CN107030360B - 一种智能汽车生产线焊装点焊机器人离线控制系统 - Google Patents
一种智能汽车生产线焊装点焊机器人离线控制系统 Download PDFInfo
- Publication number
- CN107030360B CN107030360B CN201710466112.XA CN201710466112A CN107030360B CN 107030360 B CN107030360 B CN 107030360B CN 201710466112 A CN201710466112 A CN 201710466112A CN 107030360 B CN107030360 B CN 107030360B
- Authority
- CN
- China
- Prior art keywords
- spot welding
- signal
- value
- production line
- welded
- 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.)
- Expired - Fee Related
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K11/00—Resistance welding; Severing by resistance heating
- B23K11/10—Spot welding; Stitch welding
- B23K11/11—Spot welding
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K37/00—Auxiliary devices or processes, not specially adapted to a procedure covered by only one of the preceding main groups
- B23K37/02—Carriages for supporting the welding or cutting element
- B23K37/0252—Steering means
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/39—Robotics, robotics to robotics hand
- G05B2219/39266—Algorithm for control
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Automation & Control Theory (AREA)
- Robotics (AREA)
- Numerical Control (AREA)
Abstract
本发明属于生产线智能控制领域,涉及一种智能汽车生产线焊装点焊机器人离线控制系统,包括操作面板与PLC控制器连接,用于输入指令,所述PLC控制电路与控制单元连接,所述控制单元包括控制器,所述控制器控制点焊急停单元、水气降温单元、六轴电机焊接单元;所述传感器单元包括距离传感器和温度传感器;距离传感器和温度传感器将检测到的数据传输给处理器,处理器通过数据控制PLC控制电路控制控制单元工作。本发明的优点在于可以实现汽车生产线的电焊自动化控制,操作简单,实用性强,功能齐全,适合使用。
Description
技术领域
本发明属于生产线智能控制领域,尤其涉及一种智能汽车生产线焊装点焊机器人离线控制系统。
背景技术
目前,在现代化的大型加工车间,对一些焊接质量要求高、焊接技术难度大的场合,往往引入了焊接机器人代替人工焊接,如金属薄板拼装焊接领域,许多部件需要剪切拼装后进行焊接加工,而目前,传统的机器人焊接采用工作站的形式,即一台或数台机器人组成一个工作站,工作站以孤立的点的形式存在,彼此之间互相独立;其不足之处是:一是焊接夹具及其工件位置固定、数量固定,由于受到机器人空间位置的限制,工位数量不能很多;二是变位机在工作站内的位置、数量固定;三是由于焊接机器人与传输线及其随行夹具的协调、配合问题,其还不能直接引入机器人焊接,在出现焊接质量要求,焊接技术难度大的场合,该生产线往往显得无能为力。
综上所述,现有技术存在的问题是:工位数量不能很多;变位机在工作站内的位置、数量固定;在出现焊接质量要求,焊接技术难度大的场合,该生产线往往显得无能为力;而且现有技术在控制上,智能化程度低,获得的数据偏差大,造成质量差。
发明内容
本发明为解决公知技术中存在的技术问题而提供一种结构简单、安装使用方便、提高工作效率的智能汽车生产线焊装点焊机器人离线控制系统。
本发明为解决公知技术中存在的技术问题所采取的技术方案是:
一种智能汽车生产线焊装点焊机器人离线控制系统,所述智能汽车生产线焊装点焊机器人离线控制系统,包括:
与配电网络单元连接,用于输入指令或程序的操作面板;
与配电网络单元连接,用于检测智能汽车生产线焊装点焊实时数据的传感器单元;
与配电网络单元连接,用于控制智能汽车生产线焊装点焊机器人实时工作状况的控制单元;
所述传感器单元包括:
