CN117506934B - 工业机器人自动化控制***及方法 - Google Patents
工业机器人自动化控制***及方法 Download PDFInfo
- Publication number
- CN117506934B CN117506934B CN202410005298.9A CN202410005298A CN117506934B CN 117506934 B CN117506934 B CN 117506934B CN 202410005298 A CN202410005298 A CN 202410005298A CN 117506934 B CN117506934 B CN 117506934B
- Authority
- CN
- China
- Prior art keywords
- motion
- deviation
- data
- adjustment
- track
- 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
- 238000000034 method Methods 0.000 title claims abstract description 73
- 230000033001 locomotion Effects 0.000 claims abstract description 374
- 238000004458 analytical method Methods 0.000 claims description 68
- 230000007246 mechanism Effects 0.000 claims description 31
- 238000000354 decomposition reaction Methods 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 23
- 238000005457 optimization Methods 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 14
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 12
- 238000004519 manufacturing process Methods 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 10
- 238000012423 maintenance Methods 0.000 description 10
- 230000009286 beneficial effect Effects 0.000 description 9
- 238000000605 extraction Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000008439 repair process Effects 0.000 description 6
- 241000282414 Homo sapiens Species 0.000 description 4
- 230000009471 action Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 238000003786 synthesis reaction Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000004454 trace mineral analysis Methods 0.000 description 1
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
-
- 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
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Numerical Control (AREA)
Abstract
本发明提供一种工业机器人自动化控制***及方法,涉及自动控制技术领域。该方法包括获取目标机器人的期望作业数据,形成期望运动数据;获取目标机器人的实时作业数据,形成实时运动数据;根据实时运动数据和期望运动数据,进行基于溯源控制偏差的运动对比,形成运动偏差调整数据;根据运动偏差调整数据,形成运动偏差调整指令对目标机器人进行偏差调整控制。该方法通过实时获取作业控制的监测数据来对机器人产生的累积偏差进行高效实时的自动化调整控制。
Description
技术领域
本发明涉及自动控制技术领域,具体而言,涉及工业机器人自动化控制***及方法。
背景技术
随着科技进步和社会发展,机器逐渐代替人类进行一部分生产工作,一方面大大提高了生产效率,充分保障了产品质量,另一方面也解放了一部分人力资源使其从事更具创造性的工作,同时也为企业节约了人力成本。
目前工业生产常使用工业机器人代替人工在生产线进行生产作业。由于机器的特性,在长时间的生产作业中会出现控制精度下降或者偏差量增加的情况。这是不可避免的情形。通常会通过定期的维护修理来进行校对。但这样也造成了同一批产品因为维护修理导致的质量差距较大,甚至在接近维护期时产生影响产品质量合格的累计偏差。当前对于这种情况多是基于大数据进行合理的偏差预期,进而调整维护修理时期,但却存在一定的滞后性,并且尤其对于轨迹控制的机器人不能实现合理的部分轨迹偏差调整,需要整体上维护校对,十分浪费资源。
因此,设计一种工业机器人自动化控制方法及***,通过实时获取作业控制的监测数据来对机器人产生的累积偏差进行高效实时的自动化调整控制,是目前亟待解决的问题。
发明内容
本发明的目的在于提供一种工业机器人自动化控制方法,通过实时采集工业机器人的输出控制结果数据,并结合初始要求的期望控制结果数据进行实际作业中所产生的偏差的确认,并以累计偏差数据为基础进行机器人初始输入控制量的偏差调整,进而以溯源进行控制调整的偏差控制方式。该方式可以整体上忽略起始输入控制量在传输路径上产生的传递误差,降低了偏量控制的复杂度,同时从源头上进行输入数据的控制调整具有较大的可调整范围且不受其他控制条件的约束,能够最大程度的起到偏量控制的调整作用,有利于解决理解误差较大的控制偏离情形。
