CN104057290B - 一种基于视觉和力反馈控制的机器人装配方法与系统 - Google Patents
一种基于视觉和力反馈控制的机器人装配方法与系统 Download PDFInfo
- Publication number
- CN104057290B CN104057290B CN201410286295.3A CN201410286295A CN104057290B CN 104057290 B CN104057290 B CN 104057290B CN 201410286295 A CN201410286295 A CN 201410286295A CN 104057290 B CN104057290 B CN 104057290B
- Authority
- CN
- China
- Prior art keywords
- detector unit
- data
- force
- assembly
- main frame
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000005259 measurement Methods 0.000 claims abstract description 8
- 230000033001 locomotion Effects 0.000 claims abstract description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 239000011148 porous material Substances 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 8
- 238000012549 training Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 241000211181 Manta Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- NFGXHKASABOEEW-LDRANXPESA-N methoprene Chemical compound COC(C)(C)CCCC(C)C\C=C\C(\C)=C\C(=O)OC(C)C NFGXHKASABOEEW-LDRANXPESA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23P—METAL-WORKING NOT OTHERWISE PROVIDED FOR; COMBINED OPERATIONS; UNIVERSAL MACHINE TOOLS
- B23P19/00—Machines for simply fitting together or separating metal parts or objects, or metal and non-metal parts, whether or not involving some deformation; Tools or devices therefor so far as not provided for in other classes
- B23P19/10—Aligning parts to be fitted together
- B23P19/102—Aligning parts to be fitted together using remote centre compliance devices
- B23P19/105—Aligning parts to be fitted together using remote centre compliance devices using sensing means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23P—METAL-WORKING NOT OTHERWISE PROVIDED FOR; COMBINED OPERATIONS; UNIVERSAL MACHINE TOOLS
- B23P19/00—Machines for simply fitting together or separating metal parts or objects, or metal and non-metal parts, whether or not involving some deformation; Tools or devices therefor so far as not provided for in other classes
- B23P19/001—Article feeders for assembling machines
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23P—METAL-WORKING NOT OTHERWISE PROVIDED FOR; COMBINED OPERATIONS; UNIVERSAL MACHINE TOOLS
- B23P19/00—Machines for simply fitting together or separating metal parts or objects, or metal and non-metal parts, whether or not involving some deformation; Tools or devices therefor so far as not provided for in other classes
- B23P19/02—Machines for simply fitting together or separating metal parts or objects, or metal and non-metal parts, whether or not involving some deformation; Tools or devices therefor so far as not provided for in other classes for connecting objects by press fit or for detaching same
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23P—METAL-WORKING NOT OTHERWISE PROVIDED FOR; COMBINED OPERATIONS; UNIVERSAL MACHINE TOOLS
- B23P19/00—Machines for simply fitting together or separating metal parts or objects, or metal and non-metal parts, whether or not involving some deformation; Tools or devices therefor so far as not provided for in other classes
- B23P19/10—Aligning parts to be fitted together
- B23P19/12—Alignment of parts for insertion into bores
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种基于视觉和力反馈的机器人装配系统,该系统包括:工业机器人、工件轮廓检测单元、装配力检测单元、夹持单元和系统控制主机,其中:工业机器人根据系统控制主机的控制指令带动末端运动;装配力检测单元用于获得装配过程中轴工件和孔之间的接触力;夹持单元用于夹持轴工件;工件轮廓检测单元用于获取工件轮廓的测量数据;系统控制主机用于接收位置和力数据,并根据接收到的数据对装配工件进行定位,产生控制指令发送给工业机器人。本发明还公开了一种基于视觉和力反馈的机器人装配方法。本发明根据检测孔轮廓的三维数据以及轴孔装配时的力反馈数据,进行快速孔定位并规划装配的最优路径,从而实现轴孔的高精度自主装配。
Description
技术领域
本发明涉及机器人装配技术领域,尤其涉及一种基于视觉和力反馈的机器人方法与系统。
背景技术
装配是工业生产环节中非常关键的部分,装配的质量往往影响产品的最终质量。随着航空航天、汽车、国防等领域的高精尖技术的发展,对装配技术提出了具有挑战性的要求,例如RV减速器、航空发动机等高精度装配仍然是一个难题。
由于人工装配工作量大、效率低,有时候工作环境还很危险,并且工件装配的质量也得不到保证,所以实现自动化装配是形势所趋;而传统工业机器人装配由于不能很好的适应装配过程中的变化因素,只能进行一些简单的、低精度的工业装配,因此研制高精度工业机器人自主装配系统具有重要的应用意义。
发明专利申请号CN-102218652-A(一种利用机器人柔性实现轴孔装配的装置和方法)利用视觉传感器获取孔的中心位置,提供了一种在工件的位置和方位无法精确固定的情况下,将轴装入工件上的孔中的柔性装置;CN-101041220-A(利用低精度机器人实现高精度轴孔装配的方法)公开了一种利用低精度的机器人本体实现高精度轴孔装配的方法,该方法利用轴孔空间中的“碗状约束域”实现了轴孔间的装配;CN-103203755-A(机器人控制装置、机器人系统以及机器人控制方法)提供了一种进行修正值相对于力的方向不对称的阻抗控制的机器人控制装置、机器人系统以及机器人控制方法等。
上述方法和装置均是在对对孔精确定位的情况下展开的工作,但实际的自主装配过程中搜孔的算法多采用传统的螺旋搜孔法,较为耗时;而且,由于高精度轴孔装配是一个复杂的过程,装配路径的规划也限制这些方法在实际生产中的推广应用。
发明内容
针对上述问题,本发明提供一种新的高精度工业机器人自主装配方法与系统。
根据本发明的一方面,提出一种基于视觉和力反馈的机器人装配系统,该系统包括:工业机器人、工件轮廓检测单元、装配力检测单元、夹持单元和系统控制主机,其中:
所述工业机器人的末端连接所述装配力检测单元,输入端连接所述系统控制主机的输出端,接收系统控制主机发出的控制指令,并根据所述控制指令带动末端运动;
所述装配力检测单元与所述夹持单元连接,用于获得装配过程中轴工件和孔之间的接触力,并将采集到的力数据发送给所述系统控制主机;
所述夹持单元与所述装配力检测单元连接,用于夹持轴工件;
所述工件轮廓检测单元固定在所述夹持单元上,用于获取工件轮廓的测量数据,并将采集到的数据发送给所述系统控制主机;
所述系统控制主机与所述工业机器人、工件轮廓检测单元、装配力检测单元连接,用于接收所述工件轮廓检测单元和装配力检测单元采集到的数据,根据接收到的数据对于装配工件进行定位,并产生控制指令发送给所述工业机器人。
根据本发明的另一方面,还提出一种基于视觉和力反馈的机器人装配方法,所述装配方法包括以下步骤:
步骤1,将孔部件固定在工作台上,孔部件中孔的实际位置记为Ph(xh,yh);
步骤2,通过工件轮廓检测单元采集孔部件视觉装配中心的位置数据,通过统计方法得到真实孔所在的区域;
步骤3,根据装配力检测单元检测得到的轴工件与孔之间的接触力,在真实孔所在的区域内搜索得到孔的位置;
步骤4,根据工件轮廓检测单元和装配力检测单元获取得到的接触点的位置和力数据,预测得到最优装配路径,并根据所述最优装配路径对于所述轴工件和孔进行装配。
本发明能够根据在线检测的工件表面轮廓信息、机器人与工件的接触力信息,进行快速有效的孔定位,规划轴孔装配的最优路径,实现轴孔的快速、高精度装配。
附图说明
图1是根据本发明一实施例的基于视觉和力反馈的机器人装配系统的结构示意图。
图2是根据本发明一实施例的视觉检测的孔中心概率分布示意图。
图3是根据本发明一实施例的系统控制主机的控制结构图。
图4是根据本发明一实施例的基于视觉和力反馈的机器人装配方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
图1是根据本发明一实施例的基于视觉和力反馈的机器人装配系统的结构示意图,如图1所示,为实现上述目的,本发明基于视觉和力反馈的机器人装配系统为一种能够检测工件轮廓并实时调整工件位姿及运动轨迹的工业机器人装配系统,该装配系统包括工业机器人1、工件轮廓检测单元2、装配力检测单元3、夹持单元4和系统控制主机5,其中:
所述工业机器人1的末端连接所述装配力检测单元3,输入端连接所述系统控制主机5的输出端,接收系统控制主机5发出的装配工件速度、加速度和位置等控制指令,并根据所述控制指令带动末端按照指定的速度移动到指定的位置;
其中,所述工业机器人1可通过以太网等方式与所述系统控制主机5连接。
在本发明一实施例中,所述工业机器人1为六自由度工业机器人,可采用FANUC公司的工业机器人M6-iB。
所述装配力检测单元3与所述夹持单元4连接,用于获得装配过程中轴工件6和孔7之间的接触力,并将采集到的力数据发送给所述系统控制主机5;
所述装配力检测单元3进一步包括连接法兰31、力传感器32、连接法兰33、数据采集模块34,其中:
所述力传感器32与所述数据采集模块34连接,并通过连接法兰31与所述工业机器人1连接,通过连接法兰33与夹持单元4连接,用于实时监测装配过程中轴工件6和孔7之间的接触力,并将采集到的力数据发送给所述数据采集模块34;
在本发明一实施例中,所述力传感器32为六维力传感器,其可测量空间X方向、Y方向、Z方向的力以及绕X轴、Y轴和Z轴的力矩,比如可采用ATI Gamma130-10力矩传感器。
所述数据采集模块34与所述力传感器32和系统控制主机5连接,用于采集、转换所述力传感器32测量得到的力数据,并将转换后的数据输入至所述系统控制主机5中。
其中,所述转换为模拟数据到数字数据的转换。
其中,所述数据采集模块34可采用NI PCI-6254数据采集卡。
所述夹持单元4与所述装配力检测单元3连接,用于夹持轴工件6;
其中,所述夹持单元4通过气动驱动控制其张开与合紧,在本发明一实施例中,所述夹持单元4为SMC MHS4四指机械手爪。
所述工件轮廓检测单元2固定在所述夹持单元4上,用于获取工件轮廓的测量数据,并将采集到的数据发送给所述系统控制主机5;
所述工件轮廓检测单元2进一步包括视觉传感器21和图像采集模块22,其中:
所述视觉传感器21用于获取孔工件轮廓的测量数据,并将获得的数据发送给所述图像采集模块22;
所述图像采集模块22通过以太网与所述系统控制主机6连接,用于对于接收到的数据进行处理,将其转换为可用的数据形式,并将处理后的数据传输给所述系统控制主机5,由所述系统控制主机5计算得到视觉装配中心点Pv的坐标,即对于视觉装配中心点Pv进行定位,所述工件轮廓检测单元2检测到的孔中心概率分布示意图如图2所示。
在本发明一实施例中,所述图像采集装置21采用单目摄像头,比如Manta G201C。
所述系统控制主机5与所述工业机器人1、工件轮廓检测单元2、装配力检测单元3连接,用于接收所述工件轮廓检测单元2和装配力检测单元3采集到的数据,根据接收到的数据对于装配工件进行定位,并产生控制指令发送给所述工业机器人1。
所述系统控制主机5进一步包括装配路径规划模块51、孔定位模块52和装配力控制模块53,其中:
所述路径规划模块51的输出端连接所述工业机器人1的输入端,用于向所述工业机器人1输出制定好的运动路径;
所述孔定位模块52的输入端连接所述工件轮廓检测单元2的输出端,用于根据所述工件轮廓检测单元2发送的数据对于装配工件进行定位,并产生相应的位置控制指令;
所述装配力控制模块53的输入端连接所述装配力检测单元3的输出端,用于根据所述装配力检测单元3发送的数据产生装配力控制指令。
图3是根据本发明一实施例的系统控制主机的控制结构图,如图3所示,用标定板标定工业机器人坐标系与摄像机坐标系之间的坐标变换关系,同时建立机器人坐标系与工件坐标之间的转换关系,轮廓检测传感器21采集孔工件的轮廓信息并与已存于控制主机5中的孔工件7的设计数据进行比对以确定孔工件7的视觉中心,将路径规划模块51获得的装配轨迹转换为工业机器人1的末端运动轨迹,当轴工件6和空工件7接触后,根据期望力fd和实际检测力f的误差反馈进行机器人的轨迹规划,直至装配完成。
根据本发明的另一方面,还提出一种基于视觉和力反馈的机器人装配方法,如图4所示,所述装配方法包括以下步骤:
步骤1,将孔部件固定在工作台上,孔部件中孔的实际位置记为Ph(xh,yh);
步骤2,通过工件轮廓检测单元采集孔部件视觉装配中心的位置数据,通过统计方法得到真实孔所在的区域;
所述步骤2进一步包括以下步骤:
步骤21,通过工件轮廓检测单元采集孔部件视觉装配中心位置Pv1(xv1,yv1),得到Pv1和Ph与之间的欧氏距离: 即视觉装配中心位置与实际孔位置之间的偏差;
步骤22,重复n次所述步骤21,得到Ph(xh,yh)与视觉装配中心位置集合Pv={Pv1,Pv2,Pv3,...,Pvn}(其中,n为得到的视觉装配中心位置的数量)之间的偏差的集合e={e1,e2,e3,...,en},其中,集合e服从高斯分布,即:e~N(μ,σ2),其中,μ为期望,方差σ2为方差;
步骤23,根据所述步骤22中集合e的正态分布图可以发现距离真实孔较远和较近的点的数量均很少,因此取99%的置信度即可较好的描述真实孔所在范围,得到其置信区间[Rmin,Rmax];
步骤24,以第i次装配的视觉装配中心Pv(i)=(xi,yi)为圆心,分别以Rmin和Rmax为半径作圆,得到真实孔所在的区域:Ar=π(R2 max-R2 min)。
步骤3,根据装配力检测单元检测得到的轴工件与孔之间的接触力,在真实孔所在的区域内搜索得到孔的位置;
所述步骤3进一步包括以下步骤:
步骤31,工业机器人末端施加Z轴方向向下的力,当轴工件和孔接触后按照螺旋法在所述区域Ar中搜索,若检测得到Z轴力发生变化,则搜孔成功;
步骤32,如果所述步骤31没有搜孔成功,则以一定的步长扩大搜孔范围后再进行搜索,比如(Rmin-σ,Rmax+σ),其中,σ为步长,以此类推,直至搜孔成功。
当孔的定位完成后,轴工件和孔就处于装配的初始状态,则接下来进行轴孔的自主装配。
步骤4,根据工件轮廓检测单元和装配力检测单元获取得到的接触点的位置和力数据,预测得到最优装配路径,并根据所述最优装配路径对于所述轴工件和孔进行装配。
所述步骤4进一步包括以下步骤:
步骤41,根据工件轮廓检测单元和装配力检测单元,获取轴孔装配初始状态下,轴工件和孔的初始接触点的位置数据Pos(i)=(xi,yi,zi,θxi,θyi,θzi)和相应的力数据S(i)=(Fxi,Fyi,Fzi,Txi,Tyi,Tzi),其中,Pos(i)表示i点接触时轴的位姿,其中xi,yi,zi分别表示轴接触点的x,y,z轴坐标,θx,θy,θz表示轴绕x,y,z轴的偏转角,Fxi,Fyi,Fyi表示x,y,z方向上的力,Txi,Tyi,Tzi表示轴工件对x,y,z轴产生的力矩;
步骤42,从所述轴工件和孔的初始接触点出发,根据Z轴方向装配力Fz最小原则,得到装配路径Path1,直至到达指定装配深度;
具体地,该步骤中,从所述轴工件和孔的初始接触点出发,下一接触点的位姿Pos(i+1)及对应的检测接触力S(i+1)可根据Z轴方向装配力Fz最小的原则,并通过调整位姿来确定,进而得到位姿集合
{Pos(i+2),Pos(i+3),...,Pos(i+n)}及对应的检测力数据集合
{S(i+2),S(i+3),...,S(i+n)}。其中,当存在两点或三点接触时,选择最低点作为可用点。这样就形成了一条装配路径Path1,这条路径均是沿照Fz最小的方向进行装配。
步骤43,重复m次所述步骤41和步骤42,得到训练数据集合Set={(Pos(1),S(1),Path(1)),(Pos(2),S(2),Path(2)),...,(Pos(n),S(n),Pathn))};
步骤44,使用SVR回归算法训练得到位姿数据Pos(i)和力数据S(i)与对应的路径Path之间的映射关系F,对于任意点的位置数据Pos(i)及其所对应的力数据S(i),可以根据所述映射关系F预测得到一条最优的装配路径Path(i),从而完成装配。
其中,如果在装配过程中,某位置Z方向的装配力FZ大于给定最大装配力Fmax,则认为该位置不是最优装配路径上的点,放弃该点,再按照FZ最小原则改变轴位姿,待修正后再沿路径进行装配。
其中,所述步骤44中的SVR回归算法的实现步骤如下:
步骤C1,设训练数据集其中,xi={Pos(i),S(i)},yi={Path(i)},xi代表训练样本的输入,而yi代表对应输入xi的输出,i=1,...,n,表示变量的维数空间;
步骤C2,设非线性回归函数
f(x)=〈ω,φ(x)〉+b (1)
其中,φ(x)为x对应多维空间的映射,ω为权重,b为阈值。
则参数ω和b可以通过解下列二次优化问题进行训练:
w.r.t.ω,ξ,ξ*,b,
s.t.y-(〈ω,Φ(x)〉+b)≤1ε+ξ
(〈ω,Φ(x)〉+b)-y≤1ε+ξ*
ξ,ξ*≥0
其中,ω是权重,C为误差惩罚参数,ε不敏感损失函数,ξ,ξ*为松弛变量向量,b阈值。
步骤C3.引入拉格朗日对偶函数得到以下对偶公式:
其中,k(xi,xj)=φ(xi),φ(xj)为核函数,为了预防过拟合,核函数采用高斯核函数αi,αi *为对应分离约束的对偶变量向量,N为变量的个数。
步骤C4.求解所述步骤C3中的方程,则回归函数(1)可写为:
这样就可求得参数b的值。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于视觉和力反馈的机器人装配系统,其特征在于,该系统包括:工业机器人、工件轮廓检测单元、装配力检测单元、夹持单元和系统控制主机,其中:
所述工业机器人的末端连接所述装配力检测单元,输入端连接所述系统控制主机的输出端,接收系统控制主机发出的控制指令,并根据所述控制指令带动末端运动;
所述装配力检测单元与所述夹持单元连接,用于获得装配过程中轴工件和孔之间的接触力,并将采集到的力数据发送给所述系统控制主机;
所述夹持单元与所述装配力检测单元连接,用于夹持轴工件;
所述工件轮廓检测单元固定在所述夹持单元上,用于获取工件轮廓的测量数据,并将采集到的数据发送给所述系统控制主机;
所述系统控制主机与所述工业机器人、工件轮廓检测单元、装配力检测单元连接,用于接收所述工件轮廓检测单元和装配力检测单元采集到的数据,根据接收到的数据对于装配工件进行定位,并产生控制指令发送给所述工业机器人;
所述系统控制主机包括装配路径规划模块、孔定位模块和装配力控制模块,其中:
所述路径规划模块的输出端连接所述工业机器人的输入端,用于向所述工业机器人输出制定好的运动路径;
所述孔定位模块的输入端连接所述工件轮廓检测单元的输出端,用于根据所述工件轮廓检测单元发送的数据对于装配工件进行定位,并产生相应的位置控制指令;
所述装配力控制模块的输入端连接所述装配力检测单元的输出端,用于根据所述装配力检测单元发送的数据产生装配力控制指令。
2.根据权利要求1所述的系统,其特征在于,所述装配力检测单元包括连接法兰、力传感器、连接盘、数据采集模块,其中:
所述力传感器与所述数据采集模块连接,并通过连接法兰与所述工业机器人连接,通过连接盘与夹持单元连接,用于实时监测装配过程中轴工件和孔之间的接触力,并将采集到的力数据发送给所述数据采集模块;
所述数据采集模块与所述力传感器和系统控制主机连接,用于采集、转换所述力传感器测量得到的力数据,并将转换后的数据输入至所述系统控制主机中。
3.根据权利要求1所述的系统,其特征在于,所述夹持单元通过气动驱动控制其张开与合紧。
4.根据权利要求1所述的系统,其特征在于,所述工件轮廓检测单元包括视觉传感器和图像采集模块,其中:
所述视觉传感器用于获取孔工件轮廓的测量数据,并将获得的数据发送给所述图像采集模块;
所述图像采集模块通过以太网与所述系统控制主机连接,用于对于接收到的数据进行处理,将其转换为可用的数据形式,并将处理后的数据传输给所述系统控制主机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410286295.3A CN104057290B (zh) | 2014-06-24 | 2014-06-24 | 一种基于视觉和力反馈控制的机器人装配方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410286295.3A CN104057290B (zh) | 2014-06-24 | 2014-06-24 | 一种基于视觉和力反馈控制的机器人装配方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104057290A CN104057290A (zh) | 2014-09-24 |
CN104057290B true CN104057290B (zh) | 2016-09-14 |
Family
ID=51545377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410286295.3A Active CN104057290B (zh) | 2014-06-24 | 2014-06-24 | 一种基于视觉和力反馈控制的机器人装配方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104057290B (zh) |
Families Citing this family (57)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104325268A (zh) * | 2014-11-04 | 2015-02-04 | 南京赫曼机器人自动化有限公司 | 一种基于智能学习的工业机器人三维空间自主装配方法 |
CN104552297B (zh) * | 2015-01-15 | 2016-01-27 | 合肥工业大学 | 一种六自由度串联机器人的控制系统及其控制方法 |
JP6088583B2 (ja) * | 2015-06-08 | 2017-03-01 | ファナック株式会社 | ロボットと力の表示機能を備えたロボット制御装置 |
CN105137501A (zh) * | 2015-08-20 | 2015-12-09 | 广东美的暖通设备有限公司 | 一种空调智能安检系统及安检方法 |
CN106584093A (zh) * | 2015-10-20 | 2017-04-26 | 沈阳新松机器人自动化股份有限公司 | 工业机器人自我装配系统及方法 |
CN105345451B (zh) * | 2015-11-06 | 2017-09-19 | 宝鸡石油机械有限责任公司 | 钻井泵同心度数字化调整方法 |
JP6693098B2 (ja) * | 2015-11-26 | 2020-05-13 | セイコーエプソン株式会社 | ロボット、及びロボットシステム |
CN105500147A (zh) * | 2015-12-14 | 2016-04-20 | 中国科学院沈阳自动化研究所 | 基于力控制的龙门吊装机器人打磨加工方法 |
CN105479145A (zh) * | 2016-02-03 | 2016-04-13 | 中山市工业技术研究中心 | 一种磁力摇摆驱动盘 |
CN107303636B (zh) * | 2016-04-19 | 2019-06-14 | 泰科电子(上海)有限公司 | 基于机器人的自动装配系统和自动装配方法 |
CN105890669A (zh) * | 2016-06-01 | 2016-08-24 | 昆山云太基精密机械有限公司 | 全能影像视觉检测机器人 |
CN106112505B (zh) * | 2016-07-04 | 2018-07-24 | 清华大学 | 双轴孔装配系统及其控制方法 |
CN106272416B (zh) * | 2016-08-29 | 2020-12-29 | 上海交通大学 | 基于力觉和视觉的机器人细长轴精密装配系统及方法 |
CN106584463B (zh) * | 2016-12-29 | 2019-09-24 | 南京天祥智能设备科技有限公司 | 基于惯性测量的装配系统及装配方法 |
CN106514657B (zh) * | 2016-12-30 | 2019-11-05 | 杭州电子科技大学 | 一种基于机器人运动规划的密封圈抓取和放置方法 |
CN106853639A (zh) * | 2017-01-04 | 2017-06-16 | 河北工业大学 | 一种手机电池自动化装配系统及其控制方法 |
CN106737688B (zh) * | 2017-01-21 | 2020-07-10 | 中国东方电气集团有限公司 | 一种基于多传感器的集箱管座机器人自动装配系统和方法 |
CN106737697A (zh) * | 2017-03-13 | 2017-05-31 | 安徽朗巴智能科技有限公司 | 一种基于装配机器人的自动装配系统 |
JP6438512B2 (ja) * | 2017-03-13 | 2018-12-12 | ファナック株式会社 | 機械学習により補正した計測データでワークの取り出しを行うロボットシステム、計測データ処理装置および計測データ処理方法 |
CN107020634A (zh) * | 2017-03-20 | 2017-08-08 | 江苏明联电子科技有限公司 | 一种射频连接器装配机器人的控制系统 |
CN109100066B (zh) * | 2017-06-20 | 2020-09-15 | 中国航发上海商用航空发动机制造有限责任公司 | 智能装配碰撞检测装置 |
CN107650149B (zh) * | 2017-08-21 | 2020-09-18 | 北京精密机电控制设备研究所 | 一种基于串联机械臂的接触与非接触融合测量系统及方法 |
WO2019153169A1 (en) * | 2018-02-08 | 2019-08-15 | Abb Schweiz Ag | Method and apparatus for adjusting robot motion path |
CN108717472A (zh) * | 2018-04-03 | 2018-10-30 | 桂林电子科技大学 | 一种基于本体规则描述的装配定位接点优先级生成方法 |
CN108871216B (zh) * | 2018-07-12 | 2020-01-14 | 湘潭大学 | 一种基于视觉引导的机器人多孔接触式自动测量方法 |
CN110893534B (zh) | 2018-09-13 | 2021-08-17 | 宝山钢铁股份有限公司 | 基于视觉测量的冶金技术探针接插标定方法及其接插系统 |
CN109397285B (zh) * | 2018-09-17 | 2021-09-07 | 鲁班嫡系机器人(深圳)有限公司 | 一种装配方法、装配装置及装配设备 |
CN109382828B (zh) * | 2018-10-30 | 2021-04-16 | 武汉大学 | 一种基于示教学习的机器人轴孔装配系统及方法 |
DE102018127974A1 (de) * | 2018-11-08 | 2020-05-14 | Kromberg & Schubert Gmbh & Co. Kg | Greifvorrichtung zum voneinander unabhängigen Greifen zweier Leiter |
CN109531560B (zh) * | 2019-01-09 | 2021-04-09 | 中国工程物理研究院激光聚变研究中心 | 大长径比轴孔装配分析系统及方法 |
CN109794935B (zh) * | 2019-01-09 | 2022-01-14 | 中国工程物理研究院激光聚变研究中心 | 基于神经网络分析的装配过程力与力矩预测系统及方法 |
CN109993763B (zh) * | 2019-03-28 | 2021-10-08 | 北京理工大学 | 基于图像识别与力反馈融合的探测器定位方法及系统 |
CN109968007B (zh) * | 2019-04-07 | 2020-01-31 | 西安电子科技大学 | 基于主被动协同柔顺的宏微机械手螺旋类零部件装配装置 |
CN110076780B (zh) * | 2019-05-30 | 2021-04-30 | 中国科学院自动化研究所 | 基于视觉和力反馈位姿调节的机器人装配方法及系统 |
CN110238848B (zh) * | 2019-05-30 | 2022-07-05 | 埃夫特智能装备股份有限公司 | 一种机器人坐标系下重力矢量的计算方法 |
CN110340630B (zh) * | 2019-07-17 | 2020-09-01 | 中国科学院自动化研究所 | 基于多传感器融合的机器人自动化装配方法及装置 |
CN110480338B (zh) * | 2019-08-28 | 2020-08-25 | 苏州大学 | 一种大长径比轴孔装配的柔顺装置、装配系统、装配方法 |
CN110842951A (zh) * | 2019-11-18 | 2020-02-28 | 云南电网有限责任公司电力科学研究院 | 基于架空导线上的缺陷修复机器人的控制系统及方法 |
CN110977373A (zh) * | 2019-11-22 | 2020-04-10 | 中国航空工业集团公司北京长城航空测控技术研究所 | 一种机器人用手眼力协调控制末端执行机构 |
CN111114852B (zh) * | 2019-12-09 | 2021-04-23 | 上海航天控制技术研究所 | 一种空间翻滚目标四维感知捕获装置及方法 |
CN113042986A (zh) * | 2019-12-27 | 2021-06-29 | 沈阳新松机器人自动化股份有限公司 | 一种智能装配系统 |
CN111185738B (zh) * | 2020-01-09 | 2021-08-24 | 北京印刷学院 | 一种利用复杂作业条件精密装配机器人的方法 |
CN111360838B (zh) * | 2020-04-24 | 2022-10-21 | 腾讯科技(深圳)有限公司 | 一种机械臂控制方法、装置、机械臂及存储介质 |
CN111618550B (zh) * | 2020-05-18 | 2021-06-15 | 上海交通大学 | 用于导弹舱段增强现实辅助装配的柔性配合系统及监测方法 |
CN111673407A (zh) * | 2020-05-20 | 2020-09-18 | 上海航天精密机械研究所 | 运载火箭贮箱箱底激光引导装配系统及方法 |
CN112045677B (zh) * | 2020-08-10 | 2024-03-29 | 华东理工大学 | 一种航空发动机涡轮盘螺栓孔智能强化系统及其控制方法 |
CN112192614A (zh) * | 2020-10-09 | 2021-01-08 | 西南科技大学 | 一种基于人机合作的核运维机器人轴孔装配方法 |
US11833666B2 (en) | 2020-10-28 | 2023-12-05 | Shanghai Flexiv Robotics Technology Co., Ltd. | Method for assembling an operating member and an adapting member by a robot, robot, and controller |
CN112496696A (zh) * | 2020-11-24 | 2021-03-16 | 福州大学 | 一种智能手机内部射频线自动组装视觉测量系统 |
CN112548516B (zh) * | 2020-12-04 | 2021-10-29 | 浙江师范大学 | 一种基于视觉的花键自动装配系统及方法 |
CN112757292A (zh) * | 2020-12-25 | 2021-05-07 | 珞石(山东)智能科技有限公司 | 基于视觉的机器人自主装配方法及装置 |
CN112631201B (zh) * | 2020-12-28 | 2022-03-25 | 佛山科学技术学院 | 一种用于轴孔装配的搜孔控制方法及系统 |
CN113479405B (zh) * | 2021-07-19 | 2023-03-28 | 合肥哈工龙延智能装备有限公司 | 一种高速装盒机平稳打开纸盒的控制方法 |
CN114030008B (zh) * | 2021-11-24 | 2023-08-22 | 浙江大学 | 一种基于数据驱动的工业机器人实训能耗测量方法 |
CN114952830B (zh) * | 2022-05-13 | 2023-05-16 | 哈尔滨工业大学 | 基于接触约束的机器人高精度轴孔装配轴零件定位方法 |
CN115446574B (zh) * | 2022-10-14 | 2024-05-24 | 智新科技股份有限公司 | 一种基于神经网络的转子压环的压装方法和系统 |
CN116619007B (zh) * | 2023-07-24 | 2023-10-20 | 季华实验室 | 一种基于前馈虚拟控制力的插孔方法及其相关设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4020994B2 (ja) * | 1996-09-24 | 2007-12-12 | ファナック株式会社 | ロボットのツール座標系補正設定方法並びに該方法に使用するエンドエフェクタ |
DE69736348T2 (de) * | 1996-10-24 | 2006-11-30 | Fanuc Ltd. | Roboterkraftsteuersystem mit visuellem sensor für zusammenfügungsarbeiten |
CN103207566A (zh) * | 2013-01-18 | 2013-07-17 | 西北工业大学 | 一种速度型虚拟力反馈动态辅助的空间遥操作方法 |
-
2014
- 2014-06-24 CN CN201410286295.3A patent/CN104057290B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104057290A (zh) | 2014-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104057290B (zh) | 一种基于视觉和力反馈控制的机器人装配方法与系统 | |
CN105643641B (zh) | 力传感器标定装置、标定方法及力控制机器人 | |
CN109848983A (zh) | 一种高顺应性人引导机器人协同作业的方法 | |
Zou et al. | An end-to-end calibration method for welding robot laser vision systems with deep reinforcement learning | |
CN109382828A (zh) | 一种基于示教学习的机器人轴孔装配系统及方法 | |
CN110977992B (zh) | 一种面向机械臂的无运动学模型轨迹跟踪方法及一种机械臂系统 | |
US9452533B2 (en) | Robot modeling and positioning | |
CN106910223A (zh) | 一种基于凸松弛全局优化算法的机器人手眼标定方法 | |
US20210023702A1 (en) | Systems and methods for determining a type of grasp for a robotic end-effector | |
CN104626205B (zh) | 机器人机械臂的检测方法和装置 | |
EP2271465A1 (en) | Robot parts assembly on a workpiece moving on an assembly line | |
CN107796276B (zh) | 一种估算工业机器人绝对定位精度的装置及方法 | |
Roveda et al. | Human-robot cooperative interaction control for the installation of heavy and bulky components | |
CN109129465A (zh) | 一种机器人手眼标定系统及其工作流程 | |
CN111515928B (zh) | 机械臂运动控制系统 | |
Hu et al. | Performance evaluation of optical motion capture sensors for assembly motion capturing | |
Maric et al. | Unsupervised optimization approach to in situ calibration of collaborative human-robot interaction tools | |
Li et al. | Vibration suppression of an industrial robot with AGV in drilling applications by configuration optimization | |
CN114310914A (zh) | 多自由度机械臂模糊自适应迭代轨迹跟踪控制方法及系统 | |
CN109304710A (zh) | 基于径向基神经网络的机械臂精度标定方法 | |
Du et al. | Natural human–machine interface with gesture tracking and cartesian platform for contactless electromagnetic force feedback | |
CN104776968B (zh) | 一种多关节模型穿透深度的计算方法 | |
Ren et al. | Adaptive object impedance control of dual-arm cooperative humanoid manipulators | |
Rosales et al. | Active gathering of frictional properties from objects | |
Zhang et al. | A markerless human-manipulators interface using multi-sensors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |