CN110587611B - 电视机组装线的机械臂控制方法 - Google Patents

电视机组装线的机械臂控制方法 Download PDF

Info

Publication number
CN110587611B
CN110587611B CN201910940893.0A CN201910940893A CN110587611B CN 110587611 B CN110587611 B CN 110587611B CN 201910940893 A CN201910940893 A CN 201910940893A CN 110587611 B CN110587611 B CN 110587611B
Authority
CN
China
Prior art keywords
mechanical arm
arm
joint
mechanical
moment
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
Application number
CN201910940893.0A
Other languages
English (en)
Other versions
CN110587611A (zh
Inventor
邢明海
巫江
尤小龙
宋欢
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.)
Cec Jiutian Intelligent Technology Co ltd
Original Assignee
Cec Jiutian Intelligent Technology Co ltd
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 Cec Jiutian Intelligent Technology Co ltd filed Critical Cec Jiutian Intelligent Technology Co ltd
Priority to CN201910940893.0A priority Critical patent/CN110587611B/zh
Publication of CN110587611A publication Critical patent/CN110587611A/zh
Application granted granted Critical
Publication of CN110587611B publication Critical patent/CN110587611B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/1633—Programme controls characterised by the control loop compliant, force, torque control, e.g. combined with position control
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)
  • Numerical Control (AREA)

Abstract

本发明为电视机组装线的机械臂控制方法，提供了一种机器人机械臂的高效控制方法，通过计算机器人机械臂控制中所涉及到的能源消耗，同时建立机械臂的力学控制模型，再对其进行插值运算，用最终计算得到的校正命令轨迹代替平常的命令轨迹，输入到工业机器人机械臂控制系统的输入端，从而保证工业机器人机械臂末端准确地按照设定的希望轨迹运动。

