CN115032911A - 一种适用于分布式光学检测的多机器人仿真*** - Google Patents
一种适用于分布式光学检测的多机器人仿真*** Download PDFInfo
- Publication number
- CN115032911A CN115032911A CN202210482039.6A CN202210482039A CN115032911A CN 115032911 A CN115032911 A CN 115032911A CN 202210482039 A CN202210482039 A CN 202210482039A CN 115032911 A CN115032911 A CN 115032911A
- Authority
- CN
- China
- Prior art keywords
- robot
- module
- path planning
- detection
- task
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 100
- 238000004088 simulation Methods 0.000 title claims abstract description 48
- 230000003287 optical effect Effects 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000003068 static effect Effects 0.000 claims abstract description 19
- 238000013079 data visualisation Methods 0.000 claims abstract description 9
- 238000009826 distribution Methods 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000033001 locomotion Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000002922 simulated annealing Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims 6
- 230000008569 process Effects 0.000 abstract description 11
- 238000004519 manufacturing process Methods 0.000 abstract description 7
- 238000011165 process development Methods 0.000 abstract 1
- 238000012827 research and development Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 4
- 230000001154 acute effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明属于机器人仿真技术领域,涉及一种适用于分布式光学检测的多机器人***的仿真***。本***包括数据采集模块、静态碰撞检测模块、任务分配模块、单机器人路径规划模块、多机器人路径规划模块、数据可视化模块。与现有的分布式光学检测的多机器人***的仿真***相比,因为综合考虑了生产节拍、任务分配、机器人路径规划、多机器人协调等因素,使仿真结果更加接近于实际检测环境,实现了多机器人光学检测工艺的自动规划,降低了针对机器人轨迹的多轮次现场调教需求,从而缩短研发周期、提高工艺开发效率。
Description
技术领域
本发明属于机器人仿真技术领域,具体涉及一种适用于光学检测***中的多机器人检测的运动规划仿真***。
背景技术
分布式光学检测的多机器人***因兼顾机器人的灵活性以及光学检测传感器高效率、非接触式等优势,不仅可以实现在线测量,而且满足装配生产线上的多混合装配零件的检测,从而使得分布式光学检测的多机器人***在汽车、航空航天等制造业中得到广泛的应用。通常分布式光学检测的多机器人***由搭载光学测头的六轴工业机器人左右对称分布于检测工位中,该***将检测任务分配到不同的机器人,在满足检测要求的前提下对机器人进行无碰撞路径的规划以实现柔性装配线上不同零件、分成总件、总成等的在线检测。
对于分布式光学检测的多机器人***的仿真,主要由任务分配、碰撞检测、路径规划三个模块组成。在任务分配阶段,传统的多机器人任务分配原则为就近原则,一般通过考虑机器人初始位置与测点间的距离、机器人可达性等信息对检测任务进行分配,但该分配策略往往导致各机器人检测时间极差较大、多机运行时间超出检测周期等现象。而对于路径规划来说,工程上主要通过计算机辅助检测路径规划软件,依据既定的检测规范、机器人运动学以及工件数模等信息,但规划结果需要在现场通过示教方式进行调试,人工介入仿真结果修改,导致了检测规划效率低、成本较高。