本发明的目的还在于提供一种工业机器人自动化控制***,通过传感采集单元获取工业机器人实时输出数据,与控制存储单元存储的目标输出数据形成对比,由分析单元完成全过程的偏量控制分析,形成执行单元执行调整控制的参考数据。整个***功能完整且相互联系实现高效的数据处理,为高效快速的实现对工业机器人的偏量控制提供重要物质基础。
第一方面,本发明提供一种工业机器人自动化控制方法,包括获取目标机器人的期望作业数据,形成期望运动数据;获取目标机器人的实时作业数据,形成实时运动数据;根据实时运动数据和期望运动数据,进行基于溯源控制偏差的运动对比,形成运动偏差调整数据;根据运动偏差调整数据,形成运动偏差调整指令对目标机器人进行偏差调整控制。
在本发明中,该方法通过实时采集工业机器人的输出控制结果数据,并结合初始要求的期望控制结果数据进行实际作业中所产生的偏差的确认,并以累计偏差数据为基础进行机器人初始输入控制量的偏差调整,进而以溯源进行控制调整的偏差控制方式。该方式可以整体上忽略起始输入控制量在传输路径上产生的传递误差,降低了偏量控制的复杂度,同时从源头上进行输入数据的控制调整具有较大的可调整范围且不受其他控制条件的约束,能够最大程度的起到偏量控制的调整作用,有利于解决理解误差较大的控制偏离情形。
作为一种可能的实现方式,根据实时运动数据和期望运动数据,进行基于溯源控制偏差的运动对比,形成运动偏差调整数据,包括:分别获取实时运动数据中的实时轨迹运动信息和期望运动数据中的期望轨迹运动信息,并将实时轨迹运动信息与期望轨迹运动信息进行基于过程偏离量的分析,形成轨迹运动偏差调整数据;分别获取实时运动数据中的实时点运动信息和期望运动数中的期望点运动信息,并将实时点运动信息和期望点运动信息进行基于终点偏离量的分析,形成点运动偏差调整数据;集合轨迹运动偏差调整数据和点运动偏差调整数据,形成运动偏差调整数据。
在本发明中,考虑具有轨迹输出要求的工业机器人需要保证输出轨迹的准确性以及最终输出终点位置的准确性,将对工业机器人的偏差调整区分为针对输出轨迹准确性的偏差调整和针对输出终点位置准确性的偏差调整。两个方面的偏差调整均是在获取实时数据的基础上同预设的输出结果数据进行溯源对比,进而形成针对初始输出控制的偏差控制量,已达到从输出控制源头来进行偏差调整的效果。
作为一种可能的实现方式,分别获取实时运动数据中的实时轨迹运动信息和期望运动数据中的期望轨迹运动信息,并将实时轨迹运动信息与期望轨迹运动信息进行基于过程偏离量的分析,形成轨迹运动偏差调整数据,包括:建立轨迹分析坐标系,并根据实时轨迹运动信息确定在轨迹分析坐标系下单个运动周期中的实时轨迹运动输出曲线,其中x、y、z分别为实时轨迹信息在轨迹分析坐标下对应的不同方向的坐标参数;根据期望轨迹运动信息确定在轨迹分析坐标系下单个运动周期中的期望轨迹运动输出曲线/>;根据实时轨迹运动输出曲线/>和期望轨迹运动输出曲线/>进行偏离量分析,确定过程偏离信息;获取目标机器人的源运动数据,并结合过程偏离信息进行偏离调整分析,形成轨迹运动偏差调整数据。
在本发明中,对于针对轨迹输出的偏差调整,首先建立统一的轨迹数据表达基础是进行实时轨迹信息与期望轨迹信息对比分析的基础。这里通过建立轨迹分析坐标系来将获取到的实时轨迹信息和期望轨迹信息在同一个坐标系下进行数值化。需要说明的是,在进行基于坐标系的数值化时,考虑工业机器人的作业具有时效性,即在什么时刻需要完成对应的动作,所以对于数值化的曲线是包含时间参数的。同时,由于工业机器人的作业动作是重复性的具有周期性,所以获取的轨迹曲线可以以提取实时数据的时间段为基础建立单个周期下的轨迹曲线即可。当然,为了保证利用实时数据所进行的分析结果能够及时形成控制调整指令对工业机器人的下一个周期运动进行调整,获取实时数据时可以以工业机器人完成单套动作的时间跨度为数据采集的时长,并采集最新完成单套动作的实时数据作为分析的基础数据,大大提高了控制分析的时效性,进而提升控制的精度。
作为一种可能的实现方式,根据实时轨迹运动输出曲线和期望轨迹运动输出曲线/>进行偏离量分析,确定过程偏离信息,包括:以时间为基准参考参数,确定实时轨迹运动输出曲线与期望轨迹运动输出曲线在运动周期下对应时刻的偏离量,形成时间轨迹偏离量/>,其中:;设定轨迹偏离量阈值/>和持续偏离量时间限制/>,并在单个运动周期下进行以下分析判断:若存在持续时长超过持续偏离量时间限制/>的时间轨迹偏离量/>,则将满足条件的实时轨迹运动曲线确定为实时轨迹偏离曲线段,并标记为Cn,并将期望轨迹运动输出曲线/>上与轨迹偏离曲线段对应的曲线段标定为期望轨迹参考曲线段Dn,n表示在单个运动周期下轨迹偏离曲线段按照时间顺序形成的编号。
在本发明中,将同一坐标系下形成的实时轨迹运动曲线与期望轨迹运动曲线进行对比时考虑工业机器人运动轨迹具有时效性,因而以时间参数为对比基准,进行相同时间点下轨迹偏差的确定。可以理解的是,由于实际的运动轨迹与期望的运动轨迹总会存在一定的允许误差,因而在判断偏差量时需要考虑误差与偏差的区别,同时,对于在较短时长或者瞬时状态下出现的偏差可以认为是偶发状况形成的具有随机性因而可以忽略。所以对偏离量阈值和时长的限制可以根据实际需要来确定,充分考虑控制精度、控制成本等方面综合设定。需要说明的是,对于工业机器人的输出轨迹来说是多个初始输入控制在经过一定路径的传递后综合所得,所以输出轨迹表现出的偏差总是分段的,毕竟每个初始控制输入的输入时间、所控制的动作部分是各有不同的,综合表现为在某些特定周期时间段下的偏离。对应性的将发生偏离的实时轨迹段和期望轨迹段进行提取有利于针对性的进行溯源偏离分析,进而为后续进行基于初始输入的调整控制提供准确的数据参考。
作为一种可能的实现方式,获取目标机器人的源运动数据,并结合过程偏离信息进行偏离调整分析,形成轨迹运动偏差调整数据,包括:获取目标机器人每个源运动机构在轨迹分析坐标系下单个运动周期内的源运动输出轨迹数据;对每个实时轨迹偏离曲线段Cn,结合源运动输出轨迹数据进行运动分解,形成每个源运动机构对应的实时源轨迹偏离曲线,m表示源运动机构的编号;对每个期望轨迹参考曲线段Dn,结合源运动输出轨迹数据进行运动分解,形成每个源运动机构对应的期望源轨迹参考曲线;根据实时源轨迹偏离曲线/>和期望源轨迹参考曲线,确定在每个源运动机构上对应的偏离调整量Lm;获取每个源运动机构的允许输出量范围Pm,并结合偏离调整量Lm进行偏离调整分析,形成轨迹运动偏差调整数据。
