CN108942940B - 一种基于多传感器融合的遥操作机器人打磨控制*** - Google Patents

一种基于多传感器融合的遥操作机器人打磨控制*** Download PDF

Info

Publication number
CN108942940B
CN108942940B CN201810862389.9A CN201810862389A CN108942940B CN 108942940 B CN108942940 B CN 108942940B CN 201810862389 A CN201810862389 A CN 201810862389A CN 108942940 B CN108942940 B CN 108942940B
Authority
CN
China
Prior art keywords
polishing
mechanical arm
robot
force
controller
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.)
Active
Application number
CN201810862389.9A
Other languages
English (en)
Other versions
CN108942940A (zh
Inventor
宋爱国
徐远
徐宝国
张培军
张达鑫
李会军
汤建军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Jiangsu Tianhong Machinery Industry Co Ltd
Original Assignee
Southeast University
Jiangsu Tianhong Machinery Industry Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University, Jiangsu Tianhong Machinery Industry Co Ltd filed Critical Southeast University
Priority to CN201810862389.9A priority Critical patent/CN108942940B/zh
Publication of CN108942940A publication Critical patent/CN108942940A/zh
Application granted granted Critical
Publication of CN108942940B publication Critical patent/CN108942940B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • B25J9/1679—Programme controls characterised by the tasks executed
    • B25J9/1689—Teleoperation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/005—Manipulators for mechanical processing tasks
    • B25J11/0065—Polishing or grinding
    • 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
    • B25J9/1679—Programme controls characterised by the tasks executed

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)
  • Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)
  • Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)

Abstract

本发明公开了一种基于多传感器融合的遥操作机器人打磨控制***，包括机器人底座及机械臂，还包括六维力传感器、刀具、电机、工业相机、控制器；所述控制器根据坐标控制移动机械臂到达工作区域并控制工业相机采集待加工元件的图像，图像处理提取待加工元件图像特征和轮廓信息，选取打磨区域，根据打磨区域规划出打磨路径并控制机械臂末端的电机和刀具对待加工元件执行打磨；所述六维力传感器获取不同打磨条件下机械臂末端的力和力矩，控制器将当前打磨条件下神经网络预测输出的力和力矩数值作为基准参考，对打磨过程中所获取的力和力矩进行PI控制并对机械臂的运动进行PD控制。本发明可以实现工件内部的打磨以及非规则零件的打磨。

