CN114619451A - 串联工业机器人的机电控感耦合建模方法 - Google Patents
串联工业机器人的机电控感耦合建模方法 Download PDFInfo
- Publication number
- CN114619451A CN114619451A CN202210335762.1A CN202210335762A CN114619451A CN 114619451 A CN114619451 A CN 114619451A CN 202210335762 A CN202210335762 A CN 202210335762A CN 114619451 A CN114619451 A CN 114619451A
- Authority
- CN
- China
- Prior art keywords
- model
- motor
- modeling
- coupling
- discrete
- 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.)
- Granted
Links
- 230000008878 coupling Effects 0.000 title claims abstract description 85
- 238000010168 coupling process Methods 0.000 title claims abstract description 85
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000001939 inductive effect Effects 0.000 title claims abstract description 19
- 239000003638 chemical reducing agent Substances 0.000 claims abstract description 37
- 230000001360 synchronised effect Effects 0.000 claims abstract description 31
- 230000005520 electrodynamics Effects 0.000 claims abstract description 13
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000013016 damping Methods 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 4
- 230000006698 induction Effects 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/1605—Simulation of manipulator lay-out, design, modelling of manipulator
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
一种串联工业机器人的机电控感耦合建模方法,包括部件建模和部件耦合;部件建模包括连杆建模、减速器建模、永磁同步电机建模、伺服驱动器建模、传感器建模和控制器建模;部件耦合是将串联连杆正向动力学模型与减速器扭转动力学模型融合得到减速器‑连杆耦合动力学模型,将减速器‑连杆耦合动力学模型与永磁同步电机电动力学模型融合得到机电耦合模型,将机电耦合模型离散得到机电耦合离散模型,将机电耦合离散模型与伺服驱动器离散模型、传感器离散模型、控制器离散模型进行融合得到串联工业机器人机电控感耦合模型;本发明充分考虑了部件的非线性特性和多部件之间的耦合关系,能更准确地描述工业机器人部件的动态响应。
Description
技术领域
本发明涉及工业机器人技术领域,具体涉及一种串联工业机器人的机电控感耦合建模方法。
背景技术
工业机器人凭借效率高、工作空间大和功能多样化等优势,在汽车工业、电力电子和机械制造等诸多领域得到了广泛应用。随着工业机器人体量和服役时间的逐年攀升,因机器人异常导致的事故层出不穷,其安全性和可靠性问题已成为该领域目前的研究热点。
由于工业机器人部件繁多、本体传感信息稀缺且运行工况复杂多变,因此对其开展状态监测难度非常大。为了克服本体传感信息稀缺这一难题,现有方法通过建立工业机器人的物理模型来预测部件的运行状态,而现有建模技术(如中国专利申请号CN202010617567.9,名称:一种工业机器人动力学建模及动力学参数识别方法;申请号CN202010875365.4,名称:一种旋转关节型工业机器人非线性动力学建模分析方法;申请号CN202011103300.4,名称:一种六自由度工业机器人刚柔耦合模型建模仿真方法;申请号CN202011578414.4,名称:一种六轴工业机器人的动力学建模方法等)只考虑了工业机器人的机械***,忽略了控制、传感、驱动和电机对工业机器人动态特性的影响,简化了工业机器人部件耦合关系,导致建立的模型无法准确描述控制器、传感器、伺服驱动器、永磁同步电机、减速器和连杆等机器人关键部件的动态响应,严重制约了基于物理模型的工业机器人状态监测技术的发展。