并且,由于大型复杂曲面结构复杂、检测特征数目大且光学测量规范严格,同时涉及高生产节拍下机器人运动规划与多机协调等复杂问题,使得大型复杂曲面在线检测规划严重依赖经验,往往需要开展多轮次的规划仿真与现场检测工艺的修改-确认等环节,规划过程效率低、规划结果非最优,严重影响车身检测工艺开发效率与检测成本。
发明内容
本发明的目的是针对上述问题,改进了分布式光学检测的多机器人***,提供了一种检测规划更加高效、数据采集时间更短、检测成本更低的分布式光学检测的多机器人仿真***。
本发明的技术方案如下:
一种适用于分布式光学检测的多机器人仿真***,其包括了以下几个模块:
(1)数据采集模块:用于机器人模型与位置、光学传感器相对于机器人末端位置及待测特征数量、位置及矢量方向的定义与生成。
(2)静态碰撞检测模块:静态碰撞检测主要为机器人与车身之间的碰撞检测。本发明将机器人简化为球体、圆柱体和长方体,将大型复杂曲面简化为三角面片。若直接计算三角面片到机器人之间的空间几何距离,计算较为复杂,为进一步简化计算量,本发明提取三角面片的节点,通过判断提取的离散节点是否在圆柱体、球体和长方体内,确定大型复杂曲面与机器人是否发生碰撞。
(3)任务分配模块:对于大型复杂曲面,机器人分配任务的好坏是影响机器人之间协调规划的重要因素,本发明针对检测***的特点,提出了基于解耦的多机器人检测任务的层次化分配算法。
(4)单机器人路径规划模块:单机器人路径规划分为两个步骤,分别为局部路径规划、全局路径规划。对于局部路径规划,本发明利用RRT*-connect算法在笛卡尔空间内搜索机器人过渡点以实现机器人机器人检测任务之间局部路径规划方法。基于局部路径规划得到的两两检测特征之间的无碰撞路径,本发明采用模拟退火算法对所有特征进行排列组合,实现全局路径的规划与优化。
(5)多机器人路径规划模块:多机器人路径规划中,不仅仅要考虑单机器人与被检测曲面之间的碰撞检测,因此针对共享空间内机器人间的干涉现象,本发明采用机器人共享工作空间分割法,提出满足机器人生产节拍约束下的共享空间内检测任务重分配方法,消除了多机器人冲突导致的停机现象。
(6)数据可视化模块:将各模块的数值计算结果通过图形形式直观地显示出来,以便用户观察和分析。
本发明的优点在于,相比于目前传统的分布式光学检测的多机器人***仿真规划,本发明在任务分配、碰撞检测、全局路径规划和机器人协调等方面展开了***性的研究,实现了分布式光学检测的多机器人***的自动规划、提高了检测效率、降低了在线检测工位的测量时间与多机运行时间差。
附图说明
图1为分布式光学检测的多机器人***在线检测过程示意图。
图2为光学检测示意图。
图3为本发明的一种较佳实施方式的原理框图。
图4点和包围盒之间的关系。
图5为两机器人的空间冲突示意图。
图6为本发明仿真***的使用步骤。
具体实施方式
下面结合附图对本发明做进一步说明:
图1是分布式光学检测的多机器人***在线检测过程示意图。其中,传感器作为分布式光学检测的多机器人***的核心部件,其涉及到的相关参数包括:(1)视场,可以获取得到的被扫描表面信息的三维区域。(2)景深,其与镜头的焦距有关。(3)扫描深度,从激光光源到被扫描表面的欧式距离。(4)入射角度,入射激光束与扫描特征点矢量之间的夹角。如图2所示。
图3所示是本发明的一种较佳实施方式的原理框图,该仿真***是基于MATLAB语言环境开发的,其主要由数据采集模块、静态碰撞检测模块、任务分配模块、单机器人路径规划模块、多机器人路径规划模块和数据可视化模块构成。所述数据采集模块接受输入的机器人型号、工作坐标系下的位置、光学传感器相对于机器人末端的位置、待测大型复杂曲面的参数及待测任务信息;所述静态碰撞检测模块与数据采集模块连接,接受数据采集模块输出的机器人模型、执行器位置及任务信息并计算出待测任务中的不可达点及机器人与待测物体之间的无碰撞位姿;所述任务分配模块与静态碰撞检测模块连接,接受静态碰撞检测模块输出的不可达点与机器人的无碰撞位姿,计算所有待测任务在不同机器人、不同工位下的分配结果;所述单机器人路径规划模块与任务分配模块连接,接受单工位下单机器人的检测任务,计算单机器人在当前检测任务的情况下,无碰撞路径规划结果;所述多机器人路径规划模块与单机器人路径规划模块连接,接受单机器人路径规划结果,计算多机器人之间、机器人与待测物体之间的无碰撞路径结果;所述数据可视化模块分别与数据采集模块、静态碰撞检测模块、任务分配模块、单机器人路径规划模块和多机器人路径规划模块连接,将待测物体及其任务信息的静态碰撞检测结果、分配结果、局部路径规划结果及全局路径规划结果用图形的方式显示出来。各个模块的原理如下:
(1)数据采集模块:利用该模块用户可以与分布式光学检测的多机器人仿真***进行交互,通过输入参数生成机器人模型、执行器模型及待测物体模型。对于机器人模型,用户可以通过配置机器人的型号与机器人基坐标相对于工作坐标系的位置,自动生成机器人的运动学模型,并得到机器人相对于待测物体的转换矩阵;对于执行器模型,仿真***提供了执行器相对于机器人末端位置的输入接口,用户可以自行定义执行器与机器人的位置关系,获取执行器与机器人之间的转换矩阵;对于待测物体与任务信息,仿真***提供了与Excel表格关联的接口,用户将待测物体数模与任务信息转换为Excel表格格式,输入至仿真***中,即可获得待测物体与任务的可视化界面,方便用户修改。在用户完成所有输入后,仿真***便可以对分布式光学检测的多机器人***进行仿真模拟实验。
