CN102245356A - 用于生产中优化用于组装的机器人的参数的方法和系统 - Google Patents

Abstract

一种机器人用来在待组装的零件的连续生产运行期间反复组装零件。存在与组装关联的机器人参数。这些参数用来组装零件。与该反复组装同时优化机器人参数。待组装的零件具有组装的起始位置，并且机器人组装参数的同时优化也包括学习起始位置。可以用预定义方式优化机器人组装参数。然后可以验证优化的参数，并且然后可以使用优化和验证的机器人组装参数而不是与零件组装关联的机器人参数以及学习的起始位置。

Description

用于生产中优化用于组装的机器人的参数的方法和系统

技术领域

本发明涉及机器人组装并且具体地涉及生产中优化与这样的组装关联的参数。

背景技术

具有力控制的工业机器人越来越多使用于汽车和一般产业中的组装应用中。这些组装应用涉及到机器人组装连续产品运行中的同组零件。例如并且无限制性，机器人可以组装在汽车传动或者其它传动系部件中使用的零件。

第6,553,652号美国专利和第7,181,314号美国专利描述了使用具有力控制的工业机器人以执行具有位置控制的常规工业机器人不能执行的容差严格的组装任务。然而，由于引入力控制(其中实际机器人路径不仅依赖于编程位置而且依赖于在组装的零件/部件(下文称为“零件”)之间的互作用力)，所以通常通过试错或者离线分析工具获得最优机器人(力控制)参数集。这一参数选择过程乏味而耗时。

公布为WO2008/085937的专利合作条约(“PCT”)申请公开一种用于机器人组装参数优化的方法和系统。如其中公开的那样，先将力控制的机器人组装过程分类成不同组装类型，比如圆柱形、径向和多级。然后将各类组装进一步参数化成诸如搜索力、旋转角、旋转速度、力幅度、力周期等的机器人组装参数。

在上述机器人组装参数优化方法和系统中，需要在组装过程中使用机器人之前进行优化过程。需要离线进行优化实验，并且在实验中使用有限次数的零件。因此，优化结果对于生产环境而言可以接近但是并非完全正确，因为在组装单元设置中存在制造变化和差异。另外，不能在生产之前获得一些与生产有关的过程参数，比如组装起始位置。因此希望生产中的组装参数优化。本发明提供生产中或者有时称为在线机器人组装参数优化。

发明内容

一种在有形介质上用于优化机器人参数的计算机程序。机器人参数与机器人在待组装的零件的连续生产运行期间对零件的反复组装关联。机器人使用待优化的机器人参数以在待组装的零件的连续生产运行期间反复组装零件。在有形介质上的计算机程序具有：

配置成在机器人对零件的反复组装期间同时优化待优化的机器人参数的计算机可用代码。

一种用于在待组装的零件的连续生产运行期间反复组装零件的系统。该系统具有：

用于组装零件的机器人。机器人具有与零件组装关联的参数。机器人使用参数以在待组装的零件的连续生产运行期间反复组装零件；以及

计算设备，连接到机器人以在机器人对零件的反复组装期间控制机器人，计算设备中具有计算机程序，计算机程序具有配置成在机器人在计算设备的控制之下使用与零件组装关联的机器人参数来反复组装零件之时同时优化与零件组装关联的机器人参数的程序代码。

