆動アームを制御するニーズが大
きくなってきている。しかし、このような柔構造のアー
ムでは、部材のたわみやねじれなどの影響により剛体運
動学に基づくモデルで予測される効果器位置（換言すれ
ば作業点位置）に対して実効果器位置が大きくずれるこ
とが多く、剛体モデルを仮定した逆運動学計算により求
めた設定関節角・変位では十分な制御性能が得られな
い。また、それほど柔構造でない通常の多軸関節駆動装
置においても、その製造工程において必ず何らかの機械
加工誤差や組立誤差が発生するため、その影響が制御時
に現れないような補正処理が必要であるが、直接的な座
標変換手段だけではこの補正を実現することは困難であ
る。このため、実用上は試行錯誤を伴う多大なエンジニ
アリング負荷に依存した補正処理が行われているのが現
状である。
【０００３】図５に従来の一般的な概念を説明するブロ
ック図を示す。
ック図を示す。
【０００４】この図において、柔軟マニピュレータは、
制御すべき本質的な対象だけでなく、具体的なアクチュ
エータなどの下位制御装置を含んだ形で多軸関節駆動装
置１として定義されている。このような柔軟マニピュレ
ータに対して、その制御目標設定値を入力、柔軟マニピ
ュレータの状態を出力とする入出力関係モデルが、可逆
な順特性予測手段として求められる。２はこの順特性予
測手段を構成する剛体順運動学モデルである。その逆特
性を演算する逆特性演算手段としての剛体逆運動学モデ
ル３は、手先位置目標位置決定手段４からの手先位置目
標値を入力として、対応する制御目標設定値として関節
角を出力する。
制御すべき本質的な対象だけでなく、具体的なアクチュ
エータなどの下位制御装置を含んだ形で多軸関節駆動装
置１として定義されている。このような柔軟マニピュレ
ータに対して、その制御目標設定値を入力、柔軟マニピ
ュレータの状態を出力とする入出力関係モデルが、可逆
な順特性予測手段として求められる。２はこの順特性予
測手段を構成する剛体順運動学モデルである。その逆特
性を演算する逆特性演算手段としての剛体逆運動学モデ
ル３は、手先位置目標位置決定手段４からの手先位置目
標値を入力として、対応する制御目標設定値として関節
角を出力する。
【０００５】しかし、この逆特性演算は、あくまで剛体
順運動学モデル２に基づいたものであるため、この予測
モデルがカバーしきれない柔軟マニピュレータの特性は
制御目標設定の際には全く考慮されず、予測モデルの誤
差が大きい場合には、このような制御方式は十分な制御
性能を実現することができずに、手先位置の位置決め精
度は著しく劣化することになる。そのため、前述したよ
うに、多大なエンジニアリング婦かに依存した補正処理
が必要となっているのである。
順運動学モデル２に基づいたものであるため、この予測
モデルがカバーしきれない柔軟マニピュレータの特性は
制御目標設定の際には全く考慮されず、予測モデルの誤
差が大きい場合には、このような制御方式は十分な制御
性能を実現することができずに、手先位置の位置決め精
度は著しく劣化することになる。そのため、前述したよ
うに、多大なエンジニアリング婦かに依存した補正処理
が必要となっているのである。
【０００６】
【発明が解決しようとする課題】以上のように、従来の
制御システムでは、柔軟マニピュレータのモデリング及
びその直接的な逆特性演算の難しさから、制御仕様上で
要求される制御性能の実現にあたって多大なエンジニア
リング負荷を要する付加的な補正処理を必要としてい
た。
制御システムでは、柔軟マニピュレータのモデリング及
びその直接的な逆特性演算の難しさから、制御仕様上で
要求される制御性能の実現にあたって多大なエンジニア
リング負荷を要する付加的な補正処理を必要としてい
た。
【０００７】本発明はこういった従来の問題点を解決す
るためになされたものであり、柔軟マニピュレータに対
するエンジニアリング負荷の少ない実用的な作業点位置
制御システムの提供を目的とするものである。
るためになされたものであり、柔軟マニピュレータに対
するエンジニアリング負荷の少ない実用的な作業点位置
制御システムの提供を目的とするものである。
【０００８】
【課題を解決するための手段】本発明の柔軟マニピュレ
ータの作業点位置制御システムは、制御目標値（作業点
（手先や効果器）の位置や関節角）に従って柔軟マニピ
ュレータの関節を駆動する関節駆動手段と、上記柔軟マ
ニピュレータの動作を入力目標値に従って駆動するとし
たときの制御結果である仮制御作業点位置と、この柔軟
マニピュレータにおける入出力特性の剛体的ファクタを
定義する剛体順運動学に基づいて上記入力目標値を作業
