CN114454179B - 一种智能机器手关节自动校正***及方法 - Google Patents
一种智能机器手关节自动校正***及方法 Download PDFInfo
- Publication number
- CN114454179B CN114454179B CN202210268228.3A CN202210268228A CN114454179B CN 114454179 B CN114454179 B CN 114454179B CN 202210268228 A CN202210268228 A CN 202210268228A CN 114454179 B CN114454179 B CN 114454179B
- Authority
- CN
- China
- Prior art keywords
- signal
- value
- correction
- interference
- intelligent robot
- 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
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
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1669—Programme controls characterised by programming, planning systems for manipulators characterised by special application, e.g. multi-arm co-operation, assembly, grasping
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J17/00—Joints
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Numerical Control (AREA)
Abstract
本发明涉及智能机器手关节技术领域,用于解决现有的对智能机器手关节的校正方式存在较大的误差性和不准确性,且也无法对影响智能机器手关节校正的干扰因素进行全面的分析,故难以保证智能机器手关节校正的准确性和高效性的问题,尤其公开了一种智能机器手关节自动校正***及方法,包括数据采集单元、误差初判单元、误差二判单元、综合分析单元、定位分析单元、校正反馈单元、统计分析单元和显示终端;本发明是利用不同的方式对干扰因素信息进行反复且全面的判别分析,对智能机器手关节的位置进行精准的分析处理,在实现对影响智能机器手关节校正精度的干扰因素进行全面且准确的分析的同时,也提高智能机器手关节校正的精度性和高效性。
Description
技术领域
本发明涉及智能机器手关节技术领域,具体为一种智能机器手关节自动校正***及方法。
背景技术
机器手是一种能模仿人手和臂的某些动作功能,用以按固定程序抓取、搬运物件或操作工具的自动操作装置,构造和性能上兼有人和机器手各自的优点,机器手是最早出现的工业机器人,也是最早出现的现代机器人,它可以代替人的繁重劳动以实现生产的机械化和自动化,能在有害环境下操作以保护人身安全,因而广泛应用于机械制造、冶金、电子、轻工和原子能等部门;
智能机器手关节在执行夹取和搬运操作前,需要进行位置校对,但现有的对智能机器手关节位置校正调节的方式大都还是以人工肉眼预测的结果作为校正依据,其智能机器手关节校正调节的方式存在较大的误差性,而且通过人工肉眼校对,无法对影响智能机器手关节校正的干扰因素进行全面的分析,故无法保证智能机器手关节校正的准确性和高效性;
为了解决上述缺陷,现提供一种技术方案。
发明内容
本发明的目的就在于为了解决现有的对智能机器手关节的校正方式存在较大的误差性和不准确性,且也无法对影响智能机器手关节校正的干扰因素进行全面的分析,故难以保证智能机器手关节校正的准确性和高效性的问题,利用不同的分析方式对影响机器手关节校正的干扰因素信息进行反复且全面的判别分析,利用三维坐标的建立、坐标点的对比以及公式化的分析方式,对智能机器手关节的位置进行精准的分析处理,并以智能机器手关节的各类误差等级判别信号作为依据,并选取对应的各类偏差调控系数进行比对锁定分析处理,从而在对影响智能机器手关节校正精度的干扰因素进行全面且准确的分析的同时,也提高了智能机器手关节校正的精度性和高效性,促进了智能机器手关节的发展,而提出一种智能机器手关节自动校正***及方法。
本发明的目的可以通过以下技术方案实现:
一种智能机器手关节自动校正***及方法,包括数据采集单元、误差初判单元、误差二判单元、综合分析单元、定位分析单元、校正锁定单元和显示终端;
所述数据采集单元用于采集单位时间内的智能机器手关节的干扰因素信息,并将其分别发送至误差初判单元和误差二判单元;
