CN102785046B - 具备学习控制功能的机器人和点焊机器人 - Google Patents

Abstract

本发明提供一种具备学习控制功能的机器人和点焊机器人。本发明的机器人包括：在位置控制对象的部位具备传感器的机器人机构部；控制机器人机构部的动作的控制装置，其特征在于：控制装置具备：通常控制部，控制机器人机构部的动作；学习控制部，进行学习而计算出学习修正量，该学习修正量用于在根据将速度变化比乘以对作业程序指定的示教速度所得的速度指令而使机器人机构部动作时，根据由传感器检测出的结果，使机器人机构部的控制对象的轨迹或位置向目标轨迹或目标位置靠近，或者用于抑制控制对象的振动，其中，进行处理使得机器人机构部的控制对象位置不依赖于速度变化比而沿着固定的轨迹移动。

Description

具备学习控制功能的机器人和点焊机器人

技术领域

本发明涉及具备学习控制功能的机器人和点焊机器人，特别涉及利用安装在手臂侧的传感器来提高动作的速度的机器人和点焊机器人。

本申请对2011年5月17日申请的日本专利申请的特愿2011-110787号和2011年8月17日申请的日本专利申请的特愿2011-178634号主张优先权，通过参照而将其全体组合到本说明书中。

背景技术

在机器人中，对由伺服电动机（以下简称为“电动机”）驱动的被驱动体的位置、速度进行控制。因此，通常进行位置反馈控制、速度反馈控制、或电流反馈控制。进行这样的控制直至被驱动体的位置、速度与指令位置、指令速度一致为止。

即使进行这样的基于位置、速度、电流的反馈控制，在要使机器人高速动作的情况下，有时产生轨迹误差、位置振动成分。另外，在高速动作中，电动机侧的动作特性和手臂侧的动作特性不同。因此，无法使用对用于进行手臂动作的电动机设置的编码器来直接测量手臂侧的轨迹误差、位置振动成分。因此，需要通过在手臂侧直接安装传感器，来测量轨迹误差、位置振动成分。另外，已知使用加速度传感器来作为这样的传感器进行学习控制的例子（专利文件1）。

图1表示具备实施学习控制的学习控制滤波器的机器人的概要图。机器人1000由机器人机构部1、控制机器人机构部1的控制装置2构成。控制装置2具备实施机器人的学习控制的学习控制部3、直接驱动机器人机构部1的通常控制部4。

在机器人机构部1中，设置有加速度传感器10、手臂11、手臂前端部（以下也称为“焊枪”）12、以及电动机（未图示）。控制装置2所包含的通常控制部4向机器人机构部1的电动机输入驱动用信号，使电动机进行动作，从而驱动手臂11，并使手臂前端部12移动到希望的位置，例如执行焊接等作业。在手臂前端部12设置有加速度传感器10，能够得到手臂前端部12的空间位置数据（y_j（k））。来自加速度传感器10的位置数据（y_j（k））被输入到学习控制部3，在学习控制中利用。在此，j表示试行次数，k表示时间，图1中的延迟电路361的Ns表示一次试行的采样数。y_d（k）表示位置指令数据，y_j（k）表示上次动作中的控制对象量。e_j（k）表示通过滤波器而根据y_d（k）和y_j（k）计算出的目标修正量，u_j（k）表示上次动作的学习修正量。

在通常控制部4中，设置有位置控制部41、速度控制部42、电流控制部43、放大器44、以及微分单元45。位置控制部41接收从控制装置2的外部输入的位置指令数据（y_d（k））。位置控制部41还接收机器人机构部1的电动机位置等位置信息，并将机器人机构部1的手臂前端部12的希望的位置信息输出到速度控制部42。微分单元45接收从机器人机构部1反馈的电动机位置信息，计算出电动机速度，并将其输出到速度控制部42。

速度控制部42对来自位置控制部41的位置信息和微分单元45的电动机速度信息进行调查而计算出希望的电动机速度，并将其输出到电流控制部43。电流控制部43接收从放大器44反馈的电流值。电流控制部43还计算出为了成为从速度控制部42输入的希望的电动机速度而在电动机中流过的电流，并将其输出到放大器44。放大器44根据来自电流控制部43的电流值而计算出希望的电力，并将其输入至机器人机构部1的电动机（未图示）。

在学习控制部3中，设置有第一存储器31、学习控制滤波器L（q）32、低通滤波器Q（q）33、第二存储器34、延迟电路361、以及第三存储器362。根据与手臂前端部12有关的位置指令数据（y_d（k））、由加速度传感器10测定的位置数据（y_j（k）），通过滤波器，向第一存储器31输入目标修正量c_j（k）。在第一存储器31中存储所输入的目标修正量e_j（k），并且将目标修正量e_j（k）输出到L（q）32。在此，目标修正量e_j（k）相当于与手臂前端部12的希望位置对应的轨迹、振动误差。

学习控制滤波器L（q）32通过执行存储在L（q）32中的作业程序，根据目标修正量e_j（k）和u_j（k）计算出学习修正量u_j+1（k），并将其输出到低通滤波器Q（q）33。输入到Q（q）33的学习修正量u_j+1（k）被输出到第二存储器34，并保存在第二存储器34中。学习修正量u_j+1（k）与由通常控制部4的位置控制部41计算出的位置偏差数据相加。

根据修正后的位置偏差数据，由机器人机构部1进行控制，重复进行学习控制。学习控制通过重复执行该一连串的处理，而使位置偏差收敛为“0”。在通过学习控制而进行用于计算出学习修正量的动作结束后，即学习运转结束后，不执行图1的用虚线所示的用于更新学习修正量的循环。而替代它从第二存储器34向位置控制部41输出学习修正量u_j+1（k）。说明表示图1的信号的传输的实线部分和虚线部分。实线部分表示在由通常控制部4使机器人机构部1动作时执行的部分。另一方面，虚线部分表示由学习控制部3在学习运转状态下执行学习控制的部分。虚线部分是在通过通常控制部4进行的机器人机构部1的动作结束后执行的部分。

在此，作为机器人的应用例子，揭示了在点焊中使用机器人的例子（例如专利文件2、3）。另外，揭示了通过视觉传感器检测出对象物的位置，通过机器人进行点焊的事例（例如专利文件4）。

现有的学习控制着眼于某种条件下的轨迹、振动误差的改善。但是，现有的学习控制具有以下这样的问题，即应用的范围窄，另外没有怎么考虑到使用方便性。

作为使用了传感器的学习控制的例子的上述现有技术虽然是作业机械的例子，但是设想了使用加速度传感器作为传感器。在将加速度传感器安装在机器人上的情况下，能够抽出正交坐标中的轨迹、位置误差，但具有无法直接根据传感器数据计算各轴的轨迹、位置误差的问题。

另外，在上述现有技术中，在从加速度传感器中抽出轨迹、振动误差时，使用了通常的高通滤波器。在作业机械的情况下，成为对象的反馈控制频带高到数十Hz~数百Hz。即，反馈控制在其频带中具有非常好的性能。因此，即使不能为了除去偏移数据而不能使用10Hz以下的数据进行学习控制，也没有大问题，偏移并不是特别重要的问题。另一方面，在工业用机器人中，反馈的控制频带通常是数Hz，通过前馈来控制更高的频带。其结果是性能容易依赖于模型误差，因此，通过学习控制来修正该部分。例如，在为了除去加速度传感器数据的偏移而施加了1Hz的高通滤波的情况下，10Hz左右以前的轨迹、振动误差的相位旋转。因此，希望除去的频带的轨迹、振动误差数据也被加工，具有学习控制的性能恶化的问题。

进而，在学习控制的滤波器的调整中，有2个难题。第一个是收敛条件。收敛条件是指如果循环进行学习则必须能够收敛的保证。如果这不能保证，则每次重复进行学习次数的动作都会发散，最终会使动作恶化。另外，第二个是单调递减条件。该条件是每次重复进行学习时保证轨迹振动误差的条件。如果这不能保证，则在收敛的过程中轨迹、振动误差有可能会在变得非常大之后收敛。这样，在学习过程中轨迹会有很大偏离，或者引起振动，有可能对外围设备也造成损伤。实际上要根据经验通过错误试行来进行用于满足这2个条件的调整。进而，机器人的系统与姿势对应地发生变化，因此必须考虑到可靠性。学习控制滤波器由于这些因素而变得过于复杂，非常难以实现。进而，设计过程的计算也变得过于复杂。因此，现状是在工业用机器人中并没有使用满足这些条件的控制器。也有在作业机械中使用的例子，但实际上在其每个应用中都是根据经验进行调整。此前，并不存在对于这样的问题有系统地进行参数的设计、并且具备能够提高速度的学习功能的工业用机器人。

另外，专利文件2和3所揭示的现有的一般的点焊机器人只是再现预先存储的动作而进行点焊。因此，具有以下的问题，即由于因机器人的高速动作而产生的轨迹误差、振动成分，机器人的最优动作被阻碍。在专利文件4中，揭示了通过视觉传感器检测对象物，来修正机器人的动作的例子。在该例子中，无法对面向对象物的机器人自身的动作进行最优化。因此，与上述一样，成为产生轨迹误差、振动成分而机器人的动作速度降低的原因。

专利文献

专利文件1：日本专利申请公开号：特开2006-172149号

专利文件2：日本专利申请公开号：特开2007-268590号

专利文件3：日本专利申请公开号：特开2007-7666号

专利文件4：日本专利申请公开号：特开2005-138223号

发明内容

本发明的目的在于：提供一种具备学习控制功能的机器人和点焊机器人，该学习控制功能是在机器人动作对生产率产生影响的点焊应用中进行控制，使得通过传感器检测出作为位置控制对象的部位的位置，使其接近目标动作。

本发明的目的在于：提供一种机器人和点焊机器人，能够实现通过机器人动作的高速化来提高生产率并降低成本。

本发明的目的在于：提供一种机器人和点焊机器人，通过机器人的动作的高速化，来减少作业中所需要的机器人的台数，减小生产线的占用空间，并通过减少工序来削减系统成本。

本发明的目的在于：提供一种机器人和点焊机器人，能够没有性能恶化地解决加速度传感器的偏移问题。

本发明的目的在于：提供一种机器人和点焊机器人，能够自动地执行学习中的动作的高速化。

本发明的目的在于：提供一种机器人和点焊机器人，能够抑制点焊机器人的振动，实现敏捷的动作。

一个实施方式的机器人包括：在作为位置控制对象的部位具备传感器的机器人机构部；控制机器人机构部的动作的控制装置，其特征在于：控制装置具备：通常控制部，控制机器人机构部的动作；学习控制部，在以速度变化比乘以作业程序指定的示教速度所得的速度指令使上述机器人机构部动作时，根据由传感器检测出的结果，进行计算出学习修正量的学习、该学习修正量用于使机器人机构部的控制对象的轨迹或位置接近提供给通常控制部的目标轨迹或目标位置，或者用于抑制在使机器人机构部动作时产生的控制对象的振动，控制装置以机器人机构部的控制对象位置不依赖于速度变化比地沿着固定的轨迹移动的方式进行处理。

作为其他的实施方式，理想的是学习控制部在使速度变化比多次变化直至达到规定的最大速度变化比为止的同时进行计算出学习修正量的学习。

作为其他实施方式，也可以是由学习控制部根据在使机器人机构部动作时所得的数据、机器人机构部所容许的最大速度、最大加速度或减速机的寿命，计算出预定的最大速度变化比。

作为其他实施方式，也可以是从外部对控制装置设定预定的最大速度变化比。

作为其他实施方式，导入频率响应的概念，提出基于H无限大规范而进行的学习控制滤波器的设计方法。由此，能够不通过经验性的方法，而通过系统性的方法，设计出通过机器人的频率响应而保证收敛性、单调递减性的滤波器。进而，对于与姿势变化对应的可靠性，通过向H无限大规范中组合不确定因素，能够系统地进行计算。该系统性方法使这些滤波器的设计问题归结为判断值符号矩阵问题的最小化问题。

作为其他实施方式，也可以是控制装置还具备：示教控制部，对作业程序中的位置或速度进行示教和修正，通常控制部根据通过位置指令、由学习控制部计算出的学习修正量、对由作业程序设定的示教速度乘以在计算学习修正量时使用的速度变化比所得的速度指令，使机器人机构部动作，其中上述位置指令是基于由作业程序设定的示教位置的指令，在通过学习控制部计算出学习修正量时，由示教控制部进行了示教点的位置修正时，位置修正后的示教点的位置与位置修正前的示教点的位置之间的距离为预定距离以上时，按照示教速度控制向示教点的移动，在不足预定距离时，按照速度指令控制向示教点的移动。

作为其他实施方式，也可以是在由学习控制部计算出学习修正量后，由示教控制部进行示教点的位置修正时，在位置修正后的示教点的位置与位置修正前的示教点的位置之间的距离为预定距离以上时，通常控制部按照示教速度控制向示教点的移动、以及从示教点向下一个示教点的移动，在不足预定距离时，按照速度指令控制向示教点的移动、以及从示教点向其下一个示教点的移动。

作为其他实施方式，也可以是通常控制部在由学习控制部计算出学习修正量后，由示教控制部进行了速度指令的修正时，在修正后的速度指令与修正前的速度指令之间的差为预定比例或预定值以上时，按照示教速度控制向示教点的移动，在不足预定比例或预定值时，按照速度指令控制向示教点的移动。

作为其他实施方式，也可以是学习控制部具备滤波器，用于针对由传感器检测出的数据，计算出机器人机构部的轨迹、振动误差。

作为其他实施方式，理想的是学习控制部通过将由传感器检测出的数据逆变换为基轴三轴，来计算出包含轨迹、振动误差的各轴上的位置。

作为其他实施方式，也可以是学习控制部使机器人机构部执行预定的动作，计算出传感器的位置和倾斜。

作为其他实施方式，理想的是学习控制部还具备用于保存学习修正量的存储器。

作为其他实施方式，传感器也可以是视觉传感器、加速度传感器、陀螺传感器、惯性传感器、光学传感器和应变仪中的任意一个。

作为其他实施方式，理想的是传感器具备能够对机器人机构部进行装卸的安装单元，更理想的是作为安装单元具备磁铁。

一个实施方式的点焊机器人的特征在于包括：机器人机构部，具备位置控制对象的控制对象部位和被设置在控制对象部位的传感器；通常控制部，取得与控制对象部位的目标轨迹或目标位置有关的位置指令数据，依照使用位置指令数据计算出的位置偏差数据，通过作业程序而以预定的动作速度使机器人机构部动作；学习控制部，根据传感器的检测结果，计算出控制对象部位的轨迹或位置，通过学习控制而计算出学习修正量，该学习修正量用于修正轨迹与目标轨迹之间的轨迹误差、或位置与目标位置之间的位置误差、或者用于抑制使机器人机构部动作时产生的控制对象部位的振动，通常控制部使用学习修正量来修正位置偏差数据，在计算学习修正量的过程中，学习控制部计算出机器人机构部能够设定的最大动作速度，在使动作速度增加一次或多次地使直至达到最大动作速度为止的同时计算出学习修正量。

作为其他实施方式，也可以是通常控制部取得机器人机构部的动作速度的目标值即目标动作速度，学习控制部对目标动作速度和最大动作速度进行比较，在目标动作速度比最大动作速度小的情况下，在使动作速度增加一次或多次直至达到目标动作速度为止的同时计算出学习修正量。

作为其他实施方式，理想的是学习控制部根据机器人机构部所容许的最大速度和最大加速度，计算出最大动作速度。

其他实施方式的点焊机器人的特征在于包括：机器人机构部，具备作为位置控制对象的控制对象部位和被设置在控制对象部位的传感器；通常控制部，取得与控制对象部位的目标轨迹或目标位置有关的位置指令数据，依照使用位置指令数据计算出的位置偏差数据，通过作业程序使机器人机构部以预定的动作速度动作；学习控制部，根据传感器的检测结果，计算出控制对象部位的轨迹或位置，通过学习控制而计算出学习修正量，该学习修正量用于修正轨迹与目标轨迹之间的轨迹误差、或位置与目标位置之间的位置误差，或者用于抑制使机器人机构部动作时产生的控制对象部位的振动，通常控制部使用学习修正量来修正位置偏差数据，学习控制部计算出学习修正量，并进行将轨迹误差或位置误差、或者振动与预先设定的各阈值进行比较的处理，在使动作速度增加直至轨迹误差或位置误差、或者振动超过各阈值为止的同时重复进行处理。

作为其他实施方式，也可以是通常控制部取得机器人机构部的动作速度的目标值即目标动作速度，学习控制部使动作速度增加一次或多次直至达到目标动作速度，在每次增加时，都计算学习修正量，并进行处理而将轨迹误差或位置误差、或者振动与预先设定的各阈值进行比较，直至轨迹误差或位置误差、或者振动收敛于各阈值内、或者动作速度成为目标动作速度为止的同时重复进行处理。

作为其他实施方式，也可以是学习控制部通过将包含根据传感器的检测结果计算出的控制对象部位的轨迹误差、位置误差或振动成分的数据变换为以机器人机构部的各轴为基准的位置坐标，来计算出各轴上的数据。

一个实施方式的机器人以机器人机构部的控制对象位置不依赖于速度变化比地沿着固定的轨迹移动的方式进行处理。其结果是由于不会由于速度变化比的变更而产生轨迹偏离，所以能够提高机器人机构部的动作的精度和安全性。

进而，在其他实施方式的机器人中，学习控制部计算出在学习运转状态下能够设定的最大速度变化比，并进行学习而使速度变化比多次增加直至达到最大速度变化比为止的同时计算出学习修正量。其结果是能够自动地实现学习中的动作的高速化。

另外，通过机器人的动作的高速化，能够得到以下的效果，即能够减少作业所需要的机器人的台数，减小生产线的占用空间，通过减少工序而削减系统成本。进而，还能够削减机器人的保养台数，对削减保养费用也有贡献。

另外，其他实施方式的机器人通过导入零相位滤波器，能够没有性能恶化地解决加速度传感器的偏移问题。

其他实施方式的机器人由学习控制部计算出在学习运转状态下能够设定的最大动作速度，并记下凝使动作速度多次增加直至达到最大动作速度为止的同时计算出学习修正量的学习。其结果是能够自动地执行学习中的动作的高速化。

一个实施方式的点焊机器人具备：学习控制功能，通过传感器检测出作为位置控制对象的部位的位置，进行控制使其向目标动作靠近。其结果是能够抑制点焊机器人的振动，实现敏捷的动作。

根据其他实施方式的点焊机器人，能够通过没有振动的敏捷的动作，提高机器人的动作速度，提高机器人的作业能力。在点焊中，通过提高机器人动作速度能够达到生产率的提高。另外，如果是相同的周期时间的点焊系统，则能够通过更少台数的点焊机器人实现与此前相同量的点焊，因此能够减少系统成本。

附图说明

图1是表示现有的机器人的结构图。

图2是实施例1的机器人的结构图。

图3A和图3B是实施例1的机器人的机器人机构部和传感器的结构图。

图4是实施例1的机器人的机器人结构部的结构概念图。

图5是表示通用坐标系中的传感器的位置的图。

图6是用于说明构成实施例1的机器人的机器人机构部的动作的高速化的步骤的流程图。

图7A和图7B是用于说明轨迹固定的动作的图。

图8是表示根据减速机的寿命求出最大速度变化比的步骤的流程图。

图9A和图9B是用于说明零相位高通滤波器的效果的图。

图10是表示零相位高通滤波器中的数据的处理步骤的图。

图11是实施例2的机器人的结构图。

图12是用于说明实施例2的机器人的动作步骤的流程图。

图13是用于说明实施例2的机器人的动作步骤的流程图。

图14是实施例3的点焊机器人的机器人机构部的立体图。

图15是实施例3的点焊机器人的结构图。

图16是用于说明构成实施例3的点焊机器人的机器人机构部的动作步骤的流程图。

图17是用于说明构成实施例4的点焊机器人的机器人机构部的动作步骤的流程图。

图18是用于说明构成实施例5的点焊机器人的机器人机构部的动作步骤的流程图。

图19是用于说明构成实施例6的点焊机器人的机器人机构部的动作步骤的流程图。

图20是作为传感器的一个例子表示视觉传感器的例子的图。

具体实施方式

以下，参照附图，说明本发明的机器人和点焊机器人。其中，本发明的技术的范围并不限于这些实施方式，希望注意其涉及到权利要求所记载的发明及其等价物这一点。

（实施例1）

图2表示实施例1的机器人100的概要图。机器人100由机器人机构部1和控制机器人机构部1的控制装置2构成。控制装置2具备：学习控制部3，实施机器人100的学习控制；通常控制部4，直接驱动机器人机构部1，控制机器人机构部1的动作。