点位置に変換した結果である演算作業点位置との差に相
当する制御残差を予測し、上記入力目標値をその予測残
差に基づいて修正し、その修正関節角を上記制御目標値
として上記関節駆動手段に与える制御目標値生成手段と
を備えたことを特徴とする。
ータの作業点位置制御システムは、制御目標値（作業点
（手先や効果器）の位置や関節角）に従って柔軟マニピ
ュレータの関節を駆動する関節駆動手段と、上記柔軟マ
ニピュレータの動作を入力目標値に従って駆動するとし
たときの制御結果である仮制御作業点位置と、この柔軟
マニピュレータにおける入出力特性の剛体的ファクタを
定義する剛体順運動学に基づいて上記入力目標値を作業
点位置に変換した結果である演算作業点位置との差に相
当する制御残差を予測し、上記入力目標値をその予測残
差に基づいて修正し、その修正関節角を上記制御目標値
として上記関節駆動手段に与える制御目標値生成手段と
を備えたことを特徴とする。
【０００９】制御目標値生成手段は入力目標値を手掛り
とする１回の制御残差予測動作の他に修正関節角を手掛
りとする少なくとも１回の制御残差予測動作を繰返すよ
うに構成することができる。
とする１回の制御残差予測動作の他に修正関節角を手掛
りとする少なくとも１回の制御残差予測動作を繰返すよ
うに構成することができる。
【００１０】また、残差予測手段は、ニューラルネット
ワークをはじめとする任意の非線形関数の近似器を用い
ることができるので、柔軟マニピュレータに応じたフレ
キシブルな予測手段の構成が可能となる。ここで、ニュ
ーラルネットワークを採用する場合、入力目標値をその
入力層に与え、出力層から制御残差が出力されるように
学習させることで、当該予測手段を構築することができ
る。
ワークをはじめとする任意の非線形関数の近似器を用い
ることができるので、柔軟マニピュレータに応じたフレ
キシブルな予測手段の構成が可能となる。ここで、ニュ
ーラルネットワークを採用する場合、入力目標値をその
入力層に与え、出力層から制御残差が出力されるように
学習させることで、当該予測手段を構築することができ
る。
【００１１】
【作用】本発明によれば、残差予測手段が剛体順運動学
において考慮されていないたわみなどに起因する作業点
位置のズレ分（制御残差）を予測し、このズレ分だけ制
御目標値を修正・変更することができるので、全体の制
御精度を向上させることが可能となる。
において考慮されていないたわみなどに起因する作業点
位置のズレ分（制御残差）を予測し、このズレ分だけ制
御目標値を修正・変更することができるので、全体の制
御精度を向上させることが可能となる。
【００１２】すなわち、与えられた柔軟マニピュレータ
に対する所望の手先位置決め制御を実現するためには柔
軟マニピュレータの逆特性を実現する補償器が必要とな
るため、一般的には、前述したように、柔軟マニピュレ
ータの順特性をモデル化し、その順運動学モデルに対す
る演算処理によりその逆運動学モデルを求めることが多
い。しかし、このような逆特性を求める演算が可能なも
のは比較的簡単なモデルに限られており、複雑な非線形
特性などを取込んだ詳細な順運動学演算手段は、たとえ
構成可能でもそのままではそれを用いて所望の補償器を
求めることが非常に困難である。
に対する所望の手先位置決め制御を実現するためには柔
軟マニピュレータの逆特性を実現する補償器が必要とな
るため、一般的には、前述したように、柔軟マニピュレ
ータの順特性をモデル化し、その順運動学モデルに対す
る演算処理によりその逆運動学モデルを求めることが多
い。しかし、このような逆特性を求める演算が可能なも
のは比較的簡単なモデルに限られており、複雑な非線形
特性などを取込んだ詳細な順運動学演算手段は、たとえ
構成可能でもそのままではそれを用いて所望の補償器を
求めることが非常に困難である。
【００１３】そこで、本発明では、順方向特性のモデル
化においては、逆特性のの演算が可能となるような従来
型の剛体順運動学演算手段に、さらにその残差特性を予
測する非線形モデルを付加することで予測精度を増し、
逆特性の演算に関しては、実対象からの予測ズレ量に応
じて手先位置目標値を修正し、この修正された仮想手先
位置目標値に到達するような関節角設定値を従来型の剛
体順運動学演算手段に基づいた逆運動学演算を行うこと
で、制御性能の向上が図られる。
化においては、逆特性のの演算が可能となるような従来
型の剛体順運動学演算手段に、さらにその残差特性を予
測する非線形モデルを付加することで予測精度を増し、
逆特性の演算に関しては、実対象からの予測ズレ量に応
じて手先位置目標値を修正し、この修正された仮想手先
位置目標値に到達するような関節角設定値を従来型の剛
体順運動学演算手段に基づいた逆運動学演算を行うこと
で、制御性能の向上が図られる。
【００１４】以上のような補正処理プロセスは、従来制
御方式を踏襲した形で実現できるため、エンジニアリン
グ負荷の少ない実用的な柔軟マニピュレータの作業点位
置制御器の構成が可能となる。
御方式を踏襲した形で実現できるため、エンジニアリン
グ負荷の少ない実用的な柔軟マニピュレータの作業点位
置制御器の構成が可能となる。
【００１５】
【実施例】以下に本発明の実施例について図面を参照し
つつ説明する。
つつ説明する。
【００１６】図１は本発明の一実施例に係る柔軟マニピ
ュレータの作業点位置制御システムの構成を示すもの
で、特に同図（ａ）は制御システム全体の構造、同図
（ｂ）はその主要部を構成するニューラルネットワーク
の学習時のシステム形態を示すものである。
ュレータの作業点位置制御システムの構成を示すもの
で、特に同図（ａ）は制御システム全体の構造、同図
（ｂ）はその主要部を構成するニューラルネットワーク
の学習時のシステム形態を示すものである。
【００１７】まず、図１（ａ）において、１〜３は図５
に示す従来の構成要素と同じものを採用している。ここ
において、多軸関節駆動装置１は、例えば、図４にその
骨格構造だけを示したような構造のものを考える。剛性
が低い柔軟アームの場合、自重等の影響により、駆動装
置の手先位置は剛体モデルを仮定したものに比べ必然的
にたわむことになるため、手先位置決め精度を向上させ
るには、このたわみ量を考慮した位置制御が必要になる
ことがわかる。また、ここでは図示していないが、図５
に示す手先位置目標値設定手段４も希望手先位置ｒd の
発生源として採用することができる。
に示す従来の構成要素と同じものを採用している。ここ
において、多軸関節駆動装置１は、例えば、図４にその
骨格構造だけを示したような構造のものを考える。剛性
が低い柔軟アームの場合、自重等の影響により、駆動装
置の手先位置は剛体モデルを仮定したものに比べ必然的
にたわむことになるため、手先位置決め精度を向上させ
るには、このたわみ量を考慮した位置制御が必要になる
ことがわかる。また、ここでは図示していないが、図５
に示す手先位置目標値設定手段４も希望手先位置ｒd の
発生源として採用することができる。
【００１８】さて、本実施例の位置制御方式は、アーム
の完全剛性を仮定した（すなわち、全くたわまない）剛
体順運動学の演算を行う剛体順運動学モデル２とその逆
運動学演算を行う剛体逆運動学モデル３の他、ニューラ
ルネットワーク残差予測部５と手先位置修正部６とを更
に有する。
の完全剛性を仮定した（すなわち、全くたわまない）剛
体順運動学の演算を行う剛体順運動学モデル２とその逆
運動学演算を行う剛体逆運動学モデル３の他、ニューラ
ルネットワーク残差予測部５と手先位置修正部６とを更
に有する。
【００１９】ニューラルネットワーク残差予測部５は、
後述するように、図２、３に示すような入力情報変換手
段とニューラルネットワーク予測部から構成される残差
予測部であり、図１（ｂ）に示すような形態で学習が行
われたものである。ここで、符号５Ｇがニューラルネッ
トワーク予測部５に対応するニューラルネットワークで
あって、その学習システムは、多軸関節駆動装置１と剛
体順運動学モデル２と残差算出部７と偏差算出部８と学
習制御部９とから構築される。
後述するように、図２、３に示すような入力情報変換手
段とニューラルネットワーク予測部から構成される残差
予測部であり、図１（ｂ）に示すような形態で学習が行
われたものである。ここで、符号５Ｇがニューラルネッ
トワーク予測部５に対応するニューラルネットワークで
あって、その学習システムは、多軸関節駆動装置１と剛
体順運動学モデル２と残差算出部７と偏差算出部８と学
習制御部９とから構築される。
【００２０】残差算出部７は多軸関節駆動装置１の実手
先位置ｒと剛体順運動学モデル２により計算される剛体
モデルベースの予測手先位置ｒ0 との誤差（すなわち、
残差）Δｒを算出する。偏差算出部８はニューラルネッ
トワーク５Ｇから出力される値の算出残差Δｒからの偏
差ｅを算出する。この偏差ｅが学習制御部９へニューラ
ルネットワーク５Ｇの教師データとして与えられ、この
学習制御部９がｅを“０”にする方向にニューラルネッ
トワーク５Ｇのパラメータを調整する。
先位置ｒと剛体順運動学モデル２により計算される剛体
モデルベースの予測手先位置ｒ0 との誤差（すなわち、
残差）Δｒを算出する。偏差算出部８はニューラルネッ
トワーク５Ｇから出力される値の算出残差Δｒからの偏
差ｅを算出する。この偏差ｅが学習制御部９へニューラ
ルネットワーク５Ｇの教師データとして与えられ、この
学習制御部９がｅを“０”にする方向にニューラルネッ
トワーク５Ｇのパラメータを調整する。
【００２１】このような残差Δｒの算出とニューラルネ
ットワーク５Ｇのパラメータ調節とを繰返し行うこと
で、どのような関節角θであってもｅが“０”に限りな
く近い値になるように学習してゆく。
ットワーク５Ｇのパラメータ調節とを繰返し行うこと
で、どのような関節角θであってもｅが“０”に限りな
く近い値になるように学習してゆく。
【００２２】以上の学習構成が終了した後、ニューラル
ネットワーク５Ｇが図１（ａ）に示すニューラルネット
ワーク残差予測部５として採用される。
ネットワーク５Ｇが図１（ａ）に示すニューラルネット
ワーク残差予測部５として採用される。
【００２３】この図１（ａ）での位置制御では、まず、
制御対象である多軸関節駆動装置１の希望手先位置ｒに
対して、剛体逆運動学モデル３に基づきその手先位置を
実現する仮の関節変位θd が計算される。ニューラルネ
ットワーク残差予測部５は、この仮関節変位θd に対応
する予測手先位置誤差ΔＮを出力し、この予測誤差ΔＮ
分だけ希望手先位置ｒd を修正した補正用仮想目標手先
位置ｒ* が計算される。次に、再度逆運動学モデル３に
より、ｒ* を実現する補正制御目標関節変位θ* が計算
され、多軸関節駆動装置１の各関節駆動用サーボモータ
に関節角目標値として与えられることで、位置制御が行
われる。
制御対象である多軸関節駆動装置１の希望手先位置ｒに
対して、剛体逆運動学モデル３に基づきその手先位置を
実現する仮の関節変位θd が計算される。ニューラルネ
ットワーク残差予測部５は、この仮関節変位θd に対応
する予測手先位置誤差ΔＮを出力し、この予測誤差ΔＮ
分だけ希望手先位置ｒd を修正した補正用仮想目標手先
位置ｒ* が計算される。次に、再度逆運動学モデル３に
より、ｒ* を実現する補正制御目標関節変位θ* が計算
され、多軸関節駆動装置１の各関節駆動用サーボモータ
に関節角目標値として与えられることで、位置制御が行
われる。
【００２４】ここで、前述したように、ニューラルネッ
トワーク予測部５は本体部の前段に図２に示すような入
力情報変換手段を備えている。この入力情報変換手段
は、ニューラルネットワークによる予測処理の負荷が小
さくなるように、関節角目標値情報を柔軟マニピュレー
タの既知構造情報などを考慮して変換する機能を有す
る。ここでは、制御すべきマニピュレータが多軸関節駆
動装置であるため、この場合、駆動装置の回転関節角度
と手先位置との関係は、sin 、cos などの三角関数系が
支配的であることが予想される。そこで、回転関節角度
θのみをそのままニューラルネットワークに与えるので
はなく、同図に示すように、入出力関係に支配的な影響
を及ぼすと思われるsin θ、cos θという関数変換情報
を付加するか、あるいは回転関節角に関しては、関数変
換した情報のみを与えるという形の変換処理を行う。こ
のような入力情報の変換を施すことで、ニューラルネッ
トワーク予測部５の学習構成にかかる負荷は著しく低減
される。
トワーク予測部５は本体部の前段に図２に示すような入
力情報変換手段を備えている。この入力情報変換手段
は、ニューラルネットワークによる予測処理の負荷が小
さくなるように、関節角目標値情報を柔軟マニピュレー
タの既知構造情報などを考慮して変換する機能を有す
る。ここでは、制御すべきマニピュレータが多軸関節駆
動装置であるため、この場合、駆動装置の回転関節角度
と手先位置との関係は、sin 、cos などの三角関数系が
支配的であることが予想される。そこで、回転関節角度
θのみをそのままニューラルネットワークに与えるので
はなく、同図に示すように、入出力関係に支配的な影響
を及ぼすと思われるsin θ、cos θという関数変換情報
を付加するか、あるいは回転関節角に関しては、関数変
換した情報のみを与えるという形の変換処理を行う。こ
のような入力情報の変換を施すことで、ニューラルネッ
トワーク予測部５の学習構成にかかる負荷は著しく低減
される。
【００２５】次に、図３には、この変換された入力情報
を入力として受け、予測残差を出力する階層構造型のニ
ューラルネットワークの概略構成を示している。
を入力として受け、予測残差を出力する階層構造型のニ
ューラルネットワークの概略構成を示している。