在本发明中,针对确定出现偏差的轨迹段进行溯源分析,每个偏离段会溯源对应到多个初始输入上去。这里使用统一的曲线函数表示,对于不影响偏离量的初始输入即曲线函数为零或常数。需要说明的是,对输出偏离量进行溯源来根据初始输入控制进行调整一方面可以避免对中间控制参量调整所导致的一连串可能的参数之间的限制影响,同时也可以避免对结构构造引起的偏量的调整导致的结构问题,另一方面初始输入基本上是单一运动方式的输入,可以直观的进行调整,不受不同运动参量的约束,调整也十分方便快速。当然,在获取初始输入的偏离调整量后也需要考虑初始输入可以进行调整的允许量,进而做出合理的偏离量调整。
作为一种可能的实现方式,获取每个源运动机构的允许输出量范围Pm,并结合偏离调整量Lm进行偏离调整分析,形成轨迹运动偏差调整数据,包括:对每个源运动机构根据对应的偏离调整量Lm进行输出调整,形成对应的初始调整输出量;根据初始调整输出量对每个源运动机构进行以下偏离调整的分析:若初始调整输出量属于对应的允许输出量范围Pm,则将初始调整输出量确定为第一调整输出量;若初始调整输出量不属于对应的允许输出量范围Pm,则获取超出对应允许输出量范围Pm的超出输出量;确定所有源运动机构在形成初始调整输出量后的剩余允许输出量;根据剩余允许输出量和所有超出输出量,进行超出量优化调整,形成优化调整数据;根据第一调整输出量和优化调整数据,形成轨迹运动偏差调整数据。
在本发明中,对输出轨迹偏离量溯源后,针对初始输入的偏离量可能存在需要调整的偏离量超过初始输入所允许的调整量,对于多出的偏离量则需要进行优化调整以使偏离量得到完全调整控制。这里,首先对每个初始输入进行在最大允许范围内的偏离量调整,完成后获取到那些无法完全调整偏离量的剩余偏离量,对这些剩余偏离量从输入的整体层面进行调整消纳。
作为一种可能的实现方式,根据剩余允许输出量和所有超出输出量,进行超出量优化调整,形成优化调整数据,包括:将剩余允许输出量按照由大到小的顺序排列,并确定每个剩余允许输出量的运动类型,形成有序剩余允许输出量集;根据有序剩余允许输出量集,对每个超出输出量进行以下优化调整:依次从有序剩余允许输出量集中提取k个有序剩余允许输出量,并根据有序剩余允许输出量对应的源运动机构对超出输出量进行运动分解,形成每个源运动机构对应的优化调整量;对每个超出输出量进行运动分解的调整,直至所有超出输出量被分解,将参与运动分解的源运动机构获取的所有优化调整量与对应的第一调整输出量合并,形成优化合并输出量,其中,对k的选取按以下方式进行:依次获取的有序剩余允许输出量所对应的运动类型若均为直线型,则k至少取3,若存在有序剩余允许输出量所对应的运动类型不为直线型,则k至少取2;当三个剩余允许输出量无法完成对超出输出量的运动分解时继续以1的增加,直至取得的数量刚好能够完成对超出输出量的运动分解,对于剩余允许输出量在已经进行的超出输出量的运动分解中被利用完则不再进行提取。
在本发明中,对于将部分无法完成所有偏离量调整的剩余偏离量,首先从整体上获取所有初始输入还剩余的调整量,再根据剩余调整量的多少来进行剩余偏离量的消纳。可以理解的是,由于使用其他初始输入来进行剩余偏离量的消纳,因为不同初始输入存在类型和输入步调的区别,需要多个初始输入综合进行才能保证实现对应的偏离量控制,所以不能单一的获取初始输入进行消纳而是以组合的形式进行。组合的形式则是根据偏离量的情况确定。可以理解,由于剩余偏离量也是单一类型的调整量,采用其他单一类型的初始输入进行组合消纳必然是在三维空间下进行单一类型的组合形成剩余偏离量的运动合成,因而如果所提取的初始输入类型均为线型,那么需要能够支持在三维空间任意合成运动的三个不同方向的初始输入,因而提取数量不小于3个。而对于存在非线性类型则进需要不小于2个的初始输入即可合成。当然,能否合成与剩余偏离量匹配的运动则根据剩余偏离量进行提取数量的增加调整。对于已经被剩余偏离量占用了所有剩余调整量的初始输入在后续的偏离量优化控制中便不再提取利用。
作为一种可能的实现方式,分别获取实时运动数据中的实时点运动信息和期望运动数中的期望点运动信息,并将实时点运动信息和期望点运动信息进行基于终点偏离量的分析,形成点运动偏差调整数据,包括:根据实时点运动信息,确定实时终点位置;根据期望点运动信息,确定期望终点位置;根据实时终点位置和期望终点位置,建立以期望终点位置为坐标原点的终点坐标系,并确定实时终点位置与期望终点位置之间的距离直线段;获取目标机器人位置运动数据,根据距离直线段/>进行终点偏离量分析,形成点运动偏差调整数据。
在本发明中,对于工业机器人通过复杂的控制形成预设轨迹后还需要关注最后的运动终点,某些生产工序下对于终点位置的精度要求是十分严格的。而往往对于终点位置的控制工业机器人会提供额外辅助的运动来实现。因而同样基于实时终点位置与期望终点位置进行偏量分析来溯源到对应的初始辅助运动控制上实现对终点位置的偏量控制。
作为一种可能的实现方式,获取目标机器人位置运动数据,根据距离直线段进行终点偏离量分析,形成点运动偏差调整数据,包括:确定目标机器人的不同源位置运动信息,将距离直线段/>根据源位置运动信息分解到不同原位置运动上,形成源位置运动调整量;结合所有源位置运动调整量,形成点运动偏差调整数据。
在本发明中,可以理解终点位置上形成的距离直线段即使需要初始辅助运动完成的运动参考,当然,考虑不同工业机器人的辅助运动类型不同,不一定是以与直线段匹配的形式进行,只要能够达到最后的期望终点位置即可。
第二方面,本发明提供一种工业机器人自动化控制***,应用于第一方面所说的工业机器人自动化控制方法,包括运动传感采集单元,用于采集目标机器人的实时作业数据;控制存储单元,用于存储目标机器人的期望作业数据;控制分析单元,用于获取运动传感采集单元采集的实时作业数据和控制存储单元存储的期望作业数据,进行基于控制偏差的运动对比,形成运动偏差调整数据;控制执行单元,用于获取控制分析单元形成的运动偏差调整数据,形成运动偏差调整指令。
在本发明中,该***通过传感采集单元获取工业机器人实时输出数据,与控制存储单元存储的目标输出数据形成对比,由分析单元完成全过程的偏量控制分析,形成执行单元执行调整控制的参考数据。整个***功能完整且相互联系实现高效的数据处理,为高效快速的实现对工业机器人的偏量控制提供重要物质基础。
本发明提供的一种工业机器人自动化控制方法及***的有益效果有:
该方法通过实时采集工业机器人的输出控制结果数据,并结合初始要求的期望控制结果数据进行实际作业中所产生的偏差的确认,并以累计偏差数据为基础进行机器人初始输入控制量的偏差调整,进而以溯源进行控制调整的偏差控制方式。该方式可以整体上忽略起始输入控制量在传输路径上产生的传递误差,降低了偏量控制的复杂度,同时从源头上进行输入数据的控制调整具有较大的可调整范围且不受其他控制条件的约束,能够最大程度的起到偏量控制的调整作用,有利于解决理解误差较大的控制偏离情形。
该***通过传感采集单元获取工业机器人实时输出数据,与控制存储单元存储的目标输出数据形成对比,由分析单元完成全过程的偏量控制分析,形成执行单元执行调整控制的参考数据。整个***功能完整且相互联系实现高效的数据处理,为高效快速的实现对工业机器人的偏量控制提供重要物质基础。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的工业机器人自动化控制方法的步骤图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行描述。
随着科技进步和社会发展,机器逐渐代替人类进行一部分生产工作,一方面大大提高了生产效率,充分保障了产品质量,另一方面也解放了一部分人力资源使其从事更具创造性的工作,同时也为企业节约了人力成本。
目前工业生产常使用工业机器人代替人工在生产线进行生产作业。由于机器的特性,在长时间的生产作业中会出现控制精度下降或者偏差量增加的情况。这是不可避免的情形。通常会通过定期的维护修理来进行校对。但这样也造成了同一批产品因为维护修理导致的质量差距较大,甚至在接近维护期时产生影响产品质量合格的累计偏差。当前对于这种情况多是基于大数据进行合理的偏差预期,进而调整维护修理时期,但却存在一定的滞后性,并且尤其对于轨迹控制的机器人不能实现合理的部分轨迹偏差调整,需要整体上维护校对,十分浪费资源。
参考图1,本发明实施例提供一种工业机器人自动化控制方法,该方法通过实时采集工业机器人的输出控制结果数据,并结合初始要求的期望控制结果数据进行实际作业中所产生的偏差的确认,并以累计偏差数据为基础进行机器人初始输入控制量的偏差调整,进而以溯源进行控制调整的偏差控制方式。该方式可以整体上忽略起始输入控制量在传输路径上产生的传递误差,降低了偏量控制的复杂度,同时从源头上进行输入数据的控制调整具有较大的可调整范围且不受其他控制条件的约束,能够最大程度的起到偏量控制的调整作用,有利于解决理解误差较大的控制偏离情形。
工业机器人自动化控制方法具体包括以下步骤:
S1:获取目标机器人的期望作业数据,形成期望运动数据。
期望作业数据为工业机器人针对所对应的工序作业设计的目标控制运动数据。
S2:获取目标机器人的实时作业数据,形成实时运动数据。
实时运动数据是工业机器人在实际作业中形成的控制运动数据。
S3:根据实时运动数据和期望运动数据,进行基于溯源控制偏差的运动对比,形成运动偏差调整数据。
根据实时运动数据和期望运动数据,进行基于溯源控制偏差的运动对比,形成运动偏差调整数据,包括:分别获取实时运动数据中的实时轨迹运动信息和期望运动数据中的期望轨迹运动信息,并将实时轨迹运动信息与期望轨迹运动信息进行基于过程偏离量的分析,形成轨迹运动偏差调整数据;分别获取实时运动数据中的实时点运动信息和期望运动数中的期望点运动信息,并将实时点运动信息和期望点运动信息进行基于终点偏离量的分析,形成点运动偏差调整数据;集合轨迹运动偏差调整数据和点运动偏差调整数据,形成运动偏差调整数据。
考虑具有轨迹输出要求的工业机器人需要保证输出轨迹的准确性以及最终输出终点位置的准确性,将对工业机器人的偏差调整区分为针对输出轨迹准确性的偏差调整和针对输出终点位置准确性的偏差调整。两个方面的偏差调整均是在获取实时数据的基础上同预设的输出结果数据进行溯源对比,进而形成针对初始输出控制的偏差控制量,已达到从输出控制源头来进行偏差调整的效果。
其中,分别获取实时运动数据中的实时轨迹运动信息和期望运动数据中的期望轨迹运动信息,并将实时轨迹运动信息与期望轨迹运动信息进行基于过程偏离量的分析,形成轨迹运动偏差调整数据,包括:建立轨迹分析坐标系,并根据实时轨迹运动信息确定在轨迹分析坐标系下单个运动周期中的实时轨迹运动输出曲线,其中x、y、z分别为实时轨迹信息在轨迹分析坐标下对应的不同方向的坐标参数;根据期望轨迹运动信息确定在轨迹分析坐标系下单个运动周期中的期望轨迹运动输出曲线;根据实时轨迹运动输出曲线/>和期望轨迹运动输出曲线/>进行偏离量分析,确定过程偏离信息;获取目标机器人的源运动数据,并结合过程偏离信息进行偏离调整分析,形成轨迹运动偏差调整数据。
对于针对轨迹输出的偏差调整,首先建立统一的轨迹数据表达基础是进行实时轨迹信息与期望轨迹信息对比分析的基础。这里通过建立轨迹分析坐标系来将获取到的实时轨迹信息和期望轨迹信息在同一个坐标系下进行数值化。需要说明的是,在进行基于坐标系的数值化时,考虑工业机器人的作业具有时效性,即在什么时刻需要完成对应的动作,所以对于数值化的曲线是包含时间参数的。同时,由于工业机器人的作业动作是重复性的具有周期性,所以获取的轨迹曲线可以以提取实时数据的时间段为基础建立单个周期下的轨迹曲线即可。当然,为了保证利用实时数据所进行的分析结果能够及时形成控制调整指令对工业机器人的下一个周期运动进行调整,获取实时数据时可以以工业机器人完成单套动作的时间跨度为数据采集的时长,并采集最新完成单套动作的实时数据作为分析的基础数据,大大提高了控制分析的时效性,进而提升控制的精度。
根据实时轨迹运动输出曲线和期望轨迹运动输出曲线进行偏离量分析,确定过程偏离信息,包括:以时间为基准参考参数,确定实时轨迹运动输出曲线与期望轨迹运动输出曲线在运动周期下对应时刻的偏离量,形成时间轨迹偏离量/>,其中:;设定轨迹偏离量阈值/>和持续偏离量时间限制/>,并在单个运动周期下进行以下分析判断:若存在持续时长超过持续偏离量时间限制/>的时间轨迹偏离量/>,则将满足条件的实时轨迹运动曲线确定为实时轨迹偏离曲线段,并标记为Cn,并将期望轨迹运动输出曲线/>上与轨迹偏离曲线段对应的曲线段标定为期望轨迹参考曲线段Dn,n表示在单个运动周期下轨迹偏离曲线段按照时间顺序形成的编号。
将同一坐标系下形成的实时轨迹运动曲线与期望轨迹运动曲线进行对比时考虑工业机器人运动轨迹具有时效性,因而以时间参数为对比基准,进行相同时间点下轨迹偏差的确定。可以理解的是,由于实际的运动轨迹与期望的运动轨迹总会存在一定的允许误差,因而在判断偏差量时需要考虑误差与偏差的区别,同时,对于在较短时长或者瞬时状态下出现的偏差可以认为是偶发状况形成的具有随机性因而可以忽略。所以对偏离量阈值和时长的限制可以根据实际需要来确定,充分考虑控制精度、控制成本等方面综合设定。需要说明的是,对于工业机器人的输出轨迹来说是多个初始输入控制在经过一定路径的传递后综合所得,所以输出轨迹表现出的偏差总是分段的,毕竟每个初始控制输入的输入时间、所控制的动作部分是各有不同的,综合表现为在某些特定周期时间段下的偏离。对应性的将发生偏离的实时轨迹段和期望轨迹段进行提取有利于针对性的进行溯源偏离分析,进而为后续进行基于初始输入的调整控制提供准确的数据参考。