学习控制部3按照对在作业程序上指定的示教速度乘以速度变化比所得的速度指令，使机器人机构部动作。这时，学习控制部3根据由加速度传感器10检测出的结果，进行计算出学习修正量u_j+1（k）的学习，该学习修正量u_j+1（k）用于使机器人机构部1的控制对象的轨迹或位置向提供给通常控制部4的目标轨迹或目标位置靠近。或者，学习控制部3进行计算而计算出学习修正量u_j+1（k），该学习修正量u_j+1（k）用于抑制在使机器人机构部动作时产生的控制对象的振动。实施例1的机器人100的特征在于：通常控制部4进行处理使得机器人机构部1的控制对象位置不依赖于速度变化比地沿着固定的轨迹移动。学习控制部3以外的结构与图1所示的现有的机器人的结构一样，因此省略详细的说明。在学习控制部3中，设置有第一存储器31、位置变换器35、高通滤波器36、逆变换器IK37、顺变换器FK38、学习控制滤波器L（q）32、低通滤波器Q（q）33、第二存储器34、延迟电路361、第三存储器362、第四存储器39。

图3表示机器人100的机器人机构部1的结构图。图3A表示机器人机构部1的全体结构，图3B表示安装了加速度传感器10的焊枪12的放大图。机器人机构部1是公知的机器人操纵装置（以下称为“机器人机构部”）。如果焊枪12能够到达进行作业的位置姿势，则机器人机构部的机械结构没有限制。作为检测出机器人机构部1的位置、在为了使机器人机构部1静止而减速时产生的轨迹、振动误差的传感器，使用了加速度传感器10。加速度传感器10被安装在机器人机构部的位置控制对象的部位即焊枪12的前端部。作为加速度传感器10，可以使用三轴加速度传感器。加速度传感器10具备由能够对机器人机构部1进行装卸的磁铁等构成的安装单元，能够进行装卸。也可以将加速度传感器10的外壳设为磁铁。

使用图4，说明安装在图3所示的机器人的机器人机构部1上的加速度传感器10的校准。

最初，在安装了加速度传感器10后，使机器人机构部1执行预定的动作，进行校准而计算出加速度传感器10的位置和倾斜。为了进行校准，必须将数据从工具坐标系变换为通用坐标系，其步骤如下。

首先，确定加速度传感器10的倾斜。如图5所示，从通用坐标系的某点P₀（未图示）开始在X轴方向上进行动作，取得通过某点P₁（未图示）时的加速度数据。然后，将P₀点处的静止状态下的加速度数据设为a₀，将P₁点处的动作状态下的加速度数据设为a₁。这时，除了重力加速度（静止加速度）以外的加速度a_xγ可以表示为a_xγ=a₁-a₀。进行标准化，如下进行定义。

$a_x=\frac{a_{\mathrm{x\γ}}}{\left|a_{\mathrm{x\γ}}\right|}$

接着，从点P₀开始在Y轴方向上进行动作，通过某点P₂（未图示），取得此时的加速度数据a₂。此时，除了重力加速度以外的加速度a_yγ可以表示为a_yγ=a₂-a₀。进行标准化，可以如下表示。

$a_y=\frac{a_{\mathrm{y\γ}}}{\left|a_{\mathrm{y\γ}}\right|}$

将与该2个数据正交的向量设为a_zγ=a_x×a_y，能够如下表示。

$a_z=\frac{a_{\mathrm{z\γ}}}{\left|a_{\mathrm{z\γ}}\right|}$

因此，能够如下表示用于将姿势从工具坐标系变换为通用坐标系的矩阵R_t。

接着，通过使J5和J6动作，来确定加速度传感器10的位置。首先，如图4那样使J5旋转Δθ。然后，如果对此时的在加速度传感器10的坐标系中测量的加速度数据乘以矩阵R_t，将变换为通用坐标系后的加速度数据设为则如下表示传感器变位Δφ₁。

$\mathrm{\Δ}{\mathrm{\φ}}_1=\∫\∫\sqrt{{{\stackrel{\·\·}{\mathrm{\φ}}}^2}_{1x}+{{\stackrel{\·\·}{\mathrm{\φ}}}^2}_{1z}}\mathrm{dtdt}$

将此时的通用坐标系的X轴方向的偏移量Δx表示为Δx=Δφ₁/Δθ₁。

另外，如图5那样使J6旋转Δθ₂。然后，如果对此时的在加速度传感器坐标系中测量出的加速度数据乘以矩阵R_t，将变换为通用坐标系后的加速度数据设为则如下表示传感器变位Δφ₂。

$\mathrm{\Δ}{\mathrm{\φ}}_2=\∫\∫\sqrt{{{\stackrel{\·\·}{\mathrm{\φ}}}^2}_{2x}+{{\stackrel{\·\·}{\mathrm{\φ}}}^2}_{2z}}\mathrm{dtdt}$

γ=Δφ₂/Δθ₂，通用坐标系Y轴方向的偏移量Δy被计算为Δy=γcosθ₂，通用坐标系的Z轴方向的偏移量Δz被计算为Δz=γsinθ₂。

通过如上那样，将数据从工具坐标系变换为通用坐标系，能够从加速度传感器10的输出数据计算出加速度传感器10的位置和倾斜，能够执行校准。

接着，说明学习控制滤波器32的设计。最初，针对各个轴，根据学习修正量u_j+1（k）的输入，由加速度传感器10测量直至推测出的位置为止的频率响应。另外，在图2中描绘出了学习控制部3的框图。

接着，根据频率响应结果，求解线性矩阵不等式。线性矩阵不等式是指在以下的约束条件下计算出c^Tx（c∈R^m）为最小的x的问题。在此，F_i是半正值固定符号矩阵。

$F\left(x\right)=F_0+\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{x}_i{F}_i\≥0---\left(1\right)$

$(x\∈R^m,F_i=F_i^{*}\∈R^{n\×n},m,i\∈Z)$

现在，设学习控制滤波器为

$L\left(z\right)=L_0{z}^{-N_0}+L_1{z}^{-N_0+1}+...+L_{N_0}{z}^0+...+L_{2N_0-1}{z}^{N_0-1}+L_{2N_0}{z}^{N_0}$

其中，N₀∈Z。

如果设

$x={\left[\begin{array}{ccccc}{\mathrm{\γ}}^2& L_0& L_1& ...& L_{{2N}_0}\end{array}\right]}^T$ c^T＝[100...0]

其中，γ∈R，k∈Z，则如下这样在频带上表示保证学习控制滤波器的稳定性、单调递减性的条件。

||Q(z)(I-L(z)P(z))||_∞＝γ＜1    (2)

在该公式中，Q（z）为在截止频率处具有学习频带的低通滤波器，L（z）为学习控制滤波器，P（z）为从学习修正量的输入到控制对象的传递函数。在此，L（z）是学习控制滤波器在频带中的表示方法，另一方面，L（q）是学习控制滤波器在时间区域中的表示方法。该γ越小，则学习控制滤波器的性能越高。学习控制滤波器的最优化问题是在给出了Q（z），即学习控制的频带时，计算出产生最小γ的学习控制滤波器L（z）的问题。另外，该公式能够如下这样变形。

$\left[\begin{array}{cc}0& Q{\left(e^{j{\mathrm{\&Omega;}}_i}\right)}^{*}\\ Q\left(e^{j{\mathrm{\&Omega;}}_i}\right)& 0\end{array}\right]+{\mathrm{\&gamma;}}^2\left[\begin{array}{cc}I& 0\\ 0& 0\end{array}\right]+\left[\begin{array}{cc}0& {(-Q\left(e^{j{\mathrm{\&Omega;}}_i}\right)L\left(e^{j{\mathrm{\&Omega;}}_i}\right)P\left(e^{j{\mathrm{\&Omega;}}_i}\right))}^{*}\\ (-Q\left(e^{j{\mathrm{\&Omega;}}_i}\right)L\left(e^{j{\mathrm{\&Omega;}}_i}\right)P\left(e^{j{\mathrm{\&Omega;}}_i}\right))& 0\end{array}\right]\&GreaterEqual;0(\mathrm{\&gamma;}<1\mathrm{forall}{\mathrm{\&Omega;}}_i)$

在此，如果设为

${\mathrm{\&phi;}}_k\left(z\right)=z^{-N_0+(k-1)}$

则能够表示为

$L\left(e^{j{\mathrm{\&Omega;}}_i}\right)=L_0{\mathrm{\&phi;}}_0\left(z\right){|}_{z=e^{j{\mathrm{\&Omega;}}_j}}+...+L_{2N_0}{\mathrm{\&phi;}}_{2N_0}\left(z\right){|}_{z=e^{j{\mathrm{\&Omega;}}_j}}$

$.=\underset{k=0}{\overset{2N_0}{\mathrm{\&Sigma;}}}{L}_k{\mathrm{\&phi;}}_k\left(z\right){|}_{z=e^{j{\mathrm{\&Omega;}}_i}}$

在此，可以通过α_k，j和V_j的线性表示L_k。在此，V_j与L_k具有相同的次方，Vj除了要素（j，i）以外，全部为0。例如，设N_y=2，N_u=2。

$L_k=\left[\begin{array}{cc}{L}_{\mathrm{1,1}}^k& L_{\mathrm{1,2}}^k\\ L_{\mathrm{2,1}}^k& L_{\mathrm{2,2}}^k\end{array}\right]=L_{\mathrm{1,1}}^k\left[\begin{array}{cc}1& 0\\ 0& 0\end{array}\right]+L_{\mathrm{1,2}}^k\left[\begin{array}{cc}0& 1\\ 0& 0\end{array}\right]+L_{\mathrm{2,1}}^k\left[\begin{array}{cc}0& 0\\ 1& 0\end{array}\right]+L_{\mathrm{2,2}}^k\left[\begin{array}{cc}0& 0\\ 0& 1\end{array}\right]$

$={\mathrm{\&alpha;}}_{k,1}{V}_1+{\mathrm{\&alpha;}}_{k,2}{V}_2+{\mathrm{\&alpha;}}_{k,3}{V}_3+{\mathrm{\&alpha;}}_{k,4}{V}_4$

另外，

$Q\left(e^{j{\mathrm{\&Omega;}}_i}\right)L\left(e^{j{\mathrm{\&Omega;}}_i}\right)P\left(e^{j{\mathrm{\&Omega;}}_i}\right)=Q\left(e^{j{\mathrm{\&Omega;}}_i}\right)\underset{k=0}{\overset{2N_0}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N_y{N}_M}{\mathrm{\&Sigma;}}}{\mathrm{\&alpha;}}_{k,j}{V}_j{\mathrm{\&phi;}}_k\left(z\right){|}_{z=e^{j{\mathrm{\&Omega;}}_i}}P\left(e^{j{\mathrm{\&Omega;}}_i}\right)$

$=\underset{l=1}{\overset{(2N_0+1)N_y{N}_u}{\mathrm{\&Sigma;}}}{\mathrm{\&beta;}}_l{F}_l^i$

