CN107479506A - 一种基于机器人的数控装置、系统及加工方法 - Google Patents

Abstract

本发明公开了一种基于机器人的数控装置、系统及加工方法。其中，数控装置包括机器人和数控加工平台，其中，机器人的第一运动控制器和数控加工平台的第二运动控制器配置在同一控制芯片内，控制芯片的同一程序运行空间中配置有一实时操作系统，第一运动控制器的第一控制程序和第二运动控制器的第二控制程序运行在实时操作系统上，通过实时操作系统和控制芯片配置的共享内存和共享总线，进行数据通讯，共享机器人和数控加工平台的运动数据，以及加工对象的加工数据。显著降低了机器人和数控加工平台构成的数控装置的集成和调试难度，提高了自动化产线的制造能力，有效地降低了加工难度，显著提高了工作效率。

Description

一种基于机器人的数控装置、系统及加工方法

技术领域

本发明涉及数控加工技术领域，尤其涉及一种基于机器人的数控装置、系统及加工方法。

背景技术

六轴机器人，即六关节机器人或六自由度机器人。传统的六轴机器人是一个单一和独立的平台，在工业生产中，对第三方应用工程师而言，六轴机器人是一个独立操作和控制的设备，由于其数据输入方式有限，导致数控加工工件的各种参数，并不能直接让六轴机器人接收和处理，因此六轴机器人多数用于独立执行单个的作业工序，比如独立的焊接和打磨等作业工序，很少能够与数控加工平台结合到一起，实现六轴机器人与数控加工平台相互协作，相互配合一起完成高精度地、连续工序的数控加工作业。

六轴机器人与数控加工平台不能结合在一起的原因在于：第一，六轴机器人往往是一个独立的操作单元，在使用过程中，它的加工参数需要进行预先采样和设定，与数控交工平台并不存在互相实时通讯以相互交换加工参数的途径。第二，六轴机器人多数采用基于个人电脑(Personal Computer，PC)工控机加算法卡的工作方式，以实现六轴机器人的动作规划，六轴机器人的响应速度和控制精度要求一般不高。业内比如KUKA或ABB等四大家族的六轴机器人产品都是这种结构，应用于上下料和焊接等作业工序的比较多，重复精度多在0.05mm以上，相比数控加工平台所需要的0.01mm到0.002mm的精度而言，本身就存在差异。第三，数控加工平台多数采用专业工业芯片来完成系统产品架构，多数支持﹣40°到+85°的工业制造应用环境，系统的稳定性、可靠性和实时性要求都很高。而当前六轴机器人采用PC工控机做主控单元的产品结构，导致多数六轴机器人只适合0～40°的工业制造应用环境，难以适应多轴联动的数控加工平台的适用工业制造应用环境要求。因此，当前国内市场，没有在六轴机器人的现有控制功能上，增加更多的联动控制轴，实现超过六轴机器人控制能力的数控加工功能的产品。

在传统工业自动化生产中，由于六轴机器人和数控加工平台相互之间，缺乏有效的输入方式和实时的通讯联系，导致实现六轴机器人配合数控加工平台对工件进行连续作业工序的加工，以让六轴机器人更多地配合数控加工平台完成复杂的加工任务，系统的开发工作极其艰巨，系统的集成和调试时间很长，且如果加工目标稍有改变，系统集成和调试等工作量将成倍增加，从而导致六轴机器人在工业自动化制造中应用普及速度不够快。

发明内容

本发明提供一种基于机器人的数控装置、系统及加工方法，以实现机器人和数控加工平台结合的数控加工产品，有效降低加工难度，显著提高工作效率。

第一方面，本发明实施例提供了一种基于机器人的数控装置，包括：

机器人，所述机器人配置有第一运动控制器，所述第一运动控制器内配置有第一控制程序；以及

数控加工平台，所述数控加工平台配置有第二运动控制器，所述第二运动控制器内配置有第二控制程序，其中：

所述第一运动控制器和所述第二运动控制器配置在同一控制芯片内；

所述控制芯片的同一程序运行空间中配置有一实时操作系统；

所述第一控制程序与所述第二控制程序运行在所述实时操作系统上，通过所述实时操作系统和所述控制芯片配置的共享内存和共享总线，进行数据通讯，共享所述机器人和所述数控加工平台的运动数据，以及加工对象的加工数据。

优选的，所述控制芯片，用于根据预设的联动算法、所述运动数据和所述加工数据，控制所述机器人和所述数控加工平台协同作业。

优选的，所述控制芯片包括：

第一CPU，所述第一CPU作为所述第一运动控制器，所述第一运动控制器用于根据所述加工数据，控制所述机器人的动作和轨迹；以及

第二CPU，所述第二CPU作为所述第二运动控制器，所述第二运动控制器用于根据所述加工数据，确定所述加工对象在所述数控加工平台上的位置、加工轨迹和加工动作，以及控制所述数控加工平台对所述加工对象施加连续的加工动作。

优选的，所述控制芯片还包括：

第三CPU，所述第三CPU用于根据所述预设的联动算法，联动控制所述机器人和所述数控加工平台，还用于接收并响应用户输入的启动指令和急停指令。

优选的，所述数控加工平台还包括多个驱动器，每个所述驱动器通过总线连接所述控制芯片；所述机器人还包括多个伺服驱动器，每个所述伺服驱动器通过总线连接所述控制芯片。

优选的，所述控制芯片通过OpenMP架构实现所述共享内存。

优选的，所述控制芯片中运行的实时操作系统，通过多线程同时调用所述共享内存中的所述运动数据和所述加工数据，使得所述第一控制程序与所述第二控制程序协同运行。

第二方面，本发明实施例还提供了一种基于机器人的数控系统，包括：

服务器；以及

至少一个以上上述第一方面提供的数控装置，其中，所述控制芯片分别与所述服务器通信连接，所述控制芯片还用于将所述加工数据和所述加工对象的加工过程信息发送给所述服务器。

第三方面，本发明实施例还提供了一种加工对象的加工方法，所述加工方法由上述第一方面提供的数控装置的控制芯片来执行，所述加工方法包括：

获取所述加工对象的加工数据；

获取所述机器人和所述数控加工平台的运动数据；

所述第一控制程序和所述第二控制程序，共享所述加工数据和所述运动数据；

根据所述预设的联动算法、所述加工数据和所述运动数据，控制所述数控加工平台和所述机器人协同工作，加工所述加工对象。

优选的，所述根据所述预设的联动算法、所述加工数据和所述运动数据，控制所述数控加工平台和所述机器人协同工作，加工所述加工对象的步骤包括：

根据所述加工数据，确定所述加工对象的加工工序；

根据所述预设的联动算法和所述加工工序，发出联动信号和控制信号，以控制所述数控加工平台和所述机器人协同工作，加工所述加工对象。

本发明提供的技术方案带来的有益效果：

本发明提供的一种基于机器人的数控装置、系统及加工方法，通过采取将机器人和数控加工平台共享内存的技术手段，形成一种机器人和数控加工平台结合的数控加工产品，使得机器人和数控加工平台在系统内部实现了如工件等加工对象的各种信息数据的共享，使得机器人与数控加工平台可以共享相同的坐标空间，互相知道各自的当前精确位置，从而实现了控制器可以同时控制数控平台和机器人协同工作完成工件的多作业工序连续加工，即机器人的功能向数控加工领域的延伸。从而显著降低了机器人和数控加工平台构成的数控装置的集成和调试难度，提高了自动化产线的制造能力，有效地降低了加工难度，显著提高了工作效率。

附图说明

图1是本发明实施例提供的一种基于机器人的数控装置的结构示意图；

图2是本发明实施例提供的另一种基于机器人的数控装置的结构示意图；

图3是本发明实施例提供的一种OpenMP架构实现共享内存的原理示意图；

图4是本发明实施例提供的一种多线程并行执行的原理示意图；

图5是本发明实施例提供的一种基于机器人的数控系统的结构示意图；

图6是本发明实施例提供的一种加工对象的加工方法的流程示意图；

图7是本发明实施例提供的另一种加工对象的加工方法的流程示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

请参考图1，为降低工业生产中工件加工的难度，提高工作效率，本实施例提供一种基于机器人的数控装置。如图1所示，本实施例提供的数控装置，包括：

机器人10，机器人10配置有第一运动控制器，第一运动控制器内配置有第一控制程序；以及

数控加工平台20，数控加工平台20配置有第二运动控制器，第二运动控制器内配置有第二控制程序，其中：

第一运动控制器和第二运动控制器配置在同一控制芯片30内；

控制芯片30的同一程序运行空间中配置有一实时操作系统；

第一控制程序与第二控制程序运行在实时操作系统上，通过实时操作系统和控制芯片30配置的共享内存和共享总线，进行数据通讯，共享机器人10和数控加工平台20的运动数据，以及加工对象的加工数据。

需要说明的是，控制芯片30同属于机器人10和数控加工平台20，即机器人10和数控加工平台20均受该控制芯片30控制，第一运动控制器和第二运动控制器在控制芯片30中可以以软件和/或硬件形式实现。

综上，在本实施例中，通过将机器人10和数控加工平台20共享内存，形成一种机器人10和数控加工平台20结合的数控加工产品，使得机器人10和数控加工平台20在系统内部实现了如工件等加工对象的各种信息数据的共享，使得机器人10与数控加工平台20可以共享相同的坐标空间，互相知道各自的当前精确位置，从而实现了控制芯片30可以同时控制数控平台和机器人10协同工作完成工件的多作业工序连续加工，即机器人10的功能向数控加工领域的延伸。从而显著降低了机器人10和数控加工平台构成的数控装置的集成和调试难度，提高了自动化产线的制造能力，有效地降低了加工难度，显著提高了工作效率。

示例性的，机器人10是指六轴机器人即六关节机器人10或六自由度机器人10；数控加工平台20为五轴平台，即该平台上包括三个直线坐标轴和两个旋转坐标轴。

可选的，控制芯片30，用于根据预设的联动算法、运动数据和加工数据，控制机器人10和数控加工平台20协同作业。

在本实施例中，联动算法视具体需求预先编写成程序，存储在控制芯片30中，可直接调用。机器人10和数控加工平台20通过控制芯片30配置的共享内存和共享总线，共享双方的运动数据，并共享数控加工平台20上加工对象的加工数据。控制芯片30基于上述运动数据和加工数据，运行联动算法，处理机器人10的动作和轨迹规划，还同时处理数控加工平台20对加工对象的数控加工工作。

如图2所示，进一步的，控制芯片30包括：

第一CPU 31(Central Processing Unit，中央处理器)，第一CPU 31作为第一运动控制器，第一运动控制器用于根据加工数据，控制机器人10的动作和轨迹；以及

第二CPU 32，第二CPU 32作为第二运动控制器，第二运动控制器用于根据加工数据，确定加工对象在数控加工平台20的位置、加工轨迹和加工动作，以及控制数控加工平台20对加工对象施加连续的加工动作。

进一步的，控制芯片30还包括：

第三CPU 33，第三CPU 33用于根据预设的联动算法，联动控制机器人10和数控加工平台20，还用于接收并响应用户输入的启动指令和急停指令。

在本实施例中，控制芯片30通过第一CPU 31控制机器人10，通过第二CPU 32控制数控加工平台20，通过第三CPU 33联动控制机器人10和数控加工平台20。实现了控制芯片30可以同时控制数控加工平台20和机器人10协同工作完成工件的多作业工序连续加工，显著降低了机器人10和数控加工平台20构成的数控装置的集成和调试难度，提高了自动化产线的制造能力，有效地降低了加工难度，显著提高了工作效率。

进一步的，数控加工平台20还包括多个驱动器22，每个驱动器22通过总线连接控制芯片30；机器人10还包括多个伺服驱动器12，每个伺服驱动器12通过总线连接控制芯片30。

在一个实施例中，数控加工平台20包括数控加工平台本体21和五个驱动器22，控制芯片30还包括多个I/O口34，机器人10包括机器人本体11和六个伺服驱动器12。其中，机器人10的六个伺服驱动器12分别与机器人本体11相连，六个伺服驱动器12串联后通过一总线及一I/O口34与第一CPU 31相连；数控加工平台20的五个驱动器22分别与数控加工平台本体21相连，分别通过一总线及一I/O口34与第二CPU 32相连。

在其它实施例中，数控装置还可以包括手持示教盒40，手持示教盒40通过一I/O口34与控制芯片30的第三CPU 33相连。通过手持示教盒40，可实时监控数控装置的运行状态。

可选的，控制芯片30通过OpenMP架构实现共享内存。

可选的，控制芯片30中运行的实时操作系统，通过多线程同时调用共享内存中的运动数据和加工数据，使得第一控制程序与第二控制程序协同运行。

在一个实施例中，共享内存的实现原理和方法如下：

控制芯片30可以为ARM公司的Cortex-A9/A15芯片，这些芯片的特点是集成度很高，芯片内部有多个核心同时运行，比如Cortx-A9双核或者四核芯片，就是代表；

这类多核控制芯片在设计过程中，采用并行计算的方式，同步快速地完成信息处理，功能强大，本实施例的数控装置通过种控制芯片，将联动算法、机器人10控制部分和数控加工平台20控制部分分配到不同的CPU上，实现机器人10和数控加工平台20之间共享内存、共享数据，通过联动算法控制机器人10和数控加工平台20协同工作；

由于在本实施例中，实时操作系统中最关注的是，需在100微妙内完成对机器人10和数控加工平台20的运动计算及轨迹计算，然后将相应的控制信息传递到控制芯片30中，在控制芯片30中只需要基本的数据存取同步，线程间数据同步和低速外围I/O口34的数据交换就可以，这种需求采取OpenMP架构实现，非常合适；

OpenMP架构实现共享内存的原理如图3所示；OpenMP由Compiler Directives(编译指导语句)、Run-time Library Functions(库函数)组成，另外还有一些和OpenMP有关的Environment Variables(环境变量)、Data Types(数据类型)以及_OPENMP宏定义；

共享内存控制芯片30上并行运行程序的基本思路就是使用多线程，从而将可并行负载分配到多个CPU，从而缩短执行时间，同时提高CPU的利用率，在共享内存的并行程序中，标准的模式为fork/join式并行，fork/join模式是一个用于并行执行任务的框架，是一个把大任务分割成多个小任务，最终汇总每个小任务结果后得到大任务结果的框架，fork/join模型如图3所示；

其中，代码实现OpenMP主要过程如下：

1.首先包含头文件

#include<omp.h>

#include<iostream>

2.主要实现示例如下：

上述代码分析：“OpenMP程序”的第6行“#pragma omp parallel”即CompilerDirective，“#pragma omp parallel”下面的语句将被多个线程并行执行(也即被执行多遍)，第8行的“omp_get_thread_num()”即Run-time Library Function，omp_get_thread_num()返回当前执行代码所在线程编号；

其中，主线程执行算法的顺序部分，当遇到需要进行并行计算式，主线程派生出(创建或者唤醒)一些附加线程，在并行区域内，主线程和这些附加线程协同工作，在并行代码结束时，附加线程退出或者挂起，同时控制流回到单独的主线程中，称为汇合；对应上述“第一个OpenMP程序”，第4行对应程序开始，第4-5行对应串行部分，第6-9行对应第一个并行块(8个线程)，第10-13行对应串行部分，第13行对应程序结束；

简要来说，OpenMP程序就是在一般程序代码中加入Compiler Directives，这些Compiler Directives指示编译器其后的代码应该如何处理(是多线程执行还是同步等)；OpenMP下只需要设计高层并行结构，创建及调度线程均由编译器自动生成代码完成；

其中，共享内存变量的方式如下：

在parallel region前定义的变量是共享的，在#pragma omp critical后面的变量都是私有的；

#pragma omp parallel sections(shared)指定并行运行线程

上面示例中，实现了本实施例中数控装置多轴运动控制的并行计算；其中shared(pos[6])是定义了共享变量pos[6]可以在多个计算单元内都访问到，这和share clause定义共享变量的方式在本质上是一致的；

copyprivate clause让不同线程中的私有变量的值在所有线程中共享，具体如下：

#pragma omp single copyprivate(a)

a＝omp_get_thread_num()+10；

上述语句，将局部定义的变量a变成共享变量，在其它线程中可以访问；

可通过#pragma omp atomic new-line原子同步的方式，实现变量在不同线程之间的同步，还可以通过#pragma omp critical[(name)]new-line定义一个临界区，以保证同一时刻只有一个线程访问临界区，实现变量的同步；

其中，并行执行过程如图4所示，成对的fork和join之间的区域，称为并行域，它既表示代码也表示执行时间区间；这些区域之间实现了数据共享和并行执行，从而快速实现多轴运动联动控制代码的执行，以及六轴机器人和数控加工平台20的并行执行。

关于omp多线程和控制芯片30的内核之间的关系，比如以下示例：

通过export OMP_STACKSIZE＝8M指定每个omp线程使用的内存大小；

测试表明，omp即OpenMP系统的优化工作在操作系统和编译器的层面上完成，通过系统编译(支持最常用的C++和C99等编译器)，将线程固定地分配到指定的内核上执行，线程有编号：int omp_get_thread_num()，返回线程编号，主线程编号为0；

控制芯片30的内核个数可以查到：int omp_get_num_procs()；返回可用处理器数(一般等于CPU物理核心数)；

实际操作中，完成系统编译后，OpenMP/omp会将执行线程(除主线程之外的其它并行线程)，均衡且固定地分配到各个内核中，比如：

OMP:Info 1packages x 6cores/pkg x 4threads/core(24total cores)

在打印信息中可以看到，有6个内核的控制芯片30中，会产生24个并行执行线程，快速完成信息处理；这个测试在Intel CPU，Arm9，Cortex-A9，Cortex-A15以及TI的达芬奇(DaVinci)芯片DM643x等内核上，均有出色的表现，OpenMP的优化执行速度甚至比TI的DaVinci芯片内置的IPC内核调用方式，快出30％以上，采用该项将实现ARM-Linux内核中2GB数据内存与其他CPU核之间的数据共享，以及更快的并行计算速度，更均衡的计算动态平衡效果，让本实施例中数控装置面临的高强度多计算需求等各种难题均迎刃而解。

请参考图5，及图1和图2，为进一步实现将多个数控装置连接，以实现一个三维空间加工与下一个三维空间加工之间的拼接，本实施例提供一种基于机器人的数控系统。

如图5所示，本实施例中的数控系统可以包括：

服务器50；以及

至少一个以上如本发明任一实施例所提供的数控装置，其中，控制芯片30分别与服务器50通信连接，控制芯片30还用于将加工数据和加工对象的加工过程信息发送给服务器50。

在一个实施例中，一个数控装置完成对加工对象的一道加工工序，加工对象的整个加工过程可能包括多道加工工序。加工对象在传输的过程当中，一个数控装置完成当前加工工序后的加工对象数据和加工过程信息，将通过控制芯片30实时传输给服务器50，通过服务器50进一步传输到下一个数控装置中，继续下一道加工工序，从而实现多个数控装置的集成合作，其功能明显超出多台六轴机器人的协助工作，其精度和控制编程简易程度，显然优于多台六轴机器人的作业结果。

由于在数控装置的六轴机器人和数控加工平台20之间能够实时传输大量的加工数据，同时具备远程通讯能力，因此，工作作业流程，可以以文件的方式保存在控制芯片30中，也可以上传到联网的服务器50中。于是，一、全自动化加工方式，可以在数控系统中完成，从物料的上下料，成本的上下架，数控装置作业，等工作，全部可以自动化完成，无需人工干预；二、典型的加工方式，调用加工文件即可完成，需要修改的加工步骤，可以远程控制，以在线编程的方式，进行调节和试样，也就是说，数控系统具备远程编程功能；三、通过服务器50，可以实现大量典型作业任务的存储和自动化加工，本数控系统可以在远程控制和监控的模式下，实现生产的全自动化作业，产品设计师只需要远程完成对产品图纸的设计，交由本数控系统加工制样，就可以得到新的设计结果。因此本数控系统适合远程无人监管下的新产品制造和试样。

例如，制作一个钢铁的膝盖护甲。远程完成样品的设计，将目标图纸输入到数控系统中，有了确切的样品大小、厚度、曲面成型要求、材料材质等信息。数控装置的机器人10取出加工物料，放到第一道工序指定位置，完成对原材料的大小位置等参数的提取，然后开始自动化加工过程。后续加工工序中，对原料切削、弯曲、表面处理，边缘打磨，由数控加工平台20与机器人10协同完成，全过程产品位置完全确定，或固定或吸附，或通过激光红外做位置检测、做形状检测等，所有工序在已知的确定的坐标系里完成，前后数控装置进行工件交换时，也是获取到准确的坐标，配合机器人10的坐标、作业范围、数控加工动作，可以不间断地完成该样品的制成，表面抛光、喷漆，产品加工完成，装箱，提交样机等工作。

综上，在本实施例中，通过多个数控装置与服务器50通信相连，多个数控装置之间可相互配合完成对加工对象的多道加工工序，提高了自动化产线的制造能力，有效地降低了加工难度，显著提高了工作效率。

请参考图6，及图1和图2，本实施例提供一种加工对象的加工方法，适用于通过本发明任一实施例提供的数控装置对加工对象进行加工的场景，由数控装置的控制芯片30来执行，具体可以由控制芯片30中配置的软件和/或硬件来执行。

如图6所示，本实施例的技术方案包括如下步骤：

S110、获取加工对象的加工数据。

示例性的，获取加工数据的方式有多种，例如，人工通过外部设备输入，调用本地存储的数据文件等。

S120、获取机器人10和数控加工平台20的运动数据。

S130、第一控制程序和第二控制程序，共享加工数据和运动数据。

S140、根据预设的联动算法、加工数据和运动数据，控制数控加工平台20和机器人10协同工作，加工加工对象。

其中，数据共享的实现方式，可参考上述数控装置的实施例的详细介绍，在此不再赘述。

综上，在本实施例中，控制芯片30中的第一控制程序和第二控制程序，共享加工对象的加工数据，以及机器人10和数控加工平台20的运动数据，控制芯片30基于预设的联动算法、上述加工数据和运动数据，控制机器人10和数控加工平台20协同工作，对加工对象加工，显著降低了机器人10和数控加工平台20构成的数控装置的集成和调试难度，提高了自动化产线的制造能力，有效地降低了加工难度，显著提高了工作效率。

请参考图7，及图1和图2，本实施例在上述实施例的基础上，可选的，根据预设的联动算法、加工数据和运动数据，控制数控加工平台20和机器人10协同工作，加工加工对象的步骤包括：

根据加工数据，确定加工对象的加工工序；

根据预设的联动算法和加工工序，发出联动信号和控制信号，以控制数控加工平台20和机器人10协同工作，加工加工对象。

基于上述优化，如图7所示，本实施例的技术方案，具体包括如下步骤：

S210、获取加工对象的加工数据。

S220、获取机器人10和数控加工平台20的运动数据。

S230、第一控制程序和第二控制程序，共享加工数据和运动数据。

S241、根据加工数据，确定加工对象的加工工序。

S252、根据预设的联动算法和加工工序，发出联动信号和控制信号，以控制数控加工平台20和机器人10协同工作，加工加工对象。

综上，在本实施例中，控制芯片30中的第一控制程序和第二控制程序，共享加工对象的加工数据，以及机器人10和数控加工平台20的运动数据，控制芯片30根据加工数据确定加工工序，基于预设的联动算法和上述加工工序，控制数控加工平台20和机器人10协同工作，对加工对象加工，显著降低了机器人10和数控加工平台20构成的数控装置的集成和调试难度，提高了自动化产线的制造能力，有效地降低了加工难度，显著提高了工作效率。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种基于机器人的数控装置，其特征在于，包括：

机器人，所述机器人配置有第一运动控制器，所述第一运动控制器内配置有第一控制程序；以及

数控加工平台，所述数控加工平台配置有第二运动控制器，所述第二运动控制器内配置有第二控制程序，其中：

所述第一运动控制器和所述第二运动控制器配置在同一控制芯片内；

所述控制芯片的同一程序运行空间中配置有一实时操作系统；

所述第一控制程序与所述第二控制程序运行在所述实时操作系统上，通过所述实时操作系统和所述控制芯片配置的共享内存和共享总线，进行数据通讯，共享所述机器人和所述数控加工平台的运动数据，以及加工对象的加工数据。

2.根据权利要求1所述的数控装置，其特征在于，所述控制芯片，用于根据预设的联动算法、所述运动数据和所述加工数据，控制所述机器人和所述数控加工平台协同作业。

3.根据权利要求1或2所述的数控装置，其特征在于，所述控制芯片包括：

第一CPU，所述第一CPU作为所述第一运动控制器，所述第一运动控制器用于根据所述加工数据，控制所述机器人的动作和轨迹；以及

第二CPU，所述第二CPU作为所述第二运动控制器，所述第二运动控制器用于根据所述加工数据，确定所述加工对象在所述数控加工平台上的位置、加工轨迹和加工动作，以及控制所述数控加工平台对所述加工对象施加连续的加工动作。

4.根据权利要求3所述的数控装置，其特征在于，所述控制芯片还包括：

第三CPU，所述第三CPU用于根据所述预设的联动算法，联动控制所述机器人和所述数控加工平台，还用于接收并响应用户输入的启动指令和急停指令。

5.根据权利要求3所述的数控装置，其特征在于，所述数控加工平台还包括多个驱动器，每个所述驱动器通过总线连接所述控制芯片；所述机器人还包括多个伺服驱动器，每个所述伺服驱动器通过总线连接所述控制芯片。

6.根据权利要求1或2所述的数控装置，其特征在于，所述控制芯片通过OpenMP架构实现所述共享内存。

7.根据权利要求6所述的数控装置，其特征在于，所述控制芯片中运行的实时操作系统，通过多线程同时调用所述共享内存中的所述运动数据和所述加工数据，使得所述第一控制程序与所述第二控制程序协同运行。

8.一种基于机器人的数控系统，其特征在于，包括：

服务器；以及

至少一个以上如权利要求1～7任一项所述的数控装置，其中，所述控制芯片分别与所述服务器通信连接，所述控制芯片还用于将所述加工数据和所述加工对象的加工过程信息发送给所述服务器。

9.一种加工对象的加工方法，其特征在于，所述加工方法由权利要求1～7任一项所述的数控装置的控制芯片来执行，所述加工方法包括：

获取所述加工对象的加工数据；

获取所述机器人和所述数控加工平台的运动数据；

所述第一控制程序和所述第二控制程序，共享所述加工数据和所述运动数据；

根据所述预设的联动算法、所述加工数据和所述运动数据，控制所述数控加工平台和所述机器人协同工作，加工所述加工对象。

10.根据权利要求9所述的加工方法，其特征在于，所述根据所述预设的联动算法、所述加工数据和所述运动数据，控制所述数控加工平台和所述机器人协同工作，加工所述加工对象的步骤包括：

根据所述加工数据，确定所述加工对象的加工工序；

根据所述预设的联动算法和所述加工工序，发出联动信号和控制信号，以控制所述数控加工平台和所述机器人协同工作，加工所述加工对象。