JP4111044B2 - Robot controller - Google Patents
Robot controller Download PDFInfo
- Publication number
- JP4111044B2 JP4111044B2 JP2003116112A JP2003116112A JP4111044B2 JP 4111044 B2 JP4111044 B2 JP 4111044B2 JP 2003116112 A JP2003116112 A JP 2003116112A JP 2003116112 A JP2003116112 A JP 2003116112A JP 4111044 B2 JP4111044 B2 JP 4111044B2
- Authority
- JP
- Japan
- Prior art keywords
- model
- robot
- joint
- output
- trajectory
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Numerical Control (AREA)
- Manipulator (AREA)
Description
【0001】
【発明の属する技術分野】
本発明は、多関節ロボット(以下、単に「ロボット」ということがある。)に保持された工具を加工経路に沿って高精度に追従動作させるためのロボットの制御装置に関する。
【0002】
【従来の技術】
特開平07−266267号公報(特許文献1)には、実機を繰り返し自動運転しながら、所望の軌跡と実際の動作軌跡を比較して、実際の動作軌跡が所望の軌跡と一致するように教示を修正することが開示されている。
【0003】
【特許文献1】
特開平07−266267号公報
【0004】
【発明が解決しようとする課題】
しかしながら、従来のロボット制御装置は、教示時の軌跡に合うように実機を繰り返し動作させなければならず、動作方向によっては周辺機器との干渉が発生する恐れがあり、実ラインに不向きである。さらに、実機の稼働時間が長くなるため、実機の稼働寿命を短くするという問題もある。また、その手法上ロボットの動力学的な考慮がなされていないため、一度教示した状態からロボットに取り付けている負荷の状況が変化するような場合は、再度教示修正動作を実行する必要があり、教示修正の手間が多大である。
【0005】
一方、ロボットに関する学習制御技術と、シミュレーション技術の進歩は目覚しく、実用レベルでの活用が可能になっている。学習制御技術に関しては、実機を用いた繰り返し学習でその効果を確認した報告がいくつかなされている。これまで学習制御が、シミュレーションでなく実際のロボットを直接用いて実行するしかなかった理由として、モデル誤差の問題がある。つまり、実際のロボットとシミュレーションモデルとのモデル誤差が、稼働時の負荷変動や周囲温度の変化によって、リンク長が変化したり剛性が変化したりするため、シミュレーションモデルが有効に活用できないといった問題がある。
従って、本発明の目的は、シミュレーション技術と学習制御技術を、ロボットの実情報により統合し、実ラインでの適用を可能にすることにより、実際のロボットを繰り返し動作させる必要がなく、高軌跡精度を実現する指令補正、すなわち教示点の修正を高速に確実に実施するロボットの制御装置を提供することである。
【0006】
【課題を解決するための手段】
上記課題を解決するため、
本発明の請求項1のロボット制御装置は、多関節ロボット1の先端に保持された工具2を加工経路に沿って高精度に追従動作させるための学習制御手段5と、教示データを入力する教示手段13と、前記工具2のデカルト座標系上の位置、姿勢および速度を前記教示データとして記憶する教示データ記憶手段14と、前記教示データに基づいて前記工具2のデカルト座標系での軌道を実現するための前記多関節ロボット1の各関節の軌道を生成する第1軌道生成手段15と、前記第1軌道生成手段15の出力に従って位置速度フィードバック制御を実行するサーボ制御手段4とを有するロボット制御装置であって、
前記学習制御手段5は、
(a)前記教示データ記憶手段14に記憶された前記教示データを、前記多関節ロボット1の各関節の指令位置に変換して出力する第2軌道生成手段11と、
(b)前記多関節ロボット1の各軸のモータモデル8a、減速器モデル8b、摩擦モデル8cおよび前記多関節ロボット1の機械モデルからなり、前記サーボ制御手段4から出力される電流指令を入力として前記多関節ロボット1の動的な挙動をシミュレーションし、各軸の関節位置を出力する計算モデル手段8と、
(c)前記第2軌道生成手段11の出力と前記計算モデル手段8の出力との差分から目的の軌道に一致するように前記多関節ロボット1の各関節の指令位置を補正する指令補正手段6と、
(d)前記指令補正手段6によって補正された前記多関節ロボット1の各関節の指令位置をデカルト座標系上の指令位置に変換し前記教示データ記憶手段14に出力する順変換手段12と、
(e)自動運転実行中の前記多関節ロボット1の各軸の前記モータモデル8aのモータ位置を記憶する第1記憶部9aと、前記多関節ロボット1の各軸のモータ位置を記憶する第2記憶部9bと、前記第1および第2記憶部9a,9bにそれぞれ記憶されたモータ位置の差分の2乗の時間積算値を求める評価手段9cと、前記時間積算値が小さくなるよう前記減速器モデル8bのバネ定数を較正するパラメータ調整手段9dとを備えたモデル較正手段9と、
(f)前記モデル較正手段9によって較正された前記各軸の減速器モデル8bのバネ定数を記憶する記憶手段10と
を備え、さらに
(g)前記モデル較正手段9によって較正された減速器モデル8bのバネ定数を作業者に提示する提示手段16と、
(h)前記モデル較正手段9によって較正された減速器モデル8bのバネ定数が異常値である場合は、前記サーボ制御手段4の出力を阻止するサーボ出力阻止手段7と
を備えたものである。
この請求項1のロボット制御装置においては、指令補正の過程で、実機を繰り返し動作させる必要がないため、ロボットの稼働寿命を短くすることもなく、さらに周囲環境との干渉に煩わされることもない。更にロボットに取り付けている負荷の状況が変化するような場合においても、シミュレーション上で容易に教示データの修正が可能である。また、モデル較正手段を備えているため、常に実際のロボットの動作を忠実に再現(シミュレーション)可能なモデルを提供することができ、ロボットの経年変化等にも対応が可能であり、実用的である。さらに、提示手段により、作業者にロボットの動作状態を正確に伝えることができ、ロボットの異常を早期に把握でき作業品質の保持を可能である。また、モデル較正手段の出力結果、ロボットの動作状態が異常と判断された場合、サーボ出力阻止手段によって即座にロボットを停止することができ安全である。
【0007】
また、現有の産業用ロボットで必ず取得可能なモータ位置情報のみから、モデルパラメータの較正が可能なため、低コストであり、しかも、サーボ制御周期毎の十分なデータを用いて較正するため信頼性が高く実用的である。
【0008】