发明内容
为了克服上述现有技术的缺点,本发明的目的在于提供了一种串联工业机器人的机电控感耦合建模方法,考虑了工业机器人控制器、传感器、伺服驱动器、永磁同步电机、减速器和连杆等部件的耦合关系,能更准确地描述工业机器人部件的动态响应,提高更可靠的工业机器人状态监测。
为达到上述目的,本发明采用如下技术方案:
一种串联工业机器人的机电控感耦合建模方法,包括部件建模和部件耦合;部件建模包括连杆建模、减速器建模、永磁同步电机建模、伺服驱动器建模、传感器建模和控制器建模;部件耦合利用各个部件模型输入与输出的耦合关系对建立的部件模型进行融合。
所述连杆建模是将串联工业机器人的连杆视为刚体,根据牛顿-欧拉方程建立串联连杆正向动力学模型,串联连杆正向动力学模型的输入为关节力矩,输出为关节角度、关节角速度和关节角加速度。
所述减速器建模是将减速器视为含非线性传动误差和背隙的扭转刚度-阻尼模型,利用扭转测试实验获取减速器的时变扭转刚度系数、时变阻尼系数、非线性传动误差和背隙,根据力矩平衡条件建立减速器扭转动力学模型,减速器扭转动力学模型的输入为电机角度、电机角速度与关节角度、关节角速度,输出为关节力矩。
所述永磁同步电机建模是根据永磁同步电机的电压方程和扭转平衡条件构建永磁同步电机电动力学模型,永磁同步电机电动力学模型的输入为电机直轴电压、电机交轴电压和电机负载力矩,输出为电机三相电流和电机角度,其中电机负载力矩是电机摩擦力矩、减速器摩擦力矩与关节力矩的总和。
所述驱动器建模是建立伺服驱动器离散模型,伺服驱动器离散模型包括永磁同步电机的位置、速度和电流闭环控制,其控制周期与串联工业机器人的实际控制周期保持一致;伺服驱动器离散模型的输入包括电机期望角度、电机期望角速度、电机角度、电机角速度、电机直轴电流和电机交轴电流,输出为电机直轴电压和电机交轴电压。
所述传感器建模是建立传感器离散模型,传感器离散模型将电机角度和电机三相电流作为输入,利用坐标变换计算电机直轴电流和电机交轴电流并输出,其中输出信号的频率与串联工业机器人传感器的采样频率保持一致。
所述控制器建模是建立控制器离散模型,控制器离散模型将工业机器人工作空间中的目标轨迹作为输入,利用反向运动学函数和减速器的减速比实现工业机器人关节空间的轨迹规划,输出电机期望角度和电机期望角速度。
所述的部件耦合的具体步骤如下:
将串联连杆正向动力学模型与减速器扭转动力学模型融合得到减速器-连杆耦合动力学模型,其中减速器-连杆耦合动力学模型的输入为电机角度和电机角速度,输出为关节角度、关节角速度和关节角加速度;
将减速器-连杆耦合动力学模型与永磁同步电机电动力学模型融合得到机电耦合模型,将机电耦合模型进行离散得到机电耦合离散模型;
将机电耦合离散模型与伺服驱动器离散模型、传感器离散模型、控制器离散模型进行融合得到串联工业机器人机电控感耦合模型,其中控制器离散模型的输出为伺服驱动器离散模型的输入,伺服驱动器离散模型的输出是机电耦合离散模型的输入,机电耦合离散模型的输出是传感器离散模型的输入,传感器离散模型的输出是控制器离散模型与伺服驱动器离散模型的输入。
与现有技术相比,本发明具有以下有益的技术效果:
本发明的串联工业机器人建模方法包括部件建模和部件耦合,部件建模包括建立控制器、传感器、伺服驱动器、永磁同步电机、减速器和连杆的模型,限定了部件模型的输入与输出,在建立的减速器模型中考虑了减速器的时变扭转刚度、时变扭转阻尼、非线性传动误差与背隙;部件耦合利用各个部件模型输入与输出的耦合关系对建立的部件模型进行融合,首先将串联连杆正向动力学模型与减速器扭转动力学模型融合得到减速器-连杆耦合动力学模型,然后将减速器-连杆耦合动力学模型与永磁同步电机电动力学模型融合得到机电耦合模型并离散得到机电耦合离散模型,最后将机电耦合离散模型与伺服驱动器离散模型、传感器离散模型、控制器离散模型进行融合得到串联工业机器人机电控感耦合模型。本发明方法充分考虑了部件的非线性特性和多部件之间的耦合关系,能更准确地描述串联工业机器人部件的动态响应,对提高工业机器人状态监测可靠性具有重要意义。
附图说明
图1为本发明方法的流程图。
图2为本发明减速器-连杆耦合动力学模型的示意图。
图3为本发明机电耦合模型的示意图。
图4为本发明机电控感耦合模型的示意图。
具体实施方式
下面结合实施例和附图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。
参照图1,一种串联工业机器人的机电控感耦合建模方法,包括部件建模和部件耦合;部件建模包括连杆建模、减速器建模、永磁同步电机建模、伺服驱动器建模、传感器建模和控制器建模;部件耦合利用各个部件模型输入与输出的耦合关系对建立的部件模型进行融合。
所述连杆建模是将串联工业机器人的连杆视为刚体,根据牛顿-欧拉方程建立串联连杆正向动力学模型,如图2所示,串联连杆正向动力学模型的输入为关节力矩,输出为关节角度、关节角速度和关节角加速度。
