CN1935470A

CN1935470A - 优化机器人程序的方法以及机器人***

Info

Publication number: CN1935470A
Application number: CNA2006100747994A
Authority: CN
Inventors: 贾森·蔡; 孙易; 绍伊－卡伊·郑; 民仁·琼; 哈迪·阿克尔
Original assignee: Fanuc Robotics America Corp
Current assignee: Fanuc America Corp
Priority date: 2005-04-15
Filing date: 2006-04-17
Publication date: 2007-03-28
Also published as: DE102006017945A1; JP2006302282A

Abstract

一种优化机器人性能的设备和方法，包括一台计算机，该计算机连接机器人控制器，当控制器执行路径程序时，计算机接收机器人的性能数据，并使用性能数据、用户指定优化目标和限制以及运动/动态模拟器来产生一组新的控制***参数代替默认控制***参数。计算机重复上述过程直至新的控制***参数组得到优化。

Description

优化机器人程序的方法以及机器人***

技术领域

本发明涉及修改机器人控制程序以达到性能指标的方法和设备。

背景技术

最接近本发明的已有技术基于以下原理：

机器人控制器通过通信线路连接个人计算机之类的外部计算机设备。外部设备(比如个人计算机，即PC)访问机器人控制器的存储器区域，从而处理储存在存储器区域的用户程序。

该已有技术的主要用于连接多个机器人以传输用户程序或用于储存数据。在机器人控制器和外部计算机设备之间不存在优化路径性能的实时互动。

发明内容

本发明涉及优化机器人控制器的方法和设备。本发明不仅用通信电路来连接机器人控制器和外部计算机设备(普通PC)，还用外部PC的CPU功能来对机器人路径进行实时分析和优化。外部PC成为了机器人控制器的高度灵活的、可重组的且强大的第二运算器。

本发明的方法和设备在微切割/微成形方面尤其有效，这是因为这种工艺的检测和校验沉闷冗长。该方法和设备也能成功优化机器人路径和负荷一去负荷周期以及其它材料加工工艺。另外，该方法和设备为其它用途(堆垛，点焊等等)的机器人优化打下基础。

附图说明

本行业的技术人员通过以下的优选的具体实施方式参考附图能很容易地理解本发明的优点：

图1是本发明机器人程序优化设备的方块图；

图2是图1中的机器人控制器的方块图；

图3是图1中外部个人计算机的方块图；和

图4是本发明方法的流程图。

具体实施方式

机器人程序一般独立于机器人***发展和优化以达到某些性能指标，比如高精度或较佳的周期。程序在不同的机器人上执行的情况通常不完全相同，机器人的性能会有差异，有些可能达不到性能指标。这种差异是由于，不同的“***参数”需要不同的操纵器，***参数是加速时间、过大电流保护阈值、伺服环路增益、静摩擦系数、集成增益、弹簧常数等，特定的操纵器具有某个固定的参数。

本发明认为操纵器和操纵条件之间的差异影响了机器人的性能，本发明提供了一种按照机器人***(控制器和操纵器)和操纵条件来优化机器人程序以及***参数的方法。机器人程序可由常用途径写成，该程序由机器人***执行，在机器人工作时，其中的某些参数，通常是编码器位置数据和电机电流数据传入第二处理器加以优化。在机器人工作时，第二处理器使用优化路径来达到预设目标，其不仅修改机器人程序也修改控制***参数。优化中考虑到整个机器人而非单个的驱动轴，该优化监视某些性能参数的复合参数的趋势，使其达到最佳控制***参数。在机器人工作时，该过程不断重复直至达到目标，然后程序终止，***参数重设，用于生产工作。

相关的已有技术包括脱机程序设计，其中用脱机的第二处理器来修改机器人程序以达到某些目的。这种修改独立于控制***参数之外，不用对实际性能进行实时检测。同样地，同一个程序在不同的操纵器中运行情况不同，或者在同一操纵器的不同操纵条件下运行情况不同。

学习型控制也能实时修改机器人程序，还可以修改某些控制***参数。但是，间隔的学习型控制的反复优化是有间隔的，伺服***的状态变化有不稳定的风险。由于其与生俱来的缓慢变换过程，只能重复少数几个参数(通常是伺服增益和阻尼系数)。