Description

一种基于多传感器融合的遥操作机器人打磨控制***
技术领域
本发明涉及一种基于多传感器融合的遥操作机器人打磨控制***，属于遥操作机器人技术领域。
背景技术
打磨和抛光是许多工业生产中必要的工序，传统的打磨抛光流程往往以人工操作为主，粉尘和噪音以及长时间的高强度重复性工作会使操作人员身心俱疲，此外，人工操作对从业人员的熟练度要求高，并且存在一定的加工失误率。
机器人代替人来完成这些繁重的工作是智能化机器人发展的一个重要趋势，现在工业机器人应用于打磨行业往往只能实现一些基础、规则零件的打磨，打磨方式为将刀具或砂轮固定在工作台上，机械臂抓取工件靠近刀具或砂轮实现打磨，这种打磨方式只能实现工件外表面的规则打磨，对于工件的内表面或者非规则形状的打磨需求通常无法实现。此外，现有的机器人自动打磨***往往只能通过示教模式实现固定流程的打磨，机器人缺乏一定的自主能力，难以实现定制化的打磨需求。
基于这样的技术现状，机器人自动打磨工作需要实现基于多传感器融合的人与机器人共享控制，需要能够实现客户定制化打磨的需求，需要灵活的控制刀具的位置实现工件内部的打磨以及非规则零件的打磨。
发明内容
本发明所要解决的技术问题在于克服现有技术的不足，提供一种基于多传感器融合的遥操作机器人打磨控制***，解决现有机器人只能实现工件外表面的规则打磨，对于工件的内表面或者非规则形状的打磨需求无法实现的问题。
本发明具体采用以下技术方案解决上述技术问题：
一种基于多传感器融合的遥操作机器人打磨控制***，包括机器人底座及可转动地设置在机器人底座上的机械臂，还包括六维力传感器、刀具、电机、工业相机、控制器，其中六维力传感器和工业相机均固定设置在机械臂末端；所述电机固定设置在六维力传感器的传力轴上，且电机的输出轴通过固定机构连接刀具；所述控制器根据坐标控制移动机械臂到达工作区域并控制工业相机采集待加工元件的图像，由控制器对采集的待加工元件图像进行图像处理，提取待加工元件图像特征和轮廓信息，及根据图像特征和轮廓信息中的毛刺情况以及外形的打磨需求选取打磨区域，根据打磨区域规划出打磨路径并控制机械臂末端的电机和刀具对待加工元件执行打磨；同时，所述六维力传感器获取不同打磨条件下机械臂末端的力和力矩并输入控制器中的神经网络训练以构建得到训练后的神经网络，控制器将当前打磨条件下神经网络预测输出的力和力矩数值作为基准参考，并根据六维力传感器获取的机械臂末端力与力矩的反馈对打磨过程中刀具的进给量进行PI控制，并通过获取的机械臂位置反馈对机械臂的运动进行PD控制。
进一步地，作为本发明的一种优选技术方案：所述控制器采用机器视觉算法提取待加工元件图像特征和轮廓信息。
进一步地，作为本发明的一种优选技术方案：所述控制器还包括根据待加工元件图像特征和轮廓信息创建待加工元件模板。
进一步地，作为本发明的一种优选技术方案：所述控制器规划打磨路径采用人工规划或自动规划方式。
进一步地，作为本发明的一种优选技术方案：所述机械臂上设置关节编码器，所述关节编码器用于获取机器人各关节的关节角，及解算得到机械臂末端位置反馈。
进一步地，作为本发明的一种优选技术方案：所述控制器对打磨过程中刀具的进给量进行PI控制和对机械臂的运动进行PD控制，具体为：
设在打磨过程中某一时刻机器人的期望位移为
Figure BDA0001750025680000021
及当前打磨条件下通过神经网络预测输出期望作用力为
Figure BDA0001750025680000022
获取机械臂当前实际位移为
Figure BDA0001750025680000023
计算得到机器人期望位移与实际位移的差值为
Figure BDA0001750025680000024
并计算得到机器人从当前位移
Figure BDA0001750025680000025
移动到期望位移
Figure BDA0001750025680000026
所需要的激励电信号
Figure BDA0001750025680000027
以作为PD控制参数；
六维力传感器获取当前打磨条件下机械臂末端的实际作用力
Figure BDA0001750025680000028
计算得到机器人期望作用力
Figure BDA0001750025680000029
与实际作用力
Figure BDA00017500256800000210
的差值为
Figure BDA00017500256800000211
并计算得到对机器人的激励信号
Figure BDA00017500256800000212
以作为PI控制参数；
根据所得激励电信号
Figure BDA00017500256800000213
和激励信号
