CN109483556A - 一种基于示教学习的机器人打磨系统及方法 - Google Patents

一种基于示教学习的机器人打磨系统及方法 Download PDF

Info

Publication number
CN109483556A
CN109483556A CN201811275785.8A CN201811275785A CN109483556A CN 109483556 A CN109483556 A CN 109483556A CN 201811275785 A CN201811275785 A CN 201811275785A CN 109483556 A CN109483556 A CN 109483556A
Authority
CN
China
Prior art keywords
polishing
mechanical arm
teaching
robot
torque sensor
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
Application number
CN201811275785.8A
Other languages
English (en)
Other versions
CN109483556B (zh
Inventor
高霄
李淼
简磊
肖晓晖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Cobot Technology Co ltd
Original Assignee
Wuhan University WHU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN201811275785.8A priority Critical patent/CN109483556B/zh
Publication of CN109483556A publication Critical patent/CN109483556A/zh
Application granted granted Critical
Publication of CN109483556B publication Critical patent/CN109483556B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • B25J9/0081—Programme-controlled manipulators with master teach-in means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • Manipulator (AREA)
  • Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)

Abstract

本发明公开了一种基于示教学习的机器人打磨系统及方法，机器人打磨系统包括机械臂、六维力/力矩传感器、打磨头以及PC上位机，六维力/力矩传感器用来进行接触力的测量，机械臂为具有运动控制功能的多轴机械臂，六维力/力矩传感器安装在机械臂末端，打磨头安装在六维力/力矩传感器上，PC上位机与机械臂可进行实时通信。通过PC上位机记录人在打磨时的轨迹和接触力参数，利用参数信息建立力和位置的关系模型，基于该模型，机械臂在PC上位机的控制指令下，携带打磨头在工件表面运动，完成打磨工作。本发明搭建了基于力反馈的打磨平台，结合示教学习提取人完成打磨任务时的柔性行为，实现机器人自主柔性打磨作业，可以很好地满足作业要求。