(2)静态碰撞检测模块:该模块在获得数据采集模块输出的机器人模型、执行器位置及任务信息之后,本发明对机器人及执行器等较为规则的模型采取方向包围盒建模,而对大型复杂曲面等待测物体采取均匀网格法进行建模。基于上述建模方法,本发明将机器人简化为球体、圆柱体和长方体,将待测物体简化为三角面片并提取三角面片的节点进而基于层次化碰撞检测方法判断待测物体是否与机器人发生碰撞。1)判断点是否在球体内:由于球心带其表面各点均为其空间半径R,因此对于点是否在球体内的判断,仅需判断点到球心的距离是否小于其空间半径R即可。2)判断点是否在圆柱体内:该情况可以简化为求点到直线的最短距离l,若l小于圆柱的半径Rc,则发生碰撞,如图4(a)所示。3)判断点是否在长方体内:如图4(b)所示,其中η、χ角为点与两个相对平面法向量的夹角。判断点与两个相对平面法向量的夹角η、χ是否为锐角或钝角,当每一组η、χ均为钝角或锐角时,则不发生碰撞,否则点在长方体内,即发生碰撞。
(3)任务分配模块:在线多机器人检测任务分配不仅需要考虑带机器人的工作空间、机器人间的冲突、还应考虑到机器人检测时间是否满足生产节拍、多机一致性等综合要求。因此,分布式光学检测的多机器人***的任务分配存在如下约束:1)分配给各机器人的检测特征必须满足该机器人的可达性;2)不同机器人完成测量的检测时间需满足节拍要求;3).为避免机器人之间在运动过程中发生干涉,需尽量将位姿信息相似的特征分配到同一机器人;4).为最大限度提高各机器人的工作效率,机器人完成测量任务的检测时间差应尽量小。本发明采用层次化方法对上述分配问题进行求解,具体分配流程如下:1).基于惰性旅行商的求解策略将多机器人共享空间内的检测任务集分配到不同机器人;2).基于FCM聚类算法对每个机器人分配的任务进行聚类,确定聚类后的聚类中心和聚类集合;3).以检测任务集聚类中心和机器人之间运行时间差为约束建立多目标任务优化模型并基于模拟退火算法进行优化。
(4)单机器人路径规划模块:由于大型复杂曲面结构复杂且所占空间巨大,导致搜索较优路径极其费时费力。针对这一问题,本发明利用改进RRT*-connect的避障算法在笛卡尔坐标系内搜索机器人可行路径节点,以实现局部路径的规划。本发明以关节角运动范围最小为约束条件对生成的路径节点下机器人关节角进行优化,保证机器人关节角变化的连续性。在保证机器人运动过程中不发生碰撞的前提下,机器人对所有的检测特征进行检测之后回到机器人初始位置的过程称之为机器人检测路径规划。得到局部路径结果后,进一步将检测路径规划问题转换为旅行商问题,采用模拟退火算法进行求解,最终获得单机器人全局无碰撞优化路径。
(5)多机器人路径规划模块:多机器人路径规划主要解决的问题即为多机器人之间的协调问题,如图5所示,两机器人的空间冲突示意图。在此模块下,本发明基于空间分割的机器人协调策略。对于空间分割策略,需要满足以下俩个约束:1)机器人协调后,保证每个机器人的检测时间在生产节拍内。2)在满足不同检测特征的测量规范的前提下对机器人进行协调规划,以保证机器人检测质量。为了保证检测***的运行时间最小化,本发明以检测机器人完成给定任务的检测时间最短为优化目标,确定需要重新分割的机器人工作空间。具体实现流程如下:1)基于分级碰撞检测算法确定机器人所占空间是否相交。2)确定机器人Robi和机器人Robj在相交空间内测量的特征点及两机器人测量时间Ti和Tj。3)判断测量时间的大小,将测量时间大的机器人所占空间进行障碍物处理。4)求解时间较小的机器人从M1到M2的局部无碰撞路径。5)重新确定机器人Robi和机器人Robj所占空间。
(6)数据可视化模块:将各个模块的数值计算结果通过图形的形式直观地显示出来,以便用户观察和分析。具体来说该模块可以显示包括用户定义的待测物体模型、待测任务的位姿、静态碰撞检测中不可达点、任务分配结果及路径规划结果。同时也能将数值结果导出,便于进一步分析。
该仿真***的使用遵循如图6所示的步骤:
用户首先通过输入机器人型号与位置、执行器相对于机器人末端的位置、待测物体模型及待测任务信息等参数配置该仿真***的运行环境。然后即可开始进行仿真实验,仿真***每次完成一个仿真模块后,会提示用户当前仿真模块已完成,并将数值计算结果进行保存,由用户自行判断是否需要运行下一仿真模块。
以上所述仅是本发明的优选实施方式,应当理解,本领域的普通技术无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (9)
1.一种适用于分布式光学检测的多机器人***运动仿真***,其特征在于,包括:
数据采集模块,所述数据采集模块用于机器人型号、光学传感器的位置、物体模型及检测任务的定义与生成;
静态碰撞检测模块,所述静态碰撞检测模块用于判断当前检测任务机器人是否可达;
任务分配模块,所述任务分配模块用于对测量任务在不同工位、不同机器人下进行分配;
单机器人路径规划模块,所述单机器人路径规划模块用于对单机器人进行无碰撞的路径规划与优化;
多机器人路径规划模块,所述多机器人路径规划模块用于对多机器人进行全局路径规划与优化;
数据可视化模块:所述数据可视化模块通过图形形式显示上述各模块计算结果;