Figure BDA00017500256800000214
计算获得机器人的控制信号，并控制机器人在输出的控制信号作用下移动。
进一步地，作为本发明的一种优选技术方案：所述控制器获得的控制信号为：
Figure BDA0001750025680000031
其中kp和kf分别为位移与作用力控制环节的增益系数，用于调节
Figure BDA0001750025680000032
和
Figure BDA0001750025680000033
的作用效果。
本发明采用上述技术方案，能产生如下技术效果：
本发明提出一种基于多传感器融合的遥操作机器人打磨控制***，可以实现工件内部以及非规则工件的打磨需求，使用机器视觉引导机器人识别对象，通过六维力传感器进行精确的力位控制，具有较好的自动打磨效果。
本发明与现有技术相比，使用工业相机，六维力传感器等传感器，实现机器视觉与力传感器融合的自动化打磨，可以实现打磨区域的定制化，无需针对不同元件的打磨进行繁琐的示教过程，机器人自动识别打磨元件，根据规划打磨区域实现自动打磨；将刀具装载在机械臂末端，运动灵活，可以实现工件内部的打磨以及非规则零件的打磨；采用多传感器融合的设计，实现了人与机器人的共享协同控制，实现操作者的人工决策和局部自动化控制融合的共享控制。本发明***控制效果好，能实现非标准、不规则工件的定制化打磨，可以实现传统打磨工艺难以加工区域的打磨工作，具有良好的应用价值。
附图说明
图1为本发明遥操作机器人打磨控制***的结构示意图。
图2为本发明遥操作机器人打磨控制***的工作原理图。
图3为本发明以汽车轮毂为例选取打磨区域的示意图。
图4为本发明打磨过程中控制的原理示意图。
具体实施方式
下面结合说明书附图对本发明的实施方式进行描述。
如图1所示，本发明提出一种基于多传感器融合的遥操作机器人打磨控制***，包括机器人底座及可转动地设置在机器人底座上的机械臂1，还包括六维力传感器2、固定机构3、电机4、刀具5、工业相机8、控制器，且控制过程需要打磨的工作区域6、待加工元件7。
以图1中所示的六自由度机械臂1为例，机械臂1末端竖直向下，六维力传感器2和工业相机8均固定设置在机械臂1末端；所述电机4固定设置在六维力传感器2的传力轴上，且电机4的输出轴通过固定机构3连接刀具5，其可跟随机械臂1末端关节灵活运动，可以深入到零件内部打磨，能够实现非规则形状零件的打磨。并且，所述机械臂1上设置关节编码器，所述关节编码器用于获取机器人各关节的关节角，及解算得到机械臂末端位置反馈。
如图2所示，本发明的具体实现过程如下：
步骤1：所述刀具5通过固定机构3安装在电机4输出轴后，电机4设置在六维力传感器2的传力轴上，六维力传感器2和工业相机8一同装配在机械臂末端；工业相机8装配在机械臂1的末端侧面，与机械臂1末端方向平行。然后，操作者选取汽车轮毂作为待加工元件7，将汽车轮毂放置在工作区域6后，通过控制器根据坐标控制移动机械臂1到达工作区域6，并由控制器控制工业相机8采集汽车轮毂7的图像。
步骤2：由控制器对采集的待加工元件图像进行图像处理，提取待加工元件图像特征和轮廓信息，可将处理结果反馈在上位机图像界面上供操作者分析；***可以根据汽车轮毂图像信息动态创建汽车轮毂的模板，以便在自动打磨操作过程中，***将根据图像信息自动识别匹配所需相同形状的打磨部件如汽车轮毂，移动到汽车轮毂上方。及控制器根据图像特征和轮廓信息中的毛刺情况以及外形的打磨需求选取打磨区域，其中还可以由操作者根据图像的毛刺情况以及轮毂外形的打磨需求，在图像界面上绘制如图3虚线轮廓所示的打磨区域，为***创建打磨区域，实现定制化打磨区域。
优选地，待加工元件图像由控制器保存并通过基于Halcon软件的机器视觉算法提取图像特征和轮廓信息，在机器人自主模式下可以通过模板匹配自动识别需要打磨的工件并自动移动到工件上方。
步骤3：根据打磨区域规划出最优的打磨路径，并控制机械臂1末端的电机4和刀具5对待加工元件7执行打磨，例如打磨区域若为圆形则机械臂1沿圆径向切线方向运动，若为弧线则通过多项式插值算法计算出插补点控制机械臂1运动。其中，采用人工规划或自动规划方式。
同时，所述六维力传感器获取不同打磨条件下机械臂末端的力和力矩，并输入控制器中的神经网络训练，得到训练后的神经网络，及控制器将当前打磨条件下神经网络预测输出的力和力矩数值作为基准参考，并根据六维力传感器获取的机械臂末端力与力矩的反馈对打磨过程中刀具的进给量进行PI控制，并通过获取的机械臂位置反馈对机械臂的运动进行PD控制。