所述数据采集单元还用于采集实时的智能机器手关节的本***置信息和被抓取物的特征参数信息,并将其均发送至定位分析单元;
所述误差初判单元用于对接收的影响智能机器手关节校正的干扰因素信息进行数据化判别分析处理,并据此生成第一强干扰信号、第一中等干扰信号或第一弱干扰信号,并将其发送至综合分析单元;
所述误差二判单元用于对接收的影响智能机器手关节校正的干扰因素信息进行分类判别分析处理,据此生成第二强干扰信号、第二中等干扰信号或第二弱干扰信号,并将其发送至综合分析单元;
所述综合分析单元对接收的第一类型干扰等级信号和第二类型干扰等级信号进行融合预判分析处理,据此生成一级误差信号、二级误差信号或三级误差信号,并将其发送至校正锁定单元;
所述定位分析单元对接收的智能机器手关节的本***置信息和被抓取物的特征参数信息进行定位分析处理,据此生成第一偏差调控系数r1、第二偏差调控系数r2或第三偏差调控系数r3,并将其发送至校正锁定单元;
所述校正锁定单元用于对接收的各类误差等级判别信号和各类偏差调控系数进行比对锁定分析处理,据此生成校正强制精准信号、校正强制次级精准信号或校正强制最次级精准信号,并将其发送至显示终端进行显示说明。
进一步的,干扰因素信息用于表示影响智能机器人手关节校正准确性的数据信息,且干扰因素信息包括老化量值、定位速度、刚度量值和运动重量量值;
其中,老化量值用于表示智能机械手关节的自出厂到现在的使用时间占额定使用时间的百分比,定位速度指的是机械手关节在夹取搬运物体操作的速度快慢的数据量值,刚度量值指的是构建智能机械手关节结构材质刚度的数据量值,而运动重量量值用于表示智能机器手关节的所能夹取或搬运物体的最大重量与被抓取物重量之间的比值;
本***置信息用于表示智能机器人手关节本体的所处位置的坐标信息,且本***置信息包括本体高度量值、本体宽度量值和本体长度量值;
特征参数信息用于表示能够体现被抓取物的真实的长宽高的数据量值,且特征参数信息包括物高度量值、物宽度量值和物长度量值。
进一步的,数据化判别分析处理的具体操作步骤如下:
获取单位时间内的干扰因素信息中的老化量值、定位速度、刚度量值和运动重量量值,并将其分别标定为Lh、Dv、Gd和Ym,依据公式,求得干扰系数Grx,其中,e1、e2、e3和e4分别为老化量值、定位速度、刚度量值和运动重量量值的权重因子系数,其中,e2>e4>e3>e1>0,且e1+e2+e3+e4=5.6203;
将生成的干扰系数Grx代入对应的预设阈值Yu中,当干扰系数Grx大于预设阈值Yu的最大值时,则生成第一强干扰信号,当干扰系数Grx处于预设阈值Yu的范围之内时,则生成第一中等干扰信号,当干扰系数Grx小于预设阈值Yu的最小值时,则生成第一弱干扰信号。
进一步的,分类判别分析处理的具体操作步骤如下:
S1:获取单位时间内的干扰因素信息中的老化量值Lh、定位速度Dv、刚度量值Gd和运动重量量值Ym,并将其分别与对应的对比值Ca1、Ca2、Ca3和Ca4进行比对分析;
S2:当老化量值Lh≥对比值Ca1时,则生成异常老化信号,当老化量值Lh<对比值Ca1时,则生成正常老化信号,并将异常老化信号标定为1,将正常老化信号标定为0;
S3:当定位速度Dv≥对比值Ca2时,则生成速度合格信号,当老化量值Lh<对比值Ca2时,则生成速度不合格信号,并将速度不合格信号标定为1,将速度合格信号标定为0;
S4:当刚度量值Gd≥对比值Ca3时,则生成刚度合格信号,当刚度量值Gd<对比值Ca3时,则生成刚度不合格信号,并将刚度不合格信号标定为1,将刚度合格信号标定为0;
S5:当运动重量量值Ym≥对比值Ca4时,则生成运动精度弱化信号,当运动重量量值Ym<对比值Ca4时,则生成运动精度正常信号,并将运动精度弱化信号标定为1,将运动精度正常信号标定为0;
S6:捕捉步骤S1-S5中的各类判别信号中的标定符号0和1,并统计符号0的数量和符号1的数量和,并将符号0的数量和标定为SL1,将符号1的数量和标定为SL2,若满足SL1>SL2=0时,则生成第二弱干扰信号,若满足SL1≥SL2≠0时,则生成第二中等干扰信号,若满足SL1<SL2时,则生成第二强干扰信号。
进一步的,融合预判分析处理的具体操作步骤如下:
捕捉第一类型干扰信号中的第一强干扰信号、第一中等干扰信号和第一弱干扰信号,并将其分别标定为Y-1、Y-2和Y-3;
捕捉第二类型干扰信号中的第二强干扰信号、第二中等干扰信号和第二弱干扰信号,并将其分别标定为E-1、E-2和E-3;
若满足Y-1∩(E-1∪E-2)或(Y-1∪Y-2)∩E-1时,则均生成一级误差信号,若满足Y-2∩E-2或Y-2∩E-3或Y-3∩E-2时,则均生成二级误差信号,若满足Y-3∩E-3时,则生成三级误差信号。
进一步的,定位分析处理的具体操作步骤如下:
SS1:获取实时的各被抓取物的特征参数信息中的物高度量值、物宽度量值和物长度量值,并将其分别标定为、和,其中,i={1,2,3…n},统一被抓取物的特征参数信息中三个量值的单位,并选取三个量值中表现数值最大的一个量值作为参照值K,以K+1的长度单位构建X=K+1,Y=K+1和Z=K+1的单位三维坐标系,其中,X,Y和Z分别表示单位三维坐标系的三个轴;
SS3:获取各实时点的智能机器手关节所处的本***置信息中的本体高度量值、本体宽度量值和本体长度量值,并将其分别标定为、和,其中,j={1,2,3…m},并将其在单位三维坐标系中显示,分别依据公式,和得到智能机器手关节所在坐标点Q(,,);
SS4:设智能机器手关节的相对校正参照坐标点O(,,),并据此将SS2中的坐标点P(X,Y,Z)与SS3中的坐标点Q(,,)进行一一对照,依据公式,,,分别求得第一偏差调控系数r1、第二偏差调控系数r2和第三偏差调控系数r3。
进一步的,比对锁定分析处理的具体操作步骤如下:
捕捉各类误差等级判别信号和各类偏差调控系数,当接收到一级误差信号时,并捕捉偏差调控系数,仅允许r1、r2和r3的表现值均不大于5%,并据此生成校正强制精准信号;
当接收到二级误差信号时,并捕捉偏差调控系数,允许r1、r2和r3的表现值处于5%-10%之间,并据此生成校正强制次级精准信号;
当接收到三级误差信号时,并捕捉偏差调控系数,允许r1、r2和r3的表现值处于10%-20%之间,并据此生成校正强制最次级精准信号。
进一步的,一种智能机器手关节自动校正的方法,包括以下步骤:
步骤一:采集单位时间内影响机器手关节校正的干扰因素信息,先利用符号化的标定、公式化的计算以及阈值代入比较的方式,从侧面将影响机器手关节校正的干扰因素信息进行了数据化的准确分析;
步骤二:再利用分类项的逐一代入对比、分类项的赋值标定以及求和比较的方式,从正面对影响机器手关节校正的干扰因素信息进行了信号化的准确输出;
步骤三:通过集合交叉分析处理的方式,将通过对影响智能机器手关节精准校正的两类干扰因素信号进行整合分析;
步骤四:通过采集智能机器手关节的本***置信息和被抓取物的特征参数信息,通过三维坐标的建立、坐标点的对比以及公式化的分析方式,对智能机器手关节的位置进行精准的分析处理;
步骤五:以智能机器手关节的各类误差等级判别信号作为依据,并选取对应的各类偏差调控系数进行比对锁定分析处理,并将智能机器手关节的校正结果发送至显示终端进行显示说明。
与现有技术相比,本发明的有益效果是:
1、 本发明,利用不同的分析方式对影响机器手关节校正的干扰因素信息进行反复且全面的判别分析,并利用集合交叉分析处理的方式,将通过对影响智能机器手关节精准校正的两类干扰因素信号进行整合分析,从而在实现了对影响智能机器手校正精度的干扰因素进行全面且准确的输出分析的同时,也为后面的智能机器手的校正的精准度奠定了基础;
2、 本发明,利用三维坐标的建立、坐标点的对比以及公式化的分析方式,对智能机器手关节的位置进行精准的分析处理,并进一步促进智能机器手关节校正的精准性和准确性,并以智能机器手关节的各类误差等级判别信号作为依据,并选取对应的各类偏差调控系数进行比对锁定分析处理,从而在对影响智能机器手关节校正精度的干扰因素进行全面且准确的分析的同时,也提高了智能机器手关节校正的精度性和高效性,促进了智能机器手关节的发展。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明;
图1为本发明的***总框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例一:
如图1所示,一种智能机器手关节自动校正***及方法,包括数据采集单元、误差初判单元、误差二判单元、综合分析单元、定位分析单元、校正锁定单元和显示终端;
数据采集单元用于采集单位时间内的机器手关节的干扰因素信息,并将其分别发送至误差初判单元和误差二判单元;
需要说明的是,干扰因素信息用于表示影响智能机器人手关节校正准确性的数据信息,且干扰因素信息包括老化量值、定位速度、刚度量值和运动重量量值,其中,老化量值用于表示智能机械手关节的自出厂到现在的使用时间占额定使用时间的百分比,且当老化量值的表现数值越大时,则越说明干扰智能机械手关节校正精度的因素越大;
定位速度指的是机械手关节在夹取搬运物体操作的速度快慢的数据量值,且当定位速度的表现数值越大时,则越说明干扰智能机械手关节校正精度的因素越小;
刚度量值指的是构建智能机械手关节结构材质刚度的数据量值,且当刚度量值的表现数值越低时,则会使得智能机械手关节在与被抓取物接触时产生振动,而振动又会直接影响智能机器手关节的校正精度,而运动重量量值用于表示智能机器手关节的所能夹取或搬运物体的最大重量与被抓取物重量之间的比值;
数据采集单元还用于采集实时的智能机器手关节的本***置信息和被抓取物的特征参数信息,并将其均发送至定位分析单元;
需要说明的是,本***置信息用于表示智能机器人手关节本体的所处位置的坐标信息,且本***置信息包括本体高度量值、本体宽度量值和本体长度量值,需要说明的是,本体高度量值用于表示智能机器人手关节所处的位置相对于水平面的高度位置,本体宽度量值用于表示智能机器人手关节的所能允许扩张的宽度数据,本体长度量值用于表示智能机器人手关节的所能允许扩张的长度数据;