获取目标机器人的源运动数据,并结合过程偏离信息进行偏离调整分析,形成轨迹运动偏差调整数据,包括:获取目标机器人每个源运动机构在轨迹分析坐标系下单个运动周期内的源运动输出轨迹数据;对每个实时轨迹偏离曲线段Cn,结合源运动输出轨迹数据进行运动分解,形成每个源运动机构对应的实时源轨迹偏离曲线,m表示源运动机构的编号;对每个期望轨迹参考曲线段Dn,结合源运动输出轨迹数据进行运动分解,形成每个源运动机构对应的期望源轨迹参考曲线/>;根据实时源轨迹偏离曲线/>和期望源轨迹参考曲线/>,确定在每个源运动机构上对应的偏离调整量Lm;获取每个源运动机构的允许输出量范围Pm,并结合偏离调整量Lm进行偏离调整分析,形成轨迹运动偏差调整数据。
针对确定出现偏差的轨迹段进行溯源分析,每个偏离段会溯源对应到多个初始输入上去。这里使用统一的曲线函数表示,对于不影响偏离量的初始输入即曲线函数为零或常数。需要说明的是,对输出偏离量进行溯源来根据初始输入控制进行调整一方面可以避免对中间控制参量调整所导致的一连串可能的参数之间的限制影响,同时也可以避免对结构构造引起的偏量的调整导致的结构问题,另一方面初始输入基本上是单一运动方式的输入,可以直观的进行调整,不受不同运动参量的约束,调整也十分方便快速。当然,在获取初始输入的偏离调整量后也需要考虑初始输入可以进行调整的允许量,进而做出合理的偏离量调整。
获取每个源运动机构的允许输出量范围Pm,并结合偏离调整量Lm进行偏离调整分析,形成轨迹运动偏差调整数据,包括:对每个源运动机构根据对应的偏离调整量Lm进行输出调整,形成对应的初始调整输出量;根据初始调整输出量对每个源运动机构进行以下偏离调整的分析:若初始调整输出量属于对应的允许输出量范围Pm,则将初始调整输出量确定为第一调整输出量;若初始调整输出量不属于对应的允许输出量范围Pm,则获取超出对应允许输出量范围Pm的超出输出量;确定所有源运动机构在形成初始调整输出量后的剩余允许输出量;根据剩余允许输出量和所有超出输出量,进行超出量优化调整,形成优化调整数据;根据第一调整输出量和优化调整数据,形成轨迹运动偏差调整数据。
对输出轨迹偏离量溯源后,针对初始输入的偏离量可能存在需要调整的偏离量超过初始输入所允许的调整量,对于多出的偏离量则需要进行优化调整以使偏离量得到完全调整控制。这里,首先对每个初始输入进行在最大允许范围内的偏离量调整,完成后获取到那些无法完全调整偏离量的剩余偏离量,对这些剩余偏离量从输入的整体层面进行调整消纳。
根据剩余允许输出量和所有超出输出量,进行超出量优化调整,形成优化调整数据,包括:将剩余允许输出量按照由大到小的顺序排列,并确定每个剩余允许输出量的运动类型,形成有序剩余允许输出量集;根据有序剩余允许输出量集,对每个超出输出量进行以下优化调整:依次从有序剩余允许输出量集中提取k个有序剩余允许输出量,并根据有序剩余允许输出量对应的源运动机构对超出输出量进行运动分解,形成每个源运动机构对应的优化调整量;对每个超出输出量进行运动分解的调整,直至所有超出输出量被分解,将参与运动分解的源运动机构获取的所有优化调整量与对应的第一调整输出量合并,形成优化合并输出量,其中,对k的选取按以下方式进行:依次获取的有序剩余允许输出量所对应的运动类型若均为直线型,则k至少取3,若存在有序剩余允许输出量所对应的运动类型不为直线型,则k至少取2;当三个剩余允许输出量无法完成对超出输出量的运动分解时继续以1的增加,直至取得的数量刚好能够完成对超出输出量的运动分解,对于剩余允许输出量在已经进行的超出输出量的运动分解中被利用完则不再进行提取。
对于将部分无法完成所有偏离量调整的剩余偏离量,首先从整体上获取所有初始输入还剩余的调整量,再根据剩余调整量的多少来进行剩余偏离量的消纳。可以理解的是,由于使用其他初始输入来进行剩余偏离量的消纳,因为不同初始输入存在类型和输入步调的区别,需要多个初始输入综合进行才能保证实现对应的偏离量控制,所以不能单一的获取初始输入进行消纳而是以组合的形式进行。组合的形式则是根据偏离量的情况确定。可以理解,由于剩余偏离量也是单一类型的调整量,采用其他单一类型的初始输入进行组合消纳必然是在三维空间下进行单一类型的组合形成剩余偏离量的运动合成,因而如果所提取的初始输入类型均为线型,那么需要能够支持在三维空间任意合成运动的三个不同方向的初始输入,因而提取数量不小于3个。而对于存在非线性类型则进需要不小于2个的初始输入即可合成。当然,能否合成与剩余偏离量匹配的运动则根据剩余偏离量进行提取数量的增加调整。对于已经被剩余偏离量占用了所有剩余调整量的初始输入在后续的偏离量优化控制中便不再提取利用。
分别获取实时运动数据中的实时点运动信息和期望运动数中的期望点运动信息,并将实时点运动信息和期望点运动信息进行基于终点偏离量的分析,形成点运动偏差调整数据,包括:根据实时点运动信息,确定实时终点位置;根据期望点运动信息,确定期望终点位置;根据实时终点位置和期望终点位置,建立以期望终点位置为坐标原点的终点坐标系,并确定实时终点位置与期望终点位置之间的距离直线段;获取目标机器人位置运动数据,根据距离直线段/>进行终点偏离量分析,形成点运动偏差调整数据。
对于工业机器人通过复杂的控制形成预设轨迹后还需要关注最后的运动终点,某些生产工序下对于终点位置的精度要求是十分严格的。而往往对于终点位置的控制工业机器人会提供额外辅助的运动来实现。因而同样基于实时终点位置与期望终点位置进行偏量分析来溯源到对应的初始辅助运动控制上实现对终点位置的偏量控制。
获取目标机器人位置运动数据,根据距离直线段进行终点偏离量分析,形成点运动偏差调整数据,包括:确定目标机器人的不同源位置运动信息,将距离直线段根据源位置运动信息分解到不同原位置运动上,形成源位置运动调整量;结合所有源位置运动调整量,形成点运动偏差调整数据。
可以理解终点位置上形成的距离直线段即使需要初始辅助运动完成的运动参考,当然,考虑不同工业机器人的辅助运动类型不同,不一定是以与直线段匹配的形式进行,只要能够达到最后的期望终点位置即可。
S4:根据运动偏差调整数据,形成运动偏差调整指令对目标机器人进行偏差调整控制。