一种在用于在待组装的零件的连续生产运行期间使用具有与零件组装关联的参数的机器人来反复组装零件的系统中用于优化参数的方法。

在该方法中，

机器人使用待优化的机器人参数以在待组装的零件的连续生产运行期间反复组装零件；并且

在机器人对零件的反复组装期间同时优化待优化的机器人参数。

附图说明

图1示出了本发明可以使用于其中的机器人组装单元的设置。

图2示出了用于本发明的生产中(或者在线)机器人组装参数优化过程的示教器上的用户界面的主要页面。

图3示出了用于本发明的学习、优化和参数验证过程的流程图。

图4示出了用于确定将在本发明的方法中使用的参数边界和变量约束的方法的框图。

图5(a)示出了在机器人将组装的两个零件之间的关系。

图5(b)示出了在它们被组装之后的两个零件。

图5(c)示出了待组装的零件在组装它们之前的相对位置的变化。

图5(d)示出了待组装的两个零件之一的X位置分布，零件的位置可以在组装之前变化。

图6示出了概括本发明的流程图。

具体实施方式

现在参照图1，示出了本发明可以使用于其中的机器人组装单元100的设置。在单元100中有示教器101(具有它自己的CPU)、机器人控制器102(具有一个或者多个CPU)和机器人110。机器人110具有机器人手臂103、与机器人100持有的抓握工具105相邻装配于机器人110上的力传感器104和抓握工具105持有的用于插入到零件107中的零件106。零件106也称为插入零件，而零件107也称为插入的零件。单元100也具有在机器人手臂103、110与控制器102之间的运动控制链接和传感器连接108以及在示教器101与控制器102之间的通信连接109。

图2示出了用于本发明的生产中参数优化工具的示教器101上的用户界面的主要页面200。这一页面示出了优化过程流程。如图2中所示，该过程流程是从学习位置或者待优化的其它与过程有关的参数开始，然后继而为参数优化和参数验证的循环。可以反复执行循环。

这里包括四小节以描述本发明。这些小节为：1)用于设置生产和参数优化运行并且在这些运行之间切换的方法和系统；2)用于选择参数边界和约束(包括机器人搜索参数、组装终止条件和组装起始位置)的方法；3)用于优化参数的方法；以及4)用于优化一般过程参数如起始位置的方法。在连接到控制器102的机器人示教器101或者在图1中未示出的PC上进行所有这些方法。

下文将描述用于设置生产和参数优化运行并且在这些运行之间切换的方法和系统。该设置和切换方法和系统包括连接到控制器102的机器人示教器101或者PC上的图形用户界面(在图2中示出了该界面的主要页面200)和在设计的优化参数值和运行时间值与用于生产中参数优化的监控和/或切换之间的映射。从连接到控制器102的示教器101或者PC生成设计的参数并且将这些参数映射成控制器102中的参数用于机器人组装过程使用。下文描述的图3中所示流程图是这一映射的部分。

图2示出了从上至下命名为“起始位置学习”202、“参数优化”204和“参数验证”206的三个框。在图2中用复选标记示出了这三个框202、204和206，因为在这一示例中，机器人组装单元100的操作者想要使用本发明的所有生产中或者在线功能、即学习与机器人110将组装的零件关联的起始位置参数、优化组装参数并且验证优化的组装参数和学习的起始位置参数将用于下一轮生产运行。当三个框都未被复选时，机器人系统使用生产参数以执行组装任务。

当用户例如通过复选起始位置学习框202来请求执行生产中参数优化/学习任务时，用生产参数集进行预定次数的学习运行，并且记录和存储位置信息。用于设置预定义学习运行次数的标准是在组装(或者也称为插入)零件和到来零件(也就是组装的(或者有时也称为插入的)零件)的示教的起始位置之间的随机偏差、在生产线上的组装台的位置以及所需学习准确度。组装的零件从生产线连续到来。

众所周知，学习运行次数越多，结果准确度就越高。在学习运行期间学习的是与待组装的现实零件关联的起始位置参数。下文在第4小节中描述一种根据组装结束位置学习起始位置参数的技术的一个示例。

在连接到控制器102的示教器101或者PC中完成学习运行之后使用下述方法分析数据。在现实设备如示教器101上用图形呈现分析结果。下文具体描述的图5(a)至图5(d)示出了待组装的零件及其在组装之前、期间和之后的关系以及待组装的两个零件之一的X位置分布，零件的位置可以在组装之前变化。因此，该显示可以是组装结束位置的X、Y、Z坐标和定向(在图5(d)中示出的成群加号503)、它们的平均值和图5(d)的示教起始位置X值508以及Y值。图5(d)仅示出了与X分量有关的值作为示例。可以针对位置的Y和Z坐标示出类似画面。难以用图形示出定向(在四元组中为q1、q2、q3和q4而在欧拉系统中为Az、Ay和Ax)，但是结束位置的定向平均值可以被计算和用来纠正起始位置的定向。

