CN104875203B - 生成机器人的动作路径的机器人仿真装置 - Google Patents
生成机器人的动作路径的机器人仿真装置 Download PDFInfo
- Publication number
- CN104875203B CN104875203B CN201510085002.XA CN201510085002A CN104875203B CN 104875203 B CN104875203 B CN 104875203B CN 201510085002 A CN201510085002 A CN 201510085002A CN 104875203 B CN104875203 B CN 104875203B
- Authority
- CN
- China
- Prior art keywords
- taught point
- robot
- path
- motion
- taught
- 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
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/1605—Simulation of manipulator lay-out, design, modelling of manipulator
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S901/00—Robots
- Y10S901/02—Arm motion controller
- Y10S901/03—Teaching system
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Robotics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本发明提供一种生成机器人的动作路径的机器人仿真装置。其能够不依赖于操作者的熟练程度,自动生成机器人的现实的干扰回避路径。仿真装置具备:动作路径取得部,其执行机器人的动作程序的仿真来取得第1动作路径;示教点确定部,其检测第1动作路径中的干扰来确定该干扰发生前后的示教点即第1示教点和第2示教点;动作路径生成部,其基于以随机数确定的搜索方向和搜索距离,在第1和第2示教点之间自动地插入至少一个第3示教点,生成不发生干扰的第2动作路径;评价部,其针对每一个第2动作路径,进行基于预先确定的至少一个参数的评价;以及动作路径选择部,其根据该评价,从多个第2动作路径中选择最佳动作路径。
Description
技术领域
本发明涉及执行机器人仿真的机器人仿真装置,特别涉及生成机器人能够回避与周边装置的干扰的动作路径的仿真装置。
背景技术
以往,为使机器人能够一边回避与周边装置的干扰一边进行预定作业,提倡一种用于生成该机器人的动作路径的仿真装置。例如在日本特开2003-091303号公报中记载了一种自动设定将多关节机器人的末端执行器从工件上的作业点拉出的狭域动作路径和在作业点间移动的广域动作路径的方法和装置。
此外,在日本特开2000-020117号公报中记载了一种用于计划多关节操作手(机器人)的动作路径的方法和装置,进一步记载了使用势场(potential field)法求取机器人手的姿势路径的主旨。
日本特开2000-020117号公报中记载的位势(potential)法,是在机器人的路径生成等中使用的公知算法,具体地,将机器人动作的空间分割为格子,以存在障碍物的格子变为高能量、且越远离障碍物的格子能量越低的方式来设定各格子的能量,在此基础上,通过使机器人从当前位置向能量低的格子移动,生成能够回避与障碍物的干扰的路径。
但是,一般地,当想要通过位势法求取复杂的机器人动作路径(干扰回避路径)时,有时用于路径生成的计算会陷入死路(无限循环)而得不到解,或者成为局部解而得不到最佳解。在这样的情况下,需要操作者变更计算条件,或者调整所生成的动作路径,成为要求熟练程度的费事的作业。
发明内容
因此,本发明的目的在于,提供一种能够不依赖于操作者的熟练程度,自动地生成机器人的现实的干扰回避路径的机器人仿真装置。
为了实现上述目的,本申请的发明提供了一种将机器人和配置在该机器人周边的周边物的3维模型配置在同一虚拟空间内来进行所述机器人的仿真的机器人仿真装置,该机器人仿真装置,具备:动作路径取得部,其执行所述机器人的动作程序的仿真来取得所述机器人的第1动作路径;示教点确定部,其检测在使所述机器人沿着所述第1动作路径发生了移动时,有无所述机器人与所述周边物的干扰,来确定即将发生干扰之前的示教点即第1示教点和刚发生了干扰之后的示教点即第2示教点;动作路径生成部,其在所述第1示教点与所述第2示教点之间,自动地追加与所述第1示教点或所述第2示教点在以随机数确定的搜索方向上相距以随机数确定的搜索距离的至少一个第3示教点,生成所述机器人与所述周边物不发生干扰的第2动作路径;评价部,其针对所述动作路径生成部所生成的多个不同的第2动作路径的每一个,进行基于预先确定的至少一个参数的评价;动作路径选择部,其根据所述评价部所进行的评价,从所述多个第2动作路径中选择所述机器人的最佳动作路径。
在优选的实施方式中,所述动作路径生成部进行以下处理:检测在使所述机器人沿着从所述第1示教点到与所述第1示教点在以随机数确定的搜索方向上相距以随机数确定的搜索距离的1个中间示教点的动作路径发生了移动时,有无与所述周边物的干扰,在未发生干扰的情况下,将所述中间示教点插入到所述第1示教点与所述第2示教点之间;并且,所述动作路径生成部重复进行以下的处理:检测使所述机器人沿着从最后插入的中间示教点到所述第2示教点的动作路径发生了移动时,有无与所述周边物的干扰,并从最后插入的中间示教点开始,插入与该最后插入的中间示教点在以随机数确定的搜索方向上相距以随机数确定的搜索距离的1个新的中间示教点,直至不再发生干扰,由此生成所述第2动作路径。
这种情况下,所述动作路径生成部能够具备以下至少之一的功能:设定初始状态的功能,在该初始状态下,选择用于规定所述中间示教点与所述第2示教点的距离小于所述第1示教点与所述第2示教点的距离的方向的随机数的概率,高于选择用于规定所述中间示教点与所述第2示教点的距离大于所述第1示教点与所述第2示教点的距离的方向的随机数的概率;检测从所述第1示教点到所述中间示教点的动作路径中有无机器人与周边物的干扰,设定成未发生干扰的情况下的搜索方向在下次以后的搜索中被选择的概率,高于发生了干扰的情况下的搜索方向在下次以后的搜索中被选择的概率的功能。
