CN107433593A - 并联机器人食品分拣加工系统 - Google Patents
并联机器人食品分拣加工系统 Download PDFInfo
- Publication number
- CN107433593A CN107433593A CN201710802131.5A CN201710802131A CN107433593A CN 107433593 A CN107433593 A CN 107433593A CN 201710802131 A CN201710802131 A CN 201710802131A CN 107433593 A CN107433593 A CN 107433593A
- Authority
- CN
- China
- Prior art keywords
- robot
- motion
- servo controller
- visual identity
- coordinate
- 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.)
- Granted
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
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/003—Programme-controlled manipulators having parallel kinematics
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/10—Programme-controlled manipulators characterised by positioning means for manipulator elements
- B25J9/12—Programme-controlled manipulators characterised by positioning means for manipulator elements electric
-
- 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
-
- 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
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- 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
- G05B2219/40—Robotics, robotics mapping to robotics vision
- G05B2219/40002—Camera, robot follows direction movement of operator head, helmet, headstick
Abstract
并联机器人食品分拣加工系统。本发明涉及一种并联机器人食品分拣加工系统。其组成包括视觉传感器,所述的视觉传感器通过以太网总线将信号传输至X86视觉识别主机,所述的X86视觉识别主机通过以太网总线与工业交换机双向传输信号,所述的工业交换机通过以太网总线与人机界面双向传输信号,所述的工业交换机通过以太网总线与X86运动控制主机双向传输信号,所述的工业交换机通过以太网总线与PLC双向传输信号,所述的PLC将信号传输至真空发生器,所述的真空发生器将真空吸盘的气体通过气泵抽出。本发明用于并联机器人食品分拣加工。
Description
技术领域
本发明涉及一种并联机器人食品分拣加工系统。
背景技术
目前现有DELTA并联机器人球形关节副采用不锈钢-铜结构,球头采用不锈钢材质,球头副采用铜及铜合金材质。由于铜合金在食品工业的冲洗清洁环境中容易产生铜离子,不利于食品安全要求。
食品工业自动化设备由于对洁净度及抗腐蚀能力要求较高,对应的自动化设备普遍采用不锈钢材质。由于DELTA机器人高IP防护等级壳体加工体积大、铣削余量大、加工面多、加工刀具自由度需求多,采用不锈钢材质工艺加工时间长、难度高,对加工机床提出了极大挑战。
目前现有的DELTA并联机器人基本采用PLC+运动控制卡或者专用运动控制器方式。功能扩展性低,底层代码开放度小,二次开发难度较高,在此架构上扩展柔性化的控制程序难度高,不利于在工业自动化领域灵活运用。
目前现有DELTA并联机器人轨迹规划采用点对点Adept Motion标准门式路径进行轨迹规划,并针对轨迹曲线进行级数展开,借助微分进行线性近似,再进行运动学逆解计算电机需求转速。对运动控制算法的计算量根据轨迹平滑性要求呈指数级上升需求,因此普遍采用FPGA+DSP结构的运动控制卡实现,硬件电路复杂开发难度高,并且在经典七段S加减速规划中容易出现插补精度在低速状态下急剧下降的“尾巴”现象。
目前机器人操作系统普遍采用Windows操作系统或者Vxwork实时操作系统,前者实时性较差,后者价格昂贵,而且开源的实时操作系统内核对于EtherCAT工业通信协议的支持较差,并且驱动程序未能满足硬实时约束要求。
目前现有DELTA机器人视觉系统普遍采用静态图像识别,通过电子快门曝光获取静态图像进而获得工件坐标,再通过获取传送带速度计算在t时刻工件的运动位置。因此需求前期标定一个或者数个传送带速度值。不利于可变传送带速度的柔性化生产需求。