Description

一种基于示教学习的机器人打磨系统及方法
技术领域
本发明涉及智能制造领域，涉及一种机器人打磨技术，具体涉及一种基于示教学习的机器人打磨系统及方法。
背景技术
制造技术是经济竞争的核心，制造加工自动化程度越来越高。工业机器人广泛用于制造领域，用于提高生产效率和产品质量。目前工业机器人主要用于搬运、喷漆等不受约束作业，机器人末端工具的运动不受限制。针对受约束的任务，如打磨等与工件接触的任务，基于位置或速度控制的工业机器人接触刚度大，易造成工件损伤，打磨作业需要精确的标定机器人坐标系和工件坐标系的位置关系以获得期望的打磨效果，微小的位置误差易产生极大的打磨接触力，影响打磨质量。这种采用传统工业机器人，仅基于位置控制的打磨方式存在部署时间长，算法复杂、编程复杂(示教点编程或离线编程)，对操作人员要求较高、仅用于结构化环境，对环境适应能力差等不足。因此目前打磨任务仍以人工为主，而人工作业存在效率低、成本高，制造环境噪音粉尘严重影响工人身体健康，产品均一性差，次品率高等不足。因此，针对打磨作业，为实现自动化制造，必须考虑打磨力控制以提高打磨质量。对接触力进行反馈控制，可主动调整适应环境变化，控制打磨力在合适的范围内，让机器人具有一定的主动柔性。其次需要加快打磨轨迹生成的周期，降低使用难度，从而满足打磨需求。
发明内容
鉴于上述现有技术的不足，本发明的目的在于提供一种基于示教学习的打磨机器人及其控制系统，该系统搭建了基于力反馈的打磨平台，结合示教学习提取人完成打磨任务时的柔性行为，实现机器人自主柔性打磨作业，可以很好地满足打磨作业要求。
为了解决上述技术问题，本发明采用的技术方案是：
一种基于示教学习的机器人打磨系统，其特征在于：包括机械臂、六维力/力矩传感器、打磨头以及PC上位机；所述六维力/力矩传感器用来进行接触力的测量，所述机械臂为具有运动控制功能的多轴机械臂，六维力/力矩传感器安装在机械臂末端，打磨头安装在六维力/力矩传感器上，PC上位机与机械臂和六维力/力矩传感器可进行实时通信，运行过程中，机械臂在PC上位机的控制指令下，携带打磨头在工件表面运动，完成打磨工作，所述PC上位机搭建的控制系统基于ROS平台。
作为改进，所述六维力/力矩传感器通过力反馈控制实现打磨力可调的柔性打磨作业。
一种基于示教学习的机器人打磨方法，该打磨方法采用的设备包括机械臂、六维力/力矩传感器、打磨头以及PC上位机，其特征在于，包括以下步骤：
步骤一、人工示教，在工件表面进行路径规划，基于智能拖动示教算法实现人工牵引机械臂完成打磨任务，然后让机器人带动打磨头回放示教过程，采集实际接触力分布数据，通过PC上位机记录对应位置下的力、位置和速度数据，每条路径均重复示教M次；
步骤二、模型学习，将M次重复示教产生的数据集通过采用高斯混合模型编码示教数据，并得到力和位置的关系模型，基于EM算法进行高斯混合模型训练，可得到位置到力分布的函数映射关系；
步骤三、执行打磨任务时，采用步骤一中智能拖动示教算法人工生成打磨轨迹，将该轨迹的位置信息，代入到训练好的高斯混合模型中，求出轨迹上对应的速度、接触力均值和方差参数，通过机械臂带动打磨头按照人工示教的打磨轨迹进行对工件整个表面进行打磨，并通过六维力/力矩传感器的力反馈设计控制器保证接触力在模型计算的范围中。
作为改进，步骤一中，人工示教时，基于智能拖动示教算法为：采用PID控制器实现末端打磨头与工件上接触面的法向接触力跟踪，同时叠加导纳控制器实现人与机械臂的拖动示教交互，从而机械臂可以在人手的引导下完成打磨作业，并始终保持打磨头贴紧工件，并通过PC上位机记录对应位置下的力、位置和速度数据信息。
作为改进，所述工件表面为曲面，将工件表面按垂直方向每隔8-15°分割，规划多条打磨路径遍历打磨工件，每条打磨路径均示教次数M范围为3-6次。