所述数据采集模块接受输入的机器人型号、工作坐标系下的位置、光学传感器相对于机器人末端的位置、待测大型复杂曲面的参数及待测任务信息;所述静态碰撞检测模块与数据采集模块连接,接受数据采集模块输出的机器人模型、执行器位置及任务信息并计算出待测任务中的不可达点及机器人与待测物体之间的无碰撞位姿;所述任务分配模块与静态碰撞检测模块连接,接受静态碰撞检测模块输出的不可达点与机器人的无碰撞位姿,计算所有待测任务在不同机器人、不同工位下的分配结果;所述单机器人路径规划模块与任务分配模块连接,接受单工位下单机器人的检测任务,计算单机器人在当前检测任务的情况下,无碰撞路径规划结果;所述多机器人路径规划模块与单机器人路径规划模块连接,接受单机器人路径规划结果,计算多机器人之间、机器人与待测物体之间的无碰撞路径结果;所述数据可视化模块分别与数据采集模块、静态碰撞检测模块、任务分配模块、单机器人路径规划模块和多机器人路径规划模块连接,将待测物体及其任务信息的静态碰撞检测结果、分配结果、局部路径规划结果及全局路径规划结果用图形的方式显示出来。
2.根据权利要求1所述适用于分布式光学检测的多机器人***的仿真***,其特征在于,所述模型生成模块可以通过配置机器人型号、光学传感器位置、待测物体模型及测量任务等信息配置仿真***运行环境。
3.根据权利要求1所述适用于分布式光学检测的多机器人***的仿真***,其特征在于,所述模型生成模块提供多种预设的机器人型号模型,可以根据参数进行修改,便于快速进行仿真实验。
4.根据权利要求1所述适用于分布式光学检测的多机器人***的仿真***,其特征在于,所述求解静态碰撞检测模块采用对机器人使用OBB包围盒,对大型复杂曲面等待测物体使用三角面片方法。
5.根据权利要求1所述适用于分布式光学检测的多机器人***的仿真***,其特征在于,所述任务分配模块采用层次化任务分配方法,引入惰性旅行商求解策略,基于FCM聚类方法确定聚类集合后,通过模拟退火算法进行优化。
6.根据权利要求1所述适用于分布式光学检测的多机器人***的运动仿真***,其特征在于,所述单机器人路径规划模块采用基于改进RRT*-connect算法的局部路径规划与基于模拟退火算法的全局路径规划与优化两个步骤,实现了单机器人的路径规划。
7.根据权利要求1所述适用于分布式光学检测的多机器人***的仿真***,其特征在于,所述多机器人路径规划模块采用了基于空间分割协调策略的任务再分配方法,保证机器人之间无碰撞。
8.根据权利要求1所述适用于分布式光学检测的多机器人***的仿真***,其特征在于,所述数据可视化模块将其他各所述模块的数值计算结果通过图形显示。
9.根据权利要求1所述适用于分布式光学检测的多机器人***的仿真***,其特征在于,所述仿真***使用步骤为:
用户首先通过输入机器人型号与位置、执行器相对于机器人末端的位置、待测物体模型及待测任务信息等参数配置该仿真***的运行环境;
在完成上述配置步骤后,即可开始仿真实验,仿真***每次完成一个仿真模块后,会提示用户当前仿真模块已完成,并将数值计算结果进行保存,由用户自行判断是否需要运行下一仿真模。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210482039.6A CN115032911A (zh) | 2022-05-05 | 2022-05-05 | 一种适用于分布式光学检测的多机器人仿真*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210482039.6A CN115032911A (zh) | 2022-05-05 | 2022-05-05 | 一种适用于分布式光学检测的多机器人仿真*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115032911A true CN115032911A (zh) | 2022-09-09 |
Family
ID=83119324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210482039.6A Pending CN115032911A (zh) | 2022-05-05 | 2022-05-05 | 一种适用于分布式光学检测的多机器人仿真*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115032911A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116048096A (zh) * | 2023-02-23 | 2023-05-02 | 南京理工大学 | 一种基于层次化深度感知的无人车运动规划方法 |
-
2022
- 2022-05-05 CN CN202210482039.6A patent/CN115032911A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116048096A (zh) * | 2023-02-23 | 2023-05-02 | 南京理工大学 | 一种基于层次化深度感知的无人车运动规划方法 |