目前现有DELTA并联机器人示教采用预先设置运动轨迹示教法,轨迹设置需要操作复杂,对调试人员要求技术高。
发明内容
本发明的目的是提供一种并联机器人食品分拣加工系统,用以解决上述问题视觉程序采用图像动态采样法,通过识别任意可计算间隔时间的两帧图像物件坐标计算物件运动数据,可同时获取静态坐标及动态速度,用于并联机器人对目标的快速感知;
运动控制程序采用轨迹阶跃点多级平滑化方式,采用基于期望轨迹的补偿自适应计算模型,并引入对轨迹规划的自适应优化算子,通过对传统Adept Motion门式路径的多次切分迭代,将阶跃轨迹平滑成曲线轨迹,从而在硬实时约束下降低算法运算量,并使用修正梯形曲线来优化传统的七段S加减速模型,减少低速状态下的轨迹计算误差;
并联机器人采用基准尺标定功能,快速对视觉基准坐标原点及机器人工作空间基准坐标原点进行快速映射标定;
并联机器人采用轨迹高度边界人工设置功能,结合视觉抓取自动坐标识别,对运动轨迹进行快速规划;
机器人壳体采用铝合金材质,配合聚四氟乙烯涂层表面处理工艺,满足耐冲洗洁净安全使用环境要求;
并联机器人球形关节运动副采用聚四氟乙烯摩擦片的无油润滑方案;
并联机器人控制架构采用双X86工业计算机系统配合工业以太网与伺服系统,建立从视觉传感至运动控制的数据传输及控制链路。
上述的目的通过以下的技术方案实现:
一种并联机器人食品分拣加工系统,其组成包括视觉传感器,所述的视觉传感器通过以太网总线将信号传输至X86视觉识别主机,所述的X86视觉识别主机通过以太网总线与工业交换机双向传输信号,所述的工业交换机通过以太网总线与人机界面双向传输信号,
所述的工业交换机通过以太网总线与X86运动控制主机双向传输信号,所述的工业交换机通过以太网总线与PLC双向传输信号,所述的PLC将信号传输至真空发生器,所述的真空发生器将真空吸盘的气体通过气泵抽出,
所述的PLC连接将信号传输至指示灯,所述的PLC接收安全开关与操作按钮的信号,
所述的X86运动控制主机接收以太网自动化控制总线EtherCAT的信号,所述的以太网自动化控制总线还将信号传输至伺服控制器一号、伺服控制器二号、伺服控制器三号与伺服控制器四号,所述的伺服控制器一号驱动电源控制伺服电机一号,所述的伺服电机一号将编码器信号传递给伺服控制器一号,所述的伺服电机一号通过输出轴驱动行星减速机一号,所述的行星减速机一号通过法兰输出轴驱动机器人第一轴,所述的机器人第一轴控制并联机构;
所述的伺服控制器二号驱动电源控制伺服电机二号,所述的伺服电机二号将编码器信号传递给伺服控制器二号,所述的伺服电机二号通过输出轴驱动行星减速机二号,所述的行星减速机二号通过法兰输出轴驱动机器人第二轴,所述的机器人第二轴控制并联机构;
所述的伺服控制器三号驱动电源控制伺服电机三号,所述的伺服电机三号将编码器信号传递给伺服控制器三号,所述的伺服电机三号通过输出轴驱动行星减速机三号,所述的行星减速机三号通过法兰输出轴驱动机器人第三轴,所述的机器人第三轴控制并联机构;
所述的伺服控制器四号驱动电源控制伺服电机四号,所述的伺服电机四号将编码器信号传递给伺服控制器四号,所述的伺服电机四号通过输出轴驱动行星减速机四号,所述的行星减速机四号通过法兰输出轴驱动机器人旋转轴,所述的机器人旋转轴控制并联机构。
所述的系统实现并联机器人食品分拣加工方法,利用X86视觉识别主机与X86运动控制主机实现如下步骤:
步骤一:开始程序;
步骤二:将运动参数载入,将动平台归零,并进行初步校验,确认可行空间内轨迹点无特殊障碍,弓高设定符合工作环境需求,同时启动视觉识别模块,驱动相机,进行相机参数调整,并调试确定识别精度参数,进行网络通信环境的确认与初始化设定;
步骤三:将初步校验得到的结果值参数输入运动控制模块,并输入拾取物件的待放置区域等用户参数,存储为稳定的参数配置文件供后续调用,同时将初始化的相机参数、识别精度参数输入到视觉识别模块,自此运动控制模块和视觉识别模块同步进入正常工作模式;
步骤四:视觉识别模块通过识别待拾取工件位置,确定工件中心店坐标,将工件两两匹配后形成坐标对,封装为UDP包,将其抛出到运动控制模块IP地址上,由运动控制模块解析并获取位置,实现动平台在这两个坐标对之间的移动。视觉识别模块通过UDP包来实现对运动控制模块的运动控制运动位置点的智能控制;
步骤五:视觉识别模块将识别过程记录为历史记录文件,并将识别物件形状信息记录为格式化的历史文件,以供未来在进行无示教条件下的智能化物件形状匹配和多形状物体识别过程中使用;
步骤六:结束程序。
所述的并联机器人食品分拣加工方法,所述运动控制模块的具体识别方法步骤如下:
步骤S101:开始程序;
步骤S102:发出命令,对位置坐标数据包进行抓取;
步骤S103:对步骤S102的定位位置坐标对UDP包进行解析,并校验确认是否完整接收;
步骤S104:对位置坐标数据包进行抓取并校验确认无误后,读取起始点为P1和下一个动作终点P2;
步骤S105:启动动平台的启动结构,并标记周期开始信息;
步骤S106:在安全区间与硬约束区域备份库内,读取工作空间上限束缚的一系列参数;
步骤S107:基于起始点P1和下一个动作终点P2构建约束式计算路径切分点g1,g2,g3,g4,g5;
步骤S108:产生初始解向量,并将其转化为初始路径;