在此，

β₁＝α_k，j

$F_l^i=Q\left(e^{j{\mathrm{\&Omega;}}_i}\right)V_{j}P\left(e^{j{\mathrm{\&Omega;}}_i}\right)$

因此，公式被变形为

${\mathrm{\&gamma;}}^2\left[\begin{array}{cc}I& 0\\ 0& 0\end{array}\right]+\underset{l=1}{\overset{(2N_0+1)N_y{N}_u}{\mathrm{\&Sigma;}}}{\mathrm{\&beta;}}_l\left[\begin{array}{cc}0& F_l^i{\left(e^{j{\mathrm{\&Omega;}}_i}\right)}^{*}\\ F_l^i\left(e^{j{\mathrm{\&Omega;}}_i}\right)& 0\end{array}\right]+\left[\begin{array}{cc}0& Q{\left(e^{j{\mathrm{\&Omega;}}_i}\right)}^{*}\\ Q\left(e^{j{\mathrm{\&Omega;}}_i}\right)& 0\end{array}\right]\&GreaterEqual;0$

如果将该公式的第一项和第二项考虑为第三项考虑为F₀，并定义为

c＝[100...0]

则上述公式表示为

这与线性矩阵不等式（1）的约束条件等价。另外，最小化问题归结为使C^Tx即γ²最小的问题。这可以换一种说法为学习控制滤波器的最优化问题。即，通过归结为基于判断值符号矩阵的线性不等式进行的最小化问题，能够系统性地得到解。因此，稳定性条件和成为单调递减性的充分条件为c^Tx≤1。因此，如果通过试行测量P（e^jΩi）,给出学习频带滤波器Q（z），则能够自动地求出学习控制滤波器L（z）32。

进而，考虑学习控制滤波器的耐用性。机器人具有系统由于姿势变化而有很大变化的特征。

在将某一姿势设为基准姿势时，将P_n（z）设为基准姿势的学习系统。这样，表示为任意的姿势P_m（z）=P_n（z）+ΔP_m（z）。ΔPn（z）是相对于该基准姿势的学习系统的变化量。这时，给出学习频带滤波器Q（z）时的约束条件如下。

${{\mathrm{\&gamma;}}_m}^2\left[\begin{array}{cc}I& 0\\ 0& 0\end{array}\right]+\underset{l=1}{\overset{(2N_0+1)N_y{N}_u}{\mathrm{\&Sigma;}}}{\mathrm{\&beta;}}_l\left[\begin{array}{cc}0& F_{l,m}^i{\left(e^{j{\mathrm{\&Omega;}}_i}\right)}^{*}\\ F_{l,m}^i\left(e^{j{\mathrm{\&Omega;}}_i}\right)& 0\end{array}\right]+\left[\begin{array}{cc}0& Q{\left(e^{j{\mathrm{\&Omega;}}_i}\right)}^{*}\\ Q\left(e^{j{\mathrm{\&Omega;}}_i}\right)& 0\end{array}\right]\&GreaterEqual;0$

这时，如果考虑为则稳定性条件和成为单调递减性的充分条件是对于任意的整数m，满足以下的条件。

c^Tx_m ≤1

如果通过以上步骤，通过试行对m个姿势测定P（e^jΩi）,则能够与上述例子同样地自动地求出学习控制滤波器。

接着，说明学习控制部的数据处理步骤。

如图2所示，反馈在位置控制、速度控制、电流控制的3个循环中成立，学习控制的循环被组合在反馈的位置控制循环的外侧。实线部分在学习运转状态下的动作中为有效的循环，在学习运转停止后，虚线的循环成为有效。A_j是从加速度传感器10得到的数据，位置变换器35将加速度数据a_j变换为位置数据。在学习中，将加速度传感器10检测出的在机器人机构部1静止时产生的振动的数据保存在第一存储器31中。从第二存储器34输出学习修正量u_j+1（k）。

在动作结束时，由位置变换器35推测出正交坐标的轨迹、振动误差，通过使用0相位高通滤波器的高通滤波器36，抽出除去了偏移后的轨迹、振动误差Δr。将该轨迹、振动误差与根据电动机位置反馈（FB）数据，使用FK38推测出的加速度传感器10的位置数据r相加，由此推测出包含手臂的动力学特性的加速度传感器10在正交坐标系中的传感器位置。

接着，通过将根据加速度传感器10的检测数据推测出的传感器位置逆变换为基轴三轴，计算出包含手臂动力学特性即位置振动成分的各轴上的位置。通过将该包含动力学特性的各轴位置减去不包含动力学特性的各轴的位置即电动机的位置，而计算出各轴的修正量。在以下的公式中，Ψ_j第j次试行的各轴的修正量，IK是逆变换，θ_mj是第j次试行的各轴电动机位置。

ψ_j＝IK^-1(r+Δr)-θ_mj

通过将该各轴的目的修正量输入到学习控制滤波器，来计算出下一次试行的修正量u_j+1（k）。通过学习控制滤波器L（q）32，从第三存储器362加入前一个试行的学习修正量U_j，再通过低通滤波器Q（q）33，计算出下一次试行的学习修正量U_j+1。

如上所述，通过学习控制部3的数据处理步骤，能够求出学习修正量U_j+1。

接着，使用图6说明学习控制中的提高机器人机构部1的动作的速度的步骤。

图6是用于说明机器人机构部的动作的高速化的步骤的流程图。通过由学习控制部3计算出在执行学习时能够设定的最大速度变化比（也称为最大速度倍率），使速度变化比多次变化直至成为预定的最大速度变化比为止进行学习的同时计算出学习修正量U_j+1（k），来进行机器人机构部1的动作的高速化。在执行程序时，示教速度乘以速度变化比所得的速度为动作速度。该速度变化比的处理方法与速度倍率的处理方法相同。

最初，在步骤S101中，学习控制部3设定在执行学习时能够设定的最大速度变化比。由学习控制部3根据在使机器人机构部动作时得到的数据、机器人机构部所容许的最大速度、最大加速度或减速机的希望的寿命，而计算出最大速度变化比。最初，使机器人机构部动作一次，根据第一次试行的数据，分别计算出各轴电动机的由能够学习的最大加速度所决定的最大速度变化比、由最大速度所决定的最大速度变化比、以及由减速机的寿命所决定的最大速度变化比。

首先，从最大加速度的观点出发，计算出各轴电动机的能够学习的最大速度变化比。如下定义机器人的运动方程式。

$\mathrm{\&tau;}=M\left(\mathrm{\&Theta;}\right)\stackrel{\&CenterDot;\&CenterDot;}{\mathrm{\&Theta;}}+V(\mathrm{\&Theta;},\stackrel{\&CenterDot;}{\mathrm{\&Theta;}})+G\left(\mathrm{\&Theta;}\right)$

（其中，Θ是手臂的位置，是速度）。

M（Θ）表示惯性项的矩阵，表示速度项的向量，G（Θ）表示重力项的向量。转矩的使用量大的部分主要是加速或减速的情况。因此，假设主要由产生由于提高速度倍率而产生的转矩的增加，从加减速的观点出发，计算出最大速度倍率ovr_max_1，i的估算。

如果设第一次试行的最大转矩为τ_max，i，电动机的最大转矩容许量为τ_p，i，加减速时使用的转矩为τ_a，i，则如下。

${\mathrm{\&tau;}}_{a,i}={\mathrm{\&tau;}}_{\max ,i}-{(V(\mathrm{\&Theta;},\stackrel{\&CenterDot;}{\mathrm{\&Theta;}})+G\left(\mathrm{\&Theta;}\right))}_i$

在离线等时，不实际动作而决定最大速度表的情况下，可以使用最大转矩指令来代替第一次试行的最大转矩。

这时，如果考虑ovr_max_1，i与τ_a，i的平方成正比的情况，则成为

$\mathrm{ovr}\_{\max }_{1,i}=\sqrt{\frac{{\mathrm{\&tau;}}_{p,i}-{(V(\mathrm{\&Theta;},\stackrel{\&CenterDot;}{\mathrm{\&Theta;}})+G\left(\mathrm{\&Theta;}\right))}_i}{{\mathrm{\&tau;}}_{a,i}}}$

在此，下标的i表示第i轴。

如上那样，从最大加速度的观点出发，能够得到最大速度变化比ovr_max_{1， i}。

接着，从最大速度的观点出发，针对最大速度变化比ovr_max_2，i进行计算。如果设第一次试行的最大速度为ω_v，i，电动机的最大速度容许量为ω_p，i，则成为

$\mathrm{ovr}\_{\max }_{2,i}=\frac{{\mathrm{\&omega;}}_{p,i}}{{\mathrm{\&omega;}}_{v,i}}$

在离线等时，不实际动作而决定最大速度表的情况下，能够使用最大速度指令来代替第一次试行的最大速度。

如上所述，从最大速度的观点出发，能够得到最大速度变化比ovr_max_{2， i}。

接着，从减速机的寿命的观点出发，针对最大速度变化比ovr_max_3，i进行计算。如果设减速机的推定寿命为L_h（hour），则用下式表示L_h。在本实施例中，使用下式，决定最大速度变化比ovr_max_3，i。

$L_h=K\&times;\frac{{\mathrm{\&omega;}}_t}{{\mathrm{\&omega;}}_{\mathrm{av}}}\&times;{\left(\frac{{\mathrm{\&tau;}}_t}{{\mathrm{\&tau;}}_{\mathrm{av}}}\right)}^{10/3}$

其中，K额定寿命（小时），Ω_t是额定速度（rpm），Ω_av是平均速度（rpm），τ_t是额定转矩（Nm），τ_av是平均转矩（Nm）。另外，系数10/3是依存于减速机的种类的系数。在此，如下这样定义平均速度Ω_av。

${\mathrm{\&omega;}}_{\mathrm{av}}=\mathrm{\&Delta;t}\underset{j}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_j\left(\mathrm{j\&Delta;t}\right)$

其中，Ω_j（t）是电动机轴速度，j是整数，Δt是采样时间。另外，用下式表示平均转矩τ_av。

${\mathrm{\&tau;}}_{\mathrm{av}}=\sqrt[10/3]{\frac{\underset{j}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_j^{10/3}}{\underset{j}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_j}}$

在离线等时，不实际动作而决定最大速度比的情况下，能够使用电动机轴速度指令来代替第一次试行的电动机轴速度。

接着，详细说明计算最大速度变化比ovr_max_3，i的方法。在初次的动作中，如下这样设定速度变化比ovr。

ovr＝ovr_ini    （其中，ovr_ini=100）

另外，将此时的电动机轴速度定义为ω_ini，j（jΔt）。用下式表示此时的减速机的推定寿命。

$L_{\mathrm{ini},h}=K\&times;\frac{{\mathrm{\&omega;}}_t}{{\mathrm{\&omega;}}_{\mathrm{ini},\mathrm{av}}}\&times;{\left(\frac{{\mathrm{\&tau;}}_t}{{\mathrm{\&tau;}}_{\mathrm{ini},\mathrm{av}}}\right)}^{10/3}$