特征参数信息用于表示能够体现被抓取物的真实的长宽高的数据量值,且特征参数信息包括物高度量值、物宽度量值和物长度量值,其中,物高度量值指的是被抓取物的实际测量高度的数据量值,物宽度量值指的是被抓取物的实际测量宽度的数据量值,物长度量值指的是被抓取物的实际测量长度的数据量值;
误差初判单元用于对接收的影响机器手关节校正的干扰因素信息进行数据化判别分析处理,并据此生成第一强干扰信号、第一中等干扰信号或第一弱干扰信号,并将其发送至综合分析单元;
误差二判单元用于对接收的影响机器手关节校正的干扰因素信息进行分类判别分析处理,据此生成第二强干扰信号、第二中等干扰信号或第二弱干扰信号,并将其发送至综合分析单元;
综合分析单元对接收的第一类型干扰等级信号和第二类型干扰等级信号进行融合预判分析处理,据此生成一级误差信号、二级误差信号或三级误差信号,并将其发送至校正锁定单元;
定位分析单元对接收的机器手关节的本***置信息和被抓取物的特征参数信息进行定位分析处理,据此生成第一偏差调控系数r1、第二偏差调控系数r2或第三偏差调控系数r3,并将其发送至校正锁定单元;
校正锁定单元用于对接收的各类误差等级判别信号和各类偏差调控系数进行比对锁定分析处理,据此生成校正强制精准信号、校正强制次级精准信号或校正强制最次级精准信号,并将其发送至显示终端进行显示说明。
实施例二:
如图1所示,数据采集单元用于采集单位时间内的智能机器手关节的干扰因素信息,并将其分别发送至误差初判单元和误差二判单元;
当误差初判单元接收到影响智能机器手关节校正的干扰因素信息时,并据此进行数据化判别分析处理,具体的处理步骤如下:
获取单位时间内的干扰因素信息中的老化量值、定位速度、刚度量值和运动重量量值,并将其分别标定为Lh、Dv、Gd和Ym,依据公式,求得干扰系数Grx,其中,e1、e2、e3和e4分别为老化量值、定位速度、刚度量值和运动重量量值的权重因子系数,其中,e2>e4>e3>e1>0,且e1+e2+e3+e4=5.6203;
需要说明的是,权重因子系数用于均衡各项数据在公式计算中的占比权重,从而促进计算结果的准确性,单位时间表示智能机器手关节运转的一天时间;
将生成的干扰系数Grx代入对应的预设阈值Yu中,当干扰系数Grx大于预设阈值Yu的最大值时,则生成第一强干扰信号,当干扰系数Grx处于预设阈值Yu的范围之内时,则生成第一中等干扰信号,当干扰系数Grx小于预设阈值Yu的最小值时,则生成第一弱干扰信号;并将生成第一强干扰信号、第一中等干扰信号或第一弱干扰信号发送至综合分析单元;
当误差二判单元接收到影响智能机器手关节校正的干扰因素信息时,并据此进行分类判别分析处理,具体的处理步骤如下:
S1:获取单位时间内的干扰因素信息中的老化量值Lh、定位速度Dv、刚度量值Gd和运动重量量值Ym,并将其分别与对应的对比值Ca1、Ca2、Ca3和Ca4进行比对分析;
S2:当老化量值Lh≥对比值Ca1时,则生成异常老化信号,当老化量值Lh<对比值Ca1时,则生成正常老化信号,并将异常老化信号标定为1,将正常老化信号标定为0;
S3:当定位速度Dv≥对比值Ca2时,则生成速度合格信号,当老化量值Lh<对比值Ca2时,则生成速度不合格信号,并将速度不合格信号标定为1,将速度合格信号标定为0;
S4:当刚度量值Gd≥对比值Ca3时,则生成刚度合格信号,当刚度量值Gd<对比值Ca3时,则生成刚度不合格信号,并将刚度不合格信号标定为1,将刚度合格信号标定为0;
S5:当运动重量量值Ym≥对比值Ca4时,则生成运动精度弱化信号,当运动重量量值Ym<对比值Ca4时,则生成运动精度正常信号,并将运动精度弱化信号标定为1,将运动精度正常信号标定为0;
S6:捕捉步骤S1-S5中的各类判别信号中的标定符号0和1,并统计符号0的数量和符号1的数量和,并将符号0的数量和标定为SL1,将符号1的数量和标定为SL2,若满足SL1>SL2=0时,则生成第二弱干扰信号,若满足SL1≥SL2≠0时,则生成第二中等干扰信号,若满足SL1<SL2时,则生成第二强干扰信号,并将生成第二强干扰信号、第二中等干扰信号或第二弱干扰信号发送至综合分析单元;
当综合分析单元接收到第一类型干扰等级信号和第二类型干扰等级信号时,并据此进行融合预判分析处理,具体的处理步骤如下:
捕捉第一类型干扰信号中的第一强干扰信号、第一中等干扰信号和第一弱干扰信号,并将其分别标定为Y-1、Y-2和Y-3;
捕捉第二类型干扰信号中的第二强干扰信号、第二中等干扰信号和第二弱干扰信号,并将其分别标定为E-1、E-2和E-3;
若满足Y-1∩(E-1∪E-2)或(Y-1∪Y-2)∩E-1时,则均生成一级误差信号,若满足Y-2∩E-2或Y-2∩E-3或Y-3∩E-2时,则均生成二级误差信号,若满足Y-3∩E-3时,则生成三级误差信号;