CN116048096B (zh) * | 2023-02-23 | 2024-04-30 | 南京理工大学 | 一种基于层次化深度感知的无人车运动规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11675369B2 (en) | Robot coordination in a shared workspace | |
Zhao et al. | Computer-aided inspection planning—the state of the art | |
CN111975767B (zh) | 基于多级任务分配的多机器人视觉检测***的协同运动规划方法 | |
JP4103057B2 (ja) | ロボットの動作経路計画方法およびその装置 | |
CN107972034B (zh) | 一种基于ros平台的复杂工件轨迹规划仿真*** | |
Liu et al. | Optimal path planning for automated dimensional inspection of free-form surfaces | |
Hu et al. | Automatic generation of efficient and interference-free five-axis scanning path for free-form surface inspection | |
Li et al. | Path planning method for on-machine inspection of aerospace structures based on adjacent feature graph | |
Shen et al. | An image-based algorithm for generating smooth and interference-free five-axis sweep scanning path | |
CN115032911A (zh) | 一种适用于分布式光学检测的多机器人仿真*** | |
Kasprzak et al. | A hierarchical CSP search for path planning of cooperating self-reconfigurable mobile fixtures | |
Stojadinovic et al. | Toward a cyber-physical manufacturing metrology model for industry 4.0 | |
Liu et al. | Coverage path planning for robotic quality inspection with control on measurement uncertainty | |
CN116214497A (zh) | 点集干涉检查 | |
Wang et al. | Digital twin implementation of autonomous planning arc welding robot system | |
Zhang et al. | Integrating case-based with rule-based reasoning in body-in-white fixture design | |
CN107479506A (zh) | 一种基于机器人的数控装置、***及加工方法 | |
CN113868890A (zh) | 一种适用于薄板件的全自动三坐标测量仿真*** | |
Li et al. | A space layout design model for concept generation using Function-based spatial planning and structure dynamic deployment | |
Lin et al. | A new algorithm for determining a collision-free path for a CMM probe | |
Dai et al. | A framework for multi-robot coverage analysis of large and complex structures | |
Polini et al. | A frame for a computer aided inspection planning system | |
Limaiem et al. | Integrated accessibility analysis and measurement operations sequencing for CMMs | |
Roßgoderer et al. | A concept for automatical layout generation | |
Legge | Integration of design and inspection systems-a literature review |
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 |