CN108544508B - 基于自主学习的机器人自动编程方法及系统 - Google Patents
基于自主学习的机器人自动编程方法及系统 Download PDFInfo
- Publication number
- CN108544508B CN108544508B CN201810441247.5A CN201810441247A CN108544508B CN 108544508 B CN108544508 B CN 108544508B CN 201810441247 A CN201810441247 A CN 201810441247A CN 108544508 B CN108544508 B CN 108544508B
- Authority
- CN
- China
- Prior art keywords
- robot
- workpiece
- processing
- processing path
- path
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
- B25J11/005—Manipulators for mechanical processing tasks
-
- 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
- B25J9/1679—Programme controls characterised by the tasks executed
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了基于自主学习的机器人自动编程方法及系统,通过将预先示教获得的机器人的加工路径发送到机器人处;控制机器人沿该加工路径对工件进行加工,且加工过程中通过力控系统控制刀具沿预设的方向维持恒定的作用力;记录在该恒定的作用力限制下,机器人在工件上的实际加工路径;机器人根据实际加工路径,自动编程生成对应的加工程序,完成对工件加工路径的修正。本发明只需要给出极少的示教点,就可以让机器人通过自主学习的方法自动获得对工件的实际加工路径,提高了系统的容错能力,而且机器人可以通过自主学习的方法进行自我修正,达到最优的对工件的实际加工路径,大大提高工作效率和加工质量,可广泛应用于工业机器人领域中。
Description
技术领域
本发明涉及机器人自动化技术领域,特别是涉及基于自主学习的机器人自动编程方法及系统。
背景技术
在制造业领域中,经常对批量工件表面进行相同的加工作业,比如说对新出炉的铸件进行去毛刺,对工件表面特定的区域进行打磨,或者对零部件表面进行一些其他的处理。对成批的工件进行类似相同的加工,工作量是相当庞大的。而且随着客户要求的不断提高,也考验着零部件加工企业提高工件加工的速度与质量。
针对上述问题,目前主要的方法分为两种,一种是使用人工的方式来进行加工。比如采用人工的方法来对铸件去毛刺,或者采用人工的方法对工件进行打磨。但是采用人工的这种方式存在许多的缺点,人工作业的方法劳动强度大,工作条件恶劣,而且费时费力,加工精度受到工人情绪以及工人技术水平的限制,加工精度也无法保证,并且人工成本和时间成本较高。
而另一种方法是使用工业机器人来代替人工进行作业,这虽然在一定程度上减少了人工作业的强度,但是传统的使用工业机器人来对零部件进行加工的企业大多只局限于使用人工示教的方法来对机器人进行编程,而且同样存在许多缺点与不足。首先就是人工示教编程任务量庞大,面对成千上万个示教点,示教的人容易出现疲劳,难免会出错,而且也无法将两个示教点之间的距离精确到毫米级,甚至微米级的精度,最终也会造成工件质量的降低。其次,传统的方法容错机制太差,如果示教点出现偏差,机器人将不能够自动修正,而按照错误的路径加工,甚至导致机器人在运行过程中出现卡顿的现象。另外加工质量也参差不齐,会出现局部区域加工不足,其他区域过度加工的现象。
总的来说,目前虽然可以采用工业机器人进行工件的批量加工,但是存在加工效率、加工质量的问题,而且机器人编程过程繁琐,耗费较多成本。
发明内容
为了解决上述的技术问题,本发明的目的是提供基于自主学习的机器人自动编程方法及系统。
本发明解决其技术问题所采用的技术方案是:
基于自主学习的机器人自动编程方法,包括步骤:
将预先示教获得的机器人的加工路径发送到机器人处;
控制机器人沿该加工路径对工件进行加工,且加工过程中通过力控系统控制刀具沿预设的方向维持恒定的作用力;
记录在该恒定的作用力限制下,机器人在工件上的实际加工路径;
机器人根据实际加工路径,自动编程生成对应的加工程序,完成对工件加工路径的修正;
其中,所述机器人末端安装有刀具和用于对刀具进行作用力控制的力控系统。
进一步,还包括以下步骤:
建立机器人工作站,并导入机器人模型、刀具模型和工件模型;
在建立的机器人工作站中,进行机器人示教,生成机器人的加工路径。
进一步,还包括以下步骤:
在真实环境中操作机器人,进行机器人示教,生成机器人的加工路径。
进一步,所述进行机器人示教,生成机器人的加工路径的步骤,其具体为:
拖曳机器人,从而将机器人末端的刀具依次移动到位于工件上不同位置处的多个加工点,且在移动过程中,记录每个加工点的位置,并对应调整好机器人在每个加工点处的姿态,以及进行机器人轴参数的配置,最后生成机器人的加工路径。
进一步,所述建立机器人工作站,并导入机器人模型、刀具模型和工件模型的步骤,其具体为:
在RobotStudio软件中,建立机器人工作站,并导入机器人模型、刀具模型和工件模型,在RobotStudio软件中设置好机器人坐标系、刀具坐标系和工件坐标系,并添加三个坐标系之间的约束关系。
进一步,所述在真实环境中操作机器人的步骤之前,还包括以下步骤:
确定各部件的工作参数、工件坐标系和有效载荷,并创建机器人程序模块、所需的程序数据以及编写基础的机器人程序。
进一步,所述力控系统包括控制部件以及力传感器,所述控制部件与力传感器连接;
所述力传感器用于检测刀具对其施加的各个方向的力的大小,所述控制部件用于控制施加到刀具上的作用力大小和方向。
进一步,还包括以下步骤:
机器人按照自动编程的加工程序,沿实际加工路径,实现对批量工件的加工,且加工过程中通过力控系统控制刀具沿预设的方向维持前述恒定的作用力。
本发明解决其技术问题所采用的另一技术方案是:
基于自主学习的机器人自动编程系统,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现所述的基于自主学习的机器人自动编程方法。
本发明的有益效果是:本发明通过将预先示教获得的机器人的加工路径发送到机器人处;控制机器人沿该加工路径对工件进行加工,且加工过程中通过力控系统控制刀具沿预设的方向维持恒定的作用力;记录在该恒定的作用力限制下,机器人在工件上的实际加工路径;机器人根据实际加工路径,自动编程生成对应的加工程序,完成对工件加工路径的修正。本发明只需要给出极少的示教点,就可以让机器人通过自主学习的方法自动获得对工件的实际加工路径,提高了系统的容错能力,而且机器人可以通过自主学习的方法进行自我修正,达到最优的对工件的实际加工路径,大大提高工作效率和加工质量。
附图说明
图1是本发明的基于自主学习的机器人自动编程方法的流程图;
图2是本发明的具体实施例中机器人进行自主学习获得实际加工路径的示意图;
图3是本发明的具体实施例中采用RobotStudio软件建立的机器人工作站的示意图;
图4是本发明的基于自主学习的机器人自动编程系统的结构框图。
具体实施方式
参照图1,本发明提供了基于自主学习的机器人自动编程方法,包括步骤:
将预先示教获得的机器人的加工路径Li发送到机器人处;
控制机器人沿该加工路径Li对工件进行加工,且加工过程中通过力控系统控制刀具沿预设的方向维持恒定的作用力F;
记录在该恒定的作用力F限制下,机器人在工件上的实际加工路径Lj;
机器人根据实际加工路径Lj,自动编程生成对应的加工程序,完成对工件加工路径Li的修正;并将该加工程序存储在机器人中,后续对工件进行加工则根据该程序进行;
其中,所述机器人末端安装有刀具和用于对刀具进行作用力控制的力控系统。
图2中,展示了本方法中,机器人沿示教获得的加工路径Li加工,并自主学习得到实际加工路径Lj的示意图,通过在机器人加工过程中对其施加恒定的作用力F,从而可以对加工路径Li进行修正,得到详细的、精确的实际加工路径Lj。本方法,加工路径Li的示教过程中,只需要提供少量的几个点即可,在机器人的实际加工过程中,在恒定的作用力F的作用下,机器人可以以最优的路径紧贴着工件表面进行加工,这样就可以解决传统方法中出现加工质量参差不齐的问题。
并且对于工件待加工的区域,采用本方案,只需要设置极少的示教点,配合力控系统,让机器人带动刀具沿着示教获得的加工路径Li运行一次,将运行过程中的路径点全部记录下来,记录下来的点作为新的实际加工路径Lj,再进行工件的加工。因此,本方案只需要给出极少的示教点,就可以让机器人通过自主学习的方法自动获得对工件的最优的加工路径。这不仅仅解决了传统方法中示教点数量庞大,示教任务繁重的问题,还大大提高了系统的容错能力,即使示教点出现一定的偏差,机器人系统也能够通过自主学习的方法进行自我修正,达到最优的加工路径,这将大大提高工作效率和加工质量。
本实施例中,示教获得机器人的加工路径Li共有两种方式,其中一种是在计算机虚拟环境中采用软件进行示教,另一种是在真实的机器人环境下进行示教。因此,在计算机虚拟环境中采用软件进行示教需要建立虚拟的机器人工作站,而在真实的机器人环境下进行示教,直接在真实环境中建立工作站即可。
进一步作为优选的实施方式,本实施例限定在计算机虚拟环境中采用软件进行示教,该方法还包括以下步骤:
建立机器人工作站,并导入机器人模型、刀具模型和工件模型;
在建立的机器人工作站中进行机器人示教,生成机器人的加工路径Li。
进一步作为优选的实施方式,本实施例限定在真实的机器人环境下进行示教,该方法还包括以下步骤:
在真实环境中操作机器人,进行机器人示教,生成机器人的加工路径Li。
进一步作为优选的实施方式,所述进行机器人示教,生成机器人的加工路径Li的步骤,其具体为:
拖曳机器人,从而将机器人末端的刀具依次移动到位于工件上不同位置处的多个加工点,且在移动过程中,记录每个加工点的位置,并对应调整好机器人在每个加工点处的姿态,以及进行机器人轴参数的配置,最后生成机器人的加工路径Li。
记录每个加工点的位置,可以有多种实施方案,例如机器人自动根据机械臂的运动情况、所处的位置进行记录,然后结合机器人与刀具之间的位置关系,可以获得每个加工点的具体位置。或者通过设置各种类型传感器来采集每个加工点的位置。
进一步作为优选的实施方式,所述建立机器人工作站,并导入机器人模型、刀具模型和工件模型的步骤,其具体为:
在RobotStudio软件中,建立机器人工作站,并导入机器人模型、刀具模型和工件模型,在RobotStudio软件中设置好机器人坐标系、刀具坐标系和工件坐标系,并添加三个坐标系之间的约束关系。添加三个坐标系之间的约束关系后,可以将各部件都摆放到正确的位置上,从而完成机器人工作站的建立。本实施例中,建立的机器人工作站如图3所示,图3中,附图标记1表示机器人,附图标记2表示力控系统,附图标记3表示刀具,附图标记4表示工件。通过在RobotStudio软件建立如图3所示的机器人工作站后,可以在该软件中拖曳机器人进行示教。
进一步作为优选的实施方式,所述在真实环境中操作机器人的步骤之前,还包括以下步骤:
确定各部件的工作参数、工件坐标系和有效载荷,并创建机器人程序模块、所需的程序数据以及编写基础的机器人程序。这里,各部件指前述的机器人、刀具以及工件。通过执行本步骤后,保证机器人可以执行基本的操作,从而再进行手动示教。这里,基础的机器人程序包括机器人自动工作所需的程序,在实际应用中,机器人出厂时一般会配置基础工作程序,无需工作人员详细编辑。
进一步作为优选的实施方式,所述力控系统包括控制部件以及力传感器,所述控制部件与力传感器连接;
所述力传感器用于检测刀具对其施加的各个方向的力的大小,所述控制部件用于控制施加到刀具上的作用力F大小和方向。
进一步作为优选的实施方式,还包括以下步骤:
机器人按照自动编程的加工程序,沿实际加工路径Lj,实现对批量工件的加工,且加工过程中通过力控系统控制刀具沿预设的方向维持前述恒定的作用力F。
总的来说,本方法相对于传统方法具有以下优点:
(1)高效率。相比传统的人工加工的方式,本方法机器人在自主编程获得工件的实际加工路径后,在加工相同的工件数量情况下,单台机器人加工所需要的时间比单个人工节省时间约为2/3~3/4。
(2)高精度。在力控系统的控制下,可以保证以恒定的力沿着设定的方向进行加工,能够实现柔性加工,不会导致某些地方加工过轻,或者加工过度的现象。
(3)容错性较强。由于加入了自学习的方法,机器人可以将之前加工的轨迹作为下次打磨的参考,可以有效地避免在示教过程中,由于人工操作示教点位置不准确导致的误差。
(4)智能化。通过力控系统对先前示教的路径进行精确的学习与修正,并生成实际的加工路径。
(5)高可靠性。理论上工业机器人现在发展较为成熟,工作工程中出现故障的可能性非常低,只要有电,机器人能够持续不间断工作。
(6)低成本。该方案相对于费时又费力的传统的人工方式来说,可以在短时间内收回前期投入的成本,从长期来看,成本比人工方式低很多。
系统实施例
参照图4,基于自主学习的机器人自动编程系统,包括:
至少一个处理器100;
至少一个存储器200,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器100执行,使得所述至少一个处理器100实现所述的基于自主学习的机器人自动编程方法。
本实施例的基于自主学习的机器人自动编程系统,可执行本发明方法实施例所提供的基于自主学习的机器人自动编程方法,可执行方法实施例的任意组合实施步骤,具备该方法相应的功能和有益效果。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换,这些等同的变型或替换均包含在本申请权利要求所限定的范围内。
Claims (6)
1.基于自主学习的机器人自动编程方法,其特征在于,包括步骤:
将预先示教获得的机器人的加工路径发送到机器人处;
控制机器人沿该加工路径对工件进行加工,且加工过程中通过力控系统控制刀具沿预设的方向维持恒定的作用力;
记录在该恒定的作用力限制下,机器人在工件上的实际加工路径;
机器人根据实际加工路径,自动编程生成对应的加工程序,完成对工件加工路径的修正;
其中,所述机器人末端安装有刀具和用于对刀具进行作用力控制的力控系统;
所述机器人的加工路径通过以下步骤获得:
拖曳机器人,从而将机器人末端的刀具依次移动到位于工件上不同位置处的多个加工点,且在移动过程中,记录每个加工点的位置,并对应调整好机器人在每个加工点处的姿态,以及进行机器人轴参数的配置,最后生成机器人的加工路径;
所述将预先示教获得的机器人的加工路径发送到机器人处的步骤之前,还包括以下步骤:
在真实环境中操作机器人,进行机器人示教,生成机器人的加工路径;
所述机器人根据实际加工路径,自动编程生成对应的加工程序,完成对工件加工路径的修正,还包括以下步骤:
机器人按照自动编程的加工程序,沿实际加工路径,实现对批量工件的加工,且加工过程中通过力控系统控制刀具沿预设的方向维持前述恒定的作用力。
2.根据权利要求1所述的基于自主学习的机器人自动编程方法,其特征在于,还包括以下步骤:
建立机器人工作站,并导入机器人模型、刀具模型和工件模型;
在建立的机器人工作站中,进行机器人示教,生成机器人的加工路径。
3.根据权利要求2所述的基于自主学习的机器人自动编程方法,其特征在于,所述建立机器人工作站,并导入机器人模型、刀具模型和工件模型的步骤,其具体为:
在RobotStudio软件中,建立机器人工作站,并导入机器人模型、刀具模型和工件模型,在RobotStudio软件中设置好机器人坐标系、刀具坐标系和工件坐标系,并添加三个坐标系之间的约束关系。
4.根据权利要求1所述的基于自主学习的机器人自动编程方法,其特征在于,所述在真实环境中操作机器人的步骤之前,还包括以下步骤:
确定各部件的工作参数、工件坐标系和有效载荷,并创建机器人程序模块、所需的程序数据以及编写基础的机器人程序。
5.根据权利要求1所述的基于自主学习的机器人自动编程方法,其特征在于,所述力控系统包括控制部件以及力传感器,所述控制部件与力传感器连接;
所述力传感器用于检测刀具对其施加的各个方向的力的大小,所述控制部件用于控制施加到刀具上的作用力大小和方向。
6.基于自主学习的机器人自动编程系统,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1-5任一项所述的基于自主学习的机器人自动编程方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810441247.5A CN108544508B (zh) | 2018-05-10 | 2018-05-10 | 基于自主学习的机器人自动编程方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810441247.5A CN108544508B (zh) | 2018-05-10 | 2018-05-10 | 基于自主学习的机器人自动编程方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108544508A CN108544508A (zh) | 2018-09-18 |
CN108544508B true CN108544508B (zh) | 2022-08-05 |
Family
ID=63494711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810441247.5A Active CN108544508B (zh) | 2018-05-10 | 2018-05-10 | 基于自主学习的机器人自动编程方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108544508B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109434843B (zh) * | 2018-12-10 | 2020-07-10 | 华中科技大学 | 一种基于拖动示教的机器人力控打磨叶片的设备及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09222913A (ja) * | 1996-02-20 | 1997-08-26 | Komatsu Ltd | ロボットの教示位置補正装置 |
CN1307956A (zh) * | 2000-06-30 | 2001-08-15 | 佛山市佛山机器人有限公司 | 一种手把手示教机器人 |
CN1680079A (zh) * | 2004-04-07 | 2005-10-12 | 发那科株式会社 | 离线编程装置 |
CN107838920A (zh) * | 2017-12-20 | 2018-03-27 | 芜湖哈特机器人产业技术研究院有限公司 | 一种机器人打磨力控制系统和方法 |
-
2018
- 2018-05-10 CN CN201810441247.5A patent/CN108544508B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09222913A (ja) * | 1996-02-20 | 1997-08-26 | Komatsu Ltd | ロボットの教示位置補正装置 |
CN1307956A (zh) * | 2000-06-30 | 2001-08-15 | 佛山市佛山机器人有限公司 | 一种手把手示教机器人 |
CN1680079A (zh) * | 2004-04-07 | 2005-10-12 | 发那科株式会社 | 离线编程装置 |
CN107838920A (zh) * | 2017-12-20 | 2018-03-27 | 芜湖哈特机器人产业技术研究院有限公司 | 一种机器人打磨力控制系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108544508A (zh) | 2018-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020007016A1 (zh) | 一种基于数字孪生的智能车间自治生产过程动态联动控制方法 | |
DK2285537T3 (en) | Device and method for computer-assisted generation of a manipulatorbane | |
US20170308058A1 (en) | Method for optimizing the productivity of a machining process of a cnc machine | |
EP3733355A1 (en) | Robot motion optimization system and method | |
CN103406905A (zh) | 一种具有视觉伺服及检测功能的机器人系统 | |
Nagata et al. | Development of CAM system based on industrial robotic servo controller without using robot language | |
CN103713579B (zh) | 一种工业机器人作业方法 | |
WO2020173111A1 (zh) | 一种 3d 微涂覆机器人及其涂覆方法 | |
CN110732531B (zh) | 一种机器人激光清洗设备离线编程方法 | |
CN106557072B (zh) | 数控加工设备执行程序的辅助编程方法 | |
CN108544508B (zh) | 基于自主学习的机器人自动编程方法及系统 | |
CN105313119A (zh) | 工业机器人的5轴6轴混合控制方法及其系统 | |
CN106054814A (zh) | 基于图像灰度的计算机辅助加工方法 | |
US20070225834A1 (en) | Method and Means for Using a Control File With a Control Unit of a Machine | |
CN112338689A (zh) | 一种全自动打磨机器人的控制系统 | |
CN111615437A (zh) | 用于机器人加工的方法和装置 | |
JP2020055095A (ja) | 制御装置及び制御システム | |
Bo et al. | Review of robotic control strategies for industrial finishing operations | |
CN115423656A (zh) | 一种机器人协同作业可视化仿真示教系统和方法 | |
CN110465968B (zh) | 一种机器人空间位置点镜像方法 | |
CN211193901U (zh) | 一种自动打磨机器人的伺服控制系统 | |
CN111983976A (zh) | 用于风洞构件的机器人铣削和磨削控制方法、装置及系统 | |
Proctor et al. | Automating robot programming in the cleaning and deburring workstation of the amrf | |
JPH05324034A (ja) | ロボットの制御方法 | |
JPS61256407A (ja) | 数値制御装置 |
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 |