【００２６】入力層における処理ユニット数は、変換さ
れた入力情報の次元に対応し、出力層における処理ユニ
ット数は、予測すべき残差（状態）の次元に対応してい
る。入力層と出力層との間にある隠れ層は、その層数お
よび各層における処理ユニット数は、ともにシステム設
計者が与える自由パラメータとなる。ニューラルネット
ワークの学習においては、Rumelhart らによって提案さ
れた誤差逆伝搬法(D.E.Rumelhart,G.E.Hinton & R.J.Wi
lliams:Learning representations by backpropagating
errors,NATURE,Vol.323,No.9,pp533-536(1986）など）
をはじめとしてその改良則など各種の学習則が利用可能
である。
れた入力情報の次元に対応し、出力層における処理ユニ
ット数は、予測すべき残差（状態）の次元に対応してい
る。入力層と出力層との間にある隠れ層は、その層数お
よび各層における処理ユニット数は、ともにシステム設
計者が与える自由パラメータとなる。ニューラルネット
ワークの学習においては、Rumelhart らによって提案さ
れた誤差逆伝搬法(D.E.Rumelhart,G.E.Hinton & R.J.Wi
lliams:Learning representations by backpropagating
errors,NATURE,Vol.323,No.9,pp533-536(1986）など）
をはじめとしてその改良則など各種の学習則が利用可能
である。
【００２７】
【発明の効果】以上説明したように本発明によれば、残
差予測手段が剛体順運動学において考慮されていないた
わみなどに起因する作業点位置のズレ分（制御残差）を
予測し、このズレ分だけ制御目標値を修正・変更するこ
とができるので、全体の制御精度を向上させることが可
能となる。
差予測手段が剛体順運動学において考慮されていないた
わみなどに起因する作業点位置のズレ分（制御残差）を
予測し、このズレ分だけ制御目標値を修正・変更するこ
とができるので、全体の制御精度を向上させることが可
能となる。
【図１】本発明の一実施例に係る柔軟マニピュレータの
作業点位置制御システムの構成を示すブロック図。
作業点位置制御システムの構成を示すブロック図。
【図２】図１に示すニューラルネットワーク予測部の本
体部前段に位置する入力情報変換手段を説明するブロッ
ク図。
体部前段に位置する入力情報変換手段を説明するブロッ
ク図。
【図３】図１に示すニューラルネットワーク予測部の本
体部を説明するブロック図。
体部を説明するブロック図。
【図４】本発明において制御対象となる柔軟マニピュレ
ータの多軸関節駆動装置の概略構成を示す概念的説明
図。
ータの多軸関節駆動装置の概略構成を示す概念的説明
図。
【図５】従来の制御システム例の構成を示すブロック
図。
図。
１ 多軸関節駆動装置 ２ 剛体順運動学モデル ３ 剛体逆運動学モデル ４ 目標手先位置決定手段 ５ ニューラルネットワーク残差予測部 ５Ｇ ニューラルネットワーク ６ 目標手先位置修正部 ７ 残差算出部 ８ 偏差算出部 ９ 学習制御部
───────────────────────────────────────────────────── フロントページの続き (72)発明者 近 藤 光 昇 茨城県那珂郡那珂町大字向山801番地の１ 日本原子力研究所 那珂研究所内 (72)発明者 篠 原 和太郎 神奈川県川崎市幸区小向東芝町１ 株式会 社東芝総合研究所内 (72)発明者 松 本 泰 弘 東京都府中市東芝町１ 株式会社東芝府中 工場内 (72)発明者 小 浜 政 夫 神奈川県川崎市幸区小向東芝町１ 株式会 社東芝総合研究所内
Claims (3)
- 【請求項１】制御目標値に従って柔軟マニピュレータを
駆動する駆動手段と、 前記柔軟マニピュレータの動作を入力目標値に従って駆
動するとしたときの制御結果である仮制御作業点位置
と、該柔軟マニピュレータにおける入出力特性の剛体的
ファクタを定義する剛体順運動学に基づいて前記入力目
標値を作業点位置に変換した結果である演算作業点位置
との差に相当する制御残差を予測し、前記入力目標値を
その予測残差に基づいて修正し、その修正目標値を前記
制御目標値として前記駆動手段に与える制御目標値生成
手段とを備えたことを特徴とする柔軟マニピュレータの
作業点位置制御システム。 - 【請求項２】制御目標値生成手段は入力目標値を手掛り
とする１回の制御残差予測動作の他に修正目標値を手掛