获取到所有初始输入的调整量信息后,形成控制指令针对每个初始输入进行控制调整完成对工业机器人的偏差量调整。
本发明还提供过工业机器人自动化控制***,该***采用本发明提供的工业机器人自动化控制方法,包括运动传感采集单元,用于采集目标机器人的实时作业数据;控制存储单元,用于存储目标机器人的期望作业数据;控制分析单元,用于获取运动传感采集单元采集的实时作业数据和控制存储单元存储的期望作业数据,进行基于控制偏差的运动对比,形成运动偏差调整数据;控制执行单元,用于获取控制分析单元形成的运动偏差调整数据,形成运动偏差调整指令。
该***通过传感采集单元获取工业机器人实时输出数据,与控制存储单元存储的目标输出数据形成对比,由分析单元完成全过程的偏量控制分析,形成执行单元执行调整控制的参考数据。整个***功能完整且相互联系实现高效的数据处理,为高效快速的实现对工业机器人的偏量控制提供重要物质基础。
综上所述,本发明实施例提供的工业机器人自动化控制方法及装置的有益效果有:
该方法通过实时采集工业机器人的输出控制结果数据,并结合初始要求的期望控制结果数据进行实际作业中所产生的偏差的确认,并以累计偏差数据为基础进行机器人初始输入控制量的偏差调整,进而以溯源进行控制调整的偏差控制方式。该方式可以整体上忽略起始输入控制量在传输路径上产生的传递误差,降低了偏量控制的复杂度,同时从源头上进行输入数据的控制调整具有较大的可调整范围且不受其他控制条件的约束,能够最大程度的起到偏量控制的调整作用,有利于解决理解误差较大的控制偏离情形。
该***通过传感采集单元获取工业机器人实时输出数据,与控制存储单元存储的目标输出数据形成对比,由分析单元完成全过程的偏量控制分析,形成执行单元执行调整控制的参考数据。整个***功能完整且相互联系实现高效的数据处理,为高效快速的实现对工业机器人的偏量控制提供重要物质基础。
本发明中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个),可以表示:a, b, c, a-b, a-c, b-c, 或a-b-c,其中a,b,c可以是单个,也可以是多个。
应理解,在本发明的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (4)
1.工业机器人自动化控制方法,其特征在于,包括:
获取目标机器人的期望作业数据,形成期望运动数据;
获取目标机器人的实时作业数据,形成实时运动数据;
根据所述实时运动数据和所述期望运动数据,进行基于溯源控制偏差的运动对比,形成运动偏差调整数据;
根据所述运动偏差调整数据,形成运动偏差调整指令对所述目标机器人进行偏差调整控制;
其中,根据所述实时运动数据和所述期望运动数据,进行基于溯源控制偏差的运动对比,形成运动偏差调整数据,包括:
分别获取所述实时运动数据中的实时轨迹运动信息和所述期望运动数据中的期望轨迹运动信息,并将所述实时轨迹运动信息与所述期望轨迹运动信息进行基于过程偏离量的分析,形成轨迹运动偏差调整数据:
建立轨迹分析坐标系,并根据所述实时轨迹运动信息确定在所述轨迹分析坐标系下单个运动周期中的实时轨迹运动输出曲线,其中x、y、z分别为实时轨迹信息在所述轨迹分析坐标下对应的不同方向的坐标参数;
根据所述期望轨迹运动信息确定在所述轨迹分析坐标系下单个运动周期中的期望轨迹运动输出曲线;
根据所述实时轨迹运动输出曲线和所述期望轨迹运动输出曲线进行偏离量分析,确定过程偏离信息:
以时间为基准参考参数,确定所述实时轨迹运动输出曲线与所述期望轨迹运动输出曲线在所述运动周期下对应时刻的偏离量,形成时间轨迹偏离量,其中:;设定轨迹偏离量阈值/>和持续偏离量时间限制/>,并在单个所述运动周期下进行以下分析判断:若存在持续时长超过所述持续偏离量时间限制/>的所述时间轨迹偏离量/>,则将满足条件的实时轨迹运动曲线确定为实时轨迹偏离曲线段,并标记为/>,并将所述期望轨迹运动输出曲线/>上与所述轨迹偏离曲线段对应的曲线段标定为期望轨迹参考曲线段/>,n表示在单个所述运动周期下所述轨迹偏离曲线段按照时间顺序形成的编号;
获取所述目标机器人的源运动数据,并结合所述过程偏离信息进行偏离调整分析,形成所述轨迹运动偏差调整数据:
获取所述目标机器人每个源运动机构在所述轨迹分析坐标系下单个所述运动周期内的源运动输出轨迹数据;对每个所述实时轨迹偏离曲线段,结合所述源运动输出轨迹数据进行运动分解,形成每个所述源运动机构对应的实时源轨迹偏离曲线/>,m表示源运动机构的编号;对每个所述期望轨迹参考曲线段/>,结合所述源运动输出轨迹数据进行运动分解,形成每个所述源运动机构对应的期望源轨迹参考曲线;根据所述实时源轨迹偏离曲线/>和所述期望源轨迹参考曲线/>,确定在每个源运动机构上对应的偏离调整量/>;
获取每个源运动机构的允许输出量范围,并结合所述偏离调整量/>进行偏离调整分析,形成所述轨迹运动偏差调整数据:
对每个所述源运动机构根据对应的所述偏离调整量进行输出调整,形成对应的初始调整输出量;根据所述初始调整输出量对每个源运动机构进行以下偏离调整的分析:
若所述初始调整输出量属于对应的所述允许输出量范围,则将所述初始调整输出量确定为第一调整输出量;若所述初始调整输出量不属于对应的所述允许输出量范围/>,则获取超出对应所述允许输出量范围/>的超出输出量;确定所有所述源运动机构在形成所述初始调整输出量后的剩余允许输出量;
根据所述剩余允许输出量和所有所述超出输出量,进行超出量优化调整,形成优化调整数据:
将所述剩余允许输出量按照由大到小的顺序排列,并确定每个所述剩余允许输出量的运动类型,形成有序剩余允许输出量集;根据所述有序剩余允许输出量集,对每个超出输出量进行以下优化调整:依次从所述有序剩余允许输出量集中提取k个所述有序剩余允许输出量,并根据所述有序剩余允许输出量对应的源运动机构对所述超出输出量进行运动分解,形成每个源运动机构对应的优化调整量;对每个所述超出输出量进行运动分解的调整,直至所有所述超出输出量被分解,将参与运动分解的源运动机构获取的所有所述优化调整量与对应的第一调整输出量合并,形成优化合并输出量,其中,对k的选取按以下方式进行:依次获取的所述有序剩余允许输出量所对应的运动类型若均为直线型,则k至少取3,若存在所述有序剩余允许输出量所对应的运动类型不为直线型,则k至少取2;当三个剩余允许输出量无法完成对超出输出量的运动分解时继续以1的增加,直至取得的数量刚好能够完成对超出输出量的运动分解,对于剩余允许输出量在已经进行的超出输出量的运动分解中被利用完则不再进行提取;