作为改进，在模型学习时，按照步骤一方法在每条轨迹上采集到N个数据点其中为打磨点的在机器人坐标系下的笛卡尔坐标，和分别为该打磨点的打磨速度和法向接触力数据；针对示教的数据集ξ＝[F,X]T，ξF＝FT,ξX＝XT，采用高斯混合模型编码示教数据，并得到力和位置的关系模型，其中某个数据点ξ∈RD×N的概率为：
其中，R为实数域，πk∈[0,1]为先验概率，且K为高斯分布的个数，D为数据的维度，μk∈RD,∑k∈RD×D分别表示第k个高斯分布的均值和协方差矩阵，给定输入变量ξX，输出ξF的条件概率分布为：
其中表示后验概率中第k个高斯分布的均值和方差：
且分别为F和X的第k个高斯分布均值，为协方差矩阵：
ξX在第k个高斯分布中的概率为：
高斯混合回归为给定ξX下ξF的条件概率分布的期望
因此，高斯混合模型/高斯混合回归由参数所决定，参数值的确定采用期望最大化算法，超参数K为高斯分布的个数，由贝叶斯信息准则决定。
作为改进，执行打磨任务时，采用力/位置混合控制策略来同时跟踪打磨轨迹和接触力，采用PID位置控制器实现打磨轨迹跟踪。
作为改进，采用自适应PI控制器实现法向接触力的跟踪，以保持打磨力在学习模型所生成的力的置信区间内，重复上述步骤自主执行各条打磨路径，从而最终完成整个工件曲面的打磨任务。
本发明的有益效果是：
1、将示教学习应用到打磨中，只需要人工示教，便可对工件进行自行打磨抛光，避免了繁复的标定工作，对环境适应性好；
2、部署快速，不需要高精度的安装校准，提高了打磨的效率；
3、算法通用性好，基于ROS系统，便于算法移植，可适用于不同的机器人和传感器系统搭建。
附图说明
图1是机器人打磨系统示意图；
图2是机器人打磨系统框图；
图3是示教学习步骤框图；
图4是机器人打磨系统打磨控制方案示意图；
图5是本发明实施例中工件表面36条轨迹高斯混合回归结果示意图；
图6为本发明实施例中工件整个曲面力分布模型；
图7是力/位置混合控制框图；
其中，1-机械臂，2-六维力/力矩传感器，3-打磨头，4-PC上位机。
具体实施方式
下面结合附图和实施例来对本发明提供的基于示教学习的打磨机器人及其控制系统进行详细说明，所述是对本发明的解释而不是限定。
如图1所示，本发明为一种基于示教学习的机器人打磨系统，它包括机械臂1、六维力/力矩传感器2、打磨头3以及PC上位机4。本实施例中，选择了UR5机器臂作为机器人平台，六维力/力矩传感器选用匈牙利的OPTOFORCE的HEX-70-XE-200N六维力/力矩传感器。
(1)所述六维力/力矩传感器2用来进行接触力的测量，该六维力/力矩传感器2安装在机械臂1末端，打磨头3安装在六维力/力矩传感器2上。运行过程中，机械臂1在PC上位机4的控制指令下，携带打磨头3在工件表面运动。
(2)如图2所示，控制系统框图包含机械臂1，六维力/力矩传感器2，PC上位机4。所述控制系统基于ROS平台(Robot Operating System)，包括以控制算法节点，基于六维力/力矩传感器2的反馈节点，和机械臂1运动实时控制节点。六维力/力矩传感器2和机械臂1均由网线与PC上位机4连接至同一局域网进行实时通信。机械臂1与PC上位机4之间采用Modbus通信协议，采用ROS中统一的通信接口实现机械臂1状态读取和运动控制，由机械臂1的ROS驱动提供机械臂1状态的读取接口和六个电机控制指令的发送接口。六维力/力矩传感器2采用Ethernet协议将数据实时发送至PC上位机4，在控制算法节点中接收各传感器状态，并计算下周期控制指令。
所述机械臂1有基于ROS的驱动程序和功能包，安装完成即可实现基本的运动控制与编码器数据读取，从而完成控制系统的搭建。所述六维力/力矩传感器2有基于ROS的驱动程序，实时反馈接触力数据。
所述六维力/力矩传感器2和机械臂1有基于ROS的驱动程序，可以快速搭建系统。