本***在使用前需要通过示教模式获取所需数据。一方面，操作者需要通过示教模式控制机械臂移动，选取打磨工件，同时动态创建图像模板；另一方面，操作者需要通过使用不同刀具，不同打磨材料，不同打磨程度为***收集六维力传感器反馈的力与力矩数据，为搭建BP神经网络提供训练样本，首先将不同打磨刀具，不同打磨材料，不同打磨程度下三个方向的力与力矩信息处理成合力与合力矩形式，接着将不同打磨刀具，不同打磨材料，不同打磨程序以数字形式量化，并与合力和合力矩一同作为列，以示教次数作为行建立数据表格，对这些数据进行归一化处理，然后以不同打磨刀具，不同打磨材料，不同打磨程序作为神经网络输入，以合力与合力矩作为输出，通过经验公式
Figure BDA0001750025680000051
计算隐层节点个数(其中n为输入层神经元个数，m为输出层神经元个数，a为1到10之间的常数)，以此建立一个3*8*2的三层BP神经网络，设定网络隐层和输出层激励函数分别为tansig双极性S函数和logsig单极性S函数，网络训练函数采用traingdx(有动量和自适应lr的梯度下降法)，网络性能函数选用mse(均方误差)，通过训练后的神经网络来预测自动打磨过程中需要的力和力矩的大小。实现人与机器人的协同控制。其中，机器人打磨作业主要通过控制两个参数来完成，即机器人的期望位移
Figure BDA0001750025680000052
和刀具的期望作用力
Figure BDA0001750025680000053
其控制原理如图4所示，设在打磨过程中某一时刻机器人的期望位移为
Figure BDA0001750025680000054
当前打磨条件下通过BP神经网络预测刀具的期望作用力为
Figure BDA0001750025680000055
首先通过机械臂关节处编码器的反馈计算出各关节的关节角，通过运动学正解算得到机械臂末端位置，计算出机械臂当前实际位移为
Figure BDA0001750025680000056
此时机器人期望位移与实际位移的差值为
Figure BDA0001750025680000057
再根据实际机器人的性能参数，整定PD控制参数，通过PD控制器即可计算出机器人从当前位移
Figure BDA0001750025680000058
移动到期望位移
Figure BDA0001750025680000059
所需要的激励电信号
Figure BDA00017500256800000510
同时，机器人上的六维力传感器会实时采集三维空间坐标系上X、Y、Z轴方向受到的力和力矩，六维力传感器输出的原始力与力矩信号
Figure BDA00017500256800000511
中夹杂着一定强度的白噪声，经滤波器处理后得到当前力传感器信号
Figure BDA00017500256800000512
此时期望作用力
Figure BDA00017500256800000513
与实际作用力
Figure BDA00017500256800000514
的差值为
Figure BDA00017500256800000515
Figure BDA00017500256800000516
通过PI控制器输出对机器人的激励信号
Figure BDA00017500256800000517
作为PI控制参数；此时机器人的控制信号
Figure BDA00017500256800000518
其中kp和kf为位移控制环节与力控制环节的增益系数，用于调节
Figure BDA00017500256800000519
和
Figure BDA00017500256800000520
的作用效果，机器人在控制信号u的作用下移动，当打磨刀具接近目标边缘时，kf迅速减小，kp也适当减小，缓慢靠近工件，避免对工件造成损坏。同时，通过编码器返回的数据可以实时监测机器人的当前位移
Figure BDA0001750025680000061
通过六维力传感器可以实时监测打磨过程中力与力矩的变化，并将数据反馈到控制***中，构成反馈回路。重复上述步骤，***即可根据机器人运动的期望位移
Figure BDA0001750025680000062
和期望作用力
Figure BDA0001750025680000063
不断调整机器人的当前位移
Figure BDA0001750025680000064
对打磨过程中刀具的进给量进行PI控制。从而实现力位混合控制，完成汽车轮毂的自动打磨。
综上，本发明可自动识别打磨元件，根据规划打磨区域实现自动打磨，将刀具装载在机械臂末端，运动灵活，可以实现工件内部的打磨以及非规则零件的打磨；采用多传感器融合的设计，实现了人与机器人的共享协同控制。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (6)