りとする少なくとも１回の制御残差予測動作を繰返すよ
うになっていることを特徴とする請求項１記載の柔軟マ
ニピュレータの作業点位置制御システム。 - 【請求項３】残差予測手段は、入力目標値をその入力層
に与え、出力層から制御残差が出力されるように学習さ
せたニューラルネットワークから構成されていることを
特徴とする請求項１，２のうちいずれか１項記載の柔軟
マニピュレータの作業点位置制御システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23734592A JPH0683427A (ja) | 1992-09-04 | 1992-09-04 | 柔軟マニピュレータの作業点位置制御システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23734592A JPH0683427A (ja) | 1992-09-04 | 1992-09-04 | 柔軟マニピュレータの作業点位置制御システム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0683427A true JPH0683427A (ja) | 1994-03-25 |
Family
ID=17014016
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP23734592A Pending JPH0683427A (ja) | 1992-09-04 | 1992-09-04 | 柔軟マニピュレータの作業点位置制御システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0683427A (ja) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106842954A (zh) * | 2017-03-14 | 2017-06-13 | 北京理工大学 | 一种半柔性机械臂系统的控制方法 |
| CN108319135A (zh) * | 2018-01-18 | 2018-07-24 | 西北工业大学 | 基于神经网络鲁棒自适应的空间柔性系统展开控制方法 |
| CN108943024A (zh) * | 2018-08-16 | 2018-12-07 | 北京航空航天大学 | 一种六自由度工业机器人绝对位置误差估计方法 |
| JP6456555B1 (ja) * | 2017-11-02 | 2019-01-23 | 三菱電機株式会社 | キャリブレーション装置、キャリブレーション方法および制御装置 |
| CN110826701A (zh) * | 2019-11-15 | 2020-02-21 | 北京邮电大学 | 一种基于bp神经网络算法对二自由度柔性腿进行系统辨识的方法 |
| DE102018200240B4 (de) * | 2017-01-17 | 2020-09-10 | Fanuc Corporation | Robotersteuerungsvorrichtung |
| WO2021241182A1 (ja) * | 2020-05-29 | 2021-12-02 | オムロン株式会社 | 制御装置、ロボットシステム、およびロボットの制御方法 |
| JP2022532143A (ja) * | 2019-05-09 | 2022-07-13 | アスペン テクノロジー インコーポレイテッド | 機械学習を専門知識及び第一原理と組み合わせて行うプロセス産業のモデリング |
| CN116652940A (zh) * | 2023-05-19 | 2023-08-29 | 兰州大学 | 仿人手精密操控方法和装置、电子设备及存储介质 |
| US11754998B2 (en) | 2019-10-18 | 2023-09-12 | Aspentech Corporation | System and methods for automated model development from plant historical data for advanced process control |
| US11782401B2 (en) | 2019-08-02 | 2023-10-10 | Aspentech Corporation | Apparatus and methods to build deep learning controller using non-invasive closed loop exploration |
-
1992