距离传感器,用于获取智能汽车生产线焊装点焊实时长度数据、深度数据;
温度传感器,用于获取智能汽车生产线焊装点焊实时温度数据;
所述配电网络单元包括:
分别与距离传感器和温度传感器连接,用于处理智能汽车生产线焊装点焊实时长度数据、深度数据、温度数据的处理器;
与处理器连接,用于执行处理器的指令PLC控制电路;
所述控制单元包括:
控制器,用于执行PLC控制电路传输的控制指令;
与控制器连接,用于执行控制器指令,对智能汽车生产线焊装点焊机器人点焊开关状况进行控制的控制点焊急停单元;
与控制器连接,用于执行控制器指令,对智能汽车生产线焊装点焊机器人点焊过程中,超出预定温度值进行降温控制的水气降温单元;
与控制器连接,用于执行控制器指令,对智能汽车生产线焊装点焊机器人点焊过程中,用于360度无死角焊接的六轴电机焊接单元;
所述距离传感器内置有电磁强度分布分析模块;所述电磁强度分布分析模块的电磁强度分布分析方法包括:
根据空间电磁强度分析要求,确定观察测试空间区域,并对区域进行网格划分,其中后续步骤中的测试点可以在划分的网格区域内选择;
根据测试点的位置,计算该点与上一点之间的相对距离和相对方位,利用相对距离计算信号的传输衰减系数,利用相对方位计算方向图加权值;
根据智能汽车生产线焊装点焊装置的坐标和姿态,通过坐标变换求得观测点相对于智能汽车生产线焊装点焊装置的方位角和俯仰角θci,θri,θji,和继而对照其方向图信息得到观测点接受智能汽车生产线焊装点焊装置传输信号的方向图加权值Pci,Pri和Pji,
求解智能汽车生产线焊装点焊装置相对观测点的多普勒频率:
fi=f0i+fdi;
利用计算结果,根据合成信号的公式计算测试点的时域信号;
为观测点接收第i个通信智能汽车生产线焊装点焊装置传输信号的方向图加权值与第i个通信智能汽车生产线焊装点焊装置到观测点的距离的比值,表示第i个通信智能汽车生产线焊装点焊装置传输信号对观测点电磁辐射强度的影响,同理可得和
为第i个通信智能汽车生产线焊装点焊装置到观测点的距离与光速的比值,即观测点观测信号与第i个通信智能汽车生产线焊装点焊装置传输信号之间的传输延迟,同理可得和
故空间测试点P=(x,y,z)处的合成信号为:
对计算所获得的时域合成信号进行傅里叶变换,即获得测试点处空间合成信号的频域能量分布;
FFT(S(P,t));
对整个观测区域重复根据测试点的位置,计算该点与上一点之间的相对距离和相对方位至对计算所获得的时域合成信号进行傅里叶变换,即获得观察测试区域的空间辐射源合成电磁辐射强度数据;
所述控制器内置有有同步正交跳频信号盲源分离模块,所述步正交跳频信号盲源分离的信号处理方法包括:
利用含有M个阵元的阵列天线接收来自控制点焊急停单元、水气降温单元、六轴电机焊接单元传输的同步正交跳频信号,对每一路接收信号进行采样,得到采样后的M路离散时域混合信号采集阵列天线节点间不同时间片的交互次数,根据得到的数据建立时间序列,通过三次指数平滑法来预测节点间下一个时间片的交互次数,将交互次数预测值与实际值的相对误差作为节点的直接信任值;直接信任值的具体计算步骤为:采集网络观测节点i与节点j之间的n个时间片的交互次数:选取一定时间间隔t作为一个观测时间片,以观测节点i和被测节点j在1个时间片内的交互次数作为观测指标,真实交互次数,记作yt,依次记录n个时间片的yn,并将其保存在节点i的通信记录表中;预测第n+1个时间片的交互次数:根据采集到的n个时间片的交互次数建立时间序列,采用三次指数平滑法预测下一个时间片n+1内节点i和j之间的交互次数,预测交互次数,记作计算公式如下:
预测系数an、bn、cn的取值可由如下公式计算得到:
其中:分别是一次、二次、三次指数平滑数,由如下公式计算得到:
是三次指数平滑法的初始值,其取值为
α是平滑系数(0<α<1),体现信任的时间衰减特性,即离预测值越近的时间片的yt权重越大,离预测值越远的时间片的yt权重越小;如果数据波动较大,且长期趋势变化幅度较大,呈现明显迅速的上升或下降趋势时α应取较大值(0.6~0.8),增加近期数据对预测结果的影响;当数据有波动,但长期趋势变化不大时,α可在0.1~0.4之间取值;如果数据波动平稳,α应取较小值(0.05~0.20)。
进一步,所述步正交跳频信号盲源分离的信号处理方法还包括计算直接信任值:
节点j的直接信任值TDij为预测交互次数和真实交互次数yn+1的相对误差,
采用多路径信任推荐方式而得到的计算式计算间接信任值;收集可信节点对节点j的直接信任值:节点i向所有满足TDik≤φ的可信关联节点询问其对节点j的直接信任值,其中φ为推荐节点的可信度阈值,根据可信度的要求精度,φ的取值范围为0~0.4;计算间接信任值:综合计算所收集到的信任值,得到节点j的间接信任值TRij,其中,Set(i)为观测节点i的关联节点中与j节点有过交互且其直接信任值满足TDik≤φ的节点集合;
由直接信任值和间接信任值整合计算得出综合信任值;综合信任值(Tij)的计算公式如下:Tij=βTDij+(1-β)TRij,其中β(0≤β≤1)表示直接信任值的权重,当β=0时,节点i和节点j没有直接交互关系,综合信任值的计算直接来自于间接信任值,判断较客观;当β=1时,节点i对节点j的综合信任值全部来自于直接信任值,在这种情况下,判断较为主观,实际计算根据需要确定β的取值;