また、評価値として、時間で積算した値を用いるため、ノイズに対する検出精度が格段に向上し、多くのノイズ源が存在する実ラインでの適用においても、高信頼の評価が達成される。
本発明の請求項2のロボット制御装置は、前記提示手段は、前記減速器モデルのバネ定数の過去の較正履歴とともに前記減速器モデルのバネ定数の値をその大きさに応じて段階的に色彩を変えてモニタ画面に提示することを特徴とするものである。
この請求項2のロボット制御装置によれば、色彩によって較正結果を差別化しているため、作業者が直感的にロボットの動作状態を即座に判断できる。更に、過去の較正履歴もあわせて提示するため、ロボットの予防保全を早期に実施でき、作業品質の恒久的維持が可能である。
【0009】
【発明の実施の形態】
以下、本発明の実施の形態のロボット制御装置について図1から図7に基づいて説明する。
図1は本実施の形態の基本構成を示す図、図2は本実施の形態の計算モデル手段を示す図、図3は本実施の形態のモデル較正手段を示す図、図4は本実施の形態の評価手段の処理概要を示す図、図5は本実施の形態のパウエル法の処理概要を示す図、図6は本実施の形態の修正パウエル法の処理概要を示す図、図7は本実施の形態の提示手段を示す図である。
【0010】
図1において、本実施の形態におけるロボット制御装置は、ロボット1と、ロボット1の先端に固定した工具2と、作業仕様と対象ワーク3の形状に基づいて教示データ(デカルト空間におけるロボット1の工具2先端での3次元の位置・姿勢データ及び作業速度等の作業条件を含むデータ)を入力する教示手段13と、教示データを記憶する教示データ記憶手段14と、当該教示データに基づいて工具2のデカルト空間での軌道を実現するための各関節の軌道を生成する第1軌道生成手段15と、位置速度フィードバック制御を実行するサーボ制御手段4と、サーボ制御手段4の出力を阻止するサーボ出力阻止手段7と、学習制御手段5と、提示手段16で構成される。
【0011】
学習制御手段5は、指令補正手段6と、計算モデル手段8と、モデル較正手段9と、記憶手段10と、第2軌道生成手段11と、順変換手段12とから構成される。指令補正手段6は、第2軌道生成手段11の出力と計算モデル手段8の出力とから、目的の軌道に一致するようにロボット1の各関節毎の指令位置を補正する。計算モデル手段8は、ロボット1の動的な挙動を再現する。モデル較正手段9は、ロボット1のセンサ情報と計算モデル手段8の内部状態量とから計算モデルを較正する。記憶手段10は、計算モデル手段8のモデルパラメータを記憶する。第2軌道生成手段11は、教示データ記憶手段14に記憶されたロボットの目的の軌道のデカルト座標系上の指令位置を、ロボットの各関節毎の指令位置に変換する。順変換手段12は、指令補正手段6によって補正されたロボット1の各関節毎の指令位置をデカルト座標系上の指令位置に変換し、教示データ記憶手段14に出力する。
なお第2軌道生成手段11と第1軌道生成手段15とは同一の構成である。
次に本装置の実行手順を、教示作業時と教示データ修正時、自動運転時の3つの実行ステップに分けて説明する。
【0012】
(教示作業時)
教示作業時において、作業者は教示手段13を用いて、第1軌道生成手段15とサーボ制御手段4を介して、サーボ出力阻止手段7を無効にして低速でロボット1を動作させ、工具2先端での3次元の位置・姿勢データ及び作業速度等の作業条件を教示し、教示データ記憶手段14に記憶させる。なお、この実施の形態においては、作業者が直接教示しているが、CADデータを用いたオフラインティーチングデータをそのまま教示データ記憶手段14に記憶させてもよい。
【0013】
(教示データ修正時)
教示データ修正時においては、まず、サーボ出力阻止手段7を有効にしてロボット1への出力を停止しておく。教示作業時の教示データが、教示データ記憶手段14から学習制御手段5の第2軌道生成手段11に入力され、各関節の軌道データ{u0(1),u0(2),…,u0(L)}が生成される。ここでは、説明をわかりやすくするため、1軸分の軌道データ{u0(1),u0(2),…,u0(L)}を用いて以下説明していくが、実際6軸ロボットの場合であれば軌道データ{u0(1),u0(2),…,u0(L)}が6種類あることになる。
軌道データ生成後、第2軌道生成手段11の出力である軌道データ{u0(1),u0(2),…,u0(L)}と、計算モデル手段8の出力{q0j(1),q0j(2),…,q0j(L)}の差{e0(1),e0(2),…,e0(L)}が指令補正手段6に入力される。なお計算モデル手段8の詳細な説明は後述する。指令補正手段6では、例えば特許第3036654号公報に開示された方法で、軌道データを補正する。
出力された軌道データ{u1(1),u1(2),…,u1(L)}が、再度サーボ制御手段4に入力され更に、計算モデル手段8でシミュレートされ、出力と指令の差が、指令補正手段6に再入力される。以後、補正量の時間和が閾値以下になるまで以上の工程が繰り返し実行され、最終補正された軌道データ{uk(1),uk(2),…,uk(L)}が、順変換手段12で教示データに変換されて、教示データ記憶手段14に記憶される。
【0014】
ここで、計算モデル手段8の詳細について、図2を用いて説明する。計算モデル手段8は、モータモデル8aと、減速器モデル8bと、摩擦モデル8cとから構成される。サーボ制御手段4で計算された電流指令は、モータモデル8aに入力され、モータモデル8a出力端の関節位置と負荷側関節位置の差がバネ定数Kcの減速器モデル8bに入力され、摩擦モデル8cを介し、負荷側のロボットの各関節にトルクτが入力される。入力された各関節のトルクτは、次のニュートン・オイラーの方程式
【数1】
で連成され、ルンゲクッタ法などの数値積分法により、逐次負荷側関節位置
【数2】
を出力する。
【0015】
(自動運転実行時)
自動運転実行時においては、教示データ修正時に補正された教示データが教示データ記憶手段14から出力され、第1軌道生成手段15に入力される。第1軌道生成手段15の出力は、サーボ制御手段4に入力され、無効にされたサーボ出力阻止手段7を介して、ロボット1は工具2の先端を目標軌道に沿わせてワーク3に対して所望の作業を行い、その間一定の時間間隔で、モータ側の関節位置をモデル較正手段9に出力する。一方、サーボ制御手段4に入力された入力指令は、計算モデル手段8に入力され、ロボット1と同様に、図2に示すようにモータモデル8a出力端の関節位置をモデル較正手段9に出力する。
ロボット1において稼働時間が増大していくと経年変化などによりロボット1と計算モデル8の間に乖離が生じ、モデル較正手段9に入力された、ロボット1のモータ側関節位置とモータモデル8aの出力端の関節位置との差が大きくなり、ロボット1の軌跡精度が悪化するため、モデルパラメータの較正が必要となる。そこで本発明の実施においては、図3に示す本発明の第2の構成として提案するモデル較正手段9とし、モデル較正手段9のパラメータ調整手段9dは、以下に説明するパウエル法で実現する。
【0016】