当复选参数优化框204时，在优化运行期间以预定义方式变化组装参数值，并且可以在数据文件中存储值和所得循环时间和/或成功率用于以后处理。用于变化组装参数值的预定义方式(也就是优化方法)可以例如是在PCT申请中具体描述的公知实验设计(DOE)方法。本发明的用户有能力通过设置界面变化所选优化方法或者改变成另一优化方法。与生产操作并行进行参数优化。可以设置自动进行并且因此在操作者监控之下连续地或者如下文参照图3的流程图所述进行参数优化。

有通过预定义方式确定的并且以待优化的参数次数和为了发现在统计意义上最佳的值而在某一范围内变化的参数值水平为基础的预定义次数的优化运行。在完成预定义次数的运行之后，系统自动返回到生产参数集并且继续正常生产操作。同时，在连接到控制器102的示教器101或者另一计算设备如PC中的CPU上使用在具体实施方式的后一小节中描述的方法来处理从优化运行产生的数据。

当复选参数验证框206时执行验证过程。参数验证过程使用从位置学习和参数优化获得的起始位置和/或参数集。为了获得在统计上合理的结果，用于参数验证过程的相对大量(如例如100次)反复试验是必要的。下文描述数据处理和呈现方法。

本发明的方法和系统的参数验证过程确定优化的参数和学习的起始位置是否将用于下一轮生产运行。在进行确定时使用的指标是组装循环时间和组装成功率阈值改变。较低的循环时间比较高的循环时间更好，而较高的组装成功率比较低的成功率更好。在文件中存储当前和先前参数/位置数据。也提供监控选项以允许操作者确定优化的参数是否使用于下一轮优化过程中。在图3中具体示出了这一选项。

图3示出了该系统的学习、优化和参数验证过程流程图300。机器人组装系统100通常用生产参数运行(301)。如果对起始位置学习查询(302)的答复被设置成是，则从文件向系统中复制现有参数和起始位置数据(310)，并且系统在学习模式中运行而且验证学习结果(303)。在验证学习结果时使用的指标与在验证优化结果时使用的指标(即组装循环时间和组装成功率阈值改变)是相同的。

当完成(也就是验证)学习运行时，系统返回到它的正常生产运行并且在查询(309)中询问起始位置是否将更新成新值。如果答复为是，则用学习的数据更新起始位置，并且该过程继续到参数优化查询304。如果对309的答复为否，则起始位置保持不变，并且系统直接继续到参数优化查询304。

如果对参数优化查询304的答复为是，则在305中进行参数优化。当完成参数优化运行时，系统返回到正常生产运行并且只有当参数验证查询306的切换为否而更新参数查询308的切换为是时才使用优化的参数。否则，在优化运行之后使用生产参数。处理优化数据并且在文件中存储结果。如果对参数优化问题304的答复为否，则略过参数优化。

当对参数验证306的答复为是时进行验证运行307。在验证运行结束时，系统切换回到正常生产运行。存储和处理验证数据，并且该过程继续到下一问题308：应当更新生产参数吗？如果对306的答复为否，则略过验证过程307，并且该过程从查询306直接继续到查询308。如果对更新参数的查询308的答复为是，则将生产参数更新成优化的参数。如果对308的答复为否，则生产运行用现有参数继续。可以在批次和其它生产环境改变时重复优化/学习过程。如上文所述，在验证参数优化结果时使用的方法也与用于验证学习结果的方法相同。

如图3中所示，所有问题切换302、304、306、308和309具有三个状态：是、否和保持。保持状态用来提供操作者监控特征。如果将切换设置为保持状态，则系统返回到生产运行并且要求操作者就设置为保持状态的问题切换输入是或者否，以便继续优化过程。作为默认，无论何时完成当前实验运行，除非设置了学习、优化或者验证过程的下一步骤，系统都返回到正常生产运行。

应当理解，在本发明中，如图3的流程图所示，如果为问题切换302、304、306、308和309之一设置有保持状态，则该过程继续到下一启用的任务，而如果未启用其它任务，则机器人110用生产参数运行。例如，如果问题切换302为是，则该过程进行复制参数/姿态数据310以及用该数据运行以及验证学习结果303这些学习模式的功能，而如果问题切换309为保持，则该过程转向问题切换304，304如果为保持则转向问题切换306，306如果为保持则转向问题切换308，308如果为保持则造成该过程用生产参数运行。因此如可以理解的那样，保持状态是由操作者实行的否状态。