进一步,所述步正交跳频信号盲源分离的信号处理方法还包括对M路离散时域混合信号进行重叠加窗短时傅里叶变换,得到M个混合信号的时频域矩阵其中P表示总的窗数,Nfft表示FFT变换长度;p,q)表示时频索引,具体的时频值为这里Nfft表示FFT变换的长度,p表示加窗次数,Ts表示采样间隔,fs表示采样频率,C为整数,表示短时傅里叶变换加窗间隔的采样点数,C<Nfft,且Kc=Nfft/C为整数,也就是说采用的是重叠加窗的短时傅里叶变换;
进一步,所述步正交跳频信号盲源分离的信号处理方法还包括对得到的跳频混合信号时频域矩进行预处理。
进一步,所述步正交跳频信号盲源分离的信号处理方法还包括利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率;在p(p=0,1,2,…P-1)时刻,对表示的频率值进行聚类,得到的聚类中心个数表示p时刻存在的载频个数,个聚类中心则表示载频的大小,分别用表示;对每一采样时刻p(p=0,1,2,…P-1),利用聚类算法对进行聚类,同样可得到个聚类中心,用表示;对所有求均值并取整,得到源信号个数的估计即:
找出的时刻,用ph表示,对每一段连续取值的ph求中值,用表示第l段相连ph的中值,则表示第l个频率跳变时刻的估计;根据估计得到的以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为:
这里表示第l跳对应的个混合矩阵列向量估计值;估计每一跳对应的载频频率,用表示第l跳对应的个频率估计值,计算公式如下:
进一步,所述步正交跳频信号盲源分离的信号处理方法还包括根据估计得到的归一化混合矩阵列向量估计时频域跳频源信号;
对不同跳频点之间的时频域跳频源信号进行拼接。
进一步,所述步正交跳频信号盲源分离的信号处理方法还包括根据源信号时频域估计值,恢复时域跳频源信号;对每一采样时刻p(p=0,1,2,…)的频域数据Yn(p,q),q=0,1,2,…,Nfft-1做Nfft点的IFFT变换,得到p采样时刻对应的时域跳频源信号,用yn(p,qt)(qt=0,1,2,…,Nfft-1)表示;对上述所有时刻得到的时域跳频源信号yn(p,qt)进行合并处理,得到最终的时域跳频源信号估计,具体公式如下:
这里Kc=Nfft/C,C为短时傅里叶变换加窗间隔的采样点数,Nfft为FFT变换的长度。
本发明具有的优点和积极效果是:由于本实用新型将实现汽车生产线的电焊自动化控制,操作简单,实用性强,功能齐全,适合使用,焊接机位多,焊接质量高,可以完成难度更高的焊接作业。
本发明针对空间电磁分布的分析问题,给出了一种新的分析模型和实现方法,为效能评估提供了接近实际电磁环境的分析和试验方法。
本发明在不知道任何信道信息的条件下,仅根据接收到的多个跳频信号的混合信号,估计出跳频源信号,能在接收天线个数小于源信号个数的条件下,对多个跳频信号进行盲估计,仅仅利用了短时傅里叶变换,计算量小,容易实现,该方法在对跳频信号进行盲分离的同时,还能对部分参数进行估计,实用性强。可对电焊的参数进行准确控制。
附图说明
图1是本发明实施例提供的智能汽车生产线焊装点焊机器人离线控制系统示意图。
图中:1、操作面板;2、处理器;3、配电网络单元;4、PLC控制电路;5、控制单元;6、传感器单元;7、控制器;8、点焊急停单元;9、水气降温单元;10、六轴电机焊接单元;11、距离传感器;12、温度传感器。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
现有技术存在的问题是:工位数量不能很多;变位机在工作站内的位置、数量固定;在出现焊接质量要求,焊接技术难度大的场合,该生产线往往显得无能为力。
下面结合图1对本发明的结构作详细的描述。
本发明实施例提供的智能汽车生产线焊装点焊机器人离线控制系统,包括:操作面板1、处理器2、配电网络单元3、PLC控制电路4、控制单元5、传感器单元6、控制器7、点焊急停单元8、水气降温单9元、六轴电机焊接单元10、距离传感器11、温度传感器12。
下面结合具体实施例对本发明作进一步描述。
本发明实施例提供的智能汽车生产线焊装点焊机器人离线控制系统,包括:
与配电网络单元连接,用于输入指令或程序的操作面板;
与配电网络单元连接,用于检测智能汽车生产线焊装点焊实时数据的传感器单元;
与配电网络单元连接,用于控制智能汽车生产线焊装点焊机器人实时工作状况的控制单元;
所述传感器单元包括:
距离传感器,用于获取智能汽车生产线焊装点焊实时长度数据、深度数据;
温度传感器,用于获取智能汽车生产线焊装点焊实时温度数据;
所述配电网络单元包括:
分别与距离传感器和温度传感器连接,用于处理智能汽车生产线焊装点焊实时长度数据、深度数据、温度数据的处理器;
与处理器连接,用于执行处理器的指令PLC控制电路;
所述控制单元包括:
控制器,用于执行PLC控制电路传输的控制指令;
与控制器连接,用于执行控制器指令,对智能汽车生产线焊装点焊机器人点焊开关状况进行控制的控制点焊急停单元;
与控制器连接,用于执行控制器指令,对智能汽车生产线焊装点焊机器人点焊过程中,超出预定温度值进行降温控制的水气降温单元;