- 1992-09-04 JP JP23734592A patent/JPH0683427A/ja active Pending
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102018200240B4 (de) * | 2017-01-17 | 2020-09-10 | Fanuc Corporation | Robotersteuerungsvorrichtung |
| US10953540B2 (en) | 2017-01-17 | 2021-03-23 | Fanuc Corporation | Robot control device |
| CN106842954A (zh) * | 2017-03-14 | 2017-06-13 | 北京理工大学 | 一种半柔性机械臂系统的控制方法 |
| JP6456555B1 (ja) * | 2017-11-02 | 2019-01-23 | 三菱電機株式会社 | キャリブレーション装置、キャリブレーション方法および制御装置 |
| WO2019087357A1 (ja) * | 2017-11-02 | 2019-05-09 | 三菱電機株式会社 | キャリブレーション装置、キャリブレーション方法および制御装置 |
| US11298828B2 (en) | 2017-11-02 | 2022-04-12 | Mitsubishi Electric Corporation | Calibration device, calibration method, and control device |
| CN108319135A (zh) * | 2018-01-18 | 2018-07-24 | 西北工业大学 | 基于神经网络鲁棒自适应的空间柔性系统展开控制方法 |
| CN108943024A (zh) * | 2018-08-16 | 2018-12-07 | 北京航空航天大学 | 一种六自由度工业机器人绝对位置误差估计方法 |
| US11853032B2 (en) | 2019-05-09 | 2023-12-26 | Aspentech Corporation | Combining machine learning with domain knowledge and first principles for modeling in the process industries |
| JP2022532143A (ja) * | 2019-05-09 | 2022-07-13 | アスペン テクノロジー インコーポレイテッド | 機械学習を専門知識及び第一原理と組み合わせて行うプロセス産業のモデリング |
| US11782401B2 (en) | 2019-08-02 | 2023-10-10 | Aspentech Corporation | Apparatus and methods to build deep learning controller using non-invasive closed loop exploration |
| US11754998B2 (en) | 2019-10-18 | 2023-09-12 | Aspentech Corporation | System and methods for automated model development from plant historical data for advanced process control |
| CN110826701A (zh) * | 2019-11-15 | 2020-02-21 | 北京邮电大学 | 一种基于bp神经网络算法对二自由度柔性腿进行系统辨识的方法 |
| WO2021241182A1 (ja) * | 2020-05-29 | 2021-12-02 | オムロン株式会社 | 制御装置、ロボットシステム、およびロボットの制御方法 |
| TWI773308B (zh) * | 2020-05-29 | 2022-08-01 | 日商歐姆龍股份有限公司 | 控制裝置、機器人系統、機器人的控制方法以及程式 |
| JP2021186937A (ja) * | 2020-05-29 | 2021-12-13 | オムロン株式会社 | 制御装置、ロボットシステム、およびロボットの制御方法 |
| CN116652940A (zh) * | 2023-05-19 | 2023-08-29 | 兰州大学 | 仿人手精密操控方法和装置、电子设备及存储介质 |