也应当理解，本发明的技术在生产过程期间运行并且用户可以通过使用切换来指引过程流程。当所有问题切换302、304、306、308和309设置成否或者保持时，系统用默认生产参数运行。

下文将描述用于设置参数边界和约束的方法。在PCT申请中公开的离线组装参数优化与本发明的生产中组装参数优化之间的主要差异之一在于在本发明中参数边界和其它约束比在现有技术的离线优化中更重要。因此，应当控制组装参数的变化以使对正常生产吞吐量和组装质量的影响最小。

然而，如果组装参数的变化太小，则可能并未将它们区别于制造系统噪声。因此优化结果可能并未反映实际系统的性质。如果那些参数的变化太大，则可能在相当程度上中断正常生产从而引起不可接受的故障率和/或长循环时间。

也需要向一些参数(例如最大搜索力、机器人力控制阻尼因子的最小值)施加约束。那些约束对于系统让组装质量落在预定边界内而言是必要的。仅能从现实制造过程获得这些参数边界和变量约束。

图4示出了用于确定参数边界和变量约束的方法400的框图。用户通过在405施加初始参数边界和变量约束，通过示教器101或者另一显示设备(比如与连接到控制器102的PC关联的显示设备)上的图形用户界面401设置参数和过程变量。在设置之后，参数通过使用实验设计方法如DOE方法或者其它优化技术在参数的边界值内变化参数。

进行实际情况测试403并且收集和记录所得数据。然后向估计器404中馈送数据以获得新的一组参数边界和变量约束。估计器404确定数据是否满足在上述段落中描述的标准，而如果不满足则估计器404提供可以满足该标准的新的一组参数边界和变量约束。可以重复这一过程直至获得一组依赖于过程的参数边界和约束。用户可以通过使用图形用户界面401来否决估计器的参数边界值。

下文将描述用于优化力控制组装的方法。可以在这一生产中参数优化中使用任何优化技术。在PCT申请中具体描述的公知DOE(实验设计)方法是一种这样的优化技术的示例。

下文描述用于优化一般过程参数如起始位置的方法。除了基本机器人力控制组装参数(用于搜索和插入)之外还有可以在生产期间优化(改进或者学习)其它组装过程参数、比如起始位置。在图5中使用起始位置作为示例以举例说明学习过程。

图5(a)示出了在插入零件501与插入的零件502之间的关系；图5(b)示出了在组装零件501和502时的该关系；图5(c)图示了零件501和502在组装开始时相对位置的变化，而插入零件501的起始位置固定(示教)，但是插入的零件502的位置变化，这是由于携带插入的零件502的棘爪(在图5中未示出)在进入图1中的工作单元100时具有变化的X-Y位置。当完成组装过程时，参照图5(b)，插入零件501由于力控制的机器人的柔性行为而在X-Y坐标上与插入的零件502匹配。因此可以记录最终位置。

使用统计方法可以计算X-Y位置在插入的零件502的插入结束时的实际平均和偏差。这一数据用来修改插入零件501的起始位置以获得对“正确”X-Y位置的更佳估计以求快速和在统计上较高的成功率以及较短的组装循环时间。

图5(d)图示了插入的零件502的X位置分布。加号503图示了记录的零件502在多次不同组装操作中的结束位置，而曲线504示出了针对X坐标根据那些结束位置导出的分布。示教并且在空间上相对固定组装起始位置。该位置由实线508表示。在起始位置508的X坐标与如虚线507所示平均结束位置的X坐标之间的距离为Dx 509。因此，插入的零件502的起始位置的X坐标可以左移Dx以获得更准确的组装起始位置。对于Y坐标的位置，可以应用类似分析以针对Y坐标导出移位距离Dy(在图5(d)中未示出)。

现在参照图6，在流程图600中示出了本发明的方法和系统的概括。如上文所述，过程参数具有起始值601。设计的生产中优化/学习运行602在它们的执行中使用这一过程参数集。在603测量运行的输出并且向数据处理和纠正模块604馈送该输出。使用纠正的参数值作为用于第二轮优化/学习操作的起始值。可以重复这一过程直至获得所需参数值。