并将生成的一级误差信号、二级误差信号或三级误差信号发送至校正锁定单元。
实施例三:
如图1所示,数据采集单元还用于采集实时的智能机器手关节的本***置信息和被抓取物的特征参数信息,并将其均发送至定位分析单元;
当定位分析单元接收到智能机器手关节的本***置信息和被抓取物的特征参数信息时,并据此进行定位分析处理,具体的处理步骤如下:
SS1:获取实时的各被抓取物的特征参数信息中的物高度量值、物宽度量值和物长度量值,并将其分别标定为、和,其中,i={1,2,3…n},且i表示各被抓取物,统一被抓取物的特征参数信息中三个量值的单位,并选取三个量值中表现数值最大的一个量值作为参照值K,以K+1的长度单位构建X=K+1,Y=K+1和Z=K+1的单位三维坐标系,其中,X,Y和Z分别表示单位三维坐标系的三个轴;
SS3:获取各实时点的智能机器手关节所处的本***置信息中的本体高度量值、本体宽度量值和本体长度量值,并将其分别标定为、和,其中,j={1,2,3…m},且j表示实时点,并将其在单位三维坐标系中显示,分别依据公式,和得到智能机器手关节所在坐标点Q(,,);
SS4:设智能机器手关节的相对校正参照坐标点O(,,),并据此将SS2中的坐标点P(X,Y,Z)与SS3中的坐标点Q(,,)进行一一对照,依据公式,,,分别求得第一偏差调控系数r1、第二偏差调控系数r2和第三偏差调控系数r3,并将生成的第一偏差调控系数r1、第二偏差调控系数r2或第三偏差调控系数r3发送至校正锁定单元。
实施例四:
如图1所示,校正锁定单元用于对接收的各类误差等级判别信号和各类偏差调控系数进行比对锁定分析处理,具体的处理步骤如下:
捕捉各类误差等级判别信号和各类偏差调控系数,当接收到一级误差信号时,并捕捉偏差调控系数,仅允许r1、r2和r3的表现值均不大于5%,并据此生成校正强制精准信号;
当接收到二级误差信号时,并捕捉偏差调控系数,允许r1、r2和r3的表现值处于5%-10%之间,并据此生成校正强制次级精准信号;
当接收到三级误差信号时,并捕捉偏差调控系数,允许r1、r2和r3的表现值处于10%-20%之间,并据此生成校正强制最次级精准信号;
并将生成的校正强制精准信号、校正强制次级精准信号或校正强制最次级精准信号发送至显示终端进行显示说明。
实施例五:
如图1所示,一种智能机器手关节自动校正方法,包括以下步骤:
步骤一:采集单位时间内影响机器手关节校正的干扰因素信息,先利用符号化的标定、公式化的计算以及阈值代入比较的方式,从侧面将影响机器手关节校正的干扰因素信息进行了数据化的准确分析,从而促进了对智能机器手关节的校正的准确性;
步骤二:再利用分类项的逐一代入对比、分类项的赋值标定以及求和比较的方式,从正面对影响机器手关节校正的干扰因素信息进行了信号化的准确输出,从而更进一步的促进了智能机器手关节的精确校正;
步骤三:通过集合交叉分析处理的方式,将通过对影响智能机器手关节精准校正的两类干扰因素信号进行整合分析,从而在实现了对影响智能机器手关节校正精度的干扰因素进行全面且准确的输出分析的同时,也为提高智能机器手关节的校正的精准度奠定了基础;
步骤四:通过采集智能机器手关节的本***置信息和被抓取物的特征参数信息,通过三维坐标的建立、坐标点的对比以及公式化的分析方式,对智能机器手关节的位置进行精准的分析处理,并进一步促进智能机器手关节校正的精准性和准确性;
步骤五:以智能机器手关节的各类误差等级判别信号作为依据,并选取对应的各类偏差调控系数进行比对锁定分析处理,并将智能机器手关节的校正结果发送至显示终端进行显示说明。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置;
由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的权重因子系数;将设定的权重因子系数和采集的样本数据代入公式,任意四个公式构成二元一次方程组,将计算得到的系数进行筛选并取均值,得到e1、e2、e3和e4取值分别为1.3210、0.7548、3.0581和0.4864;
系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的权重因子系数;只要不影响参数与量化后数值的比例关系即可。
本发明在使用时,采集单位时间内影响智能机器手关节校正的干扰因素信息,并分别利用不同的分析方式对影响机器手关节校正的干扰因素信息进行判别分析,并利用集合交叉分析处理的方式,将通过对影响智能机器手关节精准校正的两类干扰因素信号进行整合分析,从而在实现了对影响智能机器手校正精度的干扰因素进行全面且准确的输出分析的同时,也为后面的智能机器手的校正的精准度奠定了基础;