步骤S109:记录初始路径点速度、加速度、链表数组;
步骤S110:对路径结果存储序列进行行程和运行周期评估;
步骤S111:判断行程和运行周期评估是否超限;
步骤S112:如果超限则直接进入步骤S113;若不超限则直接进入步骤S116;
步骤S113:进行判定改进方向;
步骤S114:改进方向后读取各切分分支路径的改进方向参数;
步骤S115:按照特定改进方向重新切分;
步骤S116:重新切分后生成并存储加速度轨迹;
步骤S117:笛卡尔坐标轴路径点生成;
步骤S118:逆解求出电机轴坐标;
步骤S119:进行速度约束检测;
步骤S120:进行空间约束检测;
步骤S121:进行加速度规划;
步骤S122:判断硬实时约束剩余缓冲是否充足;
步骤S123:如果剩余缓冲充足则直接进入步骤S116;如果剩余缓冲不充足则直接进入步骤S124;
步骤S124:发送运动指令,监听返回信息后更新PLC交互缓冲区信息,驱动真空抓具动作;
步骤S125:依据报警信息,确认属于一般异常还是严重异常,如果属于一般异常,则停止动平台运动,并将异常记录到异常日志中;如果属于严重异常,则发出报警信息并停止电机使能,使动平台失去动力恢复至未通电状态;
步骤S126:结束指令。
所述的并联机器人食品分拣加工方法,述视觉识别模块的具体识别方法步骤如下:
步骤S101:开始程序;
步骤S202:通过工业相机获取彩色图像;
步骤S203:在进行颜色转换后直接进入步骤S206,在进行灰度颜色转化后进入步骤S204;
步骤S204:轮廓分析;
步骤S205:获取离散最小矩形区域模型Bx;
步骤S206:统计离散最小矩形区域模型Bx的HSV/HSL的颜色直方;
步骤S207:取得HSV/HSL统计百分比的最大颜色,取H、S,物体大小与模板Ti的集合距离;
步骤S208:识别出物体Xi及其分类;
步骤S209:是否识别物体Xi,如果识别进入步骤S210,如果不识别进入步骤S211
步骤S210:计算物体Xi速度;
步骤S211:保存/更新物体Xi位置信息将信息送至物体Xi返回至步骤S209,
步骤S212:根据物体Xi判断匹配源、目标物体;
步骤S213:是否匹配,如果匹配则进入步骤S124,如果不匹配则进入步骤S125;
步骤S214:发送规划路径通过UDP发送给控制器;
步骤S215:是否结束程序,如果是则进入步骤S216,如果不是则返回步骤S202;
步骤S216:结束程序。
有益效果:
1、本发明支持EtherCAT通信协议下的运动控制指令交互,有效兼容各类伺服控制器,算法可移植性好;借助开源操作系统并进行内核驱动集成,改进算法通信过程的实时性,保证运动控制的稳定性和安全性。
2、本发明对比常规并联机器人运动控制路径和轨迹规划方法,本算法在控制路径计算复杂度的前提下进行了路径自动规划优化,在拐点处借助一定约束条件下的有限细分来形成过渡曲线,减弱因为拐点带来的运动突变,减小了末端执行平台的整个门式路径行程,缩短了运行周期,并且在平行移动过程中针对电机加减速误差补偿进行了优化。提高伺服电机及减速机的运行寿命。
3、本发明采用动态视觉辨识,灵活适配不同生产工艺对分拣速度的需求。
4、本发明采用聚四氟乙烯润滑片材质的复合球形关节,在保证并联机器人高速运行耐磨特性前提下,无需铜基材质及润滑油的使用,提高食品生产工艺的安全性。
5、本发明的机器人壳体采用铝合金金属材质外壳配合聚四氟乙烯涂层替代不锈钢材质外壳方案,保证食品机械洁净安全特性下,减低加工工艺难度,通过提高机器的轻量化达到提高机器运动速度及响应特性。
6、本发明采用双X86计算机控制方式,降低系统硬件复杂度,提高系统运行可靠性。
附图说明:
附图1是本发明的结构示意图。
附图2是本发明的主视图。
附图3是附图2的A-A剖面图。
附图4是本发明的硬件系统架构图。
附图5是本发明的方法整体流程框图。
附图6是本发明的运动控制程序框图。
附图7是本发明的视觉识别程序框图。
具体实施方式:
实施例1
一种并联机器人食品分拣加工系统,其组成包括视觉传感器,所述的视觉传感器通过以太网总线将信号传输至X86视觉识别主机,所述的X86视觉识别主机通过以太网总线与工业交换机双向传输信号,所述的工业交换机通过以太网总线与人机界面双向传输信号,
所述的工业交换机通过以太网总线与X86运动控制主机双向传输信号,所述的工业交换机通过以太网总线与PLC双向传输信号,所述的PLC将信号传输至真空发生器,所述的真空发生器将真空吸盘的气体通过气泵抽出,
所述的PLC连接将信号传输至指示灯,所述的PLC接收安全开关与操作按钮的信号,
所述的X86运动控制主机接收以太网自动化控制总线EtherCAT的信号,所述的以太网自动化控制总线还将信号传输至伺服控制器一号、伺服控制器二号、伺服控制器三号与伺服控制器四号,所述的伺服控制器一号驱动电源控制伺服电机一号,所述的伺服电机一号将编码器信号传递给伺服控制器一号,所述的伺服电机一号通过输出轴驱动行星减速机一号,所述的行星减速机一号通过法兰输出轴驱动机器人第一轴,所述的机器人第一轴控制并联机构;
所述的伺服控制器二号驱动电源控制伺服电机二号,所述的伺服电机二号将编码器信号传递给伺服控制器二号,所述的伺服电机二号通过输出轴驱动行星减速机二号,所述的行星减速机二号通过法兰输出轴驱动机器人第二轴,所述的机器人第二轴控制并联机构;