まず初めに、非線形計画法でのパウエル法について述べておく。2次式の問題に対して最適解を求める手法として目的関数の1階導関数を計算する必要があるが、問題によっては、勾配を求めることができない場合もある。例えば運転中のプロセスでは、勾配を使用しない共役方向を求め、これを利用して2次収束性を有する手法としてのパウエル法がある。
すなわち、パウエル法による最適解への逐次近似の手順は、図5に表すように、2次式の目的関数に対して、異なる点から探索方向を表すベクトルの集合s0[s0はsの初期値を示す]の方向に沿って極小点(最適解)を求め、つぎにそれぞれの極小点を結ぶベクトルは、s0と共役であるという性質を利用しており、最初に計算手順を示すと、次のようになる。
【0017】
いま1次独立なm個のベクトルξ1,……,ξkとして、座標軸の方向を用いることとして、
(a)出発点u0を選び関数F[u0+α0ξm]を最小とするα=α0を求め(ここでα0は係数で、u1=u0+α0ξmとおいている)、
(b)つぎに同様にして各ベクトルk=1,……,mに対して関数F[uk+αkξk]を最小とするαkを求めてから、uk+1=uk+αkξmとおく。
(c)さらにk=1,……,m−1についてξkをξk+1により置き換えて、
(d)ξmをum+1−u1により置き換え、u0をum+1に置き換え、
(e)そして(a)に帰りある計算停止基準を満たすまでこれらの計算を繰り返す
というのが、パウエル法である。
【0018】
なお、図5に示すF=15,30,60はそれぞれの評価関数の値であり、u*は極小点(最適解)である。図において、同一符号は同一もしくは相当部分を示す。ところで、点u1はu0からベクトルξ2の方向の最小点であり、点u3もu2からベクトルξ2の方向の最小点であるから、ベクトルξ2はu3−u1と共役であることがわかり、m変数のときも同様にして逐次的に共役方向をつくり、最適解に接近することができる。したがって、出発点が極小点から十分離れているときでも、一般の関数について最適解に収束するようにこの方法を修正し、特に変数が5変数以上の問題に対しては計算手順は従属な方向を選ぶ可能性があるので、いわゆる修正パウエル法による下記計算手順をとる。
【0019】
図6は、修正パウエル法の原理的な解析をしている説明図である。図6において、出発点u0を選び、k=1,……,mについて、関数F[uk-1+αkξk]を最小とするαkを計算し、これより点uk=uk-1+αkξkを逐次的に求める。ついで、{F(uh-1)−F(uh)}が最大となる整数h,1≦h≦mを求める。Δ=F(uh-1)−F(uh)とおき、F3=F(2um−u0)の値を求め、F1=F(u0),F2=F(um)とおく。F1≦F3または(および)(1/2)Δ(F1−F3)2≦(F1−2F2+F3)(F1−F2−Δ)2であれば、つぎの繰り返し回では、古い方向ξ1,……,ξmを用い、次の出発点u0として、umを用いる。この式のいずれか(いずれも)成立しないときには、ξ=(um−u0)とおき、関数F(um+αξ)を最小とするαを求めて、ξ1,……,ξi-1ξi+1,……,ξm,ξを探索の方向として、um+αξをつぎの繰り返し回の出発点とする。この修正パウエル法では、m変数2次式に対してm回以上の繰り返し演算が必要ではあるが、CPU,ROM,RAMなどを主要素とする現在の汎用マイクロコンピュータでの演算処理については問題とならない。
【0020】
ここでは上述の修正パウエル法を巧妙に適用して、計算モデル手段8のモデルパラメータの較正を向上させる。
具体的に説明すると、まず、モデル較正手段9は、一回の連続したロボット1のモータ側関節位置データとモータモデル8a出力端の関節位置データから計算モデル手段8のバネ定数Kcやリンクパラメータ(L1…L6)の較正値を多変量解析の1つとしての先の修正パウエル法により求める。すなわち、誤差データを変化させて未知のデータを修正していくわけであるが、誤差データを変化させるにしても、何らかの指針がないと時間が無限に必要となる。この指針となるのが修正パウエル法である。本発明の実施の形態として、バネ定数Kcの較正を実施する場合、例えば次の通りである。
【0021】
(A−1)バネ定数の誤差をそれぞれ6軸分用意し、これらをv[6]とする。
(A−2)バネ定数誤差の上限値を6軸分用意し、これらをvu[6]とする。
(A−3)バネ定数誤差の下限値を6軸分用意し、これらをvl[6]とする。
(A−4)上記データを1次元の配列に入れ、未知変数配列V[6],定数配列U[6],定数配列L[6]にそれぞれ割り当てる。ここで、未知変数配列V[6]とは(A−1)で用意した各バネ定数誤差v[6]の6個のデータの未知変数配列として表現しており、U[6]及びL[6]は同様に(A−2)及び(A−3)でそれぞれ用意した各バネ定数誤差の上限値vu[6]、及び各バネ定数誤差の下限値vl[6]のそれぞれを6個のデータの定数配列として表現している。
【0022】
(A−5)これらのデータをそれぞれ各軸に変数として、各バネ定数誤差の初期値零を各軸に割り当てると、以下のようになる。
各軸についてV[0]=v[0];V[1]=v[1];V[2]=v[2];V[3]=v[3];V[4]=v[4];V[5]=v[5]
(A−6)以下、同様にして各バネ定数誤差の上限値を各軸に割り当てると、各軸についてU[0]=vu[0];U[1]=vu[1];U[2]=vu[2];U[3]=vu[3];U[4]=vu[4];U[5]=vu[5]となる。
(A−7)さらに各バネ定数誤差の下限値を各軸に割り当てると、各軸についてL[0]=vl[0];L[1]=vl[1];L[2]=vl[2];L[3]=vl[3];L[4]=vl[4];L[5]=vl[5]となる。
(A−8)次に修正パウエル法での収束値[極限値(limit)]を設定するが、この値は例えば0.001が好ましい。
【0023】
(A−9)また修正パウエル法に先の未知変数配列V[6],定数配列U[6],L[6]を渡す、つまり代入する。ここでのV[6]は前記パウエル法の説明における(a)の手順のu0に相当する。
(A−10)さらにまた修正パウエル法に評価関数funcを渡す、すなわち、代入する。これは、前記(a)のF[u0+α0ξm]に相当する。
(A−11)ところでこの評価関数funcは、本発明の第3の構成として提案する、
【数3】
であり、具体的には図4に示す斜線部面積の2乗の6関節分の総和と考えることができる。つまり、モデル誤差が小さければ小さいほど、斜線部面積は零に近くなる。
ここでV[6]は前記パウエル法の説明における(b)の手順のuk+1=uk+αkξkによって求められる。
【0024】
(A−12)修正パウエル法はこの評価関数funcの算出値により、最適な前記変数配列V[6]の値を求める。このときの具体的な実行手順は、以下の処理を繰り返す。修正パウエル法により変数配列V[6]でΔKc(1),ΔKc(2),・・・・ΔKc(6)が修正される度に、計算モデル手段8のバネ定数Kcを更新し、教示データ記憶手段14に保存しておいた教示データを第1軌道生成手段15に入力し、その出力を、サーボ制御手段4を介して、計算モデル手段8に入力し、その時のモータモデル8a出力端の関節位置データを取得し第1記憶部9aに保存する。今回、第1記憶部9aに保存したモータモデル8a出力端の関節位置データと第2記憶部9bに保存しておいたロボット1のモータ出力端の関節位置データとから評価手段9cにより評価関数funcを算出し、前回の評価関数funcと比較する。以上、最適な変数配列V[6]の値が求まるまで繰り返す。