所述减速器建模是将减速器视为含非线性传动误差、背隙的扭转刚度-阻尼模型,利用扭转测试实验获取减速器的时变扭转刚度系数、时变阻尼系数、非线性传动误差和背隙,根据力矩平衡条件建立减速器扭转动力学模型,如图2所示,减速器扭转动力学模型的输入为电机角度、电机角速度与关节角度、关节角速度,输出为关节力矩。
所述永磁同步电机建模是根据永磁同步电机的电压方程和扭转平衡条件构建同步旋转坐标系下永磁同步电机电动力学模型,如图3所示,永磁同步电机电动力学模型的输入为电机直轴电压、电机交轴电压和电机负载力矩,输出为电机三相电流和电机角度,其中电机负载力矩是电机摩擦力矩、减速器摩擦力矩与关节力矩的总和,电机摩擦力矩和减速器摩擦力矩由摩擦模型计算得到。
所述伺服驱动器建模是建立在同步旋转坐标系下的伺服驱动器离散模型,伺服驱动器离散模型包括永磁同步电机的位置、速度和电流闭环控制,其控制周期与串联工业机器人的实际控制周期保持一致,如图4所示,伺服驱动器离散模型的输入包括电机期望角度、电机期望角速度、电机角度、电机角速度、电机直轴电流和电机交轴电流,输出为电机直轴电压和电机交轴电压。
所述传感器建模是建立传感器离散模型,如图4所示,将电机角度和电机三相电流作为输入,利用一阶差分计算电机角速度,利用坐标变换计算电机直轴电流和电机交轴电流,并将输入中的电机角度、电机三相电流和计算得到的电机角速度、电机直轴电流和电机交轴电流打包输出,其中输出信号的频率与串联工业机器人传感器的采样频率保持一致。
所述控制器建模是建立控制器离散模型,如图4所示,将串联工业机器人工作空间中的目标轨迹作为输入,利用反向运动学函数和减速器的减速比实现工业机器人关节空间的轨迹规划,输出电机期望角度和电机期望角速度。
部件耦合的具体步骤如下:
参照图2,将串联连杆正向动力学模型与减速器扭转动力学模型融合得到减速器-连杆耦合动力学模型,减速器-连杆耦合动力学模型的输入为电机角度、电机角速度,输出为关节力矩、关节角度、关节角速度和关节角加速度;
参照图3,将减速器-连杆耦合动力学模型与永磁同步电机电动力学模型融合得到机电耦合模型,利用纽马克方法和双线性变换将机电耦合模型进行离散化处理得到机电耦合离散模型;
参照图4,将机电耦合离散模型与伺服驱动器离散模型、传感器离散模型、控制器离散模型进行融合得到串联工业机器人机电控感耦合模型,其中控制器离散模型的输出为伺服驱动器离散模型的输入,伺服驱动器离散模型的输出是机电耦合离散模型的输入,机电耦合离散模型的输出是传感器离散模型的输入,传感器离散模型的输出是控制器离散模型与伺服驱动器离散模型的输入。
Claims (8)
1.一种串联工业机器人的机电控感耦合建模方法,其特征在于:包括部件建模和部件耦合;部件建模包括连杆建模、减速器建模、永磁同步电机建模、伺服驱动器建模、传感器建模和控制器建模;部件耦合利用各个部件模型输入与输出的耦合关系对建立的部件模型进行融合。
2.根据权利要求1所述的一种串联工业机器人的机电控感耦合建模方法,其特征在于:所述连杆建模是将串联工业机器人的连杆视为刚体,根据牛顿-欧拉方程建立串联连杆正向动力学模型,串联连杆正向动力学模型的输入为关节力矩,输出为关节角度、关节角速度和关节角加速度。
3.根据权利要求2所述的一种串联工业机器人的机电控感耦合建模方法,其特征在于:所述减速器建模是将减速器视为含非线性传动误差和背隙的扭转刚度-阻尼模型,利用扭转测试实验获取减速器的时变扭转刚度系数、时变阻尼系数、非线性传动误差和背隙,根据力矩平衡条件建立减速器扭转动力学模型,减速器扭转动力学模型的输入为电机角度、电机角速度与关节角度、关节角速度,输出为关节力矩。
4.根据权利要求3所述的一种串联工业机器人的机电控感耦合建模方法,其特征在于:所述永磁同步电机建模是根据永磁同步电机的电压方程和扭转平衡条件构建永磁同步电机电动力学模型,永磁同步电机电动力学模型的输入为电机直轴电压、电机交轴电压和电机负载力矩,输出为电机三相电流和电机角度,其中电机负载力矩是电机摩擦力矩、减速器摩擦力矩与关节力矩的总和。
5.根据权利要求4所述的一种串联工业机器人的机电控感耦合建模方法,其特征在于:所述驱动器建模是建立伺服驱动器离散模型,伺服驱动器离散模型包括永磁同步电机的位置、速度和电流闭环控制,其控制周期与串联工业机器人的实际控制周期保持一致;伺服驱动器离散模型的输入包括电机期望角度、电机期望角速度、电机角度、电机角速度、电机直轴电流和电机交轴电流,输出为电机直轴电压和电机交轴电压。
6.根据权利要求5所述的一种串联工业机器人的机电控感耦合建模方法,其特征在于:所述传感器建模是建立传感器离散模型,传感器离散模型将电机角度和电机三相电流作为输入,利用坐标变换计算电机直轴电流和电机交轴电流并输出,其中输出信号的频率与串联工业机器人传感器的采样频率保持一致。
7.根据权利要求6所述的一种串联工业机器人的机电控感耦合建模方法,其特征在于:所述控制器建模是建立控制器离散模型,控制器离散模型将工业机器人工作空间中的目标轨迹作为输入,利用反向运动学函数和减速器的减速比实现工业机器人关节空间的轨迹规划,输出电机期望角度和电机期望角速度。