本发明以恒定的状态在PC上重复达到快速变换，没有不稳定的风险。这也使更多的控制参数在给定时间内得以优化，更好地优化了性能。

与本发明不同的是，没有任何已有技术方法能适应电机电流输入，这对防止电机过载以及防止机器人耐久性降低发明意义重大，已有技术也不能适应弹簧常数的变化，因而影响机器人的振动特性。

本发明使用重复的方法，在动态机器人模型上，来评估PC控制参数的预料中的变化。学习型控制必须使用真实的机器人来评估变化的影响，而本发明可以在PC上用同样的条件多次运行模型，等到达到了目标再实施该变化。这种快速重复方法也避免了不稳定的风险。

相应地，本发明也具有脱机程序设计的优点，对程序的修改可以与机器人分离，使用学习型控制的重复操作能取得优化的参数。在学习型控制中，重复操作是有间隔地运行的，而伺服***状态条件的变化也充满不稳定的风险，然而，本发明以恒定的状态进行重复，变换更快，没有不稳定的风险。另外，在学习型控制中，在整个程序执行完之前，一个参数的一次变化不能在动态条件下得到评估，这是很慢的。同样的，学习型控制的方法的缺陷是在下一个时间段，在新的状态条件下，进行估计。这使得重复的稳定性变得遥不可及。

机器人路径优化需要高强度的CPU工作，非常依赖机器人TCP位置和机器臂结构。另外，机器人控制器内的CPU通常要处理过多的工作，比如动作计划、程序管理和存储器管理等等。因此，以前用机器人控制器的主CPU很难实现路径优化。本发明的方法和设备提供了实时机器人路径优化的可行途径。

本发明的主要构思是将外部计算机设备(普通PC)与机器人控制器实时互动。动作性能的回馈能在任何带有网卡的PC上向用户显示，机器人控制器和PC通过专用连接或网络连接。图像显示能提供来自控制器的有用信息，比如路径偏差和周期，实际流程可以发生也可以不发生。

为了在每次程序执行时对动作性能形象化并显示给用户，必须向PC传输实时的重要的运动数据和***/伺服状态。同时，必须分析每个记录，并根据用户需要将其储存以备将来使用。在分析后，将使用外部PC的CPU能力来计算最佳重复的补偿数据。然后将重要的补偿数据实时传回机器人控制器，下一个重复实验自动开始。本发明一直继续到满足用户设定的指标。

图1显示了本发明的优化机器人控制程序的设备10。一个第一控制设备11(比如机器人控制器)通过通信线路13(比如计算机网络)连接一个第二控制设备12(比如个人计算机PC)。尽管该第二控制设备优选个人计算机，但是可使用任何合适的计算机。控制器11包括运动***14、伺服***15和通信客户/服务器16。PC12包括路径分析模型17、优化模型18和通信客户/服务器19。

如图2所示，在机器人控制器11中，运动***14连接伺服***15，并执行控制程序以产生输入伺服***15的“运动命令”和“调整伺服***”信号。伺服***15连接机器人的电机20，执行运动命令对电机20进行操作，并接收反馈信号(包括电机20发出的电机电流)。可以在用户程序存储器21中储存多个控制程序，存储器21连接通信服务器/客户16。运动***14向通信服务器/客户16发出“性能数据”并接收其传出的“优化数据”。“优化数据”被用于产生“调整伺服***”信号以优化性能。

图3中的外部PC12包括通信服务器/客户19，其连接性能数据存储器22以向其提供“性能数据”。一个运动/动态模型存储器23储存机器人的该模型。数据存储器22和模型存储器23连接机器人性能模型24以“建立”机器人的实际性能。模型24通过分析路径连接模拟器模型25，该模型25用模拟方法来分析基于机器人性能的机器人路径。模型25的结果传入优化重复模型26。模型26通过反馈回路向模拟器模型25反馈“优化数据”，以检查基于“优化数据”的路径。等到确认了“优化数据”能使机器人表现更好之后，“优化数据”通过通信连接13的通信服务器/客户19和16被实时输入图2所示的运动***。