(A−13)この結果得られた、変数配列の最適なV[0],V[1],V[2],V[3],V[4],V[5]の値をパラメータ調整手段9dに入力し、6軸のバネ定数Kcに加えることで、計算モデル手段8のバネ定数Kcが決定する。
【0025】
バネ定数Kcは、記憶手段10に出力されるとともに、提示手段16にも同時に出力される。この実施例においては提示手段16は、本発明の第4の構成として提案する図7に示すバネ定数Kcの値の大小に応じて、色彩を変えて提示する。つまり、初期の頃、バネ定数Kcは正常値である時は、水色〜青色で値の周囲を彩り表示し、異常値(ここでは7.0)に近い7番目と8番目は赤色で値の周囲を彩り表示する。これにより作業者は、過去の較正履歴も合わせて、ロボット1の作業状態を判断することができる。さらに、較正されたバネ定数Kcが異常値の場合、サーボ出力阻止手段7が有効となり、ロボットを安全に停止させることができる。
【0026】
【発明の効果】
以上述べたように、請求項1記載の発明によれば、指令補正の過程で、実機を繰り返し動作させる必要がないため、ロボットの稼働寿命を短くすることもなく、さらに周囲環境との干渉に煩わされることもない。更にロボットに取り付けている負荷の状況が変化するような場合においても、シミュレーション上で容易に教示データの修正が可能である。また、モデル較正手段を備えているため、常に実際のロボットの動作を忠実に再現可能なモデルを提供することができ、ロボットの経年変化等にも対応が可能であり、実用的である。さらに、提示手段により、作業者にロボットの動作状態を正確に伝えることができ、ロボットの異常を早期に把握でき作業品質の保持を可能にする。また、モデル較正手段の出力結果、ロボットの動作状態が異常と判断された場合、サーボ出力阻止手段によって即座にロボットを停止することができ安全である。
また、現有の産業用ロボットで必ず取得可能なモータ位置情報のみから、モデルパラメータの較正が可能なため、低コストであり、しかも、サーボ制御周期毎の十分なデータを用いて較正するため信頼性が高く実用的である。
また、評価値として、時間で積算した値を用いるため、ノイズに対する検出精度が格段に向上し、ノイズ源にあふれた実ラインでの適用においても、高信頼の評価が達成される。
請求項2記載の発明によれば、色彩によって較正結果を差別化しているため、作業者が直感的にロボットの動作状態を即座に判断できる。更に、過去の較正履歴もあわせて提示するため、ロボットの予防保全を早期に実施でき、作業品質の恒久的維持が可能である。
【図面の簡単な説明】
【図1】 本発明の実施の形態の基本構成を示す図である。
【図2】 本発明の実施の形態の計算モデル手段を示す図である。
【図3】 本発明の実施の形態のモデル較正手段を示す図である。
【図4】 本発明の実施の形態の評価手段の処理概要を示す図である。
【図5】 本発明の実施の形態のパウエル法の処理概要を示す図である。
【図6】 本発明の実施の形態の修正パウエル法の処理概要を示す図である。
【図7】 本発明の実施の形態の提示手段を示す図である。
【符号の説明】
1 ロボット
2 工具
3 ワーク
4 サーボ制御手段
5 学習制御手段
6 指令補正手段
7 サーボ出力阻止手段
8 計算モデル手段
8a モータモデル
8b 減速器モデル
8c 摩擦モデル
9 モデル較正手段
9a 記憶部2
9b 記憶部1
9c 評価手段
9d パラメータ調整手段
10 記憶手段
11 第2軌道生成手段
12 順変換手段
13 教示手段
14 教示データ記憶手段
15 第1軌道生成手段
16 提示手段[0001]
BACKGROUND OF THE INVENTION
The present invention relates to a robot control apparatus for causing a tool held by an articulated robot (hereinafter sometimes simply referred to as “robot”) to follow along a machining path with high accuracy.
[0002]
[Prior art]
Japanese Patent Laid-Open No. 07-266267 (Patent Document 1) teaches that an actual motion trajectory matches a desired trajectory by comparing a desired trajectory with an actual motion trajectory while repeatedly automatically operating an actual machine. Is disclosed.
[0003]
[Patent Document 1]
Japanese Patent Laid-Open No. 07-266267
[Problems to be solved by the invention]
However, the conventional robot control device has to repeatedly operate the actual machine so as to match the trajectory at the time of teaching, and may interfere with peripheral devices depending on the operation direction, and is not suitable for the actual line. Furthermore, since the operating time of the actual machine becomes longer, there is a problem that the operating life of the actual machine is shortened. In addition, since the dynamics of the robot is not considered in the method, if the load status attached to the robot changes from the state once taught, it is necessary to execute the teaching correction operation again. It takes a lot of time to correct the teaching.
