CN106737662B - 机器人系统 - Google Patents

Abstract

本发明提供一种机器人系统，该机器人系统具备通过学习使示教作业简单化以及提高动作性能，具有：检测工件的位置姿势的检测部；针对工件进行预定的动作的机器人以及控制机器人的机器人控制装置，其中机器人控制装置具有：将作业区域划分为多个区域的区域划分部；判断工件存在于哪块区域的区域判断部；针对存在工件的每个区域学习用于变更速度或加速度从而使动作高速化的动作高速化率的学习控制部；存储工件的位置以及动作高速化率的存储部；在新工件存在的区域中，动作学习完成后使用所学习的动作高速化率对新工件实施动作，在还未学习的情况下则使学习控制部学习动作高速化率的控制部。

Description

机器人系统

技术领域

本发明涉及在由机器人和周边设备构成的机器人系统中，用于通过学习来提高机器人的动作速度、提高系统的作业效率的机器人系统。

背景技术

在由机器人和周边设备构成的机器人系统中，在生产现场设定了在包含该系统的生产线中的目标周期时间。如果为了达到目标周期时间，示教作业者想办法设计用于使机器人动作的示教程序的结构，或示教便于动作的姿势，则一边充分利用作业者的经验和知识，一边通过试错进行示教作业。

在这种情况下，存在动作速度的提高依赖于作业者的技能，或者作业效率差、花费时间的问题。为了解决该问题，已提出有通过反复学习相同动作，不依赖于作业者的技能而对动作进行高速化的方法(例如，日本特开2011-167817号公报。以下称为“专利文献1”)。

在专利文献1中记载的发明中，为了进行高精度的振动抑制，需要对机器人追加传感器。另外，在位置姿势因工件状态而变化的动作的情况下，存在难以学习在任意位置的动作的问题。

针对这个问题，已知有在任意位置配置虚拟工件，通过针对该虚拟工件进行作业来学习任意位置的动作的方法。但是，由于实际上工件并不存在，因此存在不能正确地对施加给机器人的负载进行学习的问题。另外，如果不考虑在实际的生产线中工件的配置状况来配置虚拟工件，则可能对实际上不被使用的位置的动作也进行学习。

发明内容

本发明的目的是提供一种机器人系统，该机器人系统即使在位置姿势在预定的作业区域中发生变化那样的动作的情况下，既不需要示教的知识，也不使用用于振动抑制的传感器等特别的装置，而是通过学习简单地进行机器人动作的高速化。

为了达到上述目的，本发明提供一种机器人系统，该机器人系统具有：检测预定的作业区域中存在的作业对象的工件的位置姿势的检测部；基于检测出的位置姿势的信息，针对工件进行预定的动作的机器人以及控制机器人的机器人控制装置，机器人控制装置具有：以预定的分辨率将作业区域划分为多个区域的区域划分部；判断工件存在于多个区域中的哪块区域的区域判断部；针对存在工件的每个区域学习用于变更速度或加速度从而使动作高速化的动作高速化率的学习控制部；存储存在工件的区域的位置以及该区域中的动作高速化率的存储部；在存在新工件的区域中，判断动作学习是否已完成，在动作学习已完成的情况下，以使用所学习的动作高速化率对新工件执行动作的方式来控制机器人，在还未学习的情况下则使学习控制部学习动作高速化率的控制部。

在优选的实施方式中，机器人所进行的动作包括：机器人对配置在作业区域内的工件进行把持的动作和所述机器人将所把持的工件载置在作业结束区域内的动作。

在优选的实施方式中，学习控制部根据学习的状况，变更针对多个区域的每个区域进行作业的优先度。

在优选的实施方式中，学习控制部根据驱动机器人的各轴的电动机的容许负载和动作模式执行过程中的电动机的负载，计算动作高速化率，存储部将动作高速化率和包含有动作的学习前的速度与加速度中的至少一个的动作信息一同进行存储。

在优选的实施方式中，学习控制部根据针对驱动动作模式执行过程中的机器人的各轴的电动机的指令值与来自电动机的反馈值之间的差值信息，计算动作高速化率，存储部将动作高速化率和包含有动作的学习前的速度与加速度中的至少一个的动作信息一同进行存储。

在优选的实施方式中，学习控制部在执行动作前，从过去的学习数据中检索与实施前的动作类似的学习动作，在存在类似的学习动作时，根据与类似的学习动作相关联的动作高速化率、执行前的动作以及类似的学习动作的动作信息的差异，对动作高速化率进行修正，控制部使用修正后的动作高速化率对动作进行高速化。

附图说明

通过与附图有关的以下实施方式的说明，本发明的目的、特征以及优点会变得更清楚。在这些图中：

图1表示本发明的实施例1所涉及的机器人系统的整体结构的概要图；

图2表示本发明的实施例1的其他实施方式所涉及的机器人系统的整体结构的概要图；

图3是本发明的实施例1所涉及的机器人系统中包含的机器人控制装置的结构图；

图4是用于说明本发明的实施例1所涉及的机器人系统的动作步骤的流程图；

图5是本发明的实施例1的其他实施方式所涉及的机器人系统的被划分后的区域的形象图；

图6是用于说明本发明的实施例2所涉及的机器人系统的动作步骤的流程图；

图7是用于说明本发明的实施例3所涉及的机器人系统的动作步骤的流程图；

图8是用于说明本发明的实施例4所涉及的机器人系统的动作步骤的流程图；以及

图9是用于说明本发明的实施例5所涉及的机器人系统的动作步骤的流程图。

具体实施方式

以下，参照附图对本发明所涉及的机器人系统进行说明

[实施例1]

首先，对本发明的实施例1所涉及的机器人系统进行说明。图1表示本发明的实施例1所涉及的机器人系统的整体结构的概要图。本发明的实施例1所涉及的机器人系统101具有检测部6、机器人3以及机器人控制装置7。机器人3是例如6轴的多关节机器人，具有机器人手臂31以及安装在机器人手臂31前端的机械手4。

检测部6对预定的作业区域1中存在的作业对象的工件2的位置姿势进行检测。机器人控制装置7能够根据检测部6的检测结果，求出用于校正机器人3的动作(每个微小时间的机器人的位置以及姿势)的校正量。作为检测部6的例子，列举有使用了能够对作业区域1的局部或者全部进行摄像的照相机的视觉传感器。

机器人3根据检测出的位置姿势的信息针对工件2进行预定的动作。作为一例，在图1所示的机器人系统中，机器人3的动作包括机器人3对配置在作业区域1内的工件2进行把持的动作以及机器人3将所把持的工件2载置在作业结束区域5内的动作。具体而言，机器人3执行如下过程：通过安装在机器人3中的机械手4取得安置在作业区域1中的位置姿势不定的工件2，并安置在预定的地点5中。

机器人控制装置7控制机器人3。机器人控制装置7能够学习用于针对执行后的动作变更速度或加速度从而对动作进行高速化的动作高速化率。

图2是表示本发明的实施例1的其他实施方式所涉及的机器人系统的整体结构的概要图。在图2所示的机器人系统中，机器人13的动作包括机器人13对配置在作业区域内的工件12进行把持的动作以及机器人3将所把持的工件2载置在作业结束区域5内的动作。具体而言，机器人13执行如下过程：在供给输送带一侧的作业区域18中，通过安装在机器人13中的机械手14取得流入供给输送带的工件12，并安置到排出输送带15上的排出输送带一侧的作业区域19中。在供给输送带11以及排除输送带15上安装用于随时检测把持工件时以及安置工件时的位置姿势，并用于校正机器人的动作的检测部16。在图2所示的例子中，虽然只设置了一个检测部，但是也可以在供给输送带11以及排出输送带15中分别设置检测部。作为检测部的一个例子，列举有视觉传感器以及编码器。在该机器人系统中能够学习用于针对执行后的动作变更速度或加速度从而对动作进行高速化的动作高速化率。

图3表示本发明的实施例1所涉及的机器人系统101中包含的机器人控制装置7的结构图。机器人控制装置7具有区域划分部21、区域判断部22、学习控制部23、存储部24、控制部25，并且它们通过总线30相连接。此外，机器人控制装置17与机器人控制装置7具有相同的结构。

区域划分部21将作业区域1以预定的分辨率划分为多个区域。之后对于划分作业区域1的例子进行描述。

区域判断部22判断工件2存在于划分后的多个区域的哪块区域中。

学习控制部23学习动作高速化率，该动作高速化率用于针对存在工件2的每个区域变更速度或加速度从而对动作进行高速化；

存储部24存储存在工件2的区域的位置以及该区域中动作高速化率。

控制部25在存在新工件的区域中，判断动作的学习是否已完成，当动作的学习完成时，控制部25以使用所学习的动作高速化率对新工件执行动作的方式来控制机器人3。当还未学习时，控制部25使学习控制部23学习动作高速化率。

在图1以及图2的机器人系统101、102中，机械手4、14的移动是通过机器人控制装置7、17对驱动机器人3、13的各轴的电动机(优选伺服电动机)进行控制来进行的。另外在学习中，暂时需要的包含动作执行过程中的电动机的速度、加速度以及扭矩、电动机误差中的至少1个信息能够保存在存储部24的易失性存储器(未图示)中。预先设定的电动机的速度、加速度以及扭矩、还有电动机误差等的容许值能够保存在存储部24的ROM(未图示)中。另外，通过学习处理计算出的动作高速化率(之后进行描述)等学习数据能够保存在存储部24的非易失性存储器中。

图4表示在图1或图2的系统中表示本实施例的处理的流程图。开始学习时，首先在步骤S1将作业区域(在图1中是作业区域1，在图2中是作业区域18、19)以预定的分辨率划分为多个区域。

在步骤S2中进行实际的作业时，判断作业对象的区域对应于在步骤S1中进行划分后的区域的哪块。然后在步骤S3中，判断进行作业的区域的学习是否完成即在该区域执行的作业是未学习完还是已经学习完。当被判断为未学习完时，在步骤S4中对于所执行的动作进行动作高速化率的学习。另一方面，当在步骤S3中被判断为学习完成时，在步骤S5中能够根据所学习的动作高速化率对动作进行高速化。

在步骤S6中，根据未学习完的动作与学习完成的动作的比例等，判断学习的进展，当满足预定的条件时结束学习。当还不满足条件时返回步骤S2继续学习。

图5是在如图2那样的系统结构中、在区域划分的分辨率为100mm、进行把持(取得)动作的作业区域100和进行载置(放置)动作的作业区域200的大小都为200mm×100mm时的作业区域的划分示例图。例如，作业区域100被划分为“区域A”以及“区域B”，作业区域200被划分为“区域a”以及“区域b”。

这种情况下，关于各区域的动作，分别在“区域A和区域a”、“区域A和区域b”、“区域B和区域a”、“区域B和区域b”之间，作为取得动作和放置动作各存在4个，共计8个，进行学习。例如，从取得“区域A”中的工件后，到把工件放置到“区域a”为1个放置动作。相反地，把工件放置到“区域a”之后，到取得“区域A”中的工件为1个取得动作。

然后，通过在各区域间执行动作，对容许的动作高速化率进行学习。例如，对取得“区域A”中的工件，放置到“区域b”的动作的动作高速化率进行学习，并存储取得工件的区域、放置工件的区域以及动作高速化率。其结果，把“区域A”中的新工件放置到“区域b”时，能够使用已经存储的动作高速化率对动作进行高速化，因此不用再次反复学习就能够实现动作的高速化。

如上所述，根据实施例1所涉及的机器人系统，能够学习用于针对所执行的动作变更速度或加速度从而对动作进行高速化的动作高速化率。

[实施例2]

接下来，对于本发明的实施例2所涉及的机器人系统进行说明。本发明的实施例2所涉及的机器人系统与实施例1所涉及的机器人系统的不同点是，学习控制部23根据学习的状况，变更针对多个区域的每一个区域进行作业的优先度。实施例2所涉及的机器人系统的其他结构与实施例1所涉及的机器人系统的结构相同，因此省略详细的说明。

以下对于实施例2所涉及的机器人系统的学习方法的步骤，使用图6所示的流程图进行说明。开始学习后，首先在步骤S101中以预定的分辨率将作业区域划分成多个区域。

在步骤S102中根据各区域的学习状况，设定所作业的区域的优先度。例如，在图2所示的系统中，区域被划分为如图5所示那样。此时，进行把在“区域B”所把持的工件12放置到排出输送带15的作业时，“从区域B到区域b”的放置动作的学习已经完成、“从区域B到区域a”的放置动作的学习未完成的情况下，进行优先度的设定以使“从区域B到区域a”的放置动作优先执行。由此，能够从学习的必要性高的动作开始按照顺序进行高效的学习。

在步骤S103中，在进行实际的作业时，判断作业对象的区域对应于在步骤S101中划分后的区域中的哪块。然后在步骤S104中，判断进行作业的区域的学习是否完成，即在该区域执行的作业是学习未完成还是已经学习完成。然后，当被判断为学习未完成时，在步骤S105中对于执行后的动作进行动作高速化率的学习。另一方面，当在步骤S104中被判断为学习完成时，在步骤S106中能够根据所学习的动作高速化率对动作进行高速化。

在步骤S107中，根据到目前为止所执行的、学习未完成的动作与学习完成的动作的比例等，判断学习的进展，当满足预定的条件时结束学习。例如，能够设定当多个区域间的全部动作的70％已经学习完成时结束学习的条件。另一方面，当还不满足条件时返回步骤S102继续学习。

如上所述，根据实施例2所涉及的机器人系统，通过使用本发明的手法，机器人能够从实际进行学习的必要性高的动作开始按照顺序进行高效的学习。

[实施例3]

接下来，对于本发明的实施例3所涉及的机器人系统进行说明。本发明的实施例3所涉及的机器人系统与实施例1所涉及的机器人系统的不同点是，学习控制部23根据驱动机器人3、13的各轴的电动机的容许负载和动作模式执行过程中的电动机的负载来计算动作高速化率，存储部24将动作高速化率和包含有动作的学习前的速度与加速度中的至少一个的动作信息一同进行存储。实施例3所涉及的机器人系统的其他结构与实施例1所涉及的机器人系统的结构相同，因此省略详细的说明。

按照图7所示的流程图，对本发明的实施例3所涉及的机器人系统的学习方法的动作步骤进行说明。首先，在步骤S201中通过实施例1中记载的方法执行被判断为学习未完成的动作。

在步骤S202中，预先记录在动作执行过程中驱动机器人3、13的各轴的电动机的容许负载(最大电动机速度以及扭矩值)，即各轴的电动机速度的最大值ω_max_j以及电动机扭矩的最大值τ_max_j。这里的“j”表示各轴的轴编号，例如若是6轴的多关节机器人则j＝1～6。

动作结束后，根据所记录的电动机速度的最大值以及电动机扭矩的最大值，针对该动作模式计算能够设定的动作高速化率α(α≥1.0)的最大值α_max(步骤S204)。在这里，使用以下数学式(1)表示动作高速化前的动作所要的经过时间t与电动机目标角度θ的关系。

θ＝f(t) (0≤t≤t_max) (1)

因此，动作高速化率α是为了满足以下的数学式(2)而动作的指标。

θ＝f(αt) (0≤t≤t_max/α) (2)

在上述数学式中，如考虑电动机速度与α成比例、电动机扭矩与α的平方成比例，则容许的动作高速化率的最大值α_max使用如下数学式进行计算，

这里，ω_alw_j，τ_alw_j是各轴的电动机的负载，即电动机速度、电动机扭矩的容许值。

在步骤S205中，将通过上述计算计算出的动作高速化率与所执行的动作模式相关联进行存储。

通过使用了本发明的实施例3所涉及的机器人系统的学习方法，能够实现将机器人机构部的负载抑制在容许值之下的动作高速化。

[实施例4]

接下来，对于本发明的实施例4所涉及的机器人系统进行说明。本发明的实施例4所涉及的机器人系统与实施例1所涉及的机器人系统的不同点是，学习控制部23根据对于驱动动作模式执行过程中的机器人的各轴的电动机的指令与来自电动机的反馈值的差值信息，计算动作高速化率，存储部24将动作高速化率和包含有动作的学习前的速度与加速度中的至少一个的动作信息一同进行存储。实施例4所涉及的机器人系统的其他结构与实施例1所涉及的机器人系统的结构相同，因此省略详细的说明。

按照图8所示的流程图，对本发明的实施例4所涉及的机器人系统的学习方法的步骤进行说明。

首先，在步骤S301中通过实施例1中记载的方法执行被判断为学习未完成的动作。

但是，在学习过程中的情况下，在步骤S302中，根据记录的动作高速化率进行动作的高速化。

在步骤S303中，预先记录在动作执行过程中作为指令值的各轴的电动机目标角度与作为反馈值的实际的角度之间的误差的最大值。

在步骤S304中，动作结束后，根据所记录的角度误差的大小对动作高速化率进行增减(步骤S305)。作为步骤S305的一个例子，针对角度误差的容许值tol_err1_j，tol_err2_j(tol_err1_j≤tol_err2_j)，能够在动作过程中的角度误差的最大值不足tol_err1_j时，使动作高速化率增加预定量，在为tol_err2_j以上时，使动作高速化率减少预定量。

在步骤S306中，将如上所述计算出的动作高速化率和与动作模式相关的信息，即包含有动作的学习前的速度与加速度中的至少一个的动作信息关联起来进行存储。

根据使用了本发明的实施例4所涉及的机器人系统的学习方法，由于将在动作执行过程中的各轴的电动机目标角度与实际的角度之间的误差控制在预定范围内来决定动作高速化率，因此能够实现将电动机的振动抑制在容许值以下的动作高速化。

[实施例5]

接下来，对本发明的实施例5所涉及的机器人系统进行说明。本发明的实施例5所涉及的机器人系统与实施例1所涉及的机器人系统的不同点是，学习控制部23在执行动作前，从过去的学习数据中检索与执行前的动作类似的学习动作，当存在类似的学习动作时，根据与类似的学习动作相关联的动作高速化率、实施前的动作以及类似的学习动作的动作信息的差异，对动作高速化率进行修正，控制部25使用修正后的动作高速化率对动作进行高速化。实施例5所涉及的机器人系统的其他结构与实施例1所涉及的机器人系统的结构相同，因此省略详细的说明。

按照图9所示的流程图，对本发明的实施例5所涉及的机器人系统的学习方法的步骤进行说明。

在通过本发明的实施例5所涉及的机器人系统进行的学习中，与动作高速化率α一同预先存储动作高速化前的最大速度v、最大加速度a。该最大速度v、最大加速度a是动作计划时计算出的值，是从实际进行动作前就已知的值。

学习后、执行动作(以下称为“再现动作”)前，在步骤S401中，从过去的学习数据中对与再现动作类似的动作是否学习完成进行检索。在这里，与再现动作类似的动作(以下称为“学习动作”)是指作业对象的区域与再现动作相同或相似的动作。

当存在学习动作时，在步骤S402中，获取与该学习动作相关联的动作高速化率α_max、动作高速化前的最大速度v以及最大加速度a。

在学习动作和再现动作中，动作高速化前的最大速度、最大加速度不必必须相同。因此，根据该差异，通过动作高速化率α_max对再现动作进行了高速化时，电动机速度、电动机扭矩、角度误差等可能远超过容许值。为了抑制该影响，在步骤S403中，考虑在学习动作和再现动作中高速化前的最大速度、最大加速度的差异，将学习动作的动作高速化率α_max修正为再现动作用的动作高速化率α′_max。

如将再现动作的高速化前的最大速度、最大加速度分别设定为V、A，则α′_max被计算为

通过上述计算式修正动作高速化率，以使再现动作高速化时的最大速度、最大加速度接近学习动作高速化时的速度、加速度。

然后，在步骤S404中，能够使用修正后的动作高速化率α′_max对动作进行高速化。

如上所述，通过实施例5所涉及的机器人系统，即使是执行前的动作，根据所学习的类似动作的学习信息，也能够对动作进行高速化。

通过使用本发明的实施例所涉及的机器人系统，机器人能够从实际使用频率高的动作开始按照顺序进行高效的学习。

Claims (5)

1.一种机器人系统，其特征在于，

该机器人系统具有：

检测部，其检测在预定的作业区域中存在的作业对象的工件的位置姿势；

机器人，其基于检测出的所述位置姿势的信息，对所述工件进行预定的动作；以及

机器人控制装置，其控制所述机器人，

所述机器人控制装置具有：

区域划分部，其以预定的分辨率将所述作业区域划分为多个区域；

区域判断部，其判断所述工件存在于所述多个区域的哪块区域中；

学习控制部，其针对存在所述工件的每个区域学习用于变更速度或加速度而使所述动作高速化的动作高速化率；

存储部，其存储存在所述工件的区域的位置以及该区域中的所述动作高速化率；以及

控制部，其在存在新工件的区域中，判断所述动作学习是否已完成，当所述动作学习已完成时，以使用所学习的所述动作高速化率对所述新工件执行所述动作的方式来控制所述机器人，当未学习时，使所述学习控制部学习所述动作高速化率，

所述学习控制部根据所述学习的状况，变更对所述多个区域的每个区域进行作业的优先度。

2.根据权利要求1所述的机器人系统，其特征在于，

所述动作包括：

所述机器人把持在所述作业区域内配置的工件的动作；以及

所述机器人将所把持的工件载置在作业结束区域内的动作。

3.根据权利要求1或2所述的机器人系统，其特征在于，

所述学习控制部根据驱动所述机器人的各轴的电动机的容许负载和动作模式执行过程中的所述电动机的负载，计算所述动作高速化率，

所述存储部将所述高速化率和包含有所述动作的学习前的速度与加速度中的至少一个的动作信息一同进行存储。

4.根据权利要求1或2所述的机器人系统，其特征在于，

所述学习控制部根据针对动作模式执行过程中的驱动所述机器人的各轴的电动机的指令值与来自电动机的反馈值之间的差值信息，计算所述动作高速化率，

所述存储部将所述动作高速化率和包含有所述动作的学习前的速度与加速度中的至少一个的动作信息一同进行存储。

5.根据权利要求3所述的机器人系统，其特征在于，

所述学习控制部在执行动作前，从过去的学习数据中检索与执行前的动作类似的学习动作，在存在所述学习动作时，根据与所述学习动作相关联的动作高速化率、所述执行前的动作以及所述学习动作的动作信息的差异，对所述动作高速化率进行修正，

所述控制部使用修正后的所述动作高速化率对所述动作进行高速化。