根据所述第一调整输出量和所述优化调整数据,形成所述轨迹运动偏差调整数据;
分别获取所述实时运动数据中的实时点运动信息和所述期望运动数中的期望点运动信息,并将所述实时点运动信息和所述期望点运动信息进行基于终点偏离量的分析,形成点运动偏差调整数据;
集合所述轨迹运动偏差调整数据和所述点运动偏差调整数据,形成所述运动偏差调整数据。
2.根据权利要求1所述的工业机器人自动化控制方法,其特征在于,所述分别获取所述实时运动数据中的实时点运动信息和所述期望运动数中的期望点运动信息,并将所述实时点运动信息和所述期望点运动信息进行基于终点偏离量的分析,形成点运动偏差调整数据,包括:
根据所述实时点运动信息,确定实时终点位置;
根据所述期望点运动信息,确定期望终点位置;
根据所述实时终点位置和所述期望终点位置,建立以所述期望终点位置为坐标原点的终点坐标系,并确定所述实时终点位置与所述期望终点位置之间的距离直线段;
获取目标机器人位置运动数据,根据所述距离直线段进行终点偏离量分析,形成所述点运动偏差调整数据。
3.根据权利要求2所述的工业机器人自动化控制方法,其特征在于,所述获取目标机器人位置运动数据,根据所述距离直线段进行终点偏离量分析,形成所述点运动偏差调整数据,包括:
确定所述目标机器人的不同源位置运动信息,将所述距离直线段根据源位置运动信息分解到不同原位置运动上,形成源位置运动调整量;
结合所有所述源位置运动调整量,形成所述点运动偏差调整数据。
4.工业机器人自动化控制***,采用权利要求1-3任意一项所述工业机器人自动化控制方法,其特征在于,包括:
运动传感采集单元,用于采集目标机器人的实时作业数据;
控制存储单元,用于存储目标机器人的期望作业数据;
控制分析单元,用于获取所述运动传感采集单元采集的实时作业数据和所述控制存储单元存储的期望作业数据,进行基于控制偏差的运动对比,形成运动偏差调整数据;
控制执行单元,用于获取所述控制分析单元形成的运动偏差调整数据,形成运动偏差调整指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410005298.9A CN117506934B (zh) | 2024-01-03 | 2024-01-03 | 工业机器人自动化控制***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410005298.9A CN117506934B (zh) | 2024-01-03 | 2024-01-03 | 工业机器人自动化控制***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117506934A CN117506934A (zh) | 2024-02-06 |
CN117506934B true CN117506934B (zh) | 2024-03-12 |
Family
ID=89764836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410005298.9A Active CN117506934B (zh) | 2024-01-03 | 2024-01-03 | 工业机器人自动化控制***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117506934B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2003827A1 (en) * | 1988-12-22 | 1990-06-22 | Jeffrey D. Taft | Parametric path modeling for an optical automatic seam tracker and real time robotic control system |
AT12208U2 (de) * | 2011-09-06 | 2012-01-15 | Keba Ag | Verfahren, steuerungssystem und bewegungsvorgabemittel zum programmieren oder vorgeben von bewegungen oder abläufen eines industrieroboters |
CN105093926A (zh) * | 2015-07-27 | 2015-11-25 | 浙江工业大学 | 一种迭代学习控制参考轨迹的优化匹配组合方法 |
CN105549598A (zh) * | 2016-02-16 | 2016-05-04 | 江南大学 | 一种二维运动移动机器人的迭代学习轨迹跟踪控制及其鲁棒优化方法 |
CN108621162A (zh) * | 2018-05-09 | 2018-10-09 | 广西科技大学 | 一种机械臂运动规划方法 |
CN109159122A (zh) * | 2018-09-12 | 2019-01-08 | 浙江工业大学 | 采用椭圆型终态神经网络的冗余机器人重复运动规划方法 |
CN112338913A (zh) * | 2020-10-27 | 2021-02-09 | 四川大学 | 一种多关节柔性机械臂的轨迹跟踪控制方法及*** |
CN113156944A (zh) * | 2021-03-28 | 2021-07-23 | 西北工业大学 | 一种室内移动机器人充电路径规划与运动控制算法 |
CN113814974A (zh) * | 2021-09-14 | 2021-12-21 | 北京精密机电控制设备研究所 | 一种六关节机械臂运动控制调试方法 |
CN114670191A (zh) * | 2022-03-14 | 2022-06-28 | 南京航空航天大学 | 一种七自由度肘偏置机械臂轨迹规划方法 |
-
2024
- 2024-01-03 CN CN202410005298.9A patent/CN117506934B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2003827A1 (en) * | 1988-12-22 | 1990-06-22 | Jeffrey D. Taft | Parametric path modeling for an optical automatic seam tracker and real time robotic control system |