如本领域普通技术人员可以理解的那样，本发明可以采用计算机可用或者计算机可读有形介质上的计算机程序产品这一形式，该介质具有嵌入于介质中的计算机可用程序代码。计算机可用或者计算机可读介质可以是任何可以包含、存储、传达、传播或者传送用于由指令执行系统、装置或者设备使用或者与指令执行系统、装置或者设备结合使用的程序的有形介质并且可以例如但不限于程序印刷于其上的电子、磁、光学、电磁、红外线或者半导体系统、装置、设备或者甚至纸张或者其它适当介质。计算机可读介质的更多具体示例(非穷举列表)将包括：便携计算机盘、闪速驱动、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或者闪存)、光纤、便携光盘只读存储器(CD-ROM)、光学存储设备或者磁存储设备。

可以用诸如Java、Smalltalk、C++等面向对象编程语言编写或者也可以用常规过程编程语言(比如“C”编程语言)和机器人程序语言(比如“RAPID”——ABB专有机器人程序语言)编写用于实现本发明的操作的计算机程序代码。程序代码可以完全在用户的计算机上、部分在用户的计算机上作为独立软件包、部分在用户的计算机上而部分在远程计算机上或者完全在远程计算机或者服务器上执行。在后一种场景中，远程计算机可以通过局域网(LAN)或者广域网(WAN)连接到用户的计算机，或者可以连接到外部计算机(例如通过使用因特网服务提供商的因特网)。

将理解对前述一个或多个示例实施例的描述旨在于仅举例说明而不是穷举本发明。本领域技术人员将能够对公开的主题内容的一个或多个实施例进行某些添加、删除和/或修改而不脱离如所附权利要求书限定的本发明的精神实质或者它的范围。

Claims (10)

1.一种用于在待组装的零件的连续生产运行期间反复组装零件的系统，包括：

用于组装所述零件的机器人，所述机器人具有与所述零件的组装关联的参数，所述机器人使用所述参数以在待组装的所述零件的所述连续生产运行期间反复组装所述零件；以及

控制器，连接到所述机器人以在所述机器人对所述零件的所述反复组装期间控制所述机器人，所述控制器适于在所述机器人，在所述控制器的控制之下，使用与所述零件的组装关联的所述机器人参数来反复组装所述零件之时，同时优化与所述零件的组装关联的所述机器人参数。

2.根据权利要求1所述的系统，其中待组装的所述零件具有用于所述组装的起始位置，并且所述控制器还被配置成进行预定义次数的运行以学习所述起始位置。

3.根据权利要求2所述的系统，其中所述控制器还被配置成在完成所述预定义次数的学习运行之后使显示设备显示与所述学习的起始位置有关的信息。

4.根据权利要求2所述的系统，其中所述控制器还被配置成以预定义方式变化所述关联的组装参数。

5.根据权利要求2所述的系统，其中所述控制器还被配置成以预定义方式变化所述机器人组装参数。

6.根据权利要求5所述的系统，其中所述控制器还被配置成验证用于在所述零件组装中使用的所述优化的机器人组装参数和所述学习的起始位置。

7.根据权利要求6所述的系统，其中所述控制器还被配置成使用所述验证的优化的机器人组装参数而不是待优化的所述参数以及所述学习的起始位置以组装所述零件。

8.根据权利要求5所述的系统，其中所述用于变化待优化的所述机器人组装参数的预定义方式具有取决于所述预定义方式并且依赖于待优化的所述参数的次数的预定义优化运行次数。

9.根据权利要求6所述的系统，其中配置成验证用于在所述零件组装中使用的所述优化的机器人组装参数和所述学习的起始位置的所述控制器将预定义标准用于所述验证。

10.一种在用于在待组装的零件的连续生产运行期间使用机器人来反复组装零件的系统中，优化参数的方法，所述机器人具有与所述零件组装关联的所述参数，所述方法包括：

所述机器人使用待优化的所述机器人参数以在待组装的所述零件的所述连续生产运行期间反复组装所述零件；并且

在所述机器人对所述零件的所述反复组装期间，同时优化待优化的所述机器人参数。

Images