CN105773628A

CN105773628A - 一种led芯片上蜡机器人喷蜡控制方法

Info

Publication number: CN105773628A
Application number: CN201410779990.3A
Authority: CN
Inventors: 王佐勋
Original assignee: Qilu University of Technology
Current assignee: Qilu University of Technology
Priority date: 2014-12-17
Filing date: 2014-12-17
Publication date: 2016-07-20

Abstract

本发明设计了一套LED芯片喷蜡运动控制***，并且根据其设计一种喷蜡运动控制方法，该方法针对于该控制***和喷蜡过程中需要喷蜡的目标点，规划最短运动路径。针对于每一段运动路径，提出了用5阶多项式规划两关节机器人的运动轨迹，采用用神经网路自适应控制器实时学习，完成对运动轨迹的跟踪控制。这种方法很好的实现了LED芯片上蜡过程中喷蜡的运动控制，提高了喷蜡的精度，大大提高了LED芯片的生产效率和产品合格率。

Description

一种LED芯片上蜡机器人喷蜡控制方法

技术领域

本发明的控制方法专用于LED芯片生产过程中喷蜡的运动控制。

背景技术

LED芯片上蜡机器人喷蜡的控制是在LED贴片之前，先将一定量的蜡喷到粘贴板上，喷蜡机器人需要最快最准确的把蜡喷到预定的位置，这就需要研究喷蜡机器人的运动路径和运动轨迹。国内外的专家对机器人的运动进行了一些研究，有的利用带扰动和变异因子的改进禁忌搜索算法建立规划模型，优化贴装顺序，规划贴装路径。有的所设计的机器人利用传感器感知自己所处的位置，并规划自己的路径，以最优的方式到达目标点。有的采用蚁群算法和混合蛙跳算法相融合的算法，规划贴片机器人的路径，实现最优控制。有的采用B样条方法，实现了多目标的轨迹优化，最终达到了时间最优，平滑性最优的目的。有的提出了一种新的机器人任务空间控制与学习策略，不仅实现了闭环***所有信号的最终一致有界，而且在稳定的控制过程中，实现了部分神经网络权值收敛到最优值以及未知闭环***动态的局部准确逼近。有的应用径向基神经网络来逼近水下机器人的动力学模型，最终实现了轨迹的跟踪控制。有的针对不确定非线性混沌***,提出了一种基于动态神经网络辨识器的自适应跟踪控制新方法,通过滑模控制技术在线调整动态神经网络辨识器权值,并在获取动态神经网络模型的基础上设计出优化控制器,实现混沌***的轨道跟踪。有的使用径向基函数(RBF)神经网络和高增益观测器设计了一种自适应神经控制算法.该算法不仅实现了闭环***所有信号的最终一致有界,而且沿周期跟踪轨迹实现了对未知闭环***动态的确定学习。有的针对一类具有未知非线性函数和未知虚拟系数非线性函数的二阶非线性***，提出了一种神经网络鲁棒自适应输出跟踪控制方法，选择的神经网络权值调整规律可以防止自适应控制中的参数漂移。提出了一类具有外界干扰和不确定性的机械手臂轨迹跟踪鲁棒控制问题。控制器由自适应RBF(radialbasisfunction)神经网络控制器和PD控制器组成.采用基于神经元灵敏度和获胜神经元概念的RBF算法，在线确定神经网络的初始结构和参数。

本发明针对LED贴片过程中喷蜡机器人的运动***，采用最优化理论的最短路径规划法规划机器人的运动轨迹，针对喷蜡机器人的运动采用高阶多项式规划关节的运动。在确定学***稳性、快速性，达到节约时间和节约能量的目的。