8.根据权利要求7所述的一种串联工业机器人的机电控感耦合建模方法,其特征在于,所述的部件耦合的具体步骤如下:
将串联连杆正向动力学模型与减速器扭转动力学模型融合得到减速器-连杆耦合动力学模型,其中减速器-连杆耦合动力学模型的输入为电机角度、电机角速度,输出为关节角度、关节角速度和关节角加速度;
将减速器-连杆耦合动力学模型与永磁同步电机电动力学模型融合得到机电耦合模型,将机电耦合模型进行离散得到机电耦合离散模型;
将机电耦合离散模型与伺服驱动器离散模型、传感器离散模型、控制器离散模型进行融合得到串联工业机器人机电控感耦合模型,其中控制器离散模型的输出为伺服驱动器离散模型的输入,伺服驱动器离散模型的输出是机电耦合离散模型的输入,机电耦合离散模型的输出是传感器离散模型的输入,传感器离散模型的输出是控制器离散模型与伺服驱动器离散模型的输入。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210335762.1A CN114619451B (zh) | 2022-03-31 | 2022-03-31 | 串联工业机器人的机电控感耦合建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210335762.1A CN114619451B (zh) | 2022-03-31 | 2022-03-31 | 串联工业机器人的机电控感耦合建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114619451A true CN114619451A (zh) | 2022-06-14 |
CN114619451B CN114619451B (zh) | 2023-12-05 |
Family
ID=81905307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210335762.1A Active CN114619451B (zh) | 2022-03-31 | 2022-03-31 | 串联工业机器人的机电控感耦合建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114619451B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10128686A (ja) * | 1996-10-30 | 1998-05-19 | Nippon Telegr & Teleph Corp <Ntt> | ロボットマニピュレータの制御方法およびロボットマニピュレータの制御装置 |
CN108107734A (zh) * | 2017-12-23 | 2018-06-01 | 西安交通大学 | 一种永磁同步直线电机进给***机电耦合建模方法 |
CN109129479A (zh) * | 2018-08-23 | 2019-01-04 | 广东工业大学 | 一种基于扰动力补偿的刚柔耦合运动平台控制方法 |
CN110842911A (zh) * | 2019-09-29 | 2020-02-28 | 哈尔滨工程大学 | 考虑关节电机特性的柔性机械臂联合建模和滑模控制方法 |
CN112454359A (zh) * | 2020-11-18 | 2021-03-09 | 重庆大学 | 基于神经网络自适应的机器人关节跟踪控制方法 |
CN112743545A (zh) * | 2020-12-28 | 2021-05-04 | 清华大学 | 一种六轴工业机器人的动力学建模方法 |
CN113021331A (zh) * | 2019-12-24 | 2021-06-25 | 沈阳智能机器人创新中心有限公司 | 一种七自由度协作机器人动力学建模与辨识方法 |
KR20220034610A (ko) * | 2020-09-11 | 2022-03-18 | 네이버랩스 주식회사 | 와이어 구동 방식 로봇의 모델링 및 제어 방법 |
-
2022
- 2022-03-31 CN CN202210335762.1A patent/CN114619451B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10128686A (ja) * | 1996-10-30 | 1998-05-19 | Nippon Telegr & Teleph Corp <Ntt> | ロボットマニピュレータの制御方法およびロボットマニピュレータの制御装置 |
CN108107734A (zh) * | 2017-12-23 | 2018-06-01 | 西安交通大学 | 一种永磁同步直线电机进给***机电耦合建模方法 |
CN109129479A (zh) * | 2018-08-23 | 2019-01-04 | 广东工业大学 | 一种基于扰动力补偿的刚柔耦合运动平台控制方法 |
CN110842911A (zh) * | 2019-09-29 | 2020-02-28 | 哈尔滨工程大学 | 考虑关节电机特性的柔性机械臂联合建模和滑模控制方法 |