通过采集智能机器手关节的本***置信息和被抓取物的特征参数信息,通过三维坐标的建立、坐标点的对比以及公式化的分析方式,对智能机器手关节的位置进行精准的分析处理,并进一步促进智能机器手关节校正的精准性和准确性,以智能机器手关节的各类误差等级判别信号作为依据,并选取对应的各类偏差调控系数进行比对锁定分析处理,从而在对影响智能机器手关节校正精度的干扰因素进行全面且准确的分析的同时,也提高了智能机器手关节校正的精度性和高效性,促进了智能机器手关节的发展。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (4)
1.一种智能机器手关节自动校正***,其特征在于,包括数据采集单元、误差初判单元、误差二判单元、综合分析单元、定位分析单元、校正锁定单元和显示终端;
所述数据采集单元用于采集单位时间内的智能机器手关节的干扰因素信息,并将其分别发送至误差初判单元和误差二判单元;
其中,干扰因素信息用于表示影响智能机器手关节校正准确性的数据信息,且干扰因素信息包括老化量值、定位速度、刚度量值和运动重量量值,其中,老化量值用于表示智能机器手关节的自出厂到现在的使用时间占额定使用时间的百分比,定位速度指的是智能机器手关节在夹取搬运物体操作的速度快慢的数据量值,刚度量值指的是构建智能机器手关节结构材质刚度的数据量值,而运动重量量值用于表示智能机器手关节的所能夹取或搬运物体的最大重量与被抓取物重量之间的比值;
所述数据采集单元还用于采集实时的智能机器手关节的本***置信息和被抓取物的特征参数信息,并将其均发送至定位分析单元;
其中,本***置信息用于表示智能机器手关节本体的所处位置的坐标信息,且本***置信息包括本体高度量值、本体宽度量值和本体长度量值;特征参数信息用于表示能够体现被抓取物的真实的长宽高的数据量值,且特征参数信息包括物高度量值、物宽度量值和物长度量值;
所述误差初判单元用于对接收的影响智能机器手关节校正的干扰因素信息进行数据化判别分析处理,具体的操作过程如下:
获取单位时间内的干扰因素信息中的老化量值、定位速度、刚度量值和运动重量量值,并将其分别标定为Lh、Dv、Gd和Ym,依据公式,求得干扰系数Grx,其中,e1、e2、e3和e4分别为老化量值、定位速度、刚度量值和运动重量量值的权重因子系数,其中,e2>e4>e3>e1>0,且e1+e2+e3+e4=5.6203;
将生成的干扰系数Grx代入对应的预设阈值Yu中,当干扰系数Grx大于预设阈值Yu的最大值时,则生成第一强干扰信号,当干扰系数Grx处于预设阈值Yu的范围之内时,则生成第一中等干扰信号,当干扰系数Grx小于预设阈值Yu的最小值时,则生成第一弱干扰信号;
将生成的第一强干扰信号、第一中等干扰信号或第一弱干扰信号发送至综合分析单元;
所述误差二判单元用于对接收的影响智能机器手关节校正的干扰因素信息进行分类判别分析处理,具体的操作过程如下:
S1:获取单位时间内的干扰因素信息中的老化量值Lh、定位速度Dv、刚度量值Gd和运动重量量值Ym,并将其分别与对应的对比值Ca1、Ca2、Ca3和Ca4进行比对分析;
S2:当老化量值Lh≥对比值Ca1时,则生成异常老化信号,当老化量值Lh<对比值Ca1时,则生成正常老化信号,并将异常老化信号标定为1,将正常老化信号标定为0;
S3:当定位速度Dv≥对比值Ca2时,则生成速度合格信号,当定位速度Dv<对比值Ca2时,则生成速度不合格信号,并将速度不合格信号标定为1,将速度合格信号标定为0;
S4:当刚度量值Gd≥对比值Ca3时,则生成刚度合格信号,当刚度量值Gd<对比值Ca3时,则生成刚度不合格信号,并将刚度不合格信号标定为1,将刚度合格信号标定为0;
S5:当运动重量量值Ym≥对比值Ca4时,则生成运动精度弱化信号,当运动重量量值Ym<对比值Ca4时,则生成运动精度正常信号,并将运动精度弱化信号标定为1,将运动精度正常信号标定为0;
S6:捕捉步骤S1-S5中的各类判别信号中的标定符号0和1,并统计符号0的数量和和符号1的数量和,并将符号0的数量和标定为SL1,将符号1的数量和标定为SL2,若满足SL1>SL2=0时,则生成第二弱干扰信号,若满足SL1≥SL2≠0时,则生成第二中等干扰信号,若满足SL1<SL2时,则生成第二强干扰信号;
将生成的第二强干扰信号、第二中等干扰信号或第二弱干扰信号发送至综合分析单元;
所述综合分析单元对接收的第一类型干扰等级信号和第二类型干扰等级信号进行融合预判分析处理,据此生成一级误差信号、二级误差信号或三级误差信号,并将其发送至校正锁定单元,其中,第一类型干扰等级信号包括第一强干扰信号、第一中等干扰信号或第一弱干扰信号,第二类型干扰等级信号包括第二强干扰信号、第二中等干扰信号或第二弱干扰信号;
所述定位分析单元对接收的智能机器手关节的本***置信息和被抓取物的特征参数信息进行定位分析处理,具体的操作过程如下:
SS1:获取实时的各被抓取物的特征参数信息中的物高度量值、物宽度量值和物长度量值,并将其分别标定为、和,其中,i={1,2,3…n},统一被抓取物的特征参数信息中三个量值的单位,并选取三个量值中表现数值最大的一个量值作为参照值K,以K+1的长度单位构建X=K+1,Y=K+1和Z=K+1的单位三维坐标系,其中,X,Y和Z分别表示单位三维坐标系的三个轴;