发明内容

本发明首先设计了一套适用于LED芯片生产过程中喷蜡工艺的运动控制***，上蜡机器人的运动控制***主要有2个电机、2个编码器、2个丝杠和工作台组成，喷蜡机安装在在工作台上。运动控制过程中，首先进行路径规划，利用最短路径规划原理，如图1所示从O点出发，经过n个阶段，每个阶段的决策是选择下一个点，用（x_i,X）表示状态，xi表示所处的位置点，X是还没有经过的点集合，在状态（x_i，X）的决策集合X中，取决策x_j X，获得的效益是x_i到x_j的距离d_i,j，然后转入下一个状态（x_j，X\{x_j}）。用f_k(x_i,X)表示从O点出发，经过X中的点各一次，最后回到O点的最短路程。X是一个顶点集合，X的元素数为k，d_i,j是xi到xj的距离。经计算，找出最短路径为：喷蜡机器人需要从O点出发，分别在A、B、C、D、E、F、G、H、I、J点喷蜡，再回到O点。然后用5阶多项式规划两关节机器人每一段的运动轨迹，运动轨迹分为加速阶段、匀速阶段、减速阶段，加速时尽量平稳，减速运动到目标位置时速度刚好为0，整个过程所用时间尽量要少。依次规划OA、AB、BC、CD、DE、EF、FG、GH、HI、IJ、JO运动路径的轨迹。然后采用自适应神经网络控制算法学习跟踪规划的运动轨迹，定义滤波器函数跟踪误差，选择控制输入函数控制机器人的运动，用N=5*5*5*5的神经网络节点进行确定性学习，得出输出控制量。

通过实施本控制***和本控制方法，可以有效的控制LED芯片生产中的喷蜡过程，使得喷蜡机器人运动平稳，能够准确的寻找到目标，减少了机器人运动过程中的震动，提高了机器人的使用寿命，提高LED芯片生产的质量和合格率，大大提高了LED芯片生产的效率。

附图说明

附图1为喷蜡点示意图

图中：O是机器人停止位置，A、B、C、D、E、F、G、H、I、J为10个喷蜡点。

附图2为喷蜡机器人运动控制平台示意图。

图中：1是轴承B，2是喷蜡机，3是喷蜡机安装台，4是丝杠B，5是电机A，6是编码器A，7是编码器B，8是电机B，9是丝杠A，10是轴承A，11是伺服驱动器A，12是控制板，13是伺服驱动器B，14是工作台。

实施方式

参照说明书附图对本发明的控制方法在LED芯片生产过程喷蜡的控制做以下说明。具体操作是：

1）路径规划。采用最优化原理中的最短路径动态规划方法，对机器人的运动路径进行规划，找出最优路径为：O→A→B→C→D→E→F→G→H→I→J→O。

2）轨迹规划。LED芯片喷蜡机器人从一点运动到另一点的动作是：运动、停止、喷蜡、再运动。针对于这种动作过程，规划机器人的运动轨迹，为了保证快速平稳的运动，而且到达工作点的运动速度为0，把运动过程分加速阶段、匀速阶段、减速阶段，用5阶多项式规划机器人双关节的运动轨迹。

3）双关节机器人的运动轨迹规划就是分别对两个方关节分别应用5阶多项式规划，让后采用向量求和的方法，采用规划出机器人的运动轨迹。

4）设计自适应神经网络控制器。首先采用高斯径向基函数（RBF）设计自适应神经网络控制器，然后定义滤波器跟踪误差r(t)，选择控制输入函数，设计神经网络函数，最后设计权值更新律。

5）跟踪控制喷蜡机器人的运动轨迹。选取神经网络的网络节点数为N=5*5*5*5,在线跟踪学习，学习时随着误差和误差变化率自适应调整神经网络学习过程中的输出，使之能够快速跟踪喷蜡机器人的运动轨迹。

Claims

1.本发明的关键点在于设计了一种LED芯片上蜡机器人的喷蜡运动控制***，针对于该控制***和喷蜡过程中需要喷蜡的目标点，规划最短运动路径，针对于每一段运动路径，提出了用5阶多项式规划两关节机器人的运动轨迹，采用用神经网路自适应控制器实时学习，完成对运动轨迹的跟踪控制。

2.根据权利要求1所述的规划最短路径，采用最优化原理的最短路径规划方法，找出10个喷蜡位置点的最短路径。

3.根据权利要求1所述的两关节机器人的运动轨迹规划，采用5阶多项式规划每个关节的运动，采用向量和的方式求出两关节机器人的运动轨迹。

4.根据权利要求1所述的自适应神经网络控制器，首先采用高斯径向基函数（RBF）设计自适应神经网络控制器，然后定义滤波器跟踪误差r(t)，选择控制输入函数，设计神经网络函数，最后设计权值更新律。

5.根据权利要求4所述的跟踪控制方法，选取神经网络的网络节点数为N=5*5*5*5,在线跟踪学习，学习时随着误差和误差变化率自适应调整神经网络学习过程中的输出，使之能够快速跟踪喷蜡机器人的运动轨迹。