CN113021331A (zh) * | 2019-12-24 | 2021-06-25 | 沈阳智能机器人创新中心有限公司 | 一种七自由度协作机器人动力学建模与辨识方法 |
KR20220034610A (ko) * | 2020-09-11 | 2022-03-18 | 네이버랩스 주식회사 | 와이어 구동 방식 로봇의 모델링 및 제어 방법 |
CN112454359A (zh) * | 2020-11-18 | 2021-03-09 | 重庆大学 | 基于神经网络自适应的机器人关节跟踪控制方法 |
CN112743545A (zh) * | 2020-12-28 | 2021-05-04 | 清华大学 | 一种六轴工业机器人的动力学建模方法 |
Non-Patent Citations (1)
Title |
---|
高国琴;梁炳冬;: "新型混联输送机构的机电耦合动力学模型研究", 信息技术, no. 04, pages 47 - 53 * |
Also Published As
Publication number | Publication date |
---|---|
CN114619451B (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103308325B (zh) | 电动汽车驱动***半实物仿真平台 | |
CN108900128B (zh) | 基于模型预测控制的永磁同步电机直接转矩控制方法 | |
CN113002555B (zh) | 一种数字孪生驱动的智能线控底盘***及其故障诊断方法 | |
CN109742989B (zh) | 永磁同步电机控制***电流传感器故障诊断及处理方法 | |
CN109459254B (zh) | 一种多关节机器人动力学半物理仿真平台 | |
CN102262393A (zh) | 一种半实物实时仿真***及实现快速原型控制的方法 | |
CN105404744B (zh) | 一种空间机械臂全状态动力学半物理仿真*** | |
CN106926699B (zh) | 汽车数字化组合仪表的控制显示方法及其控制*** | |
CN110132588B (zh) | 一种用于电动轮式四驱电动车整车控制原型开发的试验台 | |
CN110579980A (zh) | 一种通用型伺服控制算法有效性验证装置 | |
Wang et al. | Digital twin-driven virtual commissioning of machine tool | |
CN111208801B (zh) | 汽车线控转向***经济型硬件在环平台及测试方法 | |
CN105334459A (zh) | 工业机器人用伺服电机测试*** | |
JP6850458B1 (ja) | Ai搭載型モータ状態量推定システムおよびモータモデル用機械学習方法 | |
CN211652091U (zh) | 一种电动助力转向***的测试设备 | |
Yue et al. | Robust adaptive control of a three-axis motion simulator with state observers | |
CN114619451A (zh) | 串联工业机器人的机电控感耦合建模方法 | |
Morales et al. | Mixed energy model for a differential guide mobile robot | |
CN105241678A (zh) | 一种主动后轮转向的快速控制原型实现方法 | |
CN114924487B (zh) | 基于鲁棒观测器和非线性控制的电机模拟器及其控制方法 | |
CN114421829A (zh) | 基于轴转矩的预测控制双惯量伺服***齿隙振荡抑制方法 | |
Merzouki et al. | Intelligent monitoring of electric vehicle | |
Gao et al. | Simulation and application of the electric power steering system simulation platform based on Simulink | |
Rodríguez-Reséndiz et al. | An approach to motion control applications based on advanced programmable devices | |
Xia et al. | Development of low cost hardware-in-the-loop test system and a case study for electric vehicle controller |
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 |