1.一种基于多传感器融合的遥操作机器人打磨控制***，包括机器人底座及可转动地设置在机器人底座上的机械臂，其特征在于，还包括六维力传感器、刀具、电机、工业相机、控制器，其中六维力传感器和工业相机均固定设置在机械臂末端；所述电机固定设置在六维力传感器的传力轴上，且电机的输出轴通过固定机构连接刀具；所述控制器根据坐标控制移动机械臂到达工作区域并控制工业相机采集待加工元件的图像，由控制器对采集的待加工元件图像进行图像处理，提取待加工元件图像特征和轮廓信息，及根据图像特征和轮廓信息中的毛刺情况以及外形的打磨需求选取打磨区域，根据打磨区域规划出打磨路径并控制机械臂末端的电机和刀具对待加工元件执行打磨；同时，所述六维力传感器获取不同打磨条件下机械臂末端的力和力矩并输入控制器中的神经网络训练以构建得到训练后的神经网络，及控制器将当前打磨条件下神经网络预测输出的力和力矩数值作为基准参考，并根据六维力传感器获取的机械臂末端力与力矩的反馈对打磨过程中刀具的进给量进行PI控制，并通过获取的机械臂位置反馈对机械臂的运动进行PD控制，具体为：
设在打磨过程中某一时刻机器人的期望位移为
Figure FDA0003241208020000011
及当前打磨条件下通过神经网络预测输出期望作用力为
Figure FDA0003241208020000012
获取机械臂当前实际位移为
Figure FDA0003241208020000013
计算得到机器人期望位移与实际位移的差值为
Figure FDA0003241208020000014
并计算得到机器人从当前位移
Figure FDA0003241208020000015
移动到期望位移
Figure FDA0003241208020000016
所需要的激励电信号
Figure FDA0003241208020000017
以作为PD控制参数；
六维力传感器获取当前打磨条件下机械臂末端的实际作用力
Figure FDA0003241208020000018
计算得到机器人期望作用力
Figure FDA0003241208020000019
与实际作用力
Figure FDA00032412080200000110
的差值为
Figure FDA00032412080200000111
并计算得到对机器人的激励信号
Figure FDA00032412080200000112
以作为PI控制参数；
根据所得激励电信号
Figure FDA00032412080200000113
和激励信号
Figure FDA00032412080200000114
计算获得机器人的控制信号，并控制机器人在输出的控制信号作用下移动。
2.根据权利要求1所述基于多传感器融合的遥操作机器人打磨控制***，其特征在于：所述控制器采用机器视觉算法提取待加工元件图像特征和轮廓信息。
3.根据权利要求1所述基于多传感器融合的遥操作机器人打磨控制***，其特征在于：所述控制器还包括根据待加工元件图像特征和轮廓信息创建待加工元件模板。
4.根据权利要求1所述基于多传感器融合的遥操作机器人打磨控制***，其特征在于：所述控制器规划打磨路径采用人工规划或自动规划方式。
5.根据权利要求1所述基于多传感器融合的遥操作机器人打磨控制***，其特征在于：所述机械臂上设置关节编码器，所述关节编码器用于获取机器人各关节的关节角，及解算得到机械臂末端位置反馈。
6.根据权利要求1所述基于多传感器融合的遥操作机器人打磨控制***，其特征在于：所述控制器获得的控制信号为：
Figure FDA0003241208020000021
其中kp和kf分别为位移与作用力的增益系数。
CN201810862389.9A 2018-08-01 2018-08-01 一种基于多传感器融合的遥操作机器人打磨控制*** Active CN108942940B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810862389.9A CN108942940B (zh) 2018-08-01 2018-08-01 一种基于多传感器融合的遥操作机器人打磨控制***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810862389.9A CN108942940B (zh) 2018-08-01 2018-08-01 一种基于多传感器融合的遥操作机器人打磨控制***