所述控制算法为基于力/位混合控制的主动力控算法，采用Simulink设计，利用Matlab自带的Simulink转C++工具，将算法转化成可以在ROS中使用的C++代码，参考人多次示教的打磨轨迹和接触力数据，实现打磨任务中轨迹和接触力的同步跟踪，该算法以六维力/力矩传感器2和机械臂1关节编码器数据为输入量，基于力传感器反馈，实现机械臂1位置和速度控制，完成打磨的功能。
(3)如图3所示，所述示教学习通过采集人执行任务时的数据，并结合机器学习的方法进行数据处理与模型训练，得到人完成打磨任务时的技能，最后将该技能赋予给机器人，实现机器人拟人化的任务执行。示教学习可以分为三个部分，包含人工示教、模型学习、自主执行。
如图4所示，所述人工示教基于智能示教方案。采用PID控制器(ProportionIntegration Differentiation)实现末端打磨头3与接触面的法向接触力跟踪，同时叠加导纳控制器实现人与机械臂1的拖动示教交互，从而机械臂1可以在人手的引导下完成运动，并始终保持打磨头3贴紧工件。将工件表面按垂直方向每隔10°分割，规划一条打磨路径，共36条路径。示教完毕后，机器人记录下对应数据，然后再自主重复执行一遍前面的打磨过程，采集实际的接触力分布，执行期间，系统以125Hz的采样频率通过PC上位机记录对应位置下的位置、打磨速度和接触力数据数据。每条路径各示教5次。
所述模型学习阶段，通过上文描述的示教过程，在每个轨迹上采集到数据，每个数据包括力，位置和速度信息。首先将示教产生的数据集通过DTW(Dynamic Time Warping，动态时间归整)算法进行预处理，定义任务完成度a＝i/N(i为当前已完成步数)。以a作为输入，接触力F作为输出，采用概率分布公式，基于EM(Expection Maximization，期望最大化)算法进行高斯混合模型训练，得到a和F的函数关系以及各示教轨迹。
所述模型学习阶段，通过上文描述的示教过程，在每条轨迹上采集到N个数据点其中为打磨点的在机器人坐标系下的笛卡尔坐标，和分别为该打磨点的打磨速度和法向接触力数据。针对示教的数据集ξ＝[F,X]T，ξF＝FT,ξX＝XT，采用高斯混合模型(GMM)编码示教数据，并得到力和位置的关系模型。其中某个数据点ξ∈RD×N的概率为：
其中T为转置矩阵符号，R为实数域，πk∈[0,1]为先验概率，且K为高斯分布的个数，D为数据的维度。μk∈RD,∑k∈RD×D分别表示第k个高斯分布的均值和协方差矩阵。给定输入变量ξX，输出ξF的条件概率分布为：
其中表示后验概率中第k个高斯分布的均值和方差：
且分别为F和X的第k个高斯分布均值，为协方差矩阵：
ξX在第k个高斯分布中的概率为
高斯混合回归(GMR)为给定ξX下ξF的条件概率分布的期望
因此，GMM/GMR由参数所决定，参数值的确定一般采用EM算法。超参数K为高斯分布的个数，由贝叶斯信息准则(Bayesian Information Criterion，BIC)决定。
基于EM算法进行GMM模型训练，可得到位置到力的函数映射关系，从而得到单条轨迹GMM/GMR学习结果。同时可得到力的标准偏差也是X的函数，即映射关系，其中为模型中的打磨点X所对应的打磨速度，打磨力和力的标准差，如图5所示。最后通过回归算法可得到整个打磨曲面的力和速度分布模型，如图6所示，图5和图6一起构成曲面上点位置到力的映射关系图。
执行打磨任务时，采用前述的智能示教算法生成打磨轨迹，将该轨迹的位置信息，代入到训练好的模型中，求出对应的速度，接触力均值，方差参数，基于如图7所示的力/位置混合控制策略来跟踪轨迹以及和接触力，采用PID位置控制器实现打磨轨迹跟踪，采用自适应PI控制器实现法向接触力的跟踪，以保持打磨力在学习模型所生成的力的置信区间内。重复上述步骤自主执行各条路径，从而最终完成整个曲面的打磨任务。
本方法克服了传统打磨方式的标定耗时长，打磨均一性差等问题，采用末端六维力/力矩传感器2实现打磨接触力反馈控制，并结合示教学习算法，让机器人学习人完成打磨任务中的经验模型，无需标定和复杂轨迹生成步骤，且可移植性好，可用于不同的机械臂1自主打磨操作。