与控制器连接,用于执行控制器指令,对智能汽车生产线焊装点焊机器人点焊过程中,用于360度无死角焊接的六轴电机焊接单元;
所述距离传感器内置有电磁强度分布分析模块;所述电磁强度分布分析模块的电磁强度分布分析方法包括:
根据空间电磁强度分析要求,确定观察测试空间区域,并对区域进行网格划分,其中后续步骤中的测试点可以在划分的网格区域内选择;
根据测试点的位置,计算该点与上一点之间的相对距离和相对方位,利用相对距离计算信号的传输衰减系数,利用相对方位计算方向图加权值;
根据智能汽车生产线焊装点焊装置的坐标和姿态,通过坐标变换求得观测点相对于智能汽车生产线焊装点焊装置的方位角和俯仰角θci,θri,θji,和继而对照其方向图信息得到观测点接受智能汽车生产线焊装点焊装置传输信号的方向图加权值Pci,Pri和Pji,
求解智能汽车生产线焊装点焊装置相对观测点的多普勒频率:
fi=f0i+fdi;
利用计算结果,根据合成信号的公式计算测试点的时域信号;
为观测点接收第i个通信智能汽车生产线焊装点焊装置传输信号的方向图加权值与第i个通信智能汽车生产线焊装点焊装置到观测点的距离的比值,表示第i个通信智能汽车生产线焊装点焊装置传输信号对观测点电磁辐射强度的影响,同理可得和
为第i个通信智能汽车生产线焊装点焊装置到观测点的距离与光速的比值,即观测点观测信号与第i个通信智能汽车生产线焊装点焊装置传输信号之间的传输延迟,同理可得和
故空间测试点P=(x,y,z)处的合成信号为:
对计算所获得的时域合成信号进行傅里叶变换,即获得测试点处空间合成信号的频域能量分布;
FFT(S(P,t));
对整个观测区域重复根据测试点的位置,计算该点与上一点之间的相对距离和相对方位至对计算所获得的时域合成信号进行傅里叶变换,即获得观察测试区域的空间辐射源合成电磁辐射强度数据;
所述控制器内置有有同步正交跳频信号盲源分离模块,所述步正交跳频信号盲源分离的信号处理方法包括:
利用含有M个阵元的阵列天线接收来自控制点焊急停单元、水气降温单元、六轴电机焊接单元传输的同步正交跳频信号,对每一路接收信号进行采样,得到采样后的M路离散时域混合信号采集阵列天线节点间不同时间片的交互次数,根据得到的数据建立时间序列,通过三次指数平滑法来预测节点间下一个时间片的交互次数,将交互次数预测值与实际值的相对误差作为节点的直接信任值;直接信任值的具体计算步骤为:采集网络观测节点i与节点j之间的n个时间片的交互次数:选取一定时间间隔t作为一个观测时间片,以观测节点i和被测节点j在1个时间片内的交互次数作为观测指标,真实交互次数,记作yt,依次记录n个时间片的yn,并将其保存在节点i的通信记录表中;预测第n+1个时间片的交互次数:根据采集到的n个时间片的交互次数建立时间序列,采用三次指数平滑法预测下一个时间片n+1内节点i和j之间的交互次数,预测交互次数,记作计算公式如下:
预测系数an、bn、cn的取值可由如下公式计算得到:
其中:分别是一次、二次、三次指数平滑数,由如下公式计算得到:
是三次指数平滑法的初始值,其取值为
α是平滑系数(0<α<1),体现信任的时间衰减特性,即离预测值越近的时间片的yt权重越大,离预测值越远的时间片的yt权重越小;如果数据波动较大,且长期趋势变化幅度较大,呈现明显迅速的上升或下降趋势时α应取较大值(0.6~0.8),增加近期数据对预测结果的影响;当数据有波动,但长期趋势变化不大时,α可在0.1~0.4之间取值;如果数据波动平稳,α应取较小值(0.05~0.20)。
所述步正交跳频信号盲源分离的信号处理方法还包括计算直接信任值:
节点j的直接信任值TDij为预测交互次数和真实交互次数yn+1的相对误差,
采用多路径信任推荐方式而得到的计算式计算间接信任值;收集可信节点对节点j的直接信任值:节点i向所有满足TDik≤φ的可信关联节点询问其对节点j的直接信任值,其中φ为推荐节点的可信度阈值,根据可信度的要求精度,φ的取值范围为0~0.4;计算间接信任值:综合计算所收集到的信任值,得到节点j的间接信任值TRij,其中,Set(i)为观测节点i的关联节点中与j节点有过交互且其直接信任值满足TDik≤φ的节点集合;
由直接信任值和间接信任值整合计算得出综合信任值;综合信任值(Tij)的计算公式如下:Tij=βTDij+(1-β)TRij,其中β(0≤β≤1)表示直接信任值的权重,当β=0时,节点i和节点j没有直接交互关系,综合信任值的计算直接来自于间接信任值,判断较客观;当β=1时,节点i对节点j的综合信任值全部来自于直接信任值,在这种情况下,判断较为主观,实际计算根据需要确定β的取值;
所述步正交跳频信号盲源分离的信号处理方法还包括对M路离散时域混合信号进行重叠加窗短时傅里叶变换,得到M个混合信号的时频域矩阵其中P表示总的窗数,Nfft表示FFT变换长度;p,q)表示时频索引,具体的时频值为这里Nfft表示FFT变换的长度,p表示加窗次数,Ts表示采样间隔,fs表示采样频率,C为整数,表示短时傅里叶变换加窗间隔的采样点数,C<Nfft,且Kc=Nfft/C为整数,也就是说采用的是重叠加窗的短时傅里叶变换;