图4是本发明方法的流程图。该方法从“连接机器人控制器”指令30开始，其中外部PC12连接图1所示的机器人控制器11。然后PC执行“与控制器同步”指令31，其中PC12与机器人控制器11的运行实时同步。在“接收来自控制器的性能数据”指令32中，PC12从控制器11接收数据。执行指令31同时也执行了“创建运动/动态模拟器”指令33。使用步骤32中接收的性能数据和步骤33中创建的模拟器能执行“分析机器人性能”指令34。步骤34之后是“用户指定优化目标和限制”指令35，步骤33和35指向“使用用户程序和模拟器进行优化”的指令36，该指令产生潜在的优化程序。在“是否满足目标”选项点37时，如果优化了的程序不满足用户指定的目标，本方法走“N”路线返回优化器步骤36。如果优化了的程序满足了用户指定的目标，本方法走“Y”路线执行“将必要的***参数和/或用户程序返回控制器”指令38，优化过程就完成了。现在机器人控制器11能够执行优化程序和/或控制***参数。

按照专利法规定，本发明在这里的描述都是优选的实施例。但是本发明可以用其它的方式实施而不背离原来的构思和范围。

Claims

1.一种机器人控制***，其特征在于，包括：

机器人；

第一控制设备，该设备连接该机器人并执行控制程序，按照该控制程序特有的控制***参数来操作该机器人；

监测设备，用来在操作该机器人时监测该机器人的实际性能数据；

第二控制设备，该设备连接该第一控制设备和监测设备，该第二控制设备对该实际性能数据作出反应，使用优化的路径来实时修改控制程序中的控制***参数。

2.按照权利要求1所述的机器人控制***，其中，该第一控制设备是机器人控制器而该第二控制设备是个人计算机。

3.按照权利要求1所述的机器人控制***，其中，该第一控制设备、该监测设备和该第二控制设备通过通信线路连接以进行数据传输。

4.按照权利要求3所述的机器人控制***，其中，该通信线路是计算机网络。

5.按照权利要求1所述的机器人控制***，其中，该监测设备包括从驱动机器人的电机中产生反馈信号的设备。

6.按照权利要求5所述的机器人控制***，其中，该反馈信号包括该电机的电机电流。

7.按照权利要求1所述的机器人控制***，其中，该第二控制设备包括用于检测的运动/动态模拟器，并包括修改该控制***参数的设备。

8.按照权利要求1所述的机器人控制***，其中，该第二控制设备包括用户指定的优化目标和限制，用以修改该控制***参数。

9.一种在包括操纵器和控制器的机器人***中，在给定目标范围内优化机器人路径程序，并适应其它相似机器人的动态性能的变化的方法，该方法包括以下步骤：

a.用传统的机器人教学方法产生机器人的路径程序；

b.向计算机提供机器人的动态模型、控制***和优化程序；

c.向计算机提供目标性能指标；

d.连接控制***，与计算机交流信息；

e.用控制***来操作机器人，该***用默认的控制***参数组来执行路径程序；

f.在操作中监测机器人的性能变量；

g.将性能变量输入计算机；

h.使用动态模型和性能变量在计算机中执行优化程序，以达到性能目标；

i.产生一组新的控制***参数；

j.将新的控制***参数输入控制***；

k.将新的控制***参数作为路径程序的默认控制***参数；

l.重复步骤e.到k.直至新的控制***参数与现有的默认控制***参数大致相同，因此形成优化的默认控制***参数；和

m.当控制***继续用优化的默认控制***参数执行路径程序操作机器人时，将计算机与控制***断开。

10.按照权利要求9所述的方法，其中，一个所述目标性能指标是机器人的周期。

11.按照权利要求10所述的方法，其中，所述性能变量包括轴电机电流和轴编码器计数。

12.按照权利要求9所述的方法，其中，一个所述目标性能指标是机器人路径精确度。

13.按照权利要求12所述的方法，其中，所述性能变量包括轴编码器误差、轴电机电流、轴编码器计数和伺服增益。

14.一种机器人控制***，包括：

机器人；

机器人控制器，该控制器连接该机器人并执行一个控制程序，按照该控制程序特有的控制***参数来操作该机器人；

监测设备，用于在操作该机器人时监测该机器人的实际性能数据；

计算机，该计算机通过通信线路连接该机器人控制器和监测设备，该计算机对该实际性能数据作出反应，使用优化的路径来实时修改控制程序中的控制***参数。