在离线等时，不实际动作而决定最大速度比的情况下，能够使用电动机轴速度指令来代替第一次试行的电动机轴速度。

在此，用下式表示平均速度ω_ini，av。

${\mathrm{\&omega;}}_{\mathrm{ini},\mathrm{av}}=\mathrm{\&Delta;t}\underset{j}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_{\mathrm{ini},j}\left(\mathrm{j\&Delta;t}\right)$

另外，用下式表示平均转矩τ_av。

${\mathrm{\&tau;}}_{\mathrm{av}}=\sqrt[10/3]{\frac{\underset{j}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_{\mathrm{ini},j}^{10/3}}{\underset{j}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_{\mathrm{ini},j}}}$

如果满足L_ini，j≥L_d的条件，则能够进行进一步的高速化。如果不满足，则不能进行进一步的高速化。在满足上述条件的情况下，如下这样累积ovr。

ovr=ovr_ini+k×Δovr

其中，k是为了最优化而增加ovr的次数。这时，如下这样表示电动机轴速度ω_j（jΔt）。

${\mathrm{\&omega;}}_j\left(\mathrm{j\&Delta;t}\right)=\frac{\mathrm{ovr}}{100}{\mathrm{\&omega;}}_0\left(\mathrm{j\&Delta;t}\frac{100}{\mathrm{ovr}}\right)$

用下式表示平均速度ω_av。

${\mathrm{\&omega;}}_{\mathrm{av}}=\frac{\mathrm{ovr}}{100}\mathrm{\&Delta;t}\underset{j}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_0\left(\mathrm{j\&Delta;t}\right)=\frac{\mathrm{ovr}}{100}{\mathrm{\&omega;}}_{\mathrm{ini},j}\left(\mathrm{j\&Delta;t}\right)$

用下式表示平均转矩τ_av。

${\mathrm{\&tau;}}_{\mathrm{av}}=\sqrt[10/3]{\frac{\underset{j}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_j^{10/3}}{\underset{j}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_j}}=\sqrt[70/9]{\frac{\mathrm{ovr}}{100}}\sqrt[10/3]{\frac{\underset{j}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_{\mathrm{ini},j}^{10/3}}{\underset{j}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_{\mathrm{ini},j}}}$

由此，用下式表示这时的减速机的推定寿命L_h，k。

$L_{h,k}=K\&times;\frac{{\mathrm{\&omega;}}_t}{{\mathrm{\&omega;}}_{\mathrm{ini},\mathrm{av}}}\&times;{\left(\frac{{\mathrm{\&tau;}}_t}{{\mathrm{\&tau;}}_{\mathrm{ini},\mathrm{av}}}\right)}^{10/3}$

如果设满足L_h，k≥L_d的最大的k为k_max，则使用k_max如下这样表示ovr_max_3，i。

ovr_max_3，i=ovr_ini+k_max×Δovr

如上那样求出的3个值中的最小值为在学习控制中能够使用的最大速度变化比。由此，如果将其表示为ovr_max，则成为

$\mathrm{ovr}\_\max =\underset{i}{\max }\{\mathrm{ovr}\_{\max }_{1,i},\mathrm{ovr}\_{\max }_{2,i},\mathrm{ovr}\_{\max }_{3,i}\}$

在如上那样，进行步骤S101中的最大速度变化比的设定后，在步骤S102中，速度控制部42设定速度变化比的初始值。例如，将初始值设定为10%。

接着，在步骤S103中，电流控制部43设定用于以设定的速度变化比的初始值使机器人机构部动作的动作参数的初始值。

接着，在步骤S104中，按照所设定的动作参数使机器人机构部动作，根据来自加速度传感器10的信号，由学习控制部3计算出振动衰减率。在此，可以根据用公式（2）计算出的γ求出振动衰减率。

接着，在步骤S105中，位置控制部41调查振动衰减率是否不足一定的水准例如不足25%。

接着，在振动衰减率为25%以上的情况下，判断为振动衰减率没有充分衰减，在步骤S 106中，位置控制部41从学习控制滤波器更新学习修正量u_j+1（k）。

在振动衰减率不足25%的情况下，在步骤S107中，速度控制部42使速度变化比增加。例如，使速度变化比从10%增加到20%。

接着，在步骤S108中，速度控制部42判断所设定的速度变化比是否超过最大速度变化比。

在步骤S108中，所设定的速度变化比没有超过最大速度变化比的情况下，在步骤S109中，电流控制部43对动作参数进行修正使得速度变化比增加。例如，对动作参数进行设定使得在速度变化比20%下动作。然后，通过重复进行步骤S104~S106，来计算出振动衰减率不足25%那样的学习修正量u_j+1（k）。

这样，在本实施例中，例如在多个阶段（n个阶段）中使速度变化比增加到最大速度变化比而执行学习，并计算出学习修正量u_j+1（k）。如果设在一个阶段中增加的速度变化比的量为Δ，则使用Δ如下这样计算出使速度变化比增加的阶段数n。

$n=\mathrm{ceiling}\left(\frac{\mathrm{ovr}\_\max -\mathrm{ovr}\_\mathrm{cur}}{\mathrm{\&Delta;}}\right)$

在此，ovr_cur是最初设定的速度变化比。

在步骤S108中，所设定的速度变化比超过最大速度变化比的情况下，在步骤S110中，学习控制部3将学习修正量u_j+1（k）决定为最大速度变化比下的学习修正量u_j+1（k），学习控制部3将学习修正量u_j+1（k）保存在F-ROM或存储卡（MC）中。

通过这样重复进行提高速度变化比的处理和进行学习的处理直至速度变化比达到最大速度变化比为止，来提高动作速度。在实际运转时，通常控制部4从F-ROM或存储卡（MC）中调用学习修正量u_j+1（k）进行再现。

在此，机器人100的通常控制部4的特征点在于使机器人机构部1在固定轨迹下动作。在固定轨迹下动作是指在改变速度变化比而使机器人机构部1的控制对象位置（前端部）从初始位置到希望的位置地进行动作的情况下，与速度变化比的大小无关地使其进行动作而描绘出固定的轨迹。因此，通常控制部4进行处理使得机器人机构部1的控制对象位置与速度变化比无关地在固定轨迹上移动。例如，如图7A所示，在轨迹不固定的情况下，从起始点A到终点C分别将速度变化比设为10、50、100%而使其动作的情况下，描绘出不同的轨迹T₁₀、T₅₀、T₁₀₀。与此相对，在轨迹固定的情况下，即使在从起始点A到终点C分别将速度变化比设为10、50、100%而使其动作的情况下，如图7B所示，也描绘出相同的轨迹T₀。在本实施例中，通过使机器人机构部的控制对象位置的轨迹固定地使其动作，而不产生因变更速度变化比造成的轨迹偏离，因此能够提高机器人机构部的动作的精度和安全性。

如上所述，根据图6记载的高速化步骤，以机器人机构部的控制对象位置与速度变化比无关地沿着固定的轨迹移动的方式，在多次逐渐地增加速度变化比的同时，进行重复学习直至振动收敛为预定的范围内为止并计算出学习修正量，因此，能够高效地计算出能够抑制振动的学习修正量。

另外，如本实施例那样，通过将轨迹设为固定，能够在高速化结束后马上使机器人100进入到量产动作。即，在如通常那样不使轨迹固定而进行高速化的情况下，由于轨迹发生变化，所以必须检查来自障碍物的干扰，在干扰的情况下，变更提高速度前的程序，在高速化后必须再进行调节使得不产生干扰。与此相对，通过如本实施例那样使轨迹固定，能够省略这样的检查。

接着，使用图8的流程图详细说明根据减速机的寿命来求出最大速度变化比的步骤。首先，在步骤S201中，使输送控制（Transports and Programs:TP）程序只动作一次，取得实际速度数据。或者，离线地使程序动作，取得速度指令。接着，在步骤S202中，使用实际速度数据或速度指令数据，计算出使速度变化比增加时的推定寿命。接着，在步骤S203中，调查该推定寿命是否比希望寿命L_d大。如果推定寿命不比希望寿命L_d大，则在步骤S204中，再次增加速度变化比，在步骤S202中，计算出推定寿命。重复进行以上处理，在步骤S205中，计算出希望寿命不大于推定寿命的最大速度变化比ovr_max_3，i。这样，根据减速机的寿命求出最大速度变化比。

在以上的说明中，表示了以下的例子，即通过使机器人机构部1动作，而由学习控制部3根据机器人机构部1所容许的最大速度、最大加速度、以及减速机的寿命计算出预定的最大速度变化比，但也可以从外部向控制装置2设定预定的最大速度变化比。

如以上说明的那样，在本实施例中，使用了零相位高通滤波器来作为高通滤波器。以下，说明使用零相位高通滤波器的理由。

为了使用由加速度传感器检测出的与加速度有关的数据作为位置振动数据，必须除去偏移。为了除去偏移，必须使用除去2~3Hz以下的低频数据的高通滤波器。但是，高通滤波器具有偏离截止频率的0.1~10倍的相位的缺点。如果相位偏离，则无法得到实际的振动的数据，学习控制的性能会有很大恶化。这是因为学习控制会进行动作使得修正与实际不同的相位的振动。因此，如果能够使用没有相位偏离的高通滤波器，则能够提高性能。零相位滤波器具有以下特征，即能够在按照没有进行滤波处理的波形进行再现的地方原样地保持进行了滤波处理的时间波形的特征，在本实施例中，使用了不产生相位的偏离的零相位滤波器。

使用图9说明零相位滤波器的效果。图9A表示用实线表示的周期1（Hz）的信号和10（Hz）的信号混合起来的原始信号、通过了通常的高通滤波器的10Hz的信号（虚线）和通过了零相位高通滤波器后的10Hz的信号（虚线）。图9B表示图9A的椭圆部分的放大图。如图9B所示，原始信号和通过了零相位高通滤波器的10Hz的信号都在时刻t₂和t₄显示出峰值，而与此相对，通过了通常的高通滤波器的10Hz的信号在时刻t1和t3显示出峰值。由此可知，相对于通常的高通滤波器的相位相对于原始信号偏离的情况，在通过了零相位高通滤波器的情况下，相位与原始信号一致。通过这样使用零相位高通滤波器，能够抑制相位延迟。因此，在本实施例中，使用了零相位高通滤波器。

接着，使用图10说明零相位滤波器的数据处理步骤。在对按照时序顺序排列为1~N的顺序的原始数据d₀施加了高通滤波而得到数据d₁后，使时间序列反转而排列为N~1的顺序，由此得到数据d₂。接着，在对数据d₂施加高通滤波而得到数据d₃后，再次使时序反转而排列为1~N的顺序，由此得到数据d₄。如果将从数据d₂到数据d₄的处理表示为H（z^-1），则使用低通（高通）滤波器H（z）时，将零相位滤波器表示为H（z）H（z^-1）。如上所述，使时序反转而排列数据，因此无法离线地进行该处理。但是，在本实施例中，在机器人机构部的动作过程中收集加速度数据，在动作结束后进行离线处理，由此能够使用不使相位偏离的零相位高通滤波器。

（实施例2）

接着，说明实施例2的机器人。图11表示实施例2的机器人的概要图。实施例2的机器人101的特征点在于：在实施例1的机器人100的基础上，还具备示教控制部50，该示教控制部50具有存储了作业程序的程序示教部51、程序执行部52、动作计划部53。示教控制部50对作业程序的位置或速度进行示教和修正。

另外，实施例2的机器人101的通常控制部4还具备例外处理部46。该例外处理部46根据基于由作业程序设定的示教位置的位置指令、由学习控制部3计算出的学习修正量u_j+1（k）、将计算学习修正量u_j+1（k）时使用的速度变化比与由作业程序设定的示教速度相乘所得的速度指令，使机器人机构部1动作，在由学习控制部3计算出学习修正量u_j+1（k）后，由示教控制部50进行了示教点的位置修正时，在位置修正后的示教点的位置与位置修正前的示教点的位置之间的距离为预定距离以上时，按照示教速度控制向示教点的移动，在不足预定距离时，按照速度指令控制向示教点的移动。

使用保存在学习控制滤波器32内的RAM321中的学习修正量u_j+1（k），在高速动作下再现学习结束后的动作。但是，如果学习时的动作被大幅变更，则无法适用学习修正量u_j+1（k），因此无法进行高速动作。在此，将是否变更了动作记录于RAM321中，通过对动作位置、速度指令与根据动作计划计算出的动作位置y_d（k）、速度指令V_d（k）进行比较，能够进行判断。在动作被变更了的情况下，通过例外处理（即示教速度）执行动作。

接着，使用图12的流程图说明实施例2的机器人101的动作步骤。按照将由学习控制部3计算出的学习修正量u_j+1（k）与由作业程序设定的示教位置相加所得的指令位置、将在计算学习修正量u_j+1（k）时使用的速度变化比与由作业程序设定的示教速度相乘所得的速度指令，使机器人机构部1动作，在由学习控制部3计算出学习修正量u_j+1（k）后，执行该动作步骤。

最初，在步骤S301中，例外处理部46判断有无示教修正。通过由例外处理部46检测出有无对存储在示教控制部50内的程序示教部51中的作业程序的示教点的位置修正，来判断有无示教修正。

接着，在步骤S301中，在例外处理部46判断出有示教修正的情况下，在步骤S302中，判断位置修正后的示教点的位置与位置修正前的示教点的位置之间的距离是否不足预定距离。在位置修正后的示教点的位置与位置修正前的示教点的位置之间的距离为预定距离以上时，按照示教速度控制向示教点的移动，在不足预定距离时，按照速度指令控制向示教点的移动。在为预定距离以上时，在步骤S303中，按照示教速度即没有与速度变化比相乘的速度控制向示教点的移动。在此，只说明向示教点的移动，但也可以同样地控制从该示教点向下一个示教点的动作。

另一方面，在位置修正后的示教点的位置与位置修正前的示教点的位置之间的距离不足预定距离的情况下，在步骤S304中，按照将速度倍率与示教速度相乘所得的速度指令控制向示教点的移动。

另外，在步骤S301中，例外处理部46与判断为没有示教修正的情况同样地，按照速度指令控制向示教点的移动。

在以上说明中，说明了预先存储在程序示教部51中的作业程序对示教点的位置进行了修正的情况下的处理步骤，但接着，使用图13的流程图说明在示教点的位置以外，作业程序还对速度指令进行了修正的情况下的处理步骤。

步骤S401~S403和S405相当于上述的步骤S301~304，因此省略详细的说明。在步骤S402中，在位置修正后的示教点的位置与位置修正前的示教点的位置之间的距离不足预定距离的情况下，进而在步骤S404中，判断修正前的速度指令与修正后的速度指令之间的差是否不足预定的比例或预定值。在为预定比例或预定值以上时，在步骤S403中，按照示教速度即没有与速度变化比相乘的速度控制向示教点的移动。

另一方面，在步骤S404中，在修正前的速度指令与修正后的速度指令之间的差不足预定比例或预定值时，在步骤S405中，按照速度指令控制向示教点的移动。

如上所述，根据实施例2的机器人，在作业程序中对示教位置或示教速度进行了修正的情况下，可以与修正的程度对应地，对动作速度进行控制，因此，在作业程序的示教位置或示教速度被大幅修正了的情况下，能够稳定地执行机器人的动作。

另外，在实施例2的机器人101中，与实施例1的机器人100同样地，通常控制部4能够进行处理使得机器人机构部1的控制对象位置不依赖于速度变化比而沿着固定的轨迹移动。进而，在实施例2的机器人101中，也与实施例1的机器人100同样地，可以具备用于计算机器人机构部1的位置振动成分的不产生相位的偏离的高通滤波器。

（实施例3）

在本实施例中，说明进行点焊机器人的动作的高速化的例子。首先，图14表示点焊机器人的机器人机构部的立体图。另外，图3表示点焊机器人的机器人机构部的结构图。图3A表示机器人机构部的整体结构，图3B表示安装了传感器的点焊枪（以下简称为“焊枪”）的放大图。机器人机构部1是公知的机器人控制装置，如果位置控制对象的控制对象部位即焊枪12能够到达进行作业的位置姿势，则该机构没有限制。焊枪12具备相对的一对电极（相对电极21和可动电极22），通过使一方可动而使相对电极21与可动电极22之间的间隔可变，能够针对各种焊接工作（未图示）进行焊接。作为检测出为了使机器人机构部1的轨迹和位置以及机器人机构部1本身静止而减速时所造成的振动的传感器，传感器10被安装在成为机器人机构部的位置控制对象的控制对象部位即焊枪12的前端部。作为传感器10能够使用三轴加速度传感器。传感器10具备磁铁来作为能够对机器人机构部进行装卸的安装单元，并能够进行装卸。也可以将传感器10的壳子设为磁铁。另外，使用磁铁的例子是一个例子，也可以用其他单元构成安装单元。

图15表示实施例3的点焊机器人的概要结构图。机器人102由机器人机构部1、控制机器人机构部1的机器人控制部2构成。机器人机构部1具备作为位置控制对象的控制对象部位即焊枪12、设置在焊枪12上的传感器10。机器人控制部2具备：学习控制部3，实施机器人的学习控制；通常控制部4，直接驱动机器人机构部1。通常控制部4取得与作为控制对象部位的焊枪12的目标轨迹或目标位置有关的位置指令数据，依照使用位置指令数据计算出的位置偏差数据，通过作业程序，以预定的动作速度使机器人机构部1动作。

学习控制部3根据传感器10的检测结果计算出控制对象部位即焊枪12的轨迹或位置，通过学习控制而计算出学习修正量，该学习修正量用于修正轨迹与目标轨迹之间的轨迹误差或位置与目标位置之间的位置误差，或者用于抑制在使机器人机构部1动作时产生的、作为控制对象部位的焊枪12的振动。

实施例3的点焊机器人的特征点在于：学习控制部3在计算学习修正量的过程中，计算出在机器人机构部1中能够设定的最大动作速度，1次或多次地使动作速度增加直至成为最大动作速度，同时计算出学习修正量。除了学习控制部3以外，与图1所示的现有的机器人的机构一样，因此省略详细的说明。

接着，使用附图说明实施例3的机器人机构部的动作步骤。图16是用于说明实施例3的机器人机构部的动作步骤的流程图。通过在由学习控制部执行学习的过程中，即在计算出学习修正量的过程（学习运转状态）中，计算出在机器人机构部中能够设定的最大动作速度，并进行学习而使动作速度增加一次或多次直至成为最大动作速度为止的同时计算出学习修正量，由此执行机器人机构部的动作的高速化。在此，“学习运转状态”是指以下的状态，即通过作业程序使机器人机构部动作，为了使根据传感器的检测结果计算出的机器人机构部的控制对象位置的轨迹或位置分别向提供给通常控制部的目标轨迹或目标位置靠近，而进行学习计算出学习修正量。

首先，在步骤S501中，学习控制部3在计算出学习修正量的过程中，计算出在机器人机构部中能够设定的最大动作速度。能够根据机器人机构部所容许的最大速度和最大加速度，计算出最大动作速度。具体地说，最初使机器人机构部动作一次，从机器人机构部所容许的最大加速度、最大速度的观点出发，根据第一次试行的数据，计算出各轴电动机的能够学习的最大动作速度。

从最大加速度的观点计算出的最大速度倍率ovr_max_j，i和从最大速度的观点出发计算出的最大速度倍率ovr_max_2，i如已经说明的那样。

上述2个条件、以及轴中最小的速度倍率为在学习控制中能够使用的最大速度倍率。因此，如果将其表示为ovr_max，则能够用下式表示。

$\mathrm{ovr}\_\max =\underset{i}{\max }\{\mathrm{ovr}\_{\max }_{1,i},\mathrm{ovr}\_{\max }_{2,i}\}$

在存在从周期时间计算出的目标倍率ovr_max₃的情况下，根据该三个条件计算出能够使用的最大速度倍率。

$\mathrm{ovr}\_\max =\underset{i}{\max }\{\mathrm{ovr}\_{\max }_{1,i},\mathrm{ovr}\_{\max }_{2,i},\mathrm{ovr}\_{\max }_{3,i}\}$

如果将在一个阶段中增加的速度倍率的量设为Δ，则使用Δ如下这样计算出阶段数n。

$n=\mathrm{ceiling}\left(\frac{\mathrm{ovr}\_\max -\mathrm{ovr}\_\mathrm{cur}}{\mathrm{\&Delta;}}\right)$

例如在n个阶段中使动作速度增加到最大动作速度，由学习控制部3执行学习，计算出学习修正量。具体地说，首先在步骤S502中，学习控制部3在初始的动作速度下重复数次进行学习，在振动收敛后，计算出学习修正量。接着，在步骤S503中，学习控制部3将学习修正量保存在存储器等存储部，例如F-ROM或存储卡（MC）等中。