Publications (2)

Publication Number Publication Date
CN108942940A CN108942940A (zh) 2018-12-07
CN108942940B true CN108942940B (zh) 2022-02-22

Family

ID=64466936

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810862389.9A Active CN108942940B (zh) 2018-08-01 2018-08-01 一种基于多传感器融合的遥操作机器人打磨控制***

Country Status (1)

Country Link
CN (1) CN108942940B (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109623568A (zh) * 2018-12-10 2019-04-16 苏州丰川电子科技有限公司 金属壳体加工用上料打磨一体机
CN109850293A (zh) * 2018-12-12 2019-06-07 楚天科技股份有限公司 一种机器人切膜装置及柔性切膜的方法
CN109940605B (zh) * 2019-01-29 2021-04-20 中国工程物理研究院激光聚变研究中心 融合三维视觉与接触力分析的柔顺装配***及方法
CN109732625B (zh) * 2019-03-15 2020-11-27 珠海格力电器股份有限公司 一种基于机器视觉的工业机器人柔性打磨方法及***
CN111823221A (zh) * 2019-03-27 2020-10-27 天津工业大学 一种基于多传感器的机器人打磨方法
CN110328560A (zh) * 2019-07-31 2019-10-15 上海建桥学院 一种加工复杂球形曲面壳体的机械臂***和方法
CN110861097B (zh) * 2019-12-24 2023-05-23 中国科学院宁波材料技术与工程研究所 减小机械臂振动的力控末端执行机构及力控方法
CN113021082B (zh) * 2019-12-24 2022-06-07 沈阳智能机器人创新中心有限公司 一种基于遥操作及全景视觉的机器人铸件打磨方法
CN111590577B (zh) * 2020-05-19 2021-06-15 台州中盟联动企业管理合伙企业(有限合伙) 机械臂多参量数字变频控制方法及装置
CN112247680A (zh) * 2020-10-22 2021-01-22 广州文冲船厂有限责任公司 一种船舶工件的打磨方法、装置及***
CN112809666B (zh) * 2020-12-17 2023-04-28 安徽工业大学 一种基于神经网络的5-dof机械臂力位跟踪算法
CN112907590B (zh) * 2021-04-09 2022-08-23 南开大学 一种基于金属锭打磨信息视觉识别的打磨方法及***
CN113199491A (zh) * 2021-05-26 2021-08-03 广西大学 一种工业机器人恒力打磨方法
CN113787424A (zh) * 2021-10-11 2021-12-14 北京好运达智创科技有限公司 一种上模打磨装置及打磨方法
CN113954070B (zh) * 2021-10-27 2023-05-02 苏州艾利特机器人有限公司 机械臂运动控制方法、装置、存储介质及电子设备
CN114662410A (zh) * 2022-05-23 2022-06-24 季华实验室 打磨工艺参数组合的确定方法、装置、电子设备和介质
CN115488736A (zh) * 2022-07-05 2022-12-20 港珠澳大桥管理局 一种基于爬壁机器人的自动定位打磨***及打磨方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62114808A (ja) * 1985-11-12 1987-05-26 Dainichi Kiko Kk フロ−テイング式回転ツ−ル
CN104626168A (zh) * 2014-12-16 2015-05-20 苏州大学 基于智能算法的机器人力位柔顺控制方法
CN106914904A (zh) * 2017-03-17 2017-07-04 华中科技大学 一种基于ros的复杂曲面叶片力位混合控制加工***
CN107009368A (zh) * 2017-03-30 2017-08-04 东南大学 基于力传感器的机器人打磨作业控制***及其控制方法
CN107598775A (zh) * 2017-07-27 2018-01-19 芜湖微云机器人有限公司 一种通过激光进行检测并多轴机器人打磨的方法
CN108182689A (zh) * 2016-12-08 2018-06-19 中国科学院沈阳自动化研究所 应用于机器人搬运打磨领域的板状工件三维识别定位方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62114808A (ja) * 1985-11-12 1987-05-26 Dainichi Kiko Kk フロ−テイング式回転ツ−ル
CN104626168A (zh) * 2014-12-16 2015-05-20 苏州大学 基于智能算法的机器人力位柔顺控制方法
CN108182689A (zh) * 2016-12-08 2018-06-19 中国科学院沈阳自动化研究所 应用于机器人搬运打磨领域的板状工件三维识别定位方法
CN106914904A (zh) * 2017-03-17 2017-07-04 华中科技大学 一种基于ros的复杂曲面叶片力位混合控制加工***
CN107009368A (zh) * 2017-03-30 2017-08-04 东南大学 基于力传感器的机器人打磨作业控制***及其控制方法
CN107598775A (zh) * 2017-07-27 2018-01-19 芜湖微云机器人有限公司 一种通过激光进行检测并多轴机器人打磨的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄伟等.BP神经网络及其在磨削力序列预测中的应用.《金刚石与磨料磨具工程》.2001,(第02期),第42-43页. *