AT12208U2 (de) * | 2011-09-06 | 2012-01-15 | Keba Ag | Verfahren, steuerungssystem und bewegungsvorgabemittel zum programmieren oder vorgeben von bewegungen oder abläufen eines industrieroboters |
CN105093926A (zh) * | 2015-07-27 | 2015-11-25 | 浙江工业大学 | 一种迭代学习控制参考轨迹的优化匹配组合方法 |
CN105549598A (zh) * | 2016-02-16 | 2016-05-04 | 江南大学 | 一种二维运动移动机器人的迭代学习轨迹跟踪控制及其鲁棒优化方法 |
CN108621162A (zh) * | 2018-05-09 | 2018-10-09 | 广西科技大学 | 一种机械臂运动规划方法 |
CN109159122A (zh) * | 2018-09-12 | 2019-01-08 | 浙江工业大学 | 采用椭圆型终态神经网络的冗余机器人重复运动规划方法 |
CN112338913A (zh) * | 2020-10-27 | 2021-02-09 | 四川大学 | 一种多关节柔性机械臂的轨迹跟踪控制方法及*** |
CN113156944A (zh) * | 2021-03-28 | 2021-07-23 | 西北工业大学 | 一种室内移动机器人充电路径规划与运动控制算法 |
CN113814974A (zh) * | 2021-09-14 | 2021-12-21 | 北京精密机电控制设备研究所 | 一种六关节机械臂运动控制调试方法 |
CN114670191A (zh) * | 2022-03-14 | 2022-06-28 | 南京航空航天大学 | 一种七自由度肘偏置机械臂轨迹规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117506934A (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE112016000582B4 (de) | Lehreinrichtung, Lehrverfahren und Robotersystem | |
CN101620431B (zh) | 一种对热变形误差进行实时补偿的数字控制方法及*** | |
CN110163409B (zh) | 一种应用于置换流水车间的卷积神经网络调度方法 | |
CN112558547A (zh) | 一种五轴数控机床平动轴几何误差补偿数据快速优化方法 | |
CN104217063A (zh) | 用于钢轨轧制孔型的仿真设计方法 | |
US20190094838A1 (en) | Model-Free Online Recursive Optimization Method for Batch Process Based on Variable Period Decomposition | |
CN105159239A (zh) | 一种spc策略自动更新方法及spc自动策略*** | |
CN111325487B (zh) | 一种流水生产车间智能调度优化方法及*** | |
CN109352655A (zh) | 一种基于多输出高斯过程回归的机器人变形补偿方法 | |
CN117506934B (zh) | 工业机器人自动化控制***及方法 | |
CN105676776A (zh) | 基于粒子群算法的轮廓曲线数控代码生成方法及数控机床 | |
CN108198268A (zh) | 一种生产设备数据标定方法 | |
Psarommatis et al. | Predictive maintenance key control parameters for achieving efficient Zero Defect Manufacturing | |
Xu et al. | Optimization of multi-stage production scheduling of automated production | |
Parnianifard | Robust product design: a modern view of quality engineering in manufacturing systems | |
CN102597949A (zh) | 计算机辅助设计技术***的方法 | |
Kim et al. | A study on the precision machinability of ball end milling by cutting speed optimization | |
WO2013139623A1 (de) | Verfahren zum betreiben einer prozess- und/oder fertigungsanlage, steuervorrichtung einer solchen anlage und modul für die steuervorrichtung | |
CN117182910A (zh) | 一种智能装配机器人装配控制方法及控制*** | |
CN109635330B (zh) | 一种基于直接法的复杂优化控制问题准确和快速求解方法 | |
CN104636610B (zh) | 一种应用于动态环境下的制造***派工信息修正方法 | |
CN114926075B (zh) | 基于工时预测的机械零件生产调度方法 | |
CN107870567B (zh) | 一种比例微分超前广义智能内部模型集pid控制器设计方法 | |
Marcos et al. | Coordination of distributed model predictive controllers for constrained dynamic processes | |
CN110658722B (zh) | 一种基于gap的自均衡多模型分解方法及*** |
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 |