| CN116652940B (zh) * | 2023-05-19 | 2024-06-04 | 兰州大学 | 仿人手精密操控方法和装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2676397B2 (ja) | 動的システムの運動軌道生成方法 | |
| Qi et al. | Kinematic control of continuum manipulators using a fuzzy-model-based approach | |
| Xian et al. | Task-space tracking control of robot manipulators via quaternion feedback | |
| US4887222A (en) | Method for controlling operation of industrial robot | |
| CN113146600B (zh) | 基于运动学迭代学习控制的柔性机器人轨迹规划方法及装置 | |
| US6181983B1 (en) | Method of command control for a robot manipulator | |
| Freund | On the design of multi-robot systems | |
| Cao et al. | Time-optimal and smooth constrained path planning for robot manipulators | |
| JPH0683427A (ja) | 柔軟マニピュレータの作業点位置制御システム | |
| CN105598968A (zh) | 一种并联机械臂的运动规划与控制方法 | |
| JP2874238B2 (ja) | 多関節形ロボットの制御方法 | |
| KR20210090098A (ko) | 로봇 제어 장치 및 로봇 제어 방법 | |
| Er et al. | Hybrid adaptive fuzzy controllers of robot manipulators with bounds estimation | |
| Yıldırım | Adaptive robust neural controller for robots | |
| CN114952860A (zh) | 基于离散时间神经动力学的移动机器人重复运动控制方法及系统 | |
| JP2629291B2 (ja) | マニピュレータ学習制御方法 | |
| Sira-Ramirez et al. | Sliding mode rest-to-rest stabilization and trajectory tracking for a discretized flexible joint manipulator | |
| Shugen et al. | Dynamic redundancy resolution of redundant manipulators with local optimization of a kinematic criterion | |
| Rouvinen et al. | Robot positioning of a flexible hydraulic manipulator utilizing genetic algorithm and neural networks | |
| Iqbal et al. | Arm-manipulator coordination for load sharing using predictive control | |
| BENOTSMANE et al. | SIMULATION OF INDUSTRIAL ROBOTS'SIX AXES MANIPULATOR ARMS-A CASE STUDY. | |
| JP7479321B2 (ja) | 学習装置、軌道生成器並びにマニピュレータシステム | |
| CN111694273A (zh) | 一种双关节机械手模糊自适应控制的设计方法 | |
| Bilal et al. | Implementation of Impedance Control Schemes for Position and Force Tracking on Redundant Manipulator | |
| Rajan et al. | Foundation Studies for an alternate approach to motion planning of dynamic systems |