所述的伺服控制器三号驱动电源控制伺服电机三号,所述的伺服电机三号将编码器信号传递给伺服控制器三号,所述的伺服电机三号通过输出轴驱动行星减速机三号,所述的行星减速机三号通过法兰输出轴驱动机器人第三轴,所述的机器人第三轴控制并联机构;
所述的伺服控制器四号驱动电源控制伺服电机四号,所述的伺服电机四号将编码器信号传递给伺服控制器四号,所述的伺服电机四号通过输出轴驱动行星减速机四号,所述的行星减速机四号通过法兰输出轴驱动机器人旋转轴,所述的机器人旋转轴控制并联机构;
所述的并联机构包括并联机器人,所述的并联机器人上臂设置球头座1,所述的球头座1的下端球槽内通过摩擦片3连接球头2。
实施例2
实施例1所述的系统实现并联机器人食品分拣加工方法,利用X86视觉识别主机与X86运动控制主机实现如下步骤:
步骤一:开始程序;
步骤二:将运动参数载入,将动平台归零,并进行初步校验,确认可行空间内轨迹点无特殊障碍,弓高(运动路径最低点到上升路径拐弯点高度)设定符合工作环境需求,同时启动视觉识别模块,驱动相机,进行相机参数调整,并调试确定识别精度参数,进行网络通信环境的确认与初始化设定;
步骤三:将初步校验得到的结果值参数输入运动控制模块,并输入拾取物件的待放置区域等用户参数,存储为稳定的参数配置文件供后续调用,同时将初始化的相机参数、识别精度参数输入到视觉识别模块,自此运动控制模块和视觉识别模块同步进入正常工作模式;
步骤四:视觉识别模块通过识别待拾取工件位置,确定工件中心店坐标,将工件两两匹配后形成坐标对,封装为UDP包,将其抛出到运动控制模块IP地址上,由运动控制模块解析并获取位置,实现动平台在这两个坐标对之间的移动。视觉识别模块通过UDP包来实现对运动控制模块的运动控制运动位置点的智能控制;
步骤五:视觉识别模块将识别过程记录为历史记录文件,并将识别物件形状信息记录为格式化的历史文件,以供未来在进行无示教条件下的智能化物件形状匹配和多形状物体识别过程中使用;
步骤六:结束程序。
实施例2详解:
1初始化阶段:
该软件程序功能开始阶段,运动控制模块与视觉识别模块各自启动初始化程序,其中运动控制模块初始化运动参数和空间参数,视觉识别模块驱动摄像头并调整图像参数。该部分中,两功能模块独立执行,没有强制性先后启动顺序关系要求。
2侦听握手阶段:
该软件程序进入实质功能的初始阶段,由运动控制模块进入侦听模式,读取来自视觉识别模块的视觉识别UDP包。此情况下存在两种可能,一种为视觉识别模块已经开始抛出UDP包,则运动控制模块以捕获的第一个UDP包为正常运动模式的开始起点,进入正常运动模式,此种情况不排除开始时点以前的UDP包未被捕获而被废弃的情况;一种为视觉识别模块还未开始抛出UDP包,则运动控制模块持续等待,并定时发出提示信息。
3抛包抓包阶段:
该软件程序进入实质功能的正常运作阶段,视觉识别模块依据已经识别到的物体对,封包并抛出包含时间戳和位置信息的UDP包,运动控制模块不停地捕捉UDP包,并依照标准协议解析该包,依据传送带预设速度和同步时间戳间隔值自动计算当前位置并完成运动规划和实际运动过程。
4校准矫正阶段:
在定期的校准时间到来时,视觉识别模块发出校准识别信号,运动控制模块同步进入校准模式,将动平台移至目标点,并侦听和捕获校准UDP包,依据校准算法矫正自身坐标,完成对于位置补偿的实时矫正。
5退出记录阶段:
在错误产生或是用户停止程序时,视觉识别模块将log文件关闭,以保存所有识别过程信息,运动控制模块将log文件关系,以保存所有运动控制过程中出现的警告和错误信息。
实施例3
实施例2所述的并联机器人食品分拣加工方法,所述运动控制模块的具体识别方法步骤如下:
步骤S101:开始程序;
步骤S102:发出命令,对位置坐标数据包进行抓取;
步骤S103:对步骤S102的定位位置坐标对UDP(用户数据报协议)包进行解析,并校验确认是否完整接收;
步骤S104:对位置坐标数据包进行抓取并校验确认无误后,读取起始点为P1和下一个动作终点P2;
步骤S105:启动动平台的启动结构,并标记周期开始信息;
步骤S106:在安全区间与硬约束区域备份库内,读取工作空间上限束缚的一系列参数;
步骤S107:基于起始点P1和下一个动作终点P2构建约束式计算路径切分点g1,g2,g3,g4,g5;
步骤S108:产生初始解向量,并将其转化为初始路径;
步骤S109:记录初始路径点速度、加速度、链表数组;
步骤S110:对路径结果存储序列进行行程和运行周期评估;
步骤S111:判断行程和运行周期评估是否超限;
步骤S112:如果超限则直接进入步骤S113;若不超限则直接进入步骤S116;
步骤S113:进行判定改进方向;
步骤S114:改进方向后读取各切分分支路径的改进方向参数;
步骤S115:按照特定改进方向重新切分;
步骤S116:重新切分后生成并存储加速度轨迹;
步骤S117:笛卡尔坐标轴路径点生成;
步骤S118:逆解求出电机轴坐标;
步骤S119:进行速度约束检测;
步骤S120:进行空间约束检测;
步骤S121:进行加速度规划;
步骤S122:判断硬实时约束剩余缓冲是否充足;
步骤S123:如果剩余缓冲充足则直接进入步骤S116;如果剩余缓冲不充足则直接进入步骤S124;
步骤S124:发送运动指令,监听返回信息后更新PLC交互缓冲区信息,驱动真空抓具动作;
步骤S125:依据报警信息,确认属于一般异常还是严重异常,如果属于一般异常,则停止动平台运动,并将异常记录到异常日志中;如果属于严重异常,则发出报警信息并停止电机使能,使动平台失去动力恢复至未通电状态;
步骤S126:结束指令。
实施例4
实施例2所述的并联机器人食品分拣加工方法,所述视觉识别模块的具体识别方法步骤如下:
步骤S101:开始程序;
步骤S202:通过工业相机获取彩色图像;
步骤S203:在进行颜色转换后直接进入步骤S206,在进行灰度颜色转化后进入步骤S204;
步骤S204:轮廓分析;
步骤S205:获取离散最小矩形区域模型Bx;
步骤S206:统计离散最小矩形区域模型Bx的HSV/HSL的颜色直方;
步骤S207:取得HSV/HSL统计百分比的最大颜色,取H、S,物体大小与模板Ti的集合距离;HSL及HSV都是一种将RGB色彩模型中的点在圆柱坐标系中的表示法,是图像处理领域的专用名词。两种表示法试图做到比RGB基于笛卡尔坐标系统的几何结构更加直观。H、S、L、V即色相、饱和度、亮度、明度的英语缩写:Hue、Saturation、lightness、Value。
步骤S208:识别出物体Xi及其分类;
步骤S209:是否识别物体Xi,如果识别进入步骤S210,如果不识别进入步骤S211
步骤S210:计算物体Xi速度;
步骤S211:保存/更新物体Xi位置信息将信息送至物体Xi返回至步骤S209,
步骤S212:根据物体Xi判断匹配源、目标物体;
步骤S213:是否匹配,如果匹配则进入步骤S124,如果不匹配则进入步骤S125;
步骤S214:发送规划路径通过UDP发送给控制器;
步骤S215:是否结束程序,如果是则进入步骤S216,如果不是则返回步骤S202;
步骤S216:结束程序。
实施例5
实施例1-4机器人食品分拣加工系统用于糯米糍分拣工艺,该工艺属于食品内包装工艺,机器人放置食品生产洁净车间,机器人下方分别布置食品输送带及包装输送带,糯米糍塑料包装托盘由包装输送带传送至机器人工位,经过上游食品冷加工的糯米糍成品由输送带传送至机器人工位,分别经过视觉识别区及机器手分拣区,经过视觉识别区分别辨识糯米糍及塑料包装托盘的运动速度及坐标、在机器人分拣区经过机器人末端执行器挂载的真空吸取装置,吸取糯米糍放置于塑料托盘,将放置后的塑料托盘输送至自动包装线,完成食品加工内包工艺至外包工艺的无缝结合。此工艺有如下优点:
对比传统人工糯米糍放置工艺,减少食品内包装生产线人员介入要求,减少食品生产中暴露于细菌风险,提高食品安全性。
对比通用及专用分拣自动化设备,该方案通过视觉动态辨识,可同是辨识塑料托盘及拾取物件的速度坐标,无需对传送带速度进行标定,可将塑料托盘及拾取物件放置在同一输送带。降低设备复杂度,提高设备的复用性。
对比通用及专用分拣自动化设备,结合视觉定位识别,该方案通过输入拾取物件高度,即可完成机器人对拾取点XYZ坐标的定位。通过输入塑料托盘高度,即可完成机器人在拾取过程中路径规划避开托盘。操作难度低,适合生产人员的快速应用。
对比通用及专用分拣自动化设备,该方案外壳采用铝合金IP67防护壳体,表面覆盖聚四氟乙烯涂层。耐冲洗抗污染,可保证食品生产快速清洁维护。
对比通用及专用分拣自动化设备,该方案采用铝合金轻量化结构,提高分拣速度达到每分钟60次。
对比其余DELTA机器人方案,该方案采用聚四氟乙烯复合球形关节,保证食品机械中对于避开使用铜基材料的要求,无需润滑油,提高食品生产安全性。
对比其余DELTA机器人方案,该方案采用总线通讯方式,提高电机响应及整体协作性。降低电气线路复杂度,减少故障问题出现频率。采用X86主机成熟架构,避免使用专用控制器带来的开发难度及硬件可靠性下降。
当然,上述说明并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换,也应属于本发明的保护范围。
Claims (4)
1.一种并联机器人食品分拣加工系统,其特征是:其组成包括视觉传感器,所述的视觉传感器通过以太网总线将信号传输至X86视觉识别主机,所述的X86视觉识别主机通过以太网总线与工业交换机双向传输信号,所述的工业交换机通过以太网总线与人机界面双向传输信号,
所述的工业交换机通过以太网总线与X86运动控制主机双向传输信号,所述的工业交换机通过以太网总线与PLC双向传输信号,所述的PLC将信号传输至真空发生器,所述的真空发生器将真空吸盘的气体通过气泵抽出,
所述的PLC连接将信号传输至指示灯,所述的PLC接收安全开关与操作按钮的信号,
所述的X86运动控制主机接收以太网自动化控制总线EtherCAT的信号,所述的以太网自动化控制总线还将信号传输至伺服控制器一号、伺服控制器二号、伺服控制器三号与伺服控制器四号,所述的伺服控制器一号驱动电源控制伺服电机一号,所述的伺服电机一号将编码器信号传递给伺服控制器一号,所述的伺服电机一号通过输出轴驱动行星减速机一号,所述的行星减速机一号通过法兰输出轴驱动机器人第一轴,所述的机器人第一轴控制并联机构;
所述的伺服控制器二号驱动电源控制伺服电机二号,所述的伺服电机二号将编码器信号传递给伺服控制器二号,所述的伺服电机二号通过输出轴驱动行星减速机二号,所述的行星减速机二号通过法兰输出轴驱动机器人第二轴,所述的机器人第二轴控制并联机构;
所述的伺服控制器三号驱动电源控制伺服电机三号,所述的伺服电机三号将编码器信号传递给伺服控制器三号,所述的伺服电机三号通过输出轴驱动行星减速机三号,所述的行星减速机三号通过法兰输出轴驱动机器人第三轴,所述的机器人第三轴控制并联机构;
所述的伺服控制器四号驱动电源控制伺服电机四号,所述的伺服电机四号将编码器信号传递给伺服控制器四号,所述的伺服电机四号通过输出轴驱动行星减速机四号,所述的行星减速机四号通过法兰输出轴驱动机器人旋转轴,所述的机器人旋转轴控制并联机构。
2.利用权利要求1所述的系统实现并联机器人食品分拣加工方法,其特征是:利用X86视觉识别主机与X86运动控制主机实现如下步骤:
步骤一:开始程序;
步骤二:将运动参数载入,将动平台归零,并进行初步校验,确认可行空间内轨迹点无特殊障碍,弓高(运动路径最低点到上升路径拐弯点高度)设定符合工作环境需求,同时启动视觉识别模块,驱动相机,进行相机参数调整,并调试确定识别精度参数,进行网络通信环境的确认与初始化设定;
步骤三:将初步校验得到的结果值参数输入运动控制模块,并输入拾取物件的待放置区域等用户参数,存储为稳定的参数配置文件供后续调用,同时将初始化的相机参数、识别精度参数输入到视觉识别模块,自此运动控制模块和视觉识别模块同步进入正常工作模式;
步骤四:视觉识别模块通过识别待拾取工件位置,确定工件中心店坐标,将工件两两匹配后形成坐标对,封装为UDP包,将其抛出到运动控制模块IP地址上,由运动控制模块解析并获取位置,实现动平台在这两个坐标对之间的移动。视觉识别模块通过UDP包来实现对运动控制模块的运动控制运动位置点的智能控制;
步骤五:视觉识别模块将识别过程记录为历史记录文件,并将识别物件形状信息记录为格式化的历史文件,以供未来在进行无示教条件下的智能化物件形状匹配和多形状物体识别过程中使用;
步骤六:结束程序。
3.根据权利要求2所述的并联机器人食品分拣加工方法,其特征是:所述运动控制模块的具体识别方法步骤如下:
步骤S101:开始程序;
步骤S102:发出命令,对位置坐标数据包进行抓取;
步骤S103:对步骤S102的定位位置坐标对UDP(用户数据报协议)包进行解析,并校验确认是否完整接收;
步骤S104:对位置坐标数据包进行抓取并校验确认无误后,读取起始点为P1和下一个动作终点P2;
步骤S105:启动动平台的启动结构,并标记周期开始信息;
步骤S106:在安全区间与硬约束区域备份库内,读取工作空间上限束缚的一系列参数;
步骤S107:基于起始点P1和下一个动作终点P2构建约束式计算路径切分点g1,g2,g3,g4,g5;
步骤S108:产生初始解向量,并将其转化为初始路径;
步骤S109:记录初始路径点速度、加速度、链表数组;
步骤S110:对路径结果存储序列进行行程和运行周期评估;
步骤S111:判断行程和运行周期评估是否超限;
步骤S112:如果超限则直接进入步骤S113;若不超限则直接进入步骤S116;
步骤S113:进行判定改进方向;
步骤S114:改进方向后读取各切分分支路径的改进方向参数;
步骤S115:按照特定改进方向重新切分;
步骤S116:重新切分后生成并存储加速度轨迹;
步骤S117:笛卡尔坐标轴路径点生成;
步骤S118:逆解求出电机轴坐标;
步骤S119:进行速度约束检测;
步骤S120:进行空间约束检测;
步骤S121:进行加速度规划;
步骤S122:判断硬实时约束剩余缓冲是否充足;
步骤S123:如果剩余缓冲充足则直接进入步骤S116;如果剩余缓冲不充足则直接进入步骤S124;
步骤S124:发送运动指令,监听返回信息后更新PLC交互缓冲区信息,驱动真空抓具动作;
步骤S125:依据报警信息,确认属于一般异常还是严重异常,如果属于一般异常,则停止动平台运动,并将异常记录到异常日志中;如果属于严重异常,则发出报警信息并停止电机使能,使动平台失去动力恢复至未通电状态;
步骤S126:结束指令。
4.根据权利要求2所述的并联机器人食品分拣加工方法,其特征是:所述视觉识别模块的具体识别方法步骤如下:
步骤S101:开始程序;
步骤S202:通过工业相机获取彩色图像;
步骤S203:在进行颜色转换后直接进入步骤S206,在进行灰度颜色转化后进入步骤S204;
步骤S204:轮廓分析;
步骤S205:获取离散最小矩形区域模型Bx;
步骤S206:统计离散最小矩形区域模型Bx的HSV/HSL的颜色直方;
步骤S207:取得HSV/HSL统计百分比的最大颜色,取H、S,物体大小与模板Ti的集合距离;HSL及HSV都是一种将RGB色彩模型中的点在圆柱坐标系中的表示法,是图像处理领域的专用名词。两种表示法试图做到比RGB基于笛卡尔坐标系统的几何结构更加直观。H、S、L、V即色相、饱和度、亮度、明度的英语缩写:Hue、Saturation、lightness、Value
步骤S208:识别出物体Xi及其分类;
步骤S209:是否识别物体Xi,如果识别进入步骤S210,如果不识别进入步骤S211
步骤S210:计算物体Xi速度;
步骤S211:保存/更新物体Xi位置信息将信息送至物体Xi返回至步骤S209,
步骤S212:根据物体Xi判断匹配源、目标物体;
步骤S213:是否匹配,如果匹配则进入步骤S124,如果不匹配则进入步骤S125;
步骤S214:发送规划路径通过UDP发送给控制器;
步骤S215:是否结束程序,如果是则进入步骤S216,如果不是则返回步骤S202;
步骤S216:结束程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710802131.5A CN107433593B (zh) | 2017-09-07 | 2017-09-07 | 一种实现并联机器人食品分拣加工的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710802131.5A CN107433593B (zh) | 2017-09-07 | 2017-09-07 | 一种实现并联机器人食品分拣加工的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107433593A true CN107433593A (zh) | 2017-12-05 |
CN107433593B CN107433593B (zh) | 2021-01-29 |
Family
ID=60461534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710802131.5A Active CN107433593B (zh) | 2017-09-07 | 2017-09-07 | 一种实现并联机器人食品分拣加工的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107433593B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108247612A (zh) * | 2018-02-12 | 2018-07-06 | 湖南祥瑞智能机器有限公司 | 一种智能桁架机器人 |
CN108297114A (zh) * | 2018-01-12 | 2018-07-20 | 珠海创思新能源科技有限公司 | 一种基于总线的多轴坐标机器人控制系统 |
CN111645053A (zh) * | 2020-05-15 | 2020-09-11 | 浙江钰茂泽智能装备有限公司 | 一种并联贴玉机械手控制系统和方法 |
CN112060074A (zh) * | 2020-07-21 | 2020-12-11 | 无锡职业技术学院 | 一种基于机器视觉的Delta机器人控制系统 |
CN112388632A (zh) * | 2020-10-26 | 2021-02-23 | 无锡职业技术学院 | 一种远程Delta机器人分拣监控系统 |
CN114227655A (zh) * | 2021-12-30 | 2022-03-25 | 深圳市英威腾电气股份有限公司 | 确定规划路径的方法、装置、scara机器人及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103706568A (zh) * | 2013-11-26 | 2014-04-09 | 中国船舶重工集团公司第七一六研究所 | 基于机器视觉的机器人分拣系统及方法 |
WO2014133246A1 (en) * | 2013-02-28 | 2014-09-04 | Samsung Techwin Co., Ltd | Mini integrated control device |
CN104589357A (zh) * | 2014-12-01 | 2015-05-06 | 佛山市万世德机器人技术有限公司 | 基于视觉跟踪的delta机器人控制系统和方法 |
CN105583857A (zh) * | 2014-11-12 | 2016-05-18 | 沈阳新松机器人自动化股份有限公司 | 一种机器人视觉系统 |
CN105690393A (zh) * | 2016-04-19 | 2016-06-22 | 惠州先进制造产业技术研究中心有限公司 | 一种基于机器视觉的四轴并联机器人分拣系统及其分拣方法 |
CN105881504A (zh) * | 2016-05-11 | 2016-08-24 | 武汉菲仕运动控制系统有限公司 | 一种具有牵引视教功能的Delta机器人控制系统 |
DE202017101230U1 (de) * | 2017-03-03 | 2017-06-06 | Wood-Flame Gmbh | Einrichtung zur Handhabung von Leergut |
-
2017
- 2017-09-07 CN CN201710802131.5A patent/CN107433593B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014133246A1 (en) * | 2013-02-28 | 2014-09-04 | Samsung Techwin Co., Ltd | Mini integrated control device |
CN103706568A (zh) * | 2013-11-26 | 2014-04-09 | 中国船舶重工集团公司第七一六研究所 | 基于机器视觉的机器人分拣系统及方法 |
CN105583857A (zh) * | 2014-11-12 | 2016-05-18 | 沈阳新松机器人自动化股份有限公司 | 一种机器人视觉系统 |
CN104589357A (zh) * | 2014-12-01 | 2015-05-06 | 佛山市万世德机器人技术有限公司 | 基于视觉跟踪的delta机器人控制系统和方法 |
CN105690393A (zh) * | 2016-04-19 | 2016-06-22 | 惠州先进制造产业技术研究中心有限公司 | 一种基于机器视觉的四轴并联机器人分拣系统及其分拣方法 |
CN105881504A (zh) * | 2016-05-11 | 2016-08-24 | 武汉菲仕运动控制系统有限公司 | 一种具有牵引视教功能的Delta机器人控制系统 |
DE202017101230U1 (de) * | 2017-03-03 | 2017-06-06 | Wood-Flame Gmbh | Einrichtung zur Handhabung von Leergut |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108297114A (zh) * | 2018-01-12 | 2018-07-20 | 珠海创思新能源科技有限公司 | 一种基于总线的多轴坐标机器人控制系统 |
CN108247612A (zh) * | 2018-02-12 | 2018-07-06 | 湖南祥瑞智能机器有限公司 | 一种智能桁架机器人 |
CN111645053A (zh) * | 2020-05-15 | 2020-09-11 | 浙江钰茂泽智能装备有限公司 | 一种并联贴玉机械手控制系统和方法 |
CN111645053B (zh) * | 2020-05-15 | 2024-01-30 | 浙江钰茂泽智能装备有限公司 | 一种并联贴玉机械手控制系统和方法 |
CN112060074A (zh) * | 2020-07-21 | 2020-12-11 | 无锡职业技术学院 | 一种基于机器视觉的Delta机器人控制系统 |
CN112388632A (zh) * | 2020-10-26 | 2021-02-23 | 无锡职业技术学院 | 一种远程Delta机器人分拣监控系统 |
CN114227655A (zh) * | 2021-12-30 | 2022-03-25 | 深圳市英威腾电气股份有限公司 | 确定规划路径的方法、装置、scara机器人及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107433593B (zh) | 2021-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107433593A (zh) | 并联机器人食品分拣加工系统 | |
CN103406905B (zh) | 一种具有视觉伺服及检测功能的机器人系统 | |
CN110879583B (zh) | 基于数字孪生的智能装配车间质量预测与控制系统及方法 | |
CN104385282B (zh) | 一种视觉智能数控系统及其视觉计测方法 | |
CN109202958B (zh) | 一种复合机器人视觉抓取平台 | |
EP1711317A1 (en) | Machine vision controlled robot tool system | |
CN104647388A (zh) | 基于机器视觉的工业机器人智能控制方法及系统 | |
CN110524697B (zh) | 一种坐便器坯体自动喷釉系统及其定位方法 | |
CN113303564A (zh) | 一种鞋底动态跟随喷胶方法及系统 | |
CN108628260A (zh) | 基于机器人的多品种工具成套设备及自动装配工艺 | |
CN107552289A (zh) | 一种视觉识别喷漆机器人系统及其运作方法 | |
CN113715012B (zh) | 一种遥控器零件自动装配方法和系统 | |
CN113408993B (zh) | 一种用于机械自动化的智能装配系统 | |
WO2020126890A1 (en) | Cellular meat production | |
CN110640744A (zh) | 一种电机模糊控制的工业机器人 | |
US20200139551A1 (en) | Robot system | |
CN115608643B (zh) | 工业互联网的工业检测方法及系统 | |
Xie | Industrial Robot Assembly Line Design Using Machine Vision. | |
CN113823013A (zh) | 一种基于数字孪生技术的电力设备不间断巡视系统 | |
Kwon et al. | Sensor-based remote quality control application in automotive components assembly | |
CN116473334B (zh) | 一种鞋面自动识别喷胶设备及其识别算法 | |
CN209382417U (zh) | 食品软袋后段机器人智能装箱生产线 | |
CN219105624U (zh) | 双层式智能制造实训平台 | |
CN110963110A (zh) | 一种红酒下线包装输送系统及其生产方法 | |
Su et al. | A method of human-robot collaboration for grinding of workpieces |
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 |