接着，在步骤S504中，学习控制部3使动作速度增加预定量。接着，在步骤S505中，学习控制部3判断动作速度是否变得比最大动作速度大。在动作速度为最大动作速度以下的情况下（No），在步骤S502中，学习控制部3在使其增加预定量后的动作速度下执行学习。即，按照将作为当前的动作速度的动作速度加上预定量的速度所得的新的动作速度即新动作速度，由学习控制部3执行学习。在动作速度变得比最大动作速度大的情况下（Yes），学习控制部3结束学习控制。

通过这样重复进行提高动作速度的处理和进行学习的处理直至动作速度达到最大动作速度为止，能够得到最大动作速度附近的学习修正量，能够使机器人的动作高速化。另外，如本实施例那样，通过逐渐增加动作速度，能够抑制在学习过程中产生的振动，通过修正学习修正量能够减小要抑制的振动。作为其结果，抑制振动的效果（减振效果）变好。

在根据通过学习控制计算出的学习修正量使机器人机构部动作的实际运转时，从F-ROM或存储卡（MC）中调出而再现学习修正量。

（实施例4）

接着，使用附图说明实施例4的点焊机器人的机器人机构部的动作步骤。实施例4的点焊机器人的结构图与实施例3一样，因此省略详细的说明。图17是用于说明实施例4的机器人机构部的动作步骤的流程图。实施例4的点焊机器人的特征点在于：通常控制部4取得作为机器人机构部1的动作速度的目标值的目标动作速度，学习控制部3对目标动作速度和最大动作速度进行比较，在目标动作速度比最大动作速度小的情况下，使动作速度增加一次或多次直至达到目标动作速度为止的同时计算出学习修正量。

首先，在步骤S601中，点焊机器人的通常控制部4从外部取得目标动作速度。具体地说，在图15中，位置控制部41取得位置指令数据y_d（k）以及目标动作速度，并转送到速度控制部42。接着，在步骤S602中，学习控制部3在计算出学习修正量的过程中，计算出在机器人机构部1中能够设定的最大动作速度。能够根据机器人机构部所容许的最大速度和最大加速度，计算出最大动作速度。具体地说，最初使机器人机构部动作一次，从机器人机构部所容许的最大加速度、最大速度的观点出发，根据第一次试行的数据计算出各轴电动机的能够学习的最大动作速度。最大动作速度的计算方法与实施例3一样，因此省略详细的说明。

接着，在步骤S603中，学习控制部3对所取得的目标动作速度和最大动作速度的大小关系进行比较。在目标动作速度比最大动作速度小的情况下，一次或多次地使动作速度增加直至成为目标动作速度，同时由学习控制部3计算出学习修正量。具体地说，在步骤S604中，学习控制部3在初始的动作速度下循环多次地进行学习，在振动收敛后，计算出学习修正量。接着，在步骤S605中，学习控制部3将学习修正量保存在存储器，例如F-ROM或存储卡（MC）中。

接着，在步骤S606中，学习控制部3使动作速度增加预定量。接着，在步骤S607中，学习控制部3判断动作速度是否变得比目标动作速度大。在动作速度为目标动作速度以下的情况下（No），在步骤S604中，学习控制部3在使动作速度增加了预定量后的动作速度下执行学习。即，按照将作为当前的动作速度的动作速度加上预定量的速度所得的、作为新的动作速度的新动作速度，由学习控制部3执行学习。在动作速度变得比目标动作速度大的情况下（Yes），学习控制部3结束学习控制。

通过这样重复进行提高动作速度的处理和进行学习的处理直至动作速度达到目标动作速度，能够得到目标动作速度附近的学习修正量，能够使机器人的动作高速化。另外，如本实施例那样，通过逐渐增加动作速度，能够抑制在学习过程中产生的振动，能够通过修正学习修正量来减小要抑制的振动。作为其结果，抑制振动的效果（减振效果）变好。进而，在目标动作速度比最大动作速度小的情况下，不需要使动作速度增加到最大动作速度，能够短时间地计算出学习修正量。

在根据通过学习控制计算出的学习修正量使机器人机构部动作的实际运转时，从F-ROM或存储卡（MC）中调出而再现学习修正量。

另一方面，在步骤S603中，在目标动作速度为最大动作速度以上的情况下，学习控制部3也可以结束学习控制，学习控制部3也可以与实施例3同样地进行学习控制直至动作速度成为最大动作速度。作为一个例子，在图17中，表示了学习控制部3进行学习控制直至动作速度成为最大动作速度为止的例子。步骤S609~S611与上述的S604~S606一样。在步骤S612中，学习控制部3判断动作速度是否变得比最大动作速度大。在动作速度为最大动作速度以下的情况下（No），在步骤S609中，学习控制部3使动作速度增加预定量，执行学习。即，按照将作为当前的动作速度的动作速度加上预定量的速度所得的作为新的动作速度的新动作速度，由学习控制部3执行学习。在动作速度变得比最大动作速度大的情况下（Yes），学习控制部3结束学习控制。

在本实施例中，针对目标动作速度超过最大动作速度的情况，表示了使动作速度增加到最大动作速度而由学习控制部3计算出学习修正量的例子，但并不限于这样的例子。如上所述，在目标动作速度超过最大动作速度的情况下，学习控制部3也可以结束学习修正。

（实施例5）

接着，使用附图说明实施例5的点焊机器人的机器人机构部的动作步骤。实施例5的点焊机器人的结构与实施例3一样，因此省略详细的说明。图18是用于说明实施例5的机器人机构部的动作步骤的流程图。实施例5的点焊机器人的特征在于包括：机器人机构部1，它具备作为位置控制对象的控制对象部位的焊枪12、被设置在作为控制对象部位的焊枪12上的传感器10；通常控制部4，取得与作为控制对象部位的焊枪12的目标轨迹或目标位置有关的位置指令数据，依照使用位置指令数据计算出的位置偏差数据，通过作业程序，使机器人机构部1以预定的动作速度动作；学习控制部3，根据传感器10的检测结果计算出作为控制对象部位的焊枪12的轨迹或位置，通过学习控制计算出学习修正量，该学习修正量用于修正轨迹与目标轨迹之间的轨迹误差或位置与目标位置之间的位置误差，或者用于抑制在使机器人机构部1动作时产生的作为控制对象部位的焊枪12的振动，其中，通常控制部4使用学习修正量来修正位置偏差数据，学习控制部3计算学习修正量，进行将轨迹误差或位置误差、或者振动与预先设定的各阈值进行比较的处理，使动作速度增加直至轨迹误差或位置误差、或者振动超过各阈值为止的同时循环进行上述处理。

以下，说明实施例5的点焊机器人的动作步骤。首先，在步骤S701中，学习控制部3在初始的动作速度下重复数次进行学习。在振动收敛后，学习控制部3根据传感器10的检测结果，计算出作为控制对象部位的焊枪12的轨迹或位置。接着，学习控制部3通过学习控制计算出学习修正量，该学习修正量用于修正轨迹与目标轨迹之间的轨迹误差或位置与目标位置之间的位置误差，或者用于抑制在使机器人机构部动作时产生的作为控制对象部位的焊枪12的振动。接着，在步骤S702中，学习控制部3将学习修正量保存在存储器等存储部，例如F-ROM或存储卡（MC）等中。

接着，在步骤S703中，学习控制部3使动作速度增加预定量。接着，在步骤S704中，学习控制部3判断轨迹误差或位置误差、或者振动是否超过各阈值。在图18中，表示出对轨迹误差与其阈值之间的大小关系进行判断的例子，但对于位置误差和振动也一样。可以将轨迹误差、位置误差和振动的各阈值预先存储在存储器中。接着，在步骤S704中，在轨迹误差超过了阈值的情况下，学习控制部3结束处理。另一方面，在轨迹误差为阈值以下的情况下，返回到步骤S701，学习控制部3重复进行学习。例如，在将动作速度设为50mm/sec进行动作时，轨迹误差为阈值以下，在将动作速度设为100mm/sec进行动作时，轨迹误差超过阈值这样的情况下，针对动作速度为50mm/sec的情况执行学习修正量的计算，在动作速度为100mm/sec的情况下，不执行计算。这样，能够计算出轨迹误差为预定的阈值的范围内的学习修正量。

在此，详细说明增加动作速度的方法。如本实施例那样，在没有设定最大动作速度的情况下，即没有设定最大速度倍率的情况下，提高某一定量的倍率，直至例如动作时间结束前100msec（0.1sec）的轨迹误差收敛于阈值内。通过循环进行该处理，进行高速化。

将振动量设为ψj（t），动作结束时间设为t_end。这样，能够如下地表示振动量收敛于阈值内的条件。

(l∈R，l＜0.1)

在没有设定目标动作速度的情况下，即没有设定目标倍率的情况下，在满足上述条件的期间，提高倍率。将over_cur设为本次试行的倍率。

另外，在如实施例4那样根据周期时间计算出目标倍率over_max₃的情况下，在同时满足上述条件和下述条件的期间，提高倍率。

over_cur<over_max₃

如上所述，根据本实施例的点焊机器人，能够计算出在轨迹误差等收敛于预定的阈值的范围内提高动作速度的状态下的学习修正量，因此，能够在一定的轨迹误差等的范围内提高点焊机器人的动作速度。

（实施例6）

接着，使用附图说明实施例6的点焊机器人的机器人机构部的动作步骤。实施例6的点焊机器人的结构与实施例3一样，因此省略详细的说明。图19是用于说明实施例6的机器人机构部的动作步骤的流程图。实施例6的点焊机器人的特征在于：通常控制部4取得机器人机构部1的动作速度的目标值即目标动作速度，学习控制部3一次或多次地使动作速度增加直至成为目标动作速度，在每次增加时，都计算学习修正量，并进行处理而将轨迹误差或位置误差、或者振动与预先设定的各阈值进行比较，直至轨迹误差或位置误差、或者振动收敛于各阈值内，或者动作速度成为目标动作速度为止，重复进行处理。

以下，说明实施例6的点焊机器人的动作步骤。首先，在步骤S801中，点焊机器人的通常控制部4从外部取得目标动作速度。具体地说，在图15中，位置控制部4取得位置指令数据y_d（k）和目标动作速度，并转送到速度控制部42。接着，在步骤S802中，学习控制部3在初始的动作速度下重复数次进行学习。在振动收敛后，学习控制部3根据传感器10的检测结果计算出作为控制对象部位的焊枪12的轨迹或位置。学习控制部3通过学习控制，计算出学习修正量，该学习修正量用于修正轨迹与目标轨迹之间的轨迹误差或位置与目标位置之间的位置误差，或者用于抑制在使机器人机构部动作时产生的作为控制对象部位的焊枪12的振动。接着，在步骤S803中，学习控制部3将学习修正量保存在存储器等存储部，例如F-ROM或存储卡（MC）等中。

接着，在步骤S804中，学习控制部3使动作速度增加预定量。接着，在步骤S805中，学习控制部3对所取得的目标动作速度和最大动作速度的大小关系进行比较。在目标动作速度比最大动作速度小的情况下，在步骤S806中，学习控制部3判断轨迹误差或位置误差、或者振动是否超过各阈值。在图19中，表示出对轨迹误差与其阈值之间的大小关系进行判断的例子，但位置误差和振动也一样。可以将轨迹误差、位置误差和振动的各阈值预先存储在存储器中。

在步骤S806中，学习控制部3在轨迹误差超过阈值的情况下，结束处理。在轨迹误差为阈值以下的情况下，返回步骤S802，学习控制部3重复进行学习。例如，在将动作速度设为50mm/sec进行动作时，轨迹误差为阈值以下，在将动作速度设为100mm/sec进行动作时，轨迹误差超过阈值这样的情况下，针对动作速度为50mm/sec的情况执行学习修正量的计算，在动作速度为100mm/sec的情况下，不执行计算。这样，能够计算出轨迹误差为预定的阈值的范围内的学习修正量。另一方面，在步骤S805中，在目标动作速度为最大动作速度以上的情况下，学习控制部3结束处理。

在本实施例中，在动作速度没有超过目标动作速度的范围内、并且轨迹误差等没有超过阈值的范围内，计算出学习修正量，因此，能够计算出满足目标动作速度和轨迹误差等的双方的条件的学习修正量。因此，能够在动作速度在所设定的目标动作速度的范围内，计算出在轨迹误差等收敛于预定的阈值的范围的范围内提高动作速度的状态下的学习修正量，因此，能够在预定的目标动作速度的范围内并且一定的轨迹误差等的范围内提高点焊机器人的动作速度。

以上，在本实施例中，表示了作为安装在机器人机构部1上的传感器，使用加速度传感器的例子，但也可以是视觉传感器、加速度传感器、陀螺传感器、惯性传感器、光学传感器或应变仪中的任意一个传感器。

作为一个例子，图20表示使用视觉传感器来代替加速度传感器的例子。视觉传感器70具备第一照相机72、第二照相机73的2台照相机，并被设置在机器人手部71上。视觉传感器70使用照相机72、73，测量目标生产线74上的假想TCP76的位置，计算出将行进方向75设为x轴的正方向的情况下的x轴、y轴、z轴的各个轴方向的轨迹、振动误差，即Δx、Δy、Δz。

Claims (22)

1.一种机器人，包括：在作为位置控制的对象的部位具备传感器的机器人机构部；以及控制上述机器人机构部的动作的控制装置，其特征在于：

上述控制装置具备：

通常控制部，控制上述机器人机构部的动作；

学习控制部，在以作业程序指定的示教速度乘以速度变化比所得的速度指令使上述机器人机构部动作时，根据由上述传感器检测出的结果，通过学习控制计算学习修正量，该学习修正量用于使上述机器人机构部的控制对象的轨迹或位置接近提供给上述通常控制部的目标轨迹或目标位置，或者用于抑制在使上述机器人机构部动作时产生的上述控制对象的振动；以及

示教控制部，进行作业程序中的位置或速度的示教以及修正，

上述控制装置进行处理以使上述机器人机构部的控制对象位置不依赖于速度变化比地沿着固定的轨迹移动，

上述通常控制部根据位置指令、由上述学习控制部计算出的学习修正量、对由作业程序设定的示教速度乘以在计算上述学习修正量时使用的速度变化比所得的速度指令，使上述机器人机构部动作，上述位置指令是基于由作业程序设定的示教位置的指令，

在通过上述学习控制部计算出学习修正量后，由上述示教控制部进行了示教点的位置修正时，在位置修正后的示教点的位置与位置修正前的示教点的位置之间的距离为预定距离以上时，上述通常控制部按照上述示教速度控制向上述示教点的移动，在不足上述预定距离时，按照上述速度指令控制向上述示教点的移动。

2.根据权利要求1所述的机器人，其特征在于：

上述学习控制部在使速度变化比多次变化直至达到预定的最大速度变化比为止的同时通过学习控制来计算学习修正量。

3.根据权利要求2所述的机器人，其特征在于：

上述学习控制部根据在使上述机器人机构部动作时所得的数据、上述机器人机构部所容许的最大速度、最大加速度或减速机的寿命，计算上述预定的最大速度变化比。

4.根据权利要求2所述的机器人，其特征在于：

从外部对上述控制装置设定上述预定的最大速度变化比。

5.根据权利要求1所述的机器人，其特征在于：

在由上述学习控制部计算出学习修正量后，由上述示教控制部进行了示教点的位置修正时，在位置修正后的示教点的位置与位置修正前的示教点的位置之间的距离为预定距离以上时，上述通常控制部按照示教速度控制向上述示教点的移动以及从上述示教点向下一个示教点的移动，在不足上述预定距离时，按照上述速度指令控制向上述示教点的移动以及从上述示教点向其下一个示教点的移动。

6.根据权利要求1所述的机器人，其特征在于：

在由上述学习控制部计算出学习修正量后，由上述示教控制部进行了速度指令的修正时，在修正后的速度指令与修正前的速度指令之间的差为预定比例或预定值以上时，上述通常控制部按照示教速度控制向上述示教点的移动，在不足上述预定比例或上述预定值时，按照上述速度指令控制向上述示教点的移动。

7.根据权利要求1所述的机器人，其特征在于：

上述学习控制部具备用于针对由上述传感器检测出的数据，计算上述机器人机构部的位置振动成分的滤波器。

8.根据权利要求7所述的机器人，其特征在于：

上述学习控制部通过将由上述传感器检测出的数据逆变换为机器人的各轴的基轴三轴，来计算包含位置振动成分的各轴上的位置。

9.根据权利要求1所述的机器人，其特征在于：

上述学习控制部使上述机器人机构部执行预定的动作，来计算上述传感器的位置和倾斜。

10.根据权利要求1所述的机器人，其特征在于：

上述学习控制部还具备用于保存上述学习修正量的存储部。

11.根据权利要求1所述的机器人，其特征在于：

上述传感器是视觉传感器、加速度传感器、陀螺传感器、惯性传感器、光学传感器或应变仪中的任意一个。

12.根据权利要求1所述的机器人，其特征在于：

上述传感器具备能够向机器人机构部进行装卸的安装单元。

13.根据权利要求12所述的机器人，其特征在于：

上述传感器具备作为安装单元的磁铁。

14.一种点焊机器人，其特征在于：

包括：

机器人机构部，具备作为位置控制对象的控制对象部位和被设置在上述控制对象部位的传感器；

动作控制部，取得与上述控制对象部位的目标轨迹或目标位置有关的位置指令数据，依照使用上述位置指令数据计算出的位置偏差数据，通过作业程序使上述机器人机构部以预定的动作速度动作；以及

学习控制部，根据上述传感器的检测结果，计算上述控制对象部位的轨迹或位置，通过学习控制来计算学习修正量，该学习修正量用于修正上述轨迹与上述目标轨迹之间的轨迹误差、或上述位置与上述目标位置之间的位置误差，或者用于抑制使上述机器人机构部动作时产生的上述控制对象部位的振动，

上述动作控制部使用上述学习修正量来修正上述位置偏差数据，

上述学习控制部在计算上述学习修正量的过程中，使上述机器人机构部动作，根据上述机器人机构部所容许的最大加速度、最大速度分别计算最大速度倍率，根据计算出的上述最大速度倍率中的最小的最大速度倍率计算上述机器人机构部能够设定的最大动作速度，在使上述动作速度增加一次或多次直至达到上述最大动作速度为止的同时计算上述学习修正量。

15.根据权利要求14所述的点焊机器人，其特征在于：

上述动作控制部取得上述机器人机构部的动作速度的目标值即目标动作速度，

上述学习控制部将上述目标动作速度和上述最大动作速度进行比较，在上述目标动作速度比上述最大动作速度小的情况下，在使上述动作速度增加一次或多次直至达到上述目标动作速度为止的同时计算上述学习修正量。

16.根据权利要求14所述的点焊机器人，其特征在于：

上述学习控制部根据上述机器人机构部所容许的最大速度和最大加速度，计算上述最大动作速度。

17.一种点焊机器人，其特征在于：

包括：

机器人机构部，具备作为位置控制的对象的控制对象部位和被设置在上述控制对象部位的传感器；

动作控制部，取得与上述控制对象部位的目标轨迹或目标位置有关的位置指令数据，依照使用上述位置指令数据计算出的位置偏差数据，通过作业程序使上述机器人机构部以预定的动作速度动作；以及

学习控制部，根据上述传感器的检测结果，计算上述控制对象部位的轨迹或位置，通过学习控制来计算学习修正量，该学习修正量用于修正上述轨迹与上述目标轨迹之间的轨迹误差、或上述位置与上述目标位置之间的位置误差，或者用于抑制使上述机器人机构部动作时产生的上述控制对象部位的振动，

上述动作控制部使用上述学习修正量来修正上述位置偏差数据，

上述学习控制部计算上述学习修正量，并进行将上述轨迹误差或上述位置误差、或者上述振动与预先设定的各阈值进行比较的处理，在使动作速度增加至上述轨迹误差或上述位置误差、或者上述振动超过上述各阈值为止的同时重复进行上述处理，

只要动作时间结束前的预定时间的轨迹误差或位置误差或振动收敛于各阈值内，重复进行提高倍率的步骤，由此来增加动作速度。

18.根据权利要求14所述的点焊机器人，其特征在于：

上述学习控制部通过将含有根据上述传感器的检测结果计算出的上述控制对象部位的轨迹误差、位置误差或振动成分的数据变换为以上述机器人机构部的各轴为基准的位置坐标，来计算上述各轴上的数据。

19.根据权利要求14所述的点焊机器人，其特征在于：

上述学习控制部使上述机器人机构部执行预定的动作，来计算上述传感器的位置和倾斜。

20.根据权利要求14所述的点焊机器人，其特征在于：

还具备用于保存上述学习修正量的存储部。

21.根据权利要求14所述的点焊机器人，其特征在于：

上述传感器是视觉传感器、加速度传感器、陀螺传感器、惯性传感器和应变仪中的任意一个。

22.根据权利要求14所述的点焊机器人，其特征在于：

具备能够对上述机器人机构部装卸上述传感器的安装单元。