Also Published As

Publication number Publication date
CN108942940A (zh) 2018-12-07

Similar Documents

Publication Publication Date Title
CN108942940B (zh) 一种基于多传感器融合的遥操作机器人打磨控制***
CN109434843B (zh) 一种基于拖动示教的机器人力控打磨叶片的设备及方法
CN109955122A (zh) 基于机器视觉的全自动打磨***及全自动打磨方法
CN103831695B (zh) 大型自由曲面机器人打磨***
CN108115705A (zh) 一种机器人打磨控制***及方法
CN105690209B (zh) 一种大型曲面磨削自适应控制方法
CN105290925B (zh) 基于工业机器人的调距桨型面砂带磨削装置及其加工方法
CN108284388A (zh) 一种视觉引导的智能力控磨抛装置
CN109093477B (zh) 一种多机器人协同打磨铸锻件飞边的装置及方法
CN104858782A (zh) 基于模糊自适应力控制的恒力自动打磨装置及方法
KR940009090B1 (ko) 로보트
CN114515924B (zh) 一种基于焊缝识别的塔脚工件自动焊接***及方法
CN107598724A (zh) 基于并联机构的玻璃模具抛光机器人
CN114310540B (zh) 一种机匣流道焊缝机器人自动磨削的装备及方法
CN112318319A (zh) 一种无编程的机器人在线恒力打磨控制***及方法
US20110288673A1 (en) Method for Machining Composite Components
CN111452033A (zh) 一种工业机器人双nurbs曲线铣削轨迹规划方法
CN108068122A (zh) 一种大型船舶槽面加工装置及定位方法
CN108161664B (zh) 一种激光扫描打磨***及方法
CN114453729A (zh) 用于多轴车铣复合机床的激光协同装置及控制方法
CN114274047B (zh) 一种基于力感知测量的高效精密研抛轨迹优化方法
CN113932753A (zh) 一种轮毂法兰盘打磨的轮廓标定方法
CN110560754B (zh) 自适应加工***及其控制方法、车身加工设备
Kalt et al. Development of an intelligent automated polishing system
CN108549323B (zh) 一种五轴数控工具磨床通用后置处理方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant