JP4111044B2

JP4111044B2 - Robot controller

Info

Publication number: JP4111044B2
Application number: JP2003116112A
Authority: JP
Inventors: 幸男橋口; 信治奥村; 俊充入江; 純後藤
Original assignee: Yaskawa Electric Corp
Current assignee: Yaskawa Electric Corp
Priority date: 2003-04-21
Filing date: 2003-04-21
Publication date: 2008-07-02
Anticipated expiration: 2023-04-21
Also published as: JP2004322224A

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ξ_1,……，ξ_k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＋α₀ξ_m］を最小とするα＝α⁰を求め（ここでα₀は係数で、ｕ¹＝ｕ⁰＋α₀ξ_m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［ｕ^k＋α_kξ_k］を最小とするαｋを求めてから、ｕ^k+1＝ｕ^k＋α^kξ_mとおく。
（ｃ）さらにｋ＝１，……，ｍ−１についてξ_kをξ_k+1により置き換えて、
（ｄ）ξ_mをｕ^m+1−ｕ¹により置き換え、ｕ⁰をｕ^m+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［ｕ^k-1＋α_kξ_k］を最小とするα^kを計算し、これより点ｕ^k＝ｕ^k-1＋α_kξ_kを逐次的に求める。ついで、｛Ｆ（ｕ^h-1）−Ｆ（ｕ^h）｝が最大となる整数ｈ，１≦ｈ≦ｍを求める。Δ＝Ｆ（ｕ^h-1）−Ｆ（ｕ^h）とおき、Ｆ₃＝Ｆ（２ｕ^m−ｕ⁰）の値を求め、Ｆ₁＝Ｆ（ｕ⁰），Ｆ₂＝Ｆ（ｕ^m）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，……，ξ_mを用い、次の出発点ｕ⁰として、ｕ^m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＝（ｕ^m−ｕ⁰）とおき、関数Ｆ（ｕ^m＋αξ）を最小とするαを求めて、ξ₁，……，ξ_i-1ξ_i+1，……，ξ_m，ξを探索の方向として、ｕ^m＋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＋α₀ξ_m］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ｕ^k+1＝ｕ^k＋α^kξ_k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 claim 1 of the present invention, the 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, enter the teaching display data The teaching means 13 , the teaching data storage means 14 for storing the position, posture and speed of the tool 2 on the Cartesian coordinate system as the teaching data, and the trajectory of the tool 2 in the Cartesian coordinate system based on the teaching data. A robot having first trajectory generating means 15 for generating trajectories of each joint of the articulated robot 1 for realizing, and servo control means 4 for executing position / velocity feedback control according to the output of the first trajectory generating means 15. A control device,
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) When the spring constant of the speed reducer model 8b calibrated by the

model calibration unit

9 is an abnormal value, a servo output blocking unit 7 for blocking the output of the servo control unit 4 is provided.
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 robot 1, a tool 2 fixed to the tip of the robot 1, teaching data (a tool of the robot 1 in a Cartesian space) based on the work specifications and the shape of the target workpiece 3. (Two-dimensional position / posture data at two tips and data including work conditions such as work speed), teaching means 13 for inputting teaching data storage means 14 for storing teaching data, and tool 2 based on the teaching data The first trajectory generating means 15 for generating the trajectory of each joint for realizing the trajectory in the Cartesian space, the servo control means 4 for executing the position / velocity feedback control, and the servo output for blocking the output of the servo control means 4 It comprises blocking means 7, learning control means 5, and presentation means 16.
[0011]
The learning control unit 5 includes a command correction unit 6, a calculation model unit 8, a model calibration unit 9, a storage unit 10, a second trajectory generation unit 11, and a forward conversion unit 12. The command correction means 6 corrects the command position for each joint of the robot 1 from the output of the second trajectory generation means 11 and the output of the calculation model means 8 so as to coincide with the target trajectory. The calculation model means 8 reproduces the dynamic behavior of the robot 1. The model calibration unit 9 calibrates the calculation model from the sensor information of the robot 1 and the internal state quantity of the calculation model unit 8. The storage means 10 stores the model parameters of the calculation model means 8. The second trajectory generating means 11 converts the command position on the Cartesian coordinate system of the target trajectory of the robot stored in the teaching data storage means 14 into a command position for each joint of the robot. The forward conversion unit 12 converts the command position for each joint of the robot 1 corrected by the command correction unit 6 into a command position on the Cartesian coordinate system, and outputs the command position to the teaching data storage unit 14 .
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 robot 1 at a low speed by disabling the servo output blocking means 7 via the first trajectory generating means 15 and the servo control means 4, and the tip of the tool 2 The work conditions such as the three-dimensional position / posture data and the work speed are taught and stored in the teach data storage means 14. In this embodiment, the operator teaches directly, but offline teaching data using CAD data may be stored in the teaching data storage means 14 as it is.
[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 robot 1 is stopped. Teaching data at the time of teaching work is input from the teaching data storage means 14 to the second trajectory generating means 11 of the learning control means 5 and trajectory data {u ₀ (1), u ₀ (2),. ₀ (L)} is generated. Here, in order to make the explanation easy to understand, the following explanation will be made using orbit data {u ₀ (1), u ₀ (2),..., U ₀ (L)} for one axis. In the case of a robot, there are six types of trajectory data {u ₀ (1), u ₀ (2),..., U ₀ (L)}.
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 command correcting means 6, for example, disclosed in Japanese Patent No. 3,036,654 a method to correct the orbit data.
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 data storage unit 14 and input to the first trajectory generation unit 15. The output of the first trajectory generating means 15 is input to the servo control means 4 and the robot 1 moves the tip of the tool 2 along the target trajectory with respect to the workpiece 3 via the invalid servo output blocking means 7. A desired work is performed, and the joint position on the motor side is output to the model calibration means 9 at regular time intervals. On the other hand, the input command inputted to the servo control means 4 is inputted to the calculation model means 8, and the joint position at the output end of the motor model 8a is outputted to the model calibration means 9 as shown in FIG. .
When the operating time of the robot 1 increases, a divergence occurs between the robot 1 and the calculation model 8 due to secular change, and the motor side joint position of the robot 1 and the output of the motor model 8a input to the model calibration means 9 Since the difference from the end joint position becomes large and the trajectory accuracy of the robot 1 deteriorates, calibration of the model parameters is necessary. Therefore, in the implementation of the present invention, the model calibration unit 9 proposed as the second configuration of the present invention shown in FIG. 3 is used, and the parameter adjustment unit 9d of the model calibration unit 9 is realized by the Powell method described below.
[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 robot 1 and the joint position data of the output end of the motor model 8a). The calibration value of L1... L6) is obtained by the modified Powell method as one of multivariate analyses. In other words, unknown data is corrected by changing error data. However, even if error data is changed, infinite time is required without any guidelines. This guideline is the modified Powell method. As an embodiment of the present invention, when the spring constant Kc is calibrated, it is as follows, for example.
[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 storage unit 14 in the first

trajectory generating unit

15, the output of that, through the servo control unit 4, and input to the calculation model unit 8, the motor model 8a output at that time The joint position data is acquired and stored in the first storage unit 9a . The evaluation function func is evaluated by the evaluation means 9c from the joint position data of the motor model 8a output end stored in the first storage unit 9a and the joint position data of the motor output end of the robot 1 stored in the second storage unit 9b. Is calculated and compared with the previous evaluation function func. The process is repeated until the optimum value of the variable array V [6] is obtained.
(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 means 9d and adding it to the six-axis spring constant Kc.
[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 robot 1 together with the past calibration history. Further, when the calibrated spring constant Kc is an abnormal value, the servo output blocking means 7 becomes effective, and the robot can be stopped safely.
[0026]
【The invention's effect】
As described above, according to the invention described in claim 1, 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 interference with the surrounding environment is further prevented. There is no trouble. 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 always faithfully reproduce the actual operation of the robot, and it is possible to deal with aging of the robot and the like, which is practical. Further, 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.
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 SYMBOLS 1 Robot 2 Tool 3 Work piece 4 Servo control means 5 Learning control means 6 Command correction means 7 Servo output blocking means 8 Calculation model means 8a Motor model 8b Decelerator model 8c Friction model 9 Model calibration means 9a Storage part 2
9b storage unit 1
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

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.

前記提示手段１６は、前記減速器モデル８ｂ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８ｂ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請求項１記載のロボット制御装置。 The presenting means 16 presents the value of the spring constant of the speed reducer model 8b on the monitor screen in a stepwise manner according to the magnitude together with the past calibration history of the spring constant of the speed reducer model 8b. The robot control apparatus according to claim 1.