SS3:获取各实时点的智能机器手关节所处的本***置信息中的本体高度量值、本体宽度量值和本体长度量值,并将其分别标定为、和,其中,j={1,2,3…m},并将其在单位三维坐标系中显示,分别依据公式,和得到智能机器手关节所在坐标点Q(,,);
SS4:设智能机器手关节的相对校正参照坐标点O(,,),并据此将SS2中的坐标点P(X,Y,Z)与SS3中的坐标点Q(,,)进行一一对照,依据公式,,,分别求得第一偏差调控系数r1、第二偏差调控系数r2和第三偏差调控系数r3;
据此生成第一偏差调控系数r1、第二偏差调控系数r2或第三偏差调控系数r3,并将其发送至校正锁定单元;
所述校正锁定单元用于对接收的各类误差等级判别信号和各类偏差调控系数进行比对锁定分析处理,据此生成校正强制精准信号、校正强制次级精准信号或校正强制最次级精准信号,并将其发送至显示终端进行显示说明。
2.根据权利要求1所述的一种智能机器手关节自动校正***,其特征在于,融合预判分析处理的具体操作步骤如下:
捕捉第一类型干扰等级信号中的第一强干扰信号、第一中等干扰信号和第一弱干扰信号,并将其分别标定为Y-1、Y-2和Y-3;
捕捉第二类型干扰等级信号中的第二强干扰信号、第二中等干扰信号和第二弱干扰信号,并将其分别标定为E-1、E-2和E-3;
若满足Y-1∩(E-1∪E-2)或(Y-1∪Y-2)∩E-1时,则均生成一级误差信号,若满足Y-2∩E-2或Y-2∩E-3或Y-3∩E-2时,则均生成二级误差信号,若满足Y-3∩E-3时,则生成三级误差信号。
3.根据权利要求1所述的一种智能机器手关节自动校正***,其特征在于,比对锁定分析处理的具体操作步骤如下:
捕捉各类误差等级判别信号和各类偏差调控系数,当接收到一级误差信号时,并捕捉偏差调控系数,仅允许r1、r2和r3的表现值均不大于5%,并据此生成校正强制精准信号;
当接收到二级误差信号时,并捕捉偏差调控系数,允许r1、r2和r3的表现值处于5%-10%之间,并据此生成校正强制次级精准信号;
当接收到三级误差信号时,并捕捉偏差调控系数,允许r1、r2和r3的表现值处于10%-20%之间,并据此生成校正强制最次级精准信号。
4.执行权利要求1所述的一种智能机器手关节自动校正***的方法,其特征在于,包括以下步骤:
步骤一:采集单位时间内影响机器手关节校正的干扰因素信息,先利用符号化的标定、公式化的计算以及阈值代入比较的方式,从侧面将影响机器手关节校正的干扰因素信息进行了数据化的分析;
步骤二:再利用分类项的逐一代入对比、分类项的赋值标定以及求和比较的方式,从正面对影响机器手关节校正的干扰因素信息进行了信号化的输出;
步骤三:通过集合交叉分析处理的方式,对影响智能机器手关节精准校正的两类干扰因素信号进行整合分析;
步骤四:通过采集智能机器手关节的本***置信息和被抓取物的特征参数信息,通过三维坐标的建立、坐标点的对比以及公式化的分析方式,对智能机器手关节的位置进行分析处理;
步骤五:以智能机器手关节的各类误差等级判别信号作为依据,并选取对应的各类偏差调控系数进行比对锁定分析处理,并将智能机器手关节的校正结果发送至显示终端进行显示说明。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210268228.3A CN114454179B (zh) | 2022-03-18 | 2022-03-18 | 一种智能机器手关节自动校正***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210268228.3A CN114454179B (zh) | 2022-03-18 | 2022-03-18 | 一种智能机器手关节自动校正***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114454179A CN114454179A (zh) | 2022-05-10 |
CN114454179B true CN114454179B (zh) | 2022-10-14 |
Family
ID=81416919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210268228.3A Active CN114454179B (zh) | 2022-03-18 | 2022-03-18 | 一种智能机器手关节自动校正***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114454179B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117381776B (zh) * | 2023-10-24 | 2024-06-21 | 深圳市磐锋精密技术有限公司 | 一种机器手关节自动校正控制*** |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101988201B1 (ko) * | 2017-08-16 | 2019-06-11 | 오앤엠 할리야드 인터내셔널 언리미티드 컴퍼니 | 안면 마스크 제조 프로세스에서 타이를 랩핑하는 방법 및 시스템 |