[0005]
On the other hand, the progress in learning control technology and simulation technology related to robots is remarkable, and it can be used at a practical level. Regarding learning control technology, there have been some reports confirming its effect by iterative learning using actual machines. The reason why learning control has so far been executed directly using an actual robot instead of a simulation is the problem of model error. In other words, the model error between the actual robot and the simulation model changes the link length and rigidity due to load fluctuations during operation and changes in ambient temperature, so the simulation model cannot be used effectively. is there.
Therefore, the object of the present invention is to integrate the simulation technology and the learning control technology with the actual information of the robot, and to enable application in the actual line, so that it is not necessary to repeatedly operate the actual robot, and high trajectory accuracy It is an object of the present invention to provide a robot control apparatus that reliably performs high-speed command correction, that is, correction of teaching points.
[0006]
[Means for Solving the Problems]
To solve the above problem,
Robot control apparatus according to
The learning control means 5
(A) second trajectory generating means 11 for converting the teaching data stored in the teaching data storage means 14 into command positions of the joints of the
(B) A motor model 8a, a decelerator model 8b, a friction model 8c, and a mechanical model of the articulated
(C) Command correction means 6 for correcting the command position of each joint of the
(D) forward conversion means 12 for converting the command position of each joint of the articulated
(E) a first storage unit 9a that stores the motor position of the motor model 8a of each axis of the
(F) storage means 10 for storing a spring constant of the speed reducer model 8b of each axis calibrated by the model calibration means 9 , and
(G) presenting
(H) When the spring constant of the speed reducer model 8b calibrated by the
In the robot control apparatus according to the first aspect , since it is not necessary to repeatedly operate the actual machine in the process of command correction, the operating life of the robot is not shortened, and further, it is not bothered by interference with the surrounding environment. . Further, even when the load state attached to the robot changes, the teaching data can be easily corrected on the simulation. In addition, since the model calibration means is provided, it is possible to provide a model that can faithfully reproduce (simulate) the actual operation of the robot at all times. is there. Furthermore, the presenting means can accurately convey the operation state of the robot to the operator, so that the abnormality of the robot can be grasped at an early stage and the work quality can be maintained. In addition, when the operation result of the robot is determined to be abnormal as a result of output from the model calibration means, the robot can be stopped immediately by the servo output prevention means, which is safe.
[0007]
In addition , the model parameters can be calibrated only from the motor position information that can be obtained with existing industrial robots. Therefore, the cost is low, and reliability is ensured by using sufficient data for each servo control cycle. Is high and practical.
[0008]
Moreover, since the value accumulated over time is used as the evaluation value, the detection accuracy for noise is remarkably improved, and highly reliable evaluation is achieved even in application on an actual line where there are many noise sources.
In the robot control apparatus according to a second aspect of the present invention, the presenting means colorizes the value of the spring constant of the speed reducer model in accordance with the magnitude thereof together with the past calibration history of the spring constant of the speed reducer model. It is characterized in that it is presented on a monitor screen with a change .
According to the robot control apparatus of the second aspect, since the calibration results are differentiated by the colors, the operator can intuitively determine the operation state of the robot immediately. Furthermore, since past calibration history is also presented, preventive maintenance of the robot can be performed at an early stage, and work quality can be maintained permanently.
[0009]
DETAILED DESCRIPTION OF THE INVENTION
Hereinafter, a robot control apparatus according to an embodiment of the present invention will be described with reference to FIGS.
FIG. 1 is a diagram showing a basic configuration of the present embodiment, FIG. 2 is a diagram showing calculation model means of the present embodiment, FIG. 3 is a diagram showing model calibration means of the present embodiment, and FIG. FIG. 5 is a diagram showing the processing outline of the Powell method according to this embodiment, FIG. 6 is a diagram showing the processing outline of the modified Powell method according to this embodiment, and FIG. It is a figure which shows the presentation means of embodiment.
[0010]
In FIG. 1, the robot control apparatus according to the present embodiment includes a
[0011]
The learning control unit 5 includes a
The second trajectory generating means 11 and the first trajectory generating means 15 have the same configuration.
Next, the execution procedure of this apparatus will be described by dividing it into three execution steps for teaching work, teaching data correction, and automatic operation.
[0012]
(During teaching work)
At the time of teaching work, the operator uses the teaching means 13 to operate the
[0013]
(When teaching data is corrected)
When the teaching data is corrected, first, the servo output blocking means 7 is enabled and output to the
After the generation of the trajectory data, the trajectory data {u 0 (1), u 0 (2),..., U 0 (L)} as the output of the second trajectory generation means 11 and the output {q 0 j of the calculation model means 8 The difference {e 0 (1), e 0 (2), ..., e 0 (L)} between (1), q 0 j (2), ..., q 0 j (L)} is input to the command correction means 6 Is done. A detailed description of the calculation model means 8 will be given later. The
The output trajectory data {u 1 (1), u 1 (2),..., U 1 (L)} is input again to the servo control means 4 and further simulated by the calculation model means 8 to output and command. Is re-input to the command correction means 6. Thereafter, the above steps are repeatedly executed until the correction time sum becomes equal to or less than the threshold value, and the final corrected trajectory data {uk (1), uk (2),..., Uk (L)} 12 is converted into teaching data and stored in the teaching data storage means 14.
[0014]
Here, details of the calculation model means 8 will be described with reference to FIG. The calculation model means 8 includes a motor model 8a, a speed reducer model 8b, and a friction model 8c. The current command calculated by the servo control means 4 is input to the motor model 8a, and the difference between the joint position at the output end of the motor model 8a and the load side joint position is input to the decelerator model 8b having the spring constant Kc, and the friction model 8c. The torque τ is input to each joint of the robot on the load side via. The input torque τ of each joint is expressed by the following Newton Euler equation
By using numerical integration methods such as the Runge-Kutta method, the joint position on the load side
Is output.
[0015]
(When automatic operation is executed)
During execution of automatic operation, the teaching data corrected when the teaching data is corrected is output from the teaching
When the operating time of the
[0016]
First, the Powell method in nonlinear programming will be described. Although it is necessary to calculate the first derivative of the objective function as a method for obtaining an optimal solution to the quadratic problem, the gradient may not be obtained depending on the problem. For example, in a process in operation, there is a Powell method as a method having a second-order convergence property by obtaining a conjugate direction that does not use a gradient.