此外,这种情况下,机器人仿真装置可以进一步具有从所述第3示教点中删除剩余示教点的示教点删除部,所述示教点删除部能够具备以下至少一种功能:针对所插入的多个第3示教点的每一个第3示教点,存储移动方向和移动距离,在所述第2动作路径上的连续2个第3示教点的移动方向为相同方向的情况下,将所述连续的2个第3示教点的移动距离进行加法运算,合并为1个新的示教点的功能;在所述第2动作路径上的连续2个第3示教点的移动方向正相反的情况下,将所述连续的2个第3示教点的移动距离抵消,合并为1个新的示教点,或者删除所述连续的2个第3示教点的功能;对于连接所述第2动作路径上不连续的任意2个第3示教点之间的路径,检测有无机器人与周边物的干扰,在未发生干扰的情况下,删除所述不连续的任意2个第3示教点之间的示教点的功能。
在优选的实施方式中,所述至少一个参数包含:(a)机器人的动作时间;(b)机器人与周边物的最小分隔距离;(c)驱动机器人的电动机的发热量;(d)机器人的减速机的寿命;以及(e)机器人的消耗功率,所述评价部针对所述第2动作路径以及所述第2动作路径中包含的各个第3示教点,选择所述(a)~(e)中任意多个参数,并对选择出的任意多个参数预先进行加权,由此来计算评价值。
在优选的实施方式中,机器人仿真装置进一步具有用于调整所述第3示教点的位置的示教点调整部,所述示教点调整部能够基于预先确定的至少一个参数来评价所述第2动作路径中包含的各个第3示教点,并使应当调整的第3示教点的位置在预先确定的允许范围内仅移动微小距离,检测有无所述机器人与所述周边物的干扰,进行移动后的第3示教点的评价,并以预定次数重复上述处理,在所述允许范围内的多个第3示教点中,将评价最高的第3示教点的位置设定为调整后的第3示教点的位置。
在优选的实施方式中,所述动作路径生成部,在所述第1示教点附近,生成即使机器人在任意方向上移动一定距离,所述机器人与所述周边物也不发生干扰的第1中继点,并在所述第2示教点附近,生成即使机器人在任意方向上移动一定距离,所述机器人与所述周边物也不发生干扰的第2中继点,并分别针对所述第1示教点与所述第1中继点之间、所述第1中继点与所述第2中继点之间、所述第2中继点与所述第2示教点之间,生成机器人与周边物不发生干扰的动作路径。
在优选的实施方式中,所述动作路径生成部将所述第1动作路径中包含的多个示教点在所述机器人与所述周边物发生了干扰的位置进行分割,分割为多个块,并进行所述多个块中至少2个块的顺序的替换、以及各块中包含的示教点的顺序的反转中的至少一者,并在各个块内的最后的示教点与该块的下一个块内的最初的示教点之间自动生成所述机器人与所述周边物不发生干扰的动作路径。
在优选的实施方式中,所述机器人仿真装置被包含在对实机的机器人进行控制的控制装置中。
附图说明
本发明的上述及其他目的、特征以及优点,通过一边参照附图一边说明以下优选的实施方式而变得更加明确。
图1是本发明实施方式的机器人仿真装置的功能框图。
图2是表示本发明的机器人仿真装置中的处理的一例的流程图。
图3是说明用于回避干扰的中间示教点的生成例的图。
图4是说明在第2动作路径中追加了中继示教点的例子的图。
图5是表示在生成干扰回避路径之前的、机器人动作路径中包含的示教点列的一个例子的图。
图6是表示将图5所示的示教点列分割为多个块,进而更换一部分块,并进行一部分块内的示教点顺序的反转的例子的图。
图7是表示对图6所示的示教点列插入了干扰回避路径的例子的图。
具体实施方式
图1是本发明优选实施方式的机器人仿真装置(以下也简称为仿真装置)10的功能框图。仿真装置10是将机器人12以及配置在该机器人周边的外部设备等周边物14的3维模型配置在同一虚拟空间中来进行(通常以离线(off-line)方式)机器人12的仿真的装置,具备:执行机器人12的预定动作程序的仿真来取得机器人12的第1动作路径的动作路径取得部16;检测在使机器人12沿着第1动作路径发生了移动时的机器人12与周边物14的干扰,确定该干扰即将发生之前的示教点即第1示教点(以下也称为起点)、以及刚发生了干扰之后的示教点即第2示教点(以下也称为终点)的示教点确定部18;在第1示教点与第2示教点之间,自动地追加/插入与第1示教点或第2示教点在以随机数确定的搜索方向上相距以随机数确定的搜索距离的至少一个第3示教点,生成机器人12与周边物14不发生干扰的第2动作路径的动作路径生成部20;针对动作路径生成部20所生成的多个不同的各个第2动作路径,进行基于预先确定的至少一个参数的评价的评价部22;以及根据评价部22所进行的评价,从多个第2动作路径中选择机器人12的最佳动作路径的动作路径选择部24。
此外,仿真装置10还可以任意地具备:显示配置了机器人12及周边物14的3维模型的虚拟空间等的显示部26;删除第3示教点中的剩余示教点的示教点删除部28;以及调整第3示教点的位置姿势的示教点调整部30。关于删除部28和调整部30的功能,进行后述。
接着,参照图2和图3说明仿真装置10中处理的流程。首先,在步骤S1中,执行针对机器人12预先准备的动作程序的仿真,取得机器人12的第1动作路径32。在第1动作路径中包含了根据动作程序来规定机器人12的代表点(例如工具尖端点)的位置和姿势的多个示教点,在第1动作路径中未考虑与周边物14的干扰。
接着,在步骤S2中,检测当使机器人12沿第1动作路径移动时有无机器人12与周边物14的干扰,在存在干扰时,确定干扰即将发生之前的示教点即第1示教点(起点)、以及干扰刚发生之后的示教点即第2示教点(终点)。在图3的例子中,在第1动作路径32中包含的示教点Pm与Pn之间发生了干扰,因此将示教点Pm确定为起点,将示教点Pn确定为终点。
接着,在步骤S3中,在起点Pm与终点Pn之间自动地追加从Pm或Pn在以随机数确定的搜索方向上相距以随机数确定的搜索距离的至少一个第3示教点,生成不发生机器人12与周边物14的干扰的第2动作路径34。在图3的例子中,检测使机器人沿着从起点Pm到与起点Pm在以随机数确定的搜索方向上相距以随机数确定的搜索距离的1个中间示教点P1的动作路径34发生了移动时,有无与周边物14的干扰。动作路径34中不发生干扰,因此中间示教点P1被插入到起点Pm与终点Pn之间。相反地,在动作路径34中存在干扰时,放弃中间示教点P1,搜索新的中间示教点。
接着,检测使机器人沿着从最后插入的中间示教点(这里是P1)到终点Pn的动作路径36发生了移动时,有无与周边物14的干扰。在图示例子中,在动作路径36中发生干扰,因此,从中间示教点P1开始进一步求得在以随机数确定的搜索方向上与P1相距以随机数确定的搜索距离的一个新的中间示教点P2,并检测中间示教点P1与P2之间的动作路径38中有无干扰。动作路径38中未发生干扰,因此中间示教点P2被插入到中间示教点P1与终点Pn之间。相反地,在动作路径38中存在干扰时,放弃中间示教点P2,搜索新的中间示教点。此外,在以预定次数重复P2的搜索也得不到不发生干扰的路径时,将P1也放弃,重新进行P1的搜索。
重复进行这样的处理,直至干扰不再发生。在图示例子中,在从最后插入的中间示教点(P2)到终点Pn的动作路径40中未发生干扰,因此将从起点Pm经由中间示教点P1和P2而到终点Pn的动作路径(即包含动作路径34、38和40的路径),生成为能够回避干扰的第2动作路径。此外,基于通过随机数决定的搜索方向和搜索距离的机器人的移动并不限于平移移动,也可以包含旋转移动。
这样,在本发明中,使用随机数任意地决定用于求取中间示教点的搜索方向和搜索距离,因此,运算结果不会陷入死路或局部解,而能够获得干扰回避路径。此外,由于使用随机数,因此动作路径的生成也不会依赖于操作者的熟练程度。但是,为了更高效地获得第2动作路径,也可以如下这样操作决定机器人移动方向的随机数。
(1)关于机器人平移移动的方向,进行初始化(初始状态的设定),使得选择将靠近终点(中间示教点与终点之间的距离小于起点与终点之间的距离)的方向规定为搜索方向的随机数的概率,高于选择将远离终点(中间示教点与终点之间的距离大于起点与终点之间的距离)的方向规定为搜索方向的随机数的概率。
(2)关于利用随机数决定了搜索方向(移动方向)的新位置(中间示教点),进行如下设定:使得在动作路径上的前一个示教点与新位置之间未发生机器人与周边装置的干扰时的该搜索方向在下次以后的搜索中也被选择的概率,高于发生了干扰时的搜索方向在下次以后的搜索中也被选择的概率。但是,为了使发生了干扰时的搜索方向在以后的处理中完全不会被选择,优选预先决定概率的下限。
通过进行上述(1)和(2)的至少一方,能够以较少的尝试次数获得不会发生干扰的机器人的动作路径(第2动作路径)。
在由步骤S3生成的第2动作路径中,有时在第3示教点中包含:在相同方向上连续移动的多个示教点、与前一次的移动方向正相反地移动的示教点、或者经由多个示教点返回到相同位置的示教点等剩余示教点。因此,在步骤S4中,在作为第3示教点而追加/插入的中间示教点中删除这样的剩余示教点。具体地,首先,在生成第2动作路径时,针对各个第3示教点,将移动的方向和移动的距离预先存储在合适的存储器等中。接着,比较第2动作路径上的连续2个第3示教点的移动方向,在它们相互为同一方向的情况下,插入将2个示教点的移动距离进行加法运算而得的1个新的示教点,并删除上述2个示教点。换言之,将上述2个示教点合并为1个新的示教点。
另一方面,比较第2动作路径上的连续2个第3示教点的移动方向,在它们相互为正相反方向的情况下,插入将上述2个示教点的移动距离抵消(进行减法运算)而得的1个新的示教点,并删除上述2个示教点。换言之,这种情况下也将上述2个示教点合并为1个新的示教点。但是,在上述2个示教点的移动方向相互为正相反且移动距离相同的情况下,经过了上述2个示教点的机器人会再次返回到原来位置,因此,单纯地删除上述2个示教点即可。
此外,在选择不连续的任意2个示教点,并取得其间的机器人动作路径(通常为直线),在该动作路径上未发生机器人与周边物的干扰的情况下,还能够全部删除上述2个示教点之间的示教点。
通过以上这样的处理,能够从多个第3示教点中删除剩余示教点,得到更简单的机器人动作路径。此外,有时在由步骤S3所得的第2动作路径中不包含剩余示教点,因此步骤S4是任意的。
如上所述,在生成第2动作路径时,不要求操作者的熟练程度等,但有时包含了明显不需要的机器人的移动等,所得的第2动作路径不怎么现实。因此,进行使机器人沿所得的各个第2动作路径动作时的仿真,并针对第2动作路径中包含的各个第3示教点,利用评价部22进行基于预定参数的评价,对成为比较低评价值的示教点(特别是最低评价值的示教点)进行调整,使其评价值变高(步骤S6)。通过重复该操作,能够使第2动作路径成为更现实的路径。
作为用于求取上述评价值的参数(评价项目),例如列举了以下参数。这些参数中的任一个都能够通过进行沿第2动作路径的仿真来进行计算或推定。
(a)机器人的动作时间
(b)机器人与周边物的最小分隔距离
(c)驱动机器人的电动机的发热量
(d)机器人的减速机的寿命
(e)机器人的消耗功率
使用至少一个上述参数,按照以下这样的基准能够求取各个示教点的评价值,此外,通过对相同动作路径中包含的示教点的评价值进行累计,还能够获得该动作路径全体的评价值。
(a)计算机器人的动作时间,设该动作时间越短则是越高的评价值。
(b)计算机器人与周边物的最小分隔距离,设该最小分隔距离越大则为越高的评价值。
(c)推定用于驱动机器人的电动机的发热量,设该发热量越小则为越高的评价值。
(d)推定机器人的减速机寿命,设该寿命越长则为越高的评价值。
(e)推定机器人的消耗功率,设该消耗功率越小则为越高的评价值。
上述参数(b),考虑了在机器人与周边物的分隔距离过小的情况下,在实机中存在干扰风险,但是分隔距离过大则关于其他参数评价值下降的倾向大。因此,对于参数(b),可以预先确定机器人与周边物的合理分隔距离(例如5~10cm),设该合理分隔距离与最小分隔距离的差值越小则评价值越高。或者,除此之外,也可以预先针对机器人与周边物的分隔距离确定上限值(例如50~100cm),设最小分隔距离超过上限值的情况下评价值为恒定。
此外,当然也能够使用多个上述参数,但是,在该情况下,优选预先对各个参数进行加权,并按照其权重求取评价值。
作为步骤S6中的第3示教点的调整方法,列举示教点的位置变更。具体地,将作为调整对象的(评价值低或最低的)示教点的位置仅移动微小距离,来取得与前后示教点之间的机器人的动作路径。在该动作路径上未发生机器人与周边装置的干扰的情况下,计算新位置的评价值。将该处理在预先确定允许范围(例如不包含前后示教点的区域)内重复进行预定次数,并将得到最高评价值的位置设定为调整后的示教点的位置。此外,上述的微小距离的移动能够根据机器人的用途、示教点的间隔等进行适当设定,但是考虑了例如将上述允许范围分割为一边长度为1~5mm左右的网格,并使示教点移动到各网格内。
或者,多次重复进行未发生干扰的机器人的动作路径的取得、剩余示教点的删除、示教点的调整来取得动作路径全体的评价值的处理,选择成为最高评价值的动作路径,由此也能够取得更现实的动作路径。考虑了这种情况下的上述顺序仅重复预定次数,或者进行重复直至获得预定的评价值。此外,步骤S5和S6是任意的。
在接下来的步骤S7中,计算所生成的第2动作路径的评价值。对于动作路径的评价值,能够通过对该动作路径中包含的示教点的评价值进行累计来计算。
在接下来的步骤S8中,判定是否以预定次数进行了第2动作路径的生成。至少生成2个第2动作路径,但是优选一边考虑仿真装置的运算能力等,一边生成尽可能多的数量的动作路径。
最后,在步骤S9中,在生成的第2动作路径中选择评价高的路径(通常评价值最高的)作为机器人的最佳动作路径(干扰回避路径)。这样,能够不依赖于操作者的熟练程度,自动地生成现实的机器人的干扰回避路径。
此外,在第2动作路径生成中,有时存在起点与终点的距离比较长时,或者起点和终点分别位于不同周边物的最里面位置时等,在使用随机数来决定搜索方向和搜索距离的方法中以现实的重复计算次数无法生成从起点到终点的干扰回避路径的情况。以下,说明在这种情况下生成干扰回避路径(第2动作路径)的方法。
图4例示了起点Pm和终点Pn分别位于周边物14a和周边物14b的最里面位置(凹处中)的情况。这种情况下,通过利用随机数决定的搜索方向和搜索距离,有可能以现实的重复计算次数得不到第2动作路径。因此,首先在起点Pm附近生成机器人即使在任意方向上移动一定距离,机器人也不会与周边物发生干扰的第1中继示教点P3。同样地,在终点Pn附近生成机器人即使在任意方向上移动一定距离,机器人也不会与周边物发生干扰的第2中继示教点P4。
作为中继示教点P3的具体生成方法,例如列举以下方法:(i)生成从起点Pm的位置开始在机器人的原点位置的方向上仅移动任意距离后的新的位置;(ii)以该新位置为中心,在指定的允许范围(例如半径为5~10cm的圆42)内每次使机器人移动微小距离,来检测机器人与周边物的干扰;(iii)重复上述步骤(i)和(ii),直至不再检测出机器人与周边物的干扰。同样地,作为中继示教点P4的具体生成方法,例如列举以下方法:(iv)生成从终点Pn的位置开始在机器人的原点位置的方向上仅移动任意距离后的新的位置;(v)以该新位置为中心,在指定的允许范围内(例如半径为5~10cm的圆44)每次使机器人移动微小距离,来检测机器人与周边物的干扰;(vi)重复上述步骤(iv)和(v),直至不再检测出机器人与周边物的干扰。
接着,分别针对起点Pm与起点附近的中继点P3之间、中继点P3与P4之间、终点附近的中继点P4与终点Pn之间,通过与上述相同的处理,生成机器人不干扰周边物的动作路径(干扰回避路径)46、48和50。并且,通过结合动作路径46和48,并结合动作路径48和50,能够在起点Pm与终点Pn之间生成机器人与周边装置不发生干扰的第2动作路径。
此外,在使用由上述步骤生成的中继示教点也无法生成机器人与周边物不发生干扰的动作路径的情况下,在上述步骤(i)和(iv)的至少一方中,能够变更用于生成新位置的移动方向。例如,在图4中,从起点Pm向中继点P3的移动方向与从终点Pn向中继点P4的移动方向变得相互反向。
图5~图7是说明作为本发明的应用例,在多处发生干扰的情况下,将示教点分割为多个块之后生成干扰回避路径的实施例的图。这里,如图5所示,通过动作程序的仿真所得的第1动作路径52依次包含示教点A1、A2、A3、B1、B2、B3、C1、C2、C3、D1、D2、D3、E1、E2和E3,并设定在示教点A3与示教点B1之间、示教点B3与示教点C1之间、示教点C3与示教点D1之间、以及示教点D3与示教点E1之间(共计4处),发生机器人与周边物的干扰。
在图5的情况下也能够按照上述步骤在上述4处的各处插入第3示教点来生成干扰回避路径。但是,如图6所示,将发生干扰的位置作为边界,将示教点分割为多个块,进行该块的顺序的替换、各块内的示教点顺序的反转,由此能够生成更高评价的干扰回避路径。
具体地,如图6的(a)部所示,首先分割为:包含示教点A1、A2和A3的第1块54;包含示教点B1、B2和B3的第2块56;包含示教点C1、C2和C3的第3块58;包含示教点D1、D2和D3的第4块60;以及包含示教点E1、E2和E3的第5块62这5个块。
接着,在分割第1动作路径52而得的多个块中选择任意2个块。这里,选择第2块56和第4块60。接着,从选择出的一个块至另一块并包含其间的块(这里是第3块58)来替换顺序。也就是说,如图6的(b)部所示,5个块的顺序被变更为第1→第4→第3→第2→第5的顺序。
这里是任意的,但是也可以使各块内的示教点的顺序反转。在图示例子中,在第2块、第3块以及第4块的各块中,各块内的示教点的顺序被反转,分别图示为第2块56′、第3块58′和第4块60′。换言之,在图6的(b)部中,反转从示教点B1到D3的示教点的顺序。
在图6的(b)部的块结构中,设各块的最后的示教点为起点,设与其连续的块的最初的示教点为终点,按照与上述同样的方法生成干扰回避路径。这样,生成了如图7所示的、从示教点A1到E3的第2动作路径。
能够一边重复进行上述这样的块的替换或各块内的示教点反转,一边求取最佳的动作路径,但是,具体地,优选使用退火(annealing)法。即,在得到机器人与周边物不发生干扰的动作路径后,按照与上述相同的步骤求取该动作路径全体的评价值。接着,针对进行了块的替换或各块内的示教点的反转后的动作路径也求取评价值,在高于进行替换或反转前的评价值的情况下,采用后者的结果(动作路径)。此外,在后者的动作路径的评价值低的情况下,如果与前者的评价值的差值为预定基准值以下,则也采用后者的结果。
一边使上述基准值以足够平缓的比例逐渐减小,一边重复这样的评价值比较,由此能够不陷于局部解而获得更高评价值的动作路径。此外,在将块间追加的干扰回避路径存储在合适的存储器中,并在后面的处理中在相同块间插入干扰回避路径的情况下,通过使用所存储的干扰回避路径,能够缩短处理时间。
此外,本发明的机器人仿真装置,可以包含在用于控制仿真对象即机器人实机的机器人控制装置中,换言之,该机器人控制装置可以具有机器人仿真装置的功能。在机器人控制装置中,通过存储机器人和周边物的形状、以及它们的配置位置的信息,能够在机器人控制装置中进行上述这样的干扰回避路径的生成。此外,这样一来,能够顺利地进行基于仿真结果的实机的动作。
根据本发明,通过使用随机数来生成用于回避干扰的第3示教点,能够不陷于局部解,而随机地获得干扰回避路径。此外,干扰回避路径是自动生成的,因此,能够不依赖于操作者的熟练程度地生成现实的机器人干扰回避路径。
Claims (9)
1.一种机器人仿真装置,其将机器人和配置在该机器人周边的周边物的3维模型配置在同一虚拟空间内来进行所述机器人的仿真,所述机器人仿真装置的特征在于,
具备:
动作路径取得部,其执行所述机器人的动作程序的仿真来取得所述机器人的第1动作路径;
示教点确定部,其检测在使所述机器人沿着所述第1动作路径发生了移动时有无所述机器人与所述周边物的干扰,来确定即将发生干扰之前的示教点即第1示教点和刚发生干扰之后的示教点即第2示教点;
动作路径生成部,其在所述第1示教点与所述第2示教点之间,自动地追加与所述第1示教点或所述第2示教点在以随机数确定的搜索方向上相距以随机数确定的搜索距离的至少一个第3示教点,生成所述机器人与所述周边物不发生干扰的第2动作路径;
评价部,其针对所述动作路径生成部所生成的多个不同的第2动作路径的每一个,进行基于包含所述机器人的动作时间以及所述机器人与所述周边物的最小分隔距离在内的预先确定的参数的评价;以及
动作路径选择部,其根据所述评价部所进行的评价,从所述多个第2动作路径中选择所述机器人的最佳动作路径。
2.根据权利要求1所述的机器人仿真装置,其特征在于,
所述动作路径生成部进行以下处理:
检测在使所述机器人沿着从所述第1示教点到与所述第1示教点在以随机数确定的搜索方向上相距以随机数确定的搜索距离的1个第3示教点的动作路径发生了移动时,有无与所述周边物的干扰,在不发生干扰的情况下,将所述第3示教点插入到所述第1示教点与所述第2示教点之间;并且
所述动作路径生成部重复进行以下处理:检测使所述机器人沿着从最后插入的第3示教点到所述第2示教点的动作路径发生了移动时,有无与所述周边物的干扰,并从最后插入的第3示教点开始,插入与该最后插入的第3示教点在以随机数确定的搜索方向上相距以随机数确定的搜索距离的1个新的第3示教点,直至不再发生干扰,
由此,生成所述第2动作路径。
3.根据权利要求2所述的机器人仿真装置,其特征在于,
所述动作路径生成部具备以下至少一种功能:
设定初始状态的功能,在该初始状态下,选择用于规定所述第3示教点与所述第2示教点的距离小于所述第1示教点与所述第2示教点的距离的方向的随机数的概率,高于选择用于规定所述第3示教点与所述第2示教点的距离大于所述第1示教点与所述第2示教点的距离的方向的随机数的概率;以及
检测从所述第1示教点到所述第3示教点的动作路径中有无机器人与周边物的干扰,设定成未发生干扰的情况下的搜索方向在下次以后的搜索中被选择的概率,高于发生了干扰的情况下的搜索方向在下次以后的搜索中被选择的概率的功能。
4.根据权利要求2或3所述的机器人仿真装置,其特征在于,
还具有示教点删除部,其从所述第3示教点中删除剩余示教点,
所述示教点删除部具备以下至少一种功能:
针对所插入的多个第3示教点的每一个第3示教点,存储移动方向和移动距离,在所述第2动作路径上的连续2个第3示教点的移动方向相同的情况下,将所述连续的2个第3示教点的移动距离进行加法运算,合并为1个新的示教点的功能;
在所述第2动作路径上的连续2个第3示教点的移动方向正相反的情况下,将所述连续的2个第3示教点的移动距离抵消,合并为1个新的示教点,或者删除所述连续的2个第3示教点的功能;以及
对于连接所述第2动作路径上的不连续的任意2个第3示教点之间的路径,检测有无机器人与周边物的干扰,在不发生干扰的情况下,删除所述不连续的任意2个第3示教点之间的示教点的功能。
5.根据权利要求1所述的机器人仿真装置,其特征在于,
所述参数包含:
(a)机器人的动作时间;
(b)机器人与周边物的最小分隔距离;
(c)驱动机器人的电动机的发热量;
(d)机器人的减速机的寿命;以及
(e)机器人的消耗功率,
所述评价部,针对所述第2动作路径以及所述第2动作路径中包含的各个第3示教点,选择所述(a)~(e)中包含(a)以及(b)在内的多个参数,并对选择出的参数进行预定的加权,由此来计算评价值。
6.根据权利要求1所述的机器人仿真装置,其特征在于,
还具有示教点调整部,用于调整所述第3示教点的位置,
所述示教点调整部,
基于预先确定的至少一个参数来评价所述第2动作路径中包含的各个第3示教点,
以预定次数重复使应当调整的第3示教点的位置在预先确定的允许范围内仅移动微小距离来检测有无所述机器人与所述周边物的干扰,并进行移动后的第3示教点的评价的处理,
在所述允许范围内的多个第3示教点中,将评价最高的第3示教点的位置设定为调整后的第3示教点的位置。
7.根据权利要求1所述的机器人仿真装置,其特征在于,
所述动作路径生成部,
在所述第1示教点附近,生成即使机器人在任意方向上移动一定距离,所述机器人与所述周边物也不发生干扰的第1中继示教点,
在所述第2示教点附近,生成即使机器人在任意方向上移动一定距离,所述机器人与所述周边物也不发生干扰的第2中继示教点,
分别针对所述第1示教点与所述第1中继示教点之间、所述第1中继示教点与所述第2中继示教点之间、所述第2中继示教点与所述第2示教点之间,生成机器人与周边物不发生干扰的动作路径。
8.根据权利要求1所述的机器人仿真装置,其特征在于,
所述动作路径生成部,将所述第1动作路径中包含的多个示教点在所述机器人与所述周边物发生了干扰的位置进行分割,分割为多个块,
进行所述多个块中至少2个块的顺序的替换、以及各块中包含的示教点的顺序的反转中的至少一者,并在各个块内的最后的示教点与该块的下一个块内的最初的示教点之间自动生成所述机器人与所述周边物不发生干扰的动作路径。
9.根据权利要求1所述的机器人仿真装置,其特征在于,
所述机器人仿真装置被包含在对实机的机器人进行控制的控制装置中。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014036814A JP5860081B2 (ja) | 2014-02-27 | 2014-02-27 | ロボットの動作経路を生成するロボットシミュレーション装置 |
JP2014-036814 | 2014-02-27 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104875203A CN104875203A (zh) | 2015-09-02 |
CN104875203B true CN104875203B (zh) | 2016-11-02 |
Family
ID=53782605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510085002.XA Active CN104875203B (zh) | 2014-02-27 | 2015-02-16 | 生成机器人的动作路径的机器人仿真装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9573273B2 (zh) |
JP (1) | JP5860081B2 (zh) |
CN (1) | CN104875203B (zh) |
DE (1) | DE102015102399B4 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110297697A (zh) * | 2018-03-21 | 2019-10-01 | 北京猎户星空科技有限公司 | 机器人动作序列生成方法和装置 |
Families Citing this family (45)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10499999B2 (en) | 2014-10-09 | 2019-12-10 | Auris Health, Inc. | Systems and methods for aligning an elongate member with an access site |
JP6632208B2 (ja) * | 2015-03-24 | 2020-01-22 | キヤノン株式会社 | 情報処理装置、情報処理方法、プログラム |
US9945677B1 (en) * | 2015-07-23 | 2018-04-17 | X Development Llc | Automated lane and route network discovery for robotic actors |
WO2017054964A1 (de) | 2015-09-29 | 2017-04-06 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur automatischen konfiguration eines externen steuerungssystems zur steuerung und/oder regelung eines robotersystems |
CN105269565B (zh) * | 2015-10-30 | 2017-04-05 | 福建长江工业有限公司 | 一种六轴磨抛工业机器人离线编程及修正方法 |
CN105415375B (zh) * | 2016-01-02 | 2017-04-05 | 宁波市智能制造产业研究院 | 一种机器人离线编程系统 |
JP6816364B2 (ja) * | 2016-02-25 | 2021-01-20 | セイコーエプソン株式会社 | 制御装置、ロボット、及びロボットシステム |
JP7009051B2 (ja) * | 2016-08-04 | 2022-01-25 | キヤノン株式会社 | レイアウト設定方法、制御プログラム、記録媒体、制御装置、部品の製造方法、ロボットシステム、ロボット制御装置、情報処理方法、情報処理装置 |
CN110198813B (zh) * | 2017-01-31 | 2023-02-28 | 株式会社安川电机 | 机器人路径生成装置和机器人系统 |
JP6998660B2 (ja) | 2017-02-21 | 2022-01-18 | 株式会社安川電機 | ロボットシミュレータ、ロボットシステム及びシミュレーション方法 |
JP6926533B2 (ja) * | 2017-03-03 | 2021-08-25 | 株式会社デンソーウェーブ | ロボットの動作プログラム生成装置 |
US10766140B2 (en) | 2017-04-13 | 2020-09-08 | Battelle Memorial Institute | Teach mode collision avoidance system and method for industrial robotic manipulators |
JP6538751B2 (ja) * | 2017-05-18 | 2019-07-03 | ファナック株式会社 | プログラミング装置及びロボット制御方法 |
JP6457587B2 (ja) * | 2017-06-07 | 2019-01-23 | ファナック株式会社 | ワークの動画に基づいて教示点を設定するロボットの教示装置 |
AU2018292281B2 (en) | 2017-06-28 | 2023-03-30 | Auris Health, Inc. | Electromagnetic distortion detection |
KR102558063B1 (ko) | 2017-06-28 | 2023-07-25 | 아우리스 헬스, 인코포레이티드 | 전자기장 생성기 정렬 |
DE102017007359B4 (de) * | 2017-08-04 | 2021-07-08 | Kuka Deutschland Gmbh | Verfahren und System zum Überprüfen und/oder Modifizieren eines Arbeitsprozesses eines Roboters |
US10464209B2 (en) | 2017-10-05 | 2019-11-05 | Auris Health, Inc. | Robotic system with indication of boundary for robotic arm |
US10016900B1 (en) | 2017-10-10 | 2018-07-10 | Auris Health, Inc. | Surgical robotic arm admittance control |
US11458626B2 (en) | 2018-02-05 | 2022-10-04 | Canon Kabushiki Kaisha | Trajectory generating method, and trajectory generating apparatus |
JP7158862B2 (ja) | 2018-02-05 | 2022-10-24 | キヤノン株式会社 | 情報処理方法及び情報処理装置 |
WO2019206408A1 (en) * | 2018-04-25 | 2019-10-31 | Abb Schweiz Ag | Method and control system for controlling movement trajectories of a robot |
JP6826076B2 (ja) | 2018-07-17 | 2021-02-03 | ファナック株式会社 | 自動経路生成装置 |
US11409306B2 (en) * | 2018-08-14 | 2022-08-09 | Chiba Institute Of Technology | Movement robot |
WO2020066947A1 (ja) * | 2018-09-25 | 2020-04-02 | 日本電産株式会社 | ロボットの経路決定装置、ロボットの経路決定方法、プログラム |
JP6838028B2 (ja) * | 2018-10-31 | 2021-03-03 | ファナック株式会社 | 自動プログラム修正装置および自動プログラム修正方法 |
JP6806757B2 (ja) * | 2018-11-16 | 2021-01-06 | ファナック株式会社 | 動作プログラム作成装置 |
CN111267086A (zh) * | 2018-12-04 | 2020-06-12 | 北京猎户星空科技有限公司 | 一种动作任务的创建与执行方法及装置、设备和存储介质 |
CA3121735A1 (en) * | 2018-12-04 | 2020-06-11 | Cavendish Nuclear Limited | Improvements in and relating to control apparatus |
JP7147571B2 (ja) | 2019-01-15 | 2022-10-05 | オムロン株式会社 | 経路生成装置、経路生成方法、及び経路生成プログラム |
WO2020157875A1 (ja) * | 2019-01-30 | 2020-08-06 | 株式会社Fuji | 作業座標作成装置 |
JP7351672B2 (ja) * | 2019-08-07 | 2023-09-27 | ファナック株式会社 | 移動経路生成装置 |
KR20220056220A (ko) | 2019-09-03 | 2022-05-04 | 아우리스 헬스, 인코포레이티드 | 전자기 왜곡 검출 및 보상 |
JP7331616B2 (ja) * | 2019-10-17 | 2023-08-23 | オムロン株式会社 | 回避軌道生成装置、方法、及びプログラム |
JP6819766B1 (ja) * | 2019-11-27 | 2021-01-27 | 株式会社安川電機 | シミュレーションシステム、シミュレーション方法、シミュレーションプログラム、ロボットの製造方法、およびロボットシステム |
JP6792184B1 (ja) * | 2019-11-27 | 2020-11-25 | 株式会社安川電機 | シミュレーションシステム、シミュレーション方法、シミュレーションプログラム、ロボットの製造方法、およびロボットシステム |
DE112020006315B4 (de) | 2020-02-27 | 2023-12-14 | Mitsubishi Electric Corporation | Robotersteuervorrichtung, robotersteuerverfahren und vorrichtung zur erzeugung von lernmodellen |
US20210316458A1 (en) * | 2020-04-08 | 2021-10-14 | Smart Building Tech Co., Ltd. | Cloud based computer-implemented visually programming method and system for robotic motions in construction |
US20230125071A1 (en) | 2020-05-25 | 2023-04-27 | Fanuc Corporation | Offline teaching device and motion-program generation method |
TW202233369A (zh) | 2021-02-18 | 2022-09-01 | 日商發那科股份有限公司 | 機器人控制裝置、機器人控制系統、及電腦程式 |
JP2022149202A (ja) * | 2021-03-25 | 2022-10-06 | セイコーエプソン株式会社 | ロボットの制御プログラムの生成方法、ロボットの制御プログラムを生成する処理をプロセッサーに実行させるコンピュータープログラム、及び教示装置 |
JP7124947B1 (ja) | 2021-11-08 | 2022-08-24 | 株式会社安川電機 | プランニングシステム、プランニング方法、およびプランニングプログラム |
TW202321002A (zh) * | 2021-11-19 | 2023-06-01 | 正崴精密工業股份有限公司 | 多軸機械手臂智慧避障方法 |
CN114273681B (zh) * | 2021-12-13 | 2022-12-16 | 上海工程技术大学 | 基于串联机械臂的环面蜗杆螺旋面加工系统及其方法 |
WO2024095827A1 (ja) * | 2022-10-31 | 2024-05-10 | 京セラ株式会社 | 動作経路設定装置及びプログラム |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07141016A (ja) * | 1993-11-18 | 1995-06-02 | Nissan Motor Co Ltd | ロボットの移動経路シミュレーション装置 |
US5798627A (en) * | 1995-01-04 | 1998-08-25 | Gilliland; Malcolm T. | Method for simultaneous operation of robot welders |
EP0889383B1 (en) * | 1996-11-26 | 2008-10-29 | Fanuc Ltd | Robot control device having operation route simulation function |
JP3198076B2 (ja) * | 1997-05-28 | 2001-08-13 | 新菱冷熱工業株式会社 | 移動ロボットの経路作成方法 |
JP4103057B2 (ja) * | 1998-06-29 | 2008-06-18 | 株式会社安川電機 | ロボットの動作経路計画方法およびその装置 |
CN1382565A (zh) * | 2001-04-20 | 2002-12-04 | 陈炯 | 便携式机器人仿真开发器 |
JP3647404B2 (ja) * | 2001-09-18 | 2005-05-11 | 本田技研工業株式会社 | 多関節ロボットの動作経路設定方法および設定装置 |
JP2004243461A (ja) * | 2003-02-13 | 2004-09-02 | Yaskawa Electric Corp | ロボットの教示システム |
JP2005149016A (ja) * | 2003-11-13 | 2005-06-09 | Fanuc Ltd | ロボットプログラム修正装置 |
JP5044991B2 (ja) * | 2006-05-25 | 2012-10-10 | トヨタ自動車株式会社 | 経路作成装置及び経路作成方法 |
JP4941068B2 (ja) * | 2007-04-16 | 2012-05-30 | トヨタ自動車株式会社 | 経路作成方法及び経路作成装置 |
JP2009166172A (ja) * | 2008-01-16 | 2009-07-30 | Seiko Epson Corp | ロボットのシミュレーション方法及びロボットのシミュレーション装置 |
JP5361004B2 (ja) * | 2010-09-13 | 2013-12-04 | 独立行政法人国立高等専門学校機構 | 円滑経路生成装置および円滑経路生成方法 |
JP5775279B2 (ja) * | 2010-09-13 | 2015-09-09 | 株式会社スギノマシン | 経路生成装置 |
JP5621483B2 (ja) * | 2010-10-05 | 2014-11-12 | トヨタ自動車株式会社 | ロボット及びその制御方法 |
JP5828539B2 (ja) * | 2011-02-02 | 2015-12-09 | 国立大学法人金沢大学 | ロボットの運動方法決定装置、ロボットの運動方法決定方法、及び、そのプログラム |
JP5724919B2 (ja) * | 2012-03-22 | 2015-05-27 | トヨタ自動車株式会社 | 軌道生成装置、移動体、軌道生成方法及びプログラム |
-
2014
- 2014-02-27 JP JP2014036814A patent/JP5860081B2/ja active Active
-
2015
- 2015-02-16 CN CN201510085002.XA patent/CN104875203B/zh active Active
- 2015-02-20 DE DE102015102399.7A patent/DE102015102399B4/de active Active
- 2015-02-24 US US14/629,728 patent/US9573273B2/en active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110297697A (zh) * | 2018-03-21 | 2019-10-01 | 北京猎户星空科技有限公司 | 机器人动作序列生成方法和装置 |
CN110297697B (zh) * | 2018-03-21 | 2022-02-18 | 北京猎户星空科技有限公司 | 机器人动作序列生成方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2015160277A (ja) | 2015-09-07 |
JP5860081B2 (ja) | 2016-02-16 |
US20150239121A1 (en) | 2015-08-27 |
DE102015102399A1 (de) | 2015-08-27 |
DE102015102399B4 (de) | 2016-08-18 |
US9573273B2 (en) | 2017-02-21 |
CN104875203A (zh) | 2015-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104875203B (zh) | 生成机器人的动作路径的机器人仿真装置 | |
US10369695B2 (en) | Device for planning path of mobile robot and method for planning path of mobile robot | |
US9925664B2 (en) | Robot simulation device for generation motion path of robot | |
JP5969676B1 (ja) | 工作機械の工具補正の頻度を最適化する機械学習装置及び機械学習方法、並びに該機械学習装置を備えた工作機械 | |
EP3173171B1 (en) | Simulation apparatus of wire electric discharge machine having function of determining welding positions of core using machine learning | |
CN113467472A (zh) | 一种复杂环境下的机器人路径规划方法 | |
CN102203687A (zh) | 自动排序的焊接机器人多目标路径规划 | |
US20170090452A1 (en) | Machine tool for generating speed distribution | |
US8370774B2 (en) | Constructing mapping between model parameters and electrical parameters | |
Gupta | A regression modeling technique on data mining | |
CN108736881A (zh) | 电路结构最优化装置以及机器学习装置 | |
Choueiry et al. | Mobile robot path planning using genetic algorithm in a static environment | |
CN108803592A (zh) | 用于避免机器人碰撞的方法、装置和系统 | |
Kashyap et al. | Improved modified chaotic invasive weed optimization approach to solve multi-target assignment for humanoid robot | |
Amigoni et al. | Evaluating the impact of perception and decision timing on autonomous robotic exploration | |
CN108731678A (zh) | 机器人全局路径规划方法 | |
Pal et al. | A focused wave front algorithm for mobile robot path planning | |
Brown et al. | Gradient-based guidance for controlling performance in early design exploration | |
CN112220405A (zh) | 自移动工具清扫路线更新方法、装置、计算机设备和介质 | |
Kim et al. | Closed loop trajectory optimization based on reverse time tree | |
Jasna et al. | Remodeled A* algorithm for mobile robot agents with obstacle positioning | |
Cabero et al. | Range-free localization algorithm based on connectivity and motion | |
Friedrich et al. | On-line learning artificial neural networks for stability classification of milling processes | |
Delgoshaei et al. | Evaluating impact of market changes on increasing cell-load variation in dynamic cellular manufacturing systems using a hybrid Tabu search and simulated annealing algorithms | |
CN103885597B (zh) | 空间输入识别方法和系统 |
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 |