所述步正交跳频信号盲源分离的信号处理方法还包括对得到的跳频混合信号时频域矩进行预处理。
所述步正交跳频信号盲源分离的信号处理方法还包括利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率;在p(p=0,1,2,…P-1)时刻,对表示的频率值进行聚类,得到的聚类中心个数表示p时刻存在的载频个数,个聚类中心则表示载频的大小,分别用表示;对每一采样时刻p(p=0,1,2,…P-1),利用聚类算法对进行聚类,同样可得到个聚类中心,用表示;对所有求均值并取整,得到源信号个数的估计即:
找出的时刻,用ph表示,对每一段连续取值的ph求中值,用表示第l段相连ph的中值,则表示第l个频率跳变时刻的估计;根据估计得到的以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为:
这里表示第l跳对应的个混合矩阵列向量估计值;估计每一跳对应的载频频率,用表示第l跳对应的个频率估计值,计算公式如下:
所述步正交跳频信号盲源分离的信号处理方法还包括根据估计得到的归一化混合矩阵列向量估计时频域跳频源信号;
对不同跳频点之间的时频域跳频源信号进行拼接。
所述步正交跳频信号盲源分离的信号处理方法还包括根据源信号时频域估计值,恢复时域跳频源信号;对每一采样时刻p(p=0,1,2,…)的频域数据Yn(p,q),q=0,1,2,…,Nfft-1做Nfft点的IFFT变换,得到p采样时刻对应的时域跳频源信号,用yn(p,qt)(qt=0,1,2,…,Nfft-1)表示;对上述所有时刻得到的时域跳频源信号yn(p,qt)进行合并处理,得到最终的时域跳频源信号估计,具体公式如下:
这里Kc=Nfft/C,C为短时傅里叶变换加窗间隔的采样点数,Nfft为FFT变换的长度。
本发明在工作时,操作员将通过操作面板1输入指令或程序,使控制电路工作,点焊急停单元8用于在接收到来自处理器2接受距离传感器的距离信息后急停来保障产品安全,水气降温单元9用于在接收到来自处理器接受温度传感器的温度信息后降温,六轴电机焊接单元10用于360度无死角焊接方法。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (7)
1.一种智能汽车生产线焊装点焊机器人离线控制系统,其特征在于,所述智能汽车生产线焊装点焊机器人离线控制系统,包括:
与配电网络单元连接,用于输入指令或程序的操作面板;
与配电网络单元连接,用于检测智能汽车生产线焊装点焊实时数据的传感器单元;
与配电网络单元连接,用于控制智能汽车生产线焊装点焊机器人实时工作状况的控制单元;
所述传感器单元包括:
距离传感器,用于获取智能汽车生产线焊装点焊实时长度数据、深度数据;
温度传感器,用于获取智能汽车生产线焊装点焊实时温度数据;
所述配电网络单元包括:
分别与距离传感器和温度传感器连接,用于处理智能汽车生产线焊装点焊实时长度数据、深度数据、温度数据的处理器;
与处理器连接,用于执行处理器的指令PLC控制电路;
所述控制单元包括:
控制器,用于执行PLC控制电路传输的控制指令;
与控制器连接,用于执行控制器指令,对智能汽车生产线焊装点焊机器人点焊开关状况进行控制的控制点焊急停单元;
与控制器连接,用于执行控制器指令,对智能汽车生产线焊装点焊机器人点焊过程中,超出预定温度值进行降温控制的水气降温单元;
与控制器连接,用于执行控制器指令,对智能汽车生产线焊装点焊机器人点焊过程中,用于360度无死角焊接的六轴电机焊接单元;
所述距离传感器内置有电磁强度分布分析模块;所述电磁强度分布分析模块的电磁强度分布分析方法包括:
根据空间电磁强度分析要求,确定观察测试空间区域,并对区域进行网格划分,其中后续步骤中的测试点可以在划分的网格区域内选择;
根据测试点的位置,计算该点与上一点之间的相对距离和相对方位,利用相对距离计算信号的传输衰减系数,利用相对方位计算方向图加权值;
根据智能汽车生产线焊装点焊装置的坐标和姿态,通过坐标变换求得观测点相对于智能汽车生产线焊装点焊装置的方位角和俯仰角θci,θri,θji,和继而对照其方向图信息得到观测点接受智能汽车生产线焊装点焊装置传输信号的方向图加权值Pci,Pri和Pji,
求解智能汽车生产线焊装点焊装置相对观测点的多普勒频率:
fi=f0i+fdi;
利用计算结果,根据合成信号的公式计算测试点的时域信号;
为观测点接收第i个通信智能汽车生产线焊装点焊装置传输信号的方向图加权值与第i个通信智能汽车生产线焊装点焊装置到观测点的距离的比值,表示第i个通信智能汽车生产线焊装点焊装置传输信号对观测点电磁辐射强度的影响,同理可得和
为第i个通信智能汽车生产线焊装点焊装置到观测点的距离与光速的比值,即观测点观测信号与第i个通信智能汽车生产线焊装点焊装置传输信号之间的传输延迟,同理可得和
故空间测试点P=(x,y,z)处的合成信号为:
对计算所获得的时域合成信号进行傅里叶变换,即获得测试点处空间合成信号的频域能量分布;
FFT(S(P,t));
对整个观测区域重复根据测试点的位置,计算该点与上一点之间的相对距离和相对方位至对计算所获得的时域合成信号进行傅里叶变换,即获得观察测试区域的空间辐射源合成电磁辐射强度数据;