That is, as shown in FIG. 5, the procedure of the successive approximation to the optimum solution by the Powell method is a set of vectors s 0 [s 0 is s of s The minimum point (optimum solution) is obtained along the direction of [Show initial value], and then the vector connecting each minimum point uses the property that it is conjugate with s 0, and the calculation procedure is shown first. And the following.
[0017]
Now linearly independent m-number of vectors xi] 1, ......, as xi] k, as the use of the direction of the coordinate axis,
(A) function to select the starting point u 0 F [u 0 + α 0 ξ m] to determine the alpha = alpha 0 that minimizes (where alpha 0 is a factor, which put a u 1 = u 0 + α 0 ξ m ),
(B) Next, αk that minimizes the function F [u k + α k ξ k ] is obtained for each vector k = 1,..., M, and then u k + 1 = u k + α k. Let ξ m .
(C) Further, for k = 1,..., M−1, ξ k is replaced by ξ k + 1 ,
(D) Replace ξ m with u m + 1 −u 1 , replace u 0 with u m + 1 ,
The Powell method is to repeat these calculations until the calculation stop criteria returned to (e) and (a) are satisfied.
[0018]
Note that F = 15, 30, and 60 shown in FIG. 5 are values of the respective evaluation functions, and u * is a minimum point (optimal solution). In the figure, the same reference numerals indicate the same or corresponding parts. By the way, since the point u 1 is the minimum point in the direction from u 0 to the vector ξ 2 , and the point u 3 is also the minimum point in the direction from u 2 to the vector ξ 2 , the vector ξ 2 is conjugate with u 3 -u 1. It can be seen that, in the case of m variables, the conjugate direction can be sequentially generated in the same manner to approach the optimum solution. Therefore, even when the starting point is sufficiently far from the local minimum point, this method is modified so that the general function converges to the optimal solution, and the calculation procedure is dependent on the problem with more than 5 variables. Therefore, the following calculation procedure by the so-called modified Powell method is taken.
[0019]
FIG. 6 is an explanatory diagram showing the principle analysis of the modified Powell method. In FIG. 6, the starting point u 0 is selected, and α k that minimizes the function F [u k−1 + α k ξ k ] is calculated for k = 1,..., M, and from this point u k = u k-1 + α k ξ k is obtained sequentially. Next, an integer h, 1 ≦ h ≦ m, in which {F (u h−1 ) −F (u h )} is maximized is obtained. Δ = F (u h-1 ) −F (u h ) is set, and the value of F 3 = F (2 u m −u 0 ) is obtained, and F 1 = F (u 0 ), F 2 = F (u m) )far. If F 1 ≦ F 3 or (and) (1/2) Δ (F 1 −F 3 ) 2 ≦ (F 1 −2F 2 + F 3 ) (F 1 −F 2 −Δ) 2 then repeat Times, the old direction ξ 1 ,..., Ξ m is used, and u m is used as the next starting point u 0 . When one of these formulas (none) not established, ξ = (u m -u 0 ) Distant, function F (u m + αξ) seeking α to minimize, ξ 1, ......, ξ i- 1 ξ i + 1 ,..., Ξ m , ξ are set as search directions, and u m + αξ is set as a starting point for the next iteration. In this modified Powell method, it is necessary to perform an arithmetic operation of m times or more for the m-variable quadratic expression. However, there is a problem with the arithmetic processing in the current general-purpose microcomputer mainly including CPU, ROM, RAM and the like. Don't be.
[0020]
Here, the above-described modified Powell method is skillfully applied to improve the calibration of the model parameters of the calculation model means 8.
More specifically, the model calibration means 9 first calculates the spring constant Kc and link parameters (of the calculation model means 8 from the motor side joint position data of the
[0021]
(A-1) Prepare six spring constant errors for each, and let these be v [6].
(A-2) The upper limit value of the spring constant error is prepared for six axes, and these are set as vu [6].
(A-3) The lower limit value of the spring constant error is prepared for six axes, and these are set as vl [6].
(A-4) The above data is put into a one-dimensional array and assigned to the unknown variable array V [6], constant array U [6], and constant array L [6]. Here, the unknown variable array V [6] is expressed as an unknown variable array of six data of each spring constant error v [6] prepared in (A-1) , and U [6] and L [ 6] similarly represents the upper limit value vu [6] of each spring constant error and the lower limit value vl [6] of each spring constant error prepared in (A-2) and (A-3) , respectively. Expressed as a constant array of data.
[0022]
(A-5) Using these data as variables for each axis and assigning an initial value of zero for each spring constant error to each axis, the results are as follows.
For each axis V [0] = v [0]; V [1] = v [1]; V [2] = v [2]; V [3] = v [3]; V [4] = v [ 4]; V [5] = v [5]
(A-6) Hereinafter, when the upper limit value of each spring constant error is assigned to each axis in the same manner, U [0] = vu [0]; U [1] = vu [1]; U [2] for each axis ] = Vu [2]; U [3] = vu [3]; U [4] = vu [4]; U [5] = vu [5].
(A-7) Further, when a lower limit value of each spring constant error is assigned to each axis, L [0] = vl [0]; L [1] = vl [1]; L [2] = vl [ 2]; L [3] = vl [3]; L [4] = vl [4]; L [5] = vl [5].
(A-8) Next, a convergence value [limit value] by the modified Powell method is set, and this value is preferably 0.001, for example.
[0023]
(A-9) The previously unknown variable array V [6], constant arrays U [6], L [6] are passed to the modified Powell method, that is, substituted. Here, V [6] corresponds to u 0 in the procedure (a) in the description of the Powell method.
(A-10) Furthermore, the evaluation function func is passed to the modified Powell method, that is, substituted. This corresponds to F [u 0 + α 0 ξ m ] in (a).
(A-11) By the way, this evaluation function func is proposed as a third configuration of the present invention.
[Equation 3]
Specifically, it can be considered as the sum of the six joints of the square of the shaded area shown in FIG. That is, the smaller the model error, the closer the hatched area is to zero.
Here, V [6] is obtained by u k + 1 = u k + α k ξ k in the procedure (b) in the description of the Powell method.
[0024]
(A-12) In the modified Powell method, the optimum value of the variable array V [6] is obtained from the calculated value of the evaluation function func. The specific execution procedure at this time repeats the following processing. Each time ΔKc (1), ΔKc (2),... ΔKc (6) is corrected in the variable array V [6] by the modified Powell method, the spring constant Kc of the calculation model means 8 is updated and the teaching data is updated. enter the teaching data that has been stored in the
(A-13) Parameter adjustment of the optimum values of V [0], V [1], V [2], V [3], V [4] and V [5] of the variable array obtained as a result The spring constant Kc of the calculation model means 8 is determined by inputting to the
[0025]
The spring constant Kc is output to the storage means 10 and is simultaneously output to the presentation means 16. In this embodiment, the presenting means 16 presents the color changing according to the magnitude of the spring constant Kc shown in FIG. 7 proposed as the fourth configuration of the present invention. That is, at the initial stage, when the spring constant Kc is a normal value, the surroundings of the value are colored in light blue to blue, and the seventh and eighth values close to the abnormal value (7.0 in this case) are red and have values. Color the surroundings. Thereby, the operator can determine the working state of the
[0026]
【The invention's effect】
As described above, according to the invention described in
In addition, the model parameters can be calibrated only from the motor position information that can be obtained with existing industrial robots . Therefore, the cost is low, and reliability is ensured by using sufficient data for each servo control cycle. Is high and practical.
In addition, since the value accumulated over time is used as the evaluation value, the detection accuracy for noise is remarkably improved, and high-reliability evaluation is achieved even in application on an actual line overflowing with noise sources .
According to the second aspect of the invention, since the calibration results are differentiated by the colors, the operator can intuitively determine the operation state of the robot immediately. Furthermore, since past calibration history is also presented, preventive maintenance of the robot can be performed at an early stage, and work quality can be maintained permanently.
[Brief description of the drawings]
FIG. 1 is a diagram showing a basic configuration of an embodiment of the present invention.
FIG. 2 is a diagram showing calculation model means according to the embodiment of the present invention.
FIG. 3 is a diagram showing model calibration means according to the embodiment of the present invention.
FIG. 4 is a diagram showing a processing outline of an evaluation unit according to an embodiment of the present invention.
FIG. 5 is a diagram showing a processing outline of the Powell method according to the embodiment of the present invention.
FIG. 6 is a diagram showing a processing outline of a modified Powell method according to the embodiment of the present invention.
FIG. 7 is a diagram showing presentation means according to the embodiment of the present invention.
[Explanation of symbols]
DESCRIPTION OF
9c Evaluation means 9d Parameter adjustment means 10 Storage means 11 Second trajectory generation means 12 Forward conversion means 13 Teaching means 14 Teaching data storage means 15 First trajectory generation means 16 Presentation means
Claims (2)
前記学習制御手段5は、
(a)前記教示データ記憶手段14に記憶された前記教示データを、前記多関節ロボット1の各関節の指令位置に変換して出力する第2軌道生成手段11と、
(b)前記多関節ロボット1の各軸のモータモデル8a、減速器モデル8b、摩擦モデル8cおよび前記多関節ロボット1の機械モデルからなり、前記サーボ制御手段4から出力される電流指令を入力として前記多関節ロボット1の動的な挙動をシミュレーションし、各軸の関節位置を出力する計算モデル手段8と、
(c)前記第2軌道生成手段11の出力と前記計算モデル手段8の出力との差分から目的の軌道に一致するように前記多関節ロボット1の各関節の指令位置を補正する指令補正手段6と、
(d)前記指令補正手段6によって補正された前記多関節ロボット1の各関節の指令位置をデカルト座標系上の指令位置に変換し前記教示データ記憶手段14に出力する順変換手段12と、
(e)自動運転実行中の前記多関節ロボット1の各軸の前記モータモデル8aのモータ位置を記憶する第1記憶部9aと、前記多関節ロボット1の各軸のモータ位置を記憶する第2記憶部9bと、前記第1および第2記憶部9a,9bにそれぞれ記憶されたモータ位置の差分の2乗の時間積算値を求める評価手段9cと、前記時間積算値が小さくなるよう前記減速器モデル8bのバネ定数を較正するパラメータ調整手段9dとを備えたモデル較正手段9と、
(f)前記モデル較正手段9によって較正された前記各軸の減速器モデル8bのバネ定数を記憶する記憶手段10と
を備え、さらに
(g)前記モデル較正手段9によって較正された減速器モデル8bのバネ定数を作業者に提示する提示手段16と、
(h)前記モデル較正手段9によって較正された減速器モデル8bのバネ定数が異常値である場合は、前記サーボ制御手段4の出力を阻止するサーボ出力阻止手段7と
を備えたことを特徴とするロボット制御装置。A learning control means 5 for follow-up operation with high precision along a tool 2 held on the tip of the articulated robot 1 in the processing path, the teaching means 13 for inputting teaching display data, a Cartesian coordinate system of the tool 2 Teaching data storage means 14 for storing the upper position, posture and speed as the teaching data , and each joint of the articulated robot 1 for realizing a trajectory in the Cartesian coordinate system of the tool 2 based on the teaching data a of the first trajectory generating unit 15 for generating a track, a robot controller having a servo control unit 4 for executing position and velocity feedback control in accordance with an output of said first trajectory generating unit 15,
The learning control means 5
(A) second trajectory generating means 11 for converting the teaching data stored in the teaching data storage means 14 into command positions of the joints of the multi-joint robot 1 and outputting them;
(B) A motor model 8a, a decelerator model 8b, a friction model 8c, and a mechanical model of the articulated robot 1 for each axis of the articulated robot 1, and a current command output from the servo control means 4 as an input. Simulation model means 8 for simulating the dynamic behavior of the articulated robot 1 and outputting the joint position of each axis;
(C) Command correction means 6 for correcting the command position of each joint of the multi-joint robot 1 so as to match the target trajectory from the difference between the output of the second trajectory generation means 11 and the output of the calculation model means 8. When,
(D) forward conversion means 12 for converting the command position of each joint of the articulated robot 1 corrected by the command correction means 6 into a command position on a Cartesian coordinate system and outputting the command position to the teaching data storage means 14;
(E) a first storage unit 9a that stores the motor position of the motor model 8a of each axis of the multi-joint robot 1 during automatic operation, and a second that stores the motor position of each axis of the multi-joint robot 1 A storage unit 9b; an evaluation unit 9c for obtaining a square time integrated value of the difference between the motor positions stored in the first and second storage units 9a and 9b; and the speed reducer to reduce the time integrated value. Model calibration means 9 comprising parameter adjustment means 9d for calibrating the spring constant of the model 8b,
(F) storage means 10 for storing a spring constant of the speed reducer model 8b of each axis calibrated by the model calibration means 9 , and
(G) presenting means 16 for presenting the spring constant of the speed reducer model 8b calibrated by the model calibrating means 9 to the operator;