CN111007804B (zh) * | 2019-12-05 | 2023-06-02 | 齐鲁工业大学 | 一种切削加工机器人的动态误差补偿与控制方法 |
CN112720480B (zh) * | 2020-12-22 | 2022-08-16 | 华中科技大学 | 一种基于分级误差的机器人轨迹修正方法及*** |
CN113635299B (zh) * | 2021-07-23 | 2022-11-25 | 深圳市朗驰欣创科技股份有限公司 | 一种机械臂的校正方法、终端设备及存储介质 |
CN113900465B (zh) * | 2021-12-07 | 2022-02-22 | 深圳市领志光机电自动化***有限公司 | 一种用于精密产品的智能定位视觉点胶*** |
CN114168906B (zh) * | 2022-02-14 | 2022-05-06 | 威海市房地产测绘中心有限公司 | 一种基于云计算的测绘地理信息数据采集*** |
-
2022
- 2022-03-18 CN CN202210268228.3A patent/CN114454179B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114454179A (zh) | 2022-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106568783B (zh) | 一种五金零件缺陷检测***及方法 | |
CN114454179B (zh) | 一种智能机器手关节自动校正***及方法 | |
CN114168906B (zh) | 一种基于云计算的测绘地理信息数据采集*** | |
BEUß et al. | Ergonomics simulation in aircraft manufacturing–methods and potentials | |
CN110879583A (zh) | 基于数字孪生的智能装配车间质量预测与控制***及方法 | |
JP6795562B2 (ja) | 検査装置及び機械学習方法 | |
CN104471359A (zh) | 噪声识别装置及噪声识别方法 | |
CN115993366B (zh) | 基于传感设备的加工件表面检测方法及*** | |
CA2034492A1 (en) | Method of monitoring the operational state of a system | |
JP6823025B2 (ja) | 検査装置及び機械学習方法 | |
CN116678368B (zh) | 基于bim技术的装配式钢结构数据智能采集方法 | |
CN101592692B (zh) | 测量机台的评估方法 | |
CN114819768B (zh) | 一种电容器引出线焊接控制*** | |
CN115752243A (zh) | 一种测量数据融合方法 | |
CN110021027B (zh) | 一种基于双目视觉的切边点计算方法 | |
Papadakis | A computer-automated statistical process control method with timely response | |
CN114193450B (zh) | 一种基于人工智能的双工位机器人送料作业精准性智能分析调控方法 | |
CN113065584B (zh) | 基于区间数相似性差异构造基本概率赋值的目标分类方法 | |
CN116681698B (zh) | 一种弹簧自动装配质量检测方法及*** | |
CN114029723B (zh) | 一种基于多源传感的装配机械手用高精度装配方法 | |
CN117392182B (zh) | 贴膜精度检测方法、装置、设备及存储介质 | |
CN106568398A (zh) | 摆角头及相似类型产品摆动轴回转精度的测量方法 | |
EP4143511A1 (en) | System and method for classifying sensor readings | |
CN116399500A (zh) | 一种接触力检测方法及磁触觉传感器 | |
CN118172411A (zh) | 一种机器人打磨离线定位识别设计*** |
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 |