所述控制器内置有同步正交跳频信号盲源分离模块,所述同 步正交跳频信号盲源分离的信号处理方法包括:
利用含有M个阵元的阵列天线接收来自控制点焊急停单元、水气降温单元、六轴电机焊接单元传输的同步正交跳频信号,对每一路接收信号进行采样,得到采样后的M路离散时域混合信号采集阵列天线节点间不同时间片的交互次数,根据得到的数据建立时间序列,通过三次指数平滑法来预测节点间下一个时间片的交互次数,将交互次数预测值与实际值的相对误差作为节点的直接信任值;直接信任值的具体计算步骤为:采集网络观测节点i与节点j之间的n个时间片的交互次数:选取一定时间间隔t作为一个观测时间片,以观测节点i和被测节点j在1个时间片内的交互次数作为观测指标,真实交互次数,记作yt,依次记录n个时间片的yn,并将其保存在节点i的通信记录表中;预测第n+1个时间片的交互次数:根据采集到的n个时间片的交互次数建立时间序列,采用三次指数平滑法预测下一个时间片n+1内节点i和j之间的交互次数,预测交互次数,记作计算公式如下:
预测系数an、bn、cn的取值可由如下公式计算得到:
其中:分别是一次、二次、三次指数平滑数,由如下公式计算得到:
是三次指数平滑法的初始值,其取值为
α是平滑系数,0<α<1,体现信任的时间衰减特性,即离预测值越近的时间片的yt权重越大,离预测值越远的时间片的yt权重越小;如果数据波动较大,且长期趋势变化幅度较大,呈现明显迅速的上升或下降趋势时α应取较大值在0.6~0.8范围内,增加近期数据对预测结果的影响;当数据有波动,但长期趋势变化不大时,α可在0.1~0.4之间取值;如果数据波动平稳,α应取较小值在0.05~0.20范围内。
2.如权利要求1所述的智能汽车生产线焊装点焊机器人离线控制系统,其特征在于,所述同 步正交跳频信号盲源分离的信号处理方法还包括计算直接信任值:
节点j的直接信任值TDij为预测交互次数和真实交互次数yn+1的相对误差,
采用多路径信任推荐方式而得到的计算式计算间接信任值;收集可信节点对节点j的直接信任值:节点i向所有满足TDik≤φ的可信关联节点询问其对节点j的直接信任值,其中φ为推荐节点的可信度阈值,根据可信度的要求精度,φ的取值范围为0~0.4;计算间接信任值:综合计算所收集到的信任值,得到节点j的间接信任值TRij,其中,Set(i)为观测节点i的关联节点中与j节点有过交互且其直接信任值满足TDik≤φ的节点集合;
由直接信任值和间接信任值整合计算得出综合信任值;综合信任值(Tij)的计算公式如下:Tij=βTDij+(1-β)TRij,其中β(0≤β≤1)表示直接信任值的权重,当β=0时,节点i和节点j没有直接交互关系,综合信任值的计算直接来自于间接信任值,判断较客观;当β=1时,节点i对节点j的综合信任值全部来自于直接信任值,在这种情况下,判断较为主观,实际计算根据需要确定β的取值。
3.如权利要求1所述的智能汽车生产线焊装点焊机器人离线控制系统,其特征在于,所述同 步正交跳频信号盲源分离的信号处理方法还包括对M路离散时域混合信号进行重叠加窗短时傅里叶变换,得到M个混合信号的时频域矩阵其中P表示总的窗数,Nfft表示FFT变换长度;( p,q)表示时频索引,具体的时频值为这里Nfft表示FFT变换的长度,p表示加窗次数,Ts表示采样间隔,fs表示采样频率,C为整数,表示短时傅里叶变换加窗间隔的采样点数,C<Nfft,且Kc=Nfft/C为整数,也就是说采用的是重叠加窗的短时傅里叶变换。
4.如权利要求1所述的智能汽车生产线焊装点焊机器人离线控制系统,其特征在于,所述同 步正交跳频信号盲源分离的信号处理方法还包括对得到的跳频混合信号时频域矩进行预处理。
5.如权利要求1所述的智能汽车生产线焊装点焊机器人离线控制系统,其特征在于,所述同 步正交跳频信号盲源分离的信号处理方法还包括利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率;在p(p=0,1,2,…P-1)时刻,对表示的频率值进行聚类,得到的聚类中心个数表示p时刻存在的载频个数,个聚类中心则表示载频的大小,分别用表示;对每一采样时刻p(p=0,1,2,…P-1),利用聚类算法对进行聚类,同样可得到个聚类中心,用表示;对所有求均值并取整,得到源信号个数的估计即:
找出的时刻,用ph表示,对每一段连续取值的ph求中值,用表示第l段相连ph的中值,则表示第l个频率跳变时刻的估计;根据估计得到的以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为:
这里表示第l跳对应的个混合矩阵列向量估计值;估计每一跳对应的载频频率,用表示第l跳对应的个频率估计值,计算公式如下:
6.如权利要求1所述的智能汽车生产线焊装点焊机器人离线控制系统,其特征在于,所述同 步正交跳频信号盲源分离的信号处理方法还包括根据估计得到的归一化混合矩阵列向量估计时频域跳频源信号;
对不同跳频点之间的时频域跳频源信号进行拼接。
7.如权利要求1所述的智能汽车生产线焊装点焊机器人离线控制系统,其特征在于,所述同 步正交跳频信号盲源分离的信号处理方法还包括根据源信号时频域估计值,恢复时域跳频源信号;对每一采样时刻p(p=0,1,2,…)的频域数据Yn(p,q),q=0,1,2,…,Nfft-1做Nfft点的IFFT变换,得到p采样时刻对应的时域跳频源信号,用yn(p,qt)(qt=0,1,2,…,Nfft-1)表示;对上述所有时刻得到的时域跳频源信号yn(p,qt)进行合并处理,得到最终的时域跳频源信号估计,具体公式如下:
这里Kc=Nfft/C,C为短时傅里叶变换加窗间隔的采样点数,Nfft为FFT变换的长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710466112.XA CN107030360B (zh) | 2017-06-19 | 2017-06-19 | 一种智能汽车生产线焊装点焊机器人离线控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710466112.XA CN107030360B (zh) | 2017-06-19 | 2017-06-19 | 一种智能汽车生产线焊装点焊机器人离线控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107030360A CN107030360A (zh) | 2017-08-11 |
CN107030360B true CN107030360B (zh) | 2019-03-01 |
Family
ID=59542508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710466112.XA Expired - Fee Related CN107030360B (zh) | 2017-06-19 | 2017-06-19 | 一种智能汽车生产线焊装点焊机器人离线控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107030360B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107570922A (zh) * | 2017-10-19 | 2018-01-12 | 佛山市南方数据科学研究院 | 一种智能化多功能自动生产线 |
CN108008695A (zh) * | 2017-12-05 | 2018-05-08 | 鄂州职业大学 | 一种智能模具制造的数控加工方法及控制系统 |
CN108673500A (zh) * | 2018-05-16 | 2018-10-19 | 安徽猎豹汽车有限公司 | 一种汽车车身柔性焊接机器人控制系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006043786A (ja) * | 2004-07-30 | 2006-02-16 | Nachi Fujikoshi Corp | ロボットの制御方法 |
CN102310258A (zh) * | 2010-06-30 | 2012-01-11 | 株式会社安川电机 | 机器人系统 |
CN102822658A (zh) * | 2010-04-07 | 2012-12-12 | 新日本制铁株式会社 | 点焊部的断裂分析方法、装置、程序以及计算机能够读取的记录介质 |
CN103358308A (zh) * | 2012-03-29 | 2013-10-23 | 范努克机器人技术美国有限公司 | 机器人焊枪取向规范化 |
CN106271265A (zh) * | 2016-10-09 | 2017-01-04 | 安徽瑞祥工业有限公司 | 一种汽车生产线焊装点焊机器人离线系统 |
-
2017
- 2017-06-19 CN CN201710466112.XA patent/CN107030360B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006043786A (ja) * | 2004-07-30 | 2006-02-16 | Nachi Fujikoshi Corp | ロボットの制御方法 |
CN102822658A (zh) * | 2010-04-07 | 2012-12-12 | 新日本制铁株式会社 | 点焊部的断裂分析方法、装置、程序以及计算机能够读取的记录介质 |
CN102310258A (zh) * | 2010-06-30 | 2012-01-11 | 株式会社安川电机 | 机器人系统 |
CN103358308A (zh) * | 2012-03-29 | 2013-10-23 | 范努克机器人技术美国有限公司 | 机器人焊枪取向规范化 |
CN106271265A (zh) * | 2016-10-09 | 2017-01-04 | 安徽瑞祥工业有限公司 | 一种汽车生产线焊装点焊机器人离线系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107030360A (zh) | 2017-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107030360B (zh) | 一种智能汽车生产线焊装点焊机器人离线控制系统 | |
US10460581B1 (en) | Determining a confidence for a motion zone identified as a location of motion for motion detected by wireless signals | |
US10404387B1 (en) | Determining motion zones in a space traversed by wireless signals | |
Wen et al. | Auxiliary vehicle positioning based on robust DOA estimation with unknown mutual coupling | |
US11363417B2 (en) | Determining a motion zone for a location of motion detected by wireless signals | |
US20230125109A1 (en) | Recognizing Gestures Based on Wireless Signals | |
CN105466453A (zh) | 一种导航设备在线监测系统及方法 | |
Noh et al. | Channel estimation techniques for RIS-assisted communication: Millimeter-wave and sub-THz systems | |
CN103149594A (zh) | 一种具有参数自动设定功能的金属探测门 | |
CN105911521A (zh) | 联合无线电信号复包络和载波相位信息的超视距目标直接定位方法 | |
Li et al. | Wireless channel feature extraction via GMM and CNN in the tomographic channel model | |
Ge et al. | A computationally efficient EK-PMBM filter for bistatic mmWave radio SLAM | |
CN105277826A (zh) | 阵列天线故障诊断系统 | |
CN101541079B (zh) | 移动台定位方法 | |
Wang et al. | A novel fingerprint localization algorithm based on modified channel state information using Kalman filter | |
Zhang et al. | Active sensing for localization with reconfigurable intelligent surface | |
Avazov et al. | A trajectory-driven 3D non-stationary mm-wave MIMO channel model for a single moving point scatterer | |
Hu et al. | HoloFed: Environment-adaptive positioning via multi-band reconfigurable holographic surfaces and federated learning | |
Man et al. | On the technology of frequency hopping communication network-station selection | |
Peng et al. | A novel mobility induced channel prediction mechanism for vehicular communications | |
Liu et al. | A hypernetwork based framework for non-stationary channel prediction | |
Yu et al. | Research on the frequency prediction of barrier-free resources in airport terminal based on ARIMA model | |
Zhang et al. | Localization with reconfigurable intelligent surface: An active sensing approach | |
CN105703841A (zh) | 一种多路径传播宽带主动声信号的分离方法 | |
CN112101144A (zh) | 一种提高变压器振动信号处理精度的自适应方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190301 Termination date: 20190619 |