Claims (8)

1.一种基于示教学习的机器人打磨系统，其特征在于：包括机械臂、六维力/力矩传感器、打磨头以及PC上位机；所述六维力/力矩传感器用来进行接触力的实时测量和反馈控制，所述机械臂为具有运动控制功能的多轴机械臂，六维力/力矩传感器安装在机械臂末端，打磨头安装在六维力/力矩传感器上，PC上位机与机械臂和六维力/力矩传感器可进行实时通信，运行过程中，机械臂在PC上位机的控制指令下，携带打磨头在工件表面运动，完成打磨工作，所述PC上位机搭建的控制系统基于ROS平台。
2.如权利要求1所述的机器人打磨系统，其特征在于：所述六维力/力矩传感器通过力反馈控制实现打磨力可调的柔性打磨作业。
3.一种基于示教学习的机器人打磨方法，该打磨方法采用的设备包括机械臂、六维力/力矩传感器、打磨头以及PC上位机，其特征在于，包括以下步骤：
步骤一、人工示教，在工件表面进行路径规划，基于智能拖动示教算法实现人工牵引机械臂完成打磨任务，然后让机器人带动打磨头回放示教过程，采集实际接触力分布数据，通过PC上位机记录对应位置下的力、位置和速度数据，每条路径均重复示教M次；
步骤二、模型学习，将M次重复示教产生的数据集通过采用高斯混合模型编码示教数据，并得到力和位置的关系模型，基于期望最大化算法进行高斯混合模型训练，可得到位置到力分布的函数映射关系；
步骤三、执行打磨任务时，采用步骤一中智能拖动示教算法人工生成打磨轨迹，将该轨迹的位置信息，代入到训练好的高斯混合模型中，求出轨迹上对应的速度、接触力均值和方差参数，通过机械臂带动打磨头按照人工示教的打磨轨迹进行对工件整个表面进行打磨，并通过六维力/力矩传感器的力反馈设计控制器保证接触力在模型计算的范围中。
4.如权利要求3所述的机器人打磨方法，其特征在于：步骤一中，人工示教时，基于智能拖动示教算法为：采用PID控制器实现末端打磨头与工件上接触面的法向接触力跟踪，同时叠加导纳控制器实现人与机械臂的拖动示教交互，从而机械臂可以在人手的引导下完成打磨作业，并始终保持打磨头贴紧工件，并通过PC上位机记录对应位置下的力、位置和速度数据信息。
5.如权利要求3所述的机器人打磨方法，其特征在于：所述工件表面为曲面，将工件表面按垂直方向每隔8-15°分割，规划多条打磨路径遍历打磨工件，每条打磨路径均示教次数M范围为3-6次。
6.如权利要求3所述的机器人打磨方法，其特征在于：在模型学习时，按照步骤一方法在每条轨迹上采集到N个数据点其中为打磨点的在机器人坐标系下的笛卡尔坐标，和分别为该打磨点的打磨速度和法向接触力数据；针对示教的数据集ξ＝[F,X]T，ξF＝FT,ξX＝XT，采用高斯混合模型编码示教数据，并得到力和位置的关系模型，其中某个数据点ξ∈RD×N的概率为：
其中，R为实数域，πk∈[0,1]为先验概率，且K为高斯分布的个数，D为数据的维度，μk∈RD,∑k∈RD×D分别表示第k个高斯分布的均值和协方差矩阵，给定输入变量ξX，输出ξF的条件概率分布为：
其中表示后验概率中第k个高斯分布的均值和方差：
且分别为F和X的第k个高斯分布均值，为协方差矩阵：
ξX在第k个高斯分布中的概率为：
高斯混合回归为给定ξX下ξF的条件概率分布的期望
因此，高斯混合模型/高斯混合回归由参数所决定，参数值的确定采用期望最大化算法，超参数K为高斯分布的个数，由贝叶斯信息准则决定。
7.如权利要求3所述的机器人打磨方法，其特征在于：执行打磨任务时，采用力/位置混合控制策略来同时跟踪打磨轨迹和接触力，采用PID位置控制器实现打磨轨迹跟踪。
8.如权利要求7所述的机器人打磨方法，其特征在于：采用自适应PI控制器实现法向接触力的跟踪，以保持打磨力在学习模型所生成的力的置信区间内，重复上述步骤自主执行各条打磨路径，从而最终完成整个工件曲面的打磨任务。
CN201811275785.8A 2018-10-30 2018-10-30 一种基于示教学习的机器人打磨系统及方法 Active CN109483556B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811275785.8A CN109483556B (zh) 2018-10-30 2018-10-30 一种基于示教学习的机器人打磨系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811275785.8A CN109483556B (zh) 2018-10-30 2018-10-30 一种基于示教学习的机器人打磨系统及方法

Publications (2)

Publication Number Publication Date
CN109483556A true CN109483556A (zh) 2019-03-19
CN109483556B CN109483556B (zh) 2021-04-16

Family

ID=65691817

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811275785.8A Active CN109483556B (zh) 2018-10-30 2018-10-30 一种基于示教学习的机器人打磨系统及方法

Country Status (1)

Country Link
CN (1) CN109483556B (zh)

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110539314A (zh) * 2019-10-08 2019-12-06 安徽新境界自动化技术有限公司 一种自动打磨机器人的伺服控制系统
CN110561421A (zh) * 2019-08-09 2019-12-13 哈尔滨工业大学（深圳） 机械臂间接拖动示教方法及装置
CN111230873A (zh) * 2020-01-31 2020-06-05 武汉大学 一种基于示教学习的协作搬运控制系统及方法
CN111251277A (zh) * 2020-01-31 2020-06-09 武汉大学 一种基于示教学习的人机协作工具递交系统及方法
CN111452022A (zh) * 2020-03-24 2020-07-28 东南大学 基于贝叶斯优化的上肢康复机器人主动训练参考轨迹复杂度调节方法
CN111451888A (zh) * 2019-06-13 2020-07-28 西南交通大学 基于激光限位与恒力控制的机器人打磨双控制系统及方法
CN111546223A (zh) * 2020-06-12 2020-08-18 广东博科数控机械有限公司 一种行走式薄壁部件打磨抛光设备
CN111660184A (zh) * 2020-05-20 2020-09-15 杭州迈世歆智能机器人有限公司 一种柔性全自动打磨系统
CN111975545A (zh) * 2020-08-11 2020-11-24 武汉万邦德新科技有限公司 基于反求控制点算法的复杂曲面工件打磨轨迹生成方法
CN112123344A (zh) * 2020-09-22 2020-12-25 佳奕筱安(上海)机器人科技有限公司 基于力控机器人打磨的拖拽示教方法及其实施装置
CN112518745A (zh) * 2020-11-25 2021-03-19 中科新松有限公司 机器人tcp快速标定方法
CN112659139A (zh) * 2020-12-08 2021-04-16 蓝点触控(北京)科技有限公司 机器人抛磨方法、机器人抛磨装置以及机器人抛磨系统
CN112847366A (zh) * 2021-01-07 2021-05-28 溱者(上海)智能科技有限公司 一种力位混合示教机器人系统及示教方法
CN113159121A (zh) * 2021-03-16 2021-07-23 华中科技大学 基于先验知识模型的机器人磨抛去除量预测方法及设备
CN113459099A (zh) * 2021-07-02 2021-10-01 上海机器人产业技术研究院有限公司 一种船体焊缝打磨机器人及其使用方法
CN113635297A (zh) * 2021-07-05 2021-11-12 武汉库柏特科技有限公司 一种基于刚度检测的机器人自适应力接触控制方法及系统
CN113705590A (zh) * 2021-10-28 2021-11-26 江苏南通元辰钢结构制造有限公司 基于人工智能的钢结构智能打磨控制方法
CN113858189A (zh) * 2020-06-30 2021-12-31 精工爱普生株式会社 机器人的控制方法及机器人系统
CN114126792A (zh) * 2019-07-24 2022-03-01 西铁城时计株式会社 加工装置、其使用的控制装置以及加工装置的控制方法
CN114434436A (zh) * 2020-10-30 2022-05-06 西门子（中国）有限公司 一种控制机器人的方法、装置和计算机可读存储介质
CN114939889A (zh) * 2021-02-16 2022-08-26 日本电产株式会社 显示装置
CN115889079A (zh) * 2022-10-31 2023-04-04 中国电器科学研究院股份有限公司 一种具有类人工作模式的双臂涂胶机器人
CN116703906A (zh) * 2023-08-04 2023-09-05 山东鑫科来信息技术有限公司 基于图像处理的金属件打磨质量检测方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH042460A (ja) * 1990-04-16 1992-01-07 Enshu Ltd 金型磨きロボットのダイレクトティーチング法
CN103009218A (zh) * 2012-12-17 2013-04-03 华南理工大学 机器人打磨装置及其打磨方法
CN104708517A (zh) * 2015-03-24 2015-06-17 北京理工大学 基于机器人操作系统ros的工业机器人自动磨抛系统
CN106041933A (zh) * 2016-07-06 2016-10-26 上海交通大学 机器人磨抛系统及被动柔顺与主动柔顺混合控制方法
CN106826769A (zh) * 2017-03-15 2017-06-13 福州大学 一种工业机器人快速示教装置及其实现方法
CN206254004U (zh) * 2016-12-12 2017-06-16 武汉库柏特科技有限公司 一种机器人柔性打磨系统
CN106938470A (zh) * 2017-03-22 2017-07-11 华中科技大学 一种机器人力控示教模仿学习的装置及方法
CN107009368A (zh) * 2017-03-30 2017-08-04 东南大学 基于力传感器的机器人打磨作业控制系统及其控制方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH042460A (ja) * 1990-04-16 1992-01-07 Enshu Ltd 金型磨きロボットのダイレクトティーチング法
CN103009218A (zh) * 2012-12-17 2013-04-03 华南理工大学 机器人打磨装置及其打磨方法
CN104708517A (zh) * 2015-03-24 2015-06-17 北京理工大学 基于机器人操作系统ros的工业机器人自动磨抛系统
CN106041933A (zh) * 2016-07-06 2016-10-26 上海交通大学 机器人磨抛系统及被动柔顺与主动柔顺混合控制方法
CN206254004U (zh) * 2016-12-12 2017-06-16 武汉库柏特科技有限公司 一种机器人柔性打磨系统
CN106826769A (zh) * 2017-03-15 2017-06-13 福州大学 一种工业机器人快速示教装置及其实现方法
CN106938470A (zh) * 2017-03-22 2017-07-11 华中科技大学 一种机器人力控示教模仿学习的装置及方法
CN107009368A (zh) * 2017-03-30 2017-08-04 东南大学 基于力传感器的机器人打磨作业控制系统及其控制方法

Cited By (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111451888B (zh) * 2019-06-13 2021-07-27 西南交通大学 基于激光限位与恒力控制的机器人打磨双控制系统及方法
CN111451888A (zh) * 2019-06-13 2020-07-28 西南交通大学 基于激光限位与恒力控制的机器人打磨双控制系统及方法
CN114126792B (zh) * 2019-07-24 2024-09-17 西铁城时计株式会社 加工装置、其使用的控制装置以及加工装置的控制方法
CN114126792A (zh) * 2019-07-24 2022-03-01 西铁城时计株式会社 加工装置、其使用的控制装置以及加工装置的控制方法
CN110561421A (zh) * 2019-08-09 2019-12-13 哈尔滨工业大学（深圳） 机械臂间接拖动示教方法及装置
CN110539314A (zh) * 2019-10-08 2019-12-06 安徽新境界自动化技术有限公司 一种自动打磨机器人的伺服控制系统
CN111251277B (zh) * 2020-01-31 2021-09-03 武汉大学 一种基于示教学习的人机协作工具递交系统及方法
CN111251277A (zh) * 2020-01-31 2020-06-09 武汉大学 一种基于示教学习的人机协作工具递交系统及方法
CN111230873B (zh) * 2020-01-31 2022-02-01 武汉大学 一种基于示教学习的协作搬运控制系统及方法
CN111230873A (zh) * 2020-01-31 2020-06-05 武汉大学 一种基于示教学习的协作搬运控制系统及方法
CN111452022B (zh) * 2020-03-24 2021-04-13 东南大学 基于贝叶斯优化的上肢康复机器人主动训练参考轨迹复杂度调节方法
CN111452022A (zh) * 2020-03-24 2020-07-28 东南大学 基于贝叶斯优化的上肢康复机器人主动训练参考轨迹复杂度调节方法
CN111660184A (zh) * 2020-05-20 2020-09-15 杭州迈世歆智能机器人有限公司 一种柔性全自动打磨系统
CN111546223A (zh) * 2020-06-12 2020-08-18 广东博科数控机械有限公司 一种行走式薄壁部件打磨抛光设备
CN113858189B (zh) * 2020-06-30 2024-01-09 精工爱普生株式会社 机器人的控制方法及机器人系统
CN113858189A (zh) * 2020-06-30 2021-12-31 精工爱普生株式会社 机器人的控制方法及机器人系统
CN111975545B (zh) * 2020-08-11 2021-10-08 重庆见芒信息技术咨询服务有限公司 基于反求控制点算法的复杂曲面工件打磨轨迹生成方法
CN111975545A (zh) * 2020-08-11 2020-11-24 武汉万邦德新科技有限公司 基于反求控制点算法的复杂曲面工件打磨轨迹生成方法
CN112123344A (zh) * 2020-09-22 2020-12-25 佳奕筱安(上海)机器人科技有限公司 基于力控机器人打磨的拖拽示教方法及其实施装置
CN114434436A (zh) * 2020-10-30 2022-05-06 西门子（中国）有限公司 一种控制机器人的方法、装置和计算机可读存储介质
CN112518745A (zh) * 2020-11-25 2021-03-19 中科新松有限公司 机器人tcp快速标定方法
CN112659139A (zh) * 2020-12-08 2021-04-16 蓝点触控(北京)科技有限公司 机器人抛磨方法、机器人抛磨装置以及机器人抛磨系统
CN112659139B (zh) * 2020-12-08 2024-05-17 蓝点触控(北京)科技有限公司 机器人抛磨方法、机器人抛磨装置以及机器人抛磨系统
CN112847366A (zh) * 2021-01-07 2021-05-28 溱者(上海)智能科技有限公司 一种力位混合示教机器人系统及示教方法
CN114939889A (zh) * 2021-02-16 2022-08-26 日本电产株式会社 显示装置
CN113159121A (zh) * 2021-03-16 2021-07-23 华中科技大学 基于先验知识模型的机器人磨抛去除量预测方法及设备
CN113159121B (zh) * 2021-03-16 2022-07-19 华中科技大学 基于先验知识模型的机器人磨抛去除量预测方法及设备
CN113459099A (zh) * 2021-07-02 2021-10-01 上海机器人产业技术研究院有限公司 一种船体焊缝打磨机器人及其使用方法
CN113635297B (zh) * 2021-07-05 2022-09-27 武汉库柏特科技有限公司 一种基于刚度检测的机器人自适应力接触控制方法及系统
CN113635297A (zh) * 2021-07-05 2021-11-12 武汉库柏特科技有限公司 一种基于刚度检测的机器人自适应力接触控制方法及系统
CN113705590B (zh) * 2021-10-28 2022-02-22 江苏南通元辰钢结构制造有限公司 基于人工智能的钢结构智能打磨控制方法
CN113705590A (zh) * 2021-10-28 2021-11-26 江苏南通元辰钢结构制造有限公司 基于人工智能的钢结构智能打磨控制方法
CN115889079A (zh) * 2022-10-31 2023-04-04 中国电器科学研究院股份有限公司 一种具有类人工作模式的双臂涂胶机器人
CN116703906A (zh) * 2023-08-04 2023-09-05 山东鑫科来信息技术有限公司 基于图像处理的金属件打磨质量检测方法
CN116703906B (zh) * 2023-08-04 2023-10-20 山东鑫科来信息技术有限公司 基于图像处理的金属件打磨质量检测方法

Also Published As

Publication number Publication date
CN109483556B (zh) 2021-04-16

Similar Documents

Publication Publication Date Title
CN109483556A (zh) 一种基于示教学习的机器人打磨系统及方法
CN109382828A (zh) 一种基于示教学习的机器人轴孔装配系统及方法
Trigatti et al. A new path-constrained trajectory planning strategy for spray painting robots-rev. 1
CN104759379B (zh) 基于喷涂目标三维成像技术的全流程闭环智能喷涂机器人
CN101739865B (zh) 一种基于plc的教学用二维运动示教平台及其实现方法
CN104808590B (zh) 一种基于关键帧策略的移动机器人视觉伺服控制方法
CN101327590A (zh) 施釉机器人离线示教装置及示教方法
CN105291138A (zh) 一种增强虚拟现实浸入感的视觉反馈平台
CN109434843A (zh) 一种基于拖动示教的机器人力控打磨叶片的设备及方法
CN106625665A (zh) 一种可移动式自动寻址的钻铣机器人系统
CN206236362U (zh) 一种轨迹再现工业机器人实训系统
CN109978272B (zh) 一种基于多个全向移动机器人的路径规划系统及方法
CN104325268A (zh) 一种基于智能学习的工业机器人三维空间自主装配方法
CN105487462B (zh) 一种plc运动控制模块功能验证设备与验证方法
CN104647379A (zh) 一种驱动器非线性条件下的双臂机器人运动控制方法
CN107671838A (zh) 机器人示教记录系统、示教的工艺步骤及其算法流程
CN114800523B (zh) 机械臂轨迹修正方法、系统、计算机及可读存储介质
CN116038697A (zh) 一种基于人工示教的牛仔裤自动喷涂方法和系统
Han Trajectory tracking control method for flexible robot of construction machinery based on computer vision
CN110053045A (zh) 工件表面轮廓线获取方法、干涉检测方法和相关装置
Hu et al. The architecture, methodology and implementation of step-nc compliant closed-loop robot machining system
CN109029322A (zh) 一种全新数控机器人多坐标测量系统及测量方法
Zhao Multifeature video modularized arm movement algorithm evaluation and simulation
Liang et al. A Robot Learning from Demonstration Method Based on Neural Network and Teleoperation
Kang et al. Real-time human motion estimation for human robot collaboration

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220916

Address after: 3rd Floor, Building E2, Future Science and Technology City, No. 999 Gaoxin Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province 430205

Patentee after: WUHAN COBOT TECHNOLOGY Co.,Ltd.

Address before: 430072 Hubei Province, Wuhan city Wuchang District of Wuhan University Luojiashan

Patentee before: WUHAN University