(H) a servo output blocking means 7 for blocking the output of the servo control means 4 when the spring constant of the speed reducer model 8b calibrated by the model calibration means 9 is an abnormal value ; Robot control device.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003116112A JP4111044B2 (en) | 2003-04-21 | 2003-04-21 | Robot controller |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003116112A JP4111044B2 (en) | 2003-04-21 | 2003-04-21 | Robot controller |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2004322224A JP2004322224A (en) | 2004-11-18 |
JP2004322224A5 JP2004322224A5 (en) | 2006-04-20 |
JP4111044B2 true JP4111044B2 (en) | 2008-07-02 |
Family
ID=33496457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003116112A Expired - Fee Related JP4111044B2 (en) | 2003-04-21 | 2003-04-21 | Robot controller |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4111044B2 (en) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8600554B2 (en) | 2010-06-04 | 2013-12-03 | Institute Of Automation, Chinese Academy Of Sciences | System and method for robot trajectory generation with continuous accelerations |
JP5547601B2 (en) * | 2010-10-07 | 2014-07-16 | オークマ株式会社 | Numerical controller |
JP5765615B2 (en) * | 2011-02-28 | 2015-08-19 | 株式会社Ihi | Trajectory tracking device and method for machining robot |
JP5765557B2 (en) * | 2011-02-28 | 2015-08-19 | 株式会社Ihi | Trajectory tracking device and method for machining robot |
KR101329642B1 (en) * | 2012-02-24 | 2013-11-14 | 한양대학교 산학협력단 | Modeling method for learning task skill and robot using thereof |
KR101329640B1 (en) | 2011-12-13 | 2013-11-14 | 한양대학교 산학협력단 | Method for learning task skill and robot using thereof |
JP2013244540A (en) * | 2012-05-23 | 2013-12-09 | Nachi Fujikoshi Corp | Gravity slope correcting method and device of industrial robot |
JP2014034101A (en) * | 2012-08-10 | 2014-02-24 | Toshiba Corp | Robot control device |
JP2017027360A (en) * | 2015-07-22 | 2017-02-02 | オークマ株式会社 | Error compensation system for machine, error compensation method, and error compensation program |
JP6555351B2 (en) * | 2015-08-21 | 2019-08-07 | 株式会社安川電機 | Processing system and robot control method |
JP6518982B2 (en) * | 2016-11-07 | 2019-05-29 | Soinn株式会社 | Motion transfer device, motion transfer method and non-transitory computer readable medium storing motion transfer program |
JP6295313B1 (en) * | 2016-12-02 | 2018-03-14 | 株式会社ドワンゴ | Information processing apparatus, information processing method, and program |
JP6781183B2 (en) | 2018-03-26 | 2020-11-04 | ファナック株式会社 | Control device and machine learning device |
WO2020009139A1 (en) * | 2018-07-04 | 2020-01-09 | 株式会社Preferred Networks | Learning method, learning device, learning system, and program |
JP7110884B2 (en) * | 2018-10-01 | 2022-08-02 | オムロン株式会社 | LEARNING DEVICE, CONTROL DEVICE, LEARNING METHOD, AND LEARNING PROGRAM |
JP6860541B2 (en) * | 2018-10-29 | 2021-04-14 | ファナック株式会社 | Output device, control device, and evaluation function value output method |
CN109551485B (en) | 2019-01-21 | 2020-10-16 | 北京镁伽机器人科技有限公司 | Motion control method, device and system and storage medium |
WO2020246005A1 (en) * | 2019-06-06 | 2020-12-10 | 三菱電機株式会社 | Parameter calculation device, robot control system, and robot system |
CN114159278B (en) * | 2021-09-28 | 2024-03-15 | 杭州程天科技发展有限公司 | Automatic correction control method and related equipment suitable for exoskeleton hanger |
KR102590794B1 (en) * | 2021-10-26 | 2023-10-19 | 한국기계연구원 | Design System for Harmonic Reducer and Design Method Thereof |
CN114734437A (en) * | 2022-03-25 | 2022-07-12 | 中国科学院自动化研究所 | Robot joint control method and device |
-
2003
- 2003-04-21 JP JP2003116112A patent/JP4111044B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2004322224A (en) | 2004-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4111044B2 (en) | Robot controller | |
JP6781183B2 (en) | Control device and machine learning device | |
Kulakov et al. | Modeling and control of robot manipulators with the constraints at the moving objects | |
US20180229364A1 (en) | Robot system having learning control function and learning control method | |
Braganza et al. | Tracking control for robot manipulators with kinematic and dynamic uncertainty | |
CN109849025B (en) | Vibration suppressing device | |
JPH07501643A (en) | Control parameter optimization method for systems with actual value characteristics that depend on control parameters | |
Ghasemi et al. | Adaptive switch image-based visual servoing for industrial robots | |
Ibrahim et al. | Modelling and control of SCARA manipulator | |
US10507585B2 (en) | Robot system that displays speed | |
Andres et al. | Implementation and testing of a CAM postprocessor for an industrial redundant workcell with evaluation of several fuzzified Redundancy Resolution Schemes | |
KR20100099501A (en) | Robot pose controlling method and apparatus thereof | |
Escorcia-Hernández et al. | Adaptive RISE feedback control for robotized machining with PKMs: Design and real-time experiments | |
Bhatt et al. | Trajectory-dependent compensation scheme to reduce manipulator execution errors for manufacturing applications | |
JPH10124130A (en) | Assembling device | |
JP7448706B1 (en) | teaching device | |
Rahmani et al. | Application of a novel elimination algorithm with developed continuation method for nonlinear forward kinematics solution of modular hybrid manipulators | |
Lippiello et al. | Robot interaction control using force and vision | |
Oueslati et al. | Improving the dynamic accuracy of elastic industrial robot joint by algebraic identification approach | |
Benotsmane et al. | Calculation methodology for trajectory planning of a 6-axis manipulator arm | |
JP6814441B2 (en) | Learning control device and learning control method for drive machines | |
JP2020121358A (en) | Learning control device, robot control device and robot | |
Schütz et al. | Virtual commissioning of the trajectory tracking control of a sensor-guided, kinematically redundant robotic welding system on a PLC | |
Dastangoo et al. | Non-linear Parameter Identification for Humanoid Robot Components | |
Maťuga | Control and positioning of robotic arm on CNC cutting machines and their applications in industry |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060306 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060306 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20070914 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070925 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20071120 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20080318 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080331 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110418 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120418 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120418 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130418 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140418 Year of fee payment: 6 |
|
LAPS | Cancellation because of no payment of annual fees |