Description

电视机组装线的机械臂控制方法
技术领域
本发明属于控制领域，具体涉及一种电视机组装线的机械臂控制方法。
背景技术
电视机组装线的工业机器人是一种自动控制、可重复编程、仿人操作的机电一体化自动化生产设备，其最主要的部件是电视机组装线的机械臂，即本发明中所称的机械臂。这种机械臂是一种仿生机电设备，能模拟人手动作通过改变目标物体的位姿来实现作业。可完成搬运、焊接、切割、喷涂及装配等工作。工业机器人机械臂操作可控，可实现人机交互，用途非常广泛。由于工业机器人机械臂的结构特点，整体架构属于费力杠杆形式，并且传动齿轮间隙的存在也会降低机械臂的刚度及运动精度。同时，随着工业机器人需求数量不断增长，电视机组装线的机械臂控制方法也越来越复杂，在整个生产链中，其所消耗的能量也随之不断增长。目前，因此提高机械手臂的负载能力、提高整体控制复杂度的同时，如何能在高效控制的同时，降低能源消耗，成为最迫切的问题。
通常人们是通过减少控制电机电枢电阻和传动环节的摩擦来降低系统功能能耗，但从工业机器人高效利用电能的角度出发，在做出这些改进的同时，进一步分析改进控制方法和原理，实现对机械臂关节驱动系统能耗的主动高效控制，具有十分重要的意义。
发明内容
本发明的目的在于解决上述现有方法中存在的问题，通过计算机器人机械臂控制中所涉及到的能源消耗，同时建立机械臂的力学控制模型，再对其进行插值运算，用最终计算得到的校正命令轨迹代替平常的命令轨迹，输入到工业机器人机械臂控制系统的输入端，从而保证工业机器人机械臂末端准确地按照设定的希望轨迹运动。
本发明是通过以下技术方案实现的：
本发明的电视机组装线的机械臂控制方法，主要包括如下过程：
(1)通过实测或者参数标定的方法标定机械臂的尺寸参数、动力学参数以及关节的控制系统参数；
(2)在控制系统中，通过输入指定机械臂的希望运动轨迹和速度；
(3)通过机械臂的运动算法求解各个关节所受的力矩；
(4)计算各个关节的校正命令轨迹；
(5)以计算出的校正命令来指示机械臂的运动。
进一步地，在第(1)步中，具体包括：
根据系统参数建立控制电机控制机械臂的力学模型为：
Figure BDA0002222844720000021
其中τ(t)为机械臂的力矩，θL为机械臂轴的角度位移，
Figure BDA0002222844720000024
为命令角度位移，A,B,C,E为机械臂第j关节控制系统本身的固有特性参数，可以表示为:
Figure BDA0002222844720000022
其中，Re控制电机电枢阻值，Jeff为控制电机有效惯性矩，Ke、Kv、Kp、Kb分别为控制电机力矩比常数、比例常数、位置反馈、误差反馈。
进一步地，在第(3)步中，各个关节所受的力矩τj为：
Figure BDA0002222844720000023
其中，L是Lagrange函数，其为机械臂总动能和总势能的差值，τj是机械臂第j关节的力矩，qj是机械臂连杆j的关节变量；而
Figure BDA0002222844720000036
是关节变量qj对时间的一阶导数，n表示机械臂的关节数量。
我们首先来计算机械臂的动能，若机械臂连杆j上位置向量jr的质点质量为dm，则该质点的动能为：
Figure BDA0002222844720000031
则连杆j的动能Kj为：
Figure BDA0002222844720000032
其中，jr是质点在坐标系{j}中向量，Tj是基坐标系到连杆坐标系j的变换矩阵，Trace是求矩阵的迹。
机械臂的总动能为：
Figure BDA0002222844720000033
接着，计算机械臂的势能，连杆j的势能Pj为：
Figure BDA0002222844720000034
其中,mj为连杆j的质量，gT为重力加速度向量，即gT＝[gx gy gz 0]。
则总势能为：
Figure BDA0002222844720000035
进一步地，在步骤(4)中，计算各个关节的校正命令轨迹具体包括：
假定系统在时间区间[0,t]是稳定的，在起始条件
Figure BDA0002222844720000041
之下，对机械臂的第j个驱动关节，计算上述力学模型，可以得到校正命令轨迹为：
Figure BDA0002222844720000042
j＝1，2，…，m；
设采样周期T，采样时间tk＝k(k＝0，1，…N，N为采样点数)，对
Figure BDA0002222844720000043
τj(t)进行等间距采样，并在每个区间[tk，tk+1]进行三次插值运算，可以得到：
Figure BDA0002222844720000044
其中，mK由下式确定：
Figure BDA0002222844720000045
其中，n＝N，而λk由采样值序列确定。
由上面的计算可以得到校正命令轨迹
Figure BDA0002222844720000046
进一步地，在步骤(5)中，利用得到的校正命令轨迹来输入控制电机中，以使该命令轨迹控制机械臂的运动。
附图说明
图1为本发明工业机器人机械臂控制方法流程图。
具体实施方式
下面结合附图对本发明作进一步详细描述：
参见图1，对于本发明的机械臂的控制方法，主要包括如下过程：
(1)首先，通过实测或者参数标定的方法标定机械臂的尺寸参数、动力学参数以及关节的控制系统参数；
(2)接着，在控制系统中指定机械臂的希望运动轨迹和速度；
(3)通过机械臂的运动算法求解各个关节所受的力矩；
(4)计算各个关节的校正命令轨迹；
(5)以计算出的校正命令来指示机械臂的运动。
其中第(3)步中，各个关节所受的力矩τj为：
Figure BDA0002222844720000051
其中，L是Lagrange函数，其为机械臂总动能和总势能的差值，τj是机械臂第j关节的力矩，qj是机械臂连杆j的关节变量；而
Figure BDA0002222844720000054
是关节变量qj对时间的一阶导数，n表示机械臂的关节数量。
我们首先来计算机械臂的动能，若机械臂连杆j上位置向量jr的质点质量为dm，则该质点的动能为：
Figure BDA0002222844720000052
则连杆j的动能Kj为：
Figure BDA0002222844720000053
其中，jr是质点在坐标系{j}中向量，Tj是基坐标系到连杆坐标系j的变换矩阵，Trace是求矩阵的迹。
机械臂的总动能为：
Figure BDA0002222844720000061
接着，计算机械臂的势能，连杆j的势能Pj为：
Figure BDA0002222844720000062
其中,mj为连杆j的质量，gT为重力加速度向量，即gT＝[gx gy gz 0]。
则总势能为：
Figure BDA0002222844720000063
由上可以算得到各个关节所受的力矩τj。
而根据系统参数建立的控制电机控制机械臂的力学模型为：
Figure BDA0002222844720000064
其中A,B,C,E为机械臂第j关节控制系统本身的固有特性参数，可以表示为:
Figure BDA0002222844720000065
其中，Re控制电机电枢阻值，θL为机械臂轴的角度位移，
Figure BDA0002222844720000067
为命令角度位移，Jeff为控制电机有效惯性矩，Ke、Kv、Kp、Kb分别为控制电机力矩比常数、比例常数、位置反馈、误差反馈。
假定系统在时间区间[0,t]是稳定的，在起始条件
Figure BDA0002222844720000066
之下，对机械臂的第j个驱动关节，计算上述力学模型，可以得到校正命令轨迹为：
Figure BDA0002222844720000071
j＝1，2，…，m；
设采样周期T，采样时间tk＝k(k＝0，1，…N，N为采样点数)，对
Figure BDA0002222844720000072
τj(t)进行等间距采样，并在每个区间[tk，tk+1]进行三次插值运算，可以得到：
Figure BDA0002222844720000073
其中，mK由下式确定：
Figure BDA0002222844720000074
其中，n＝N，而λk由采样值序列确定。
由上面的计算可以得到校正命令轨迹
Figure BDA0002222844720000075
最后，利用得到的校正命令轨迹来输入控制电机中，以使该命令轨迹控制机械臂的运动。
上述技术方案只是本发明的一种实施方式，对于本领域内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施方式所描述的方法，因此前面描述的方式只是优选的，而并不具有限制性的意义。

Claims (2)

1.一种无人电视机组装线的机械臂控制方法，包括：
(1)通过实测或者参数标定的方法标定无人电视机组装线的机械臂的尺寸参数、动力学参数以及关节的控制系统参数；
(2)在控制系统中，通过输入指定所述机械臂的希望运动轨迹和速度；
(3)通过所述机械臂的运动算法求解各个关节所受的力矩；
(4)计算各个关节的校正命令轨迹；
(5)以计算出的校正命令来指示所述机械臂的运动；
其中在第(1)步中，具体包括：
根据系统参数建立控制电机控制所述机械臂的力学模型为：
Figure FDA0002962273020000011
其中τ(t)为机械臂的力矩，θL为机械臂轴的角度位移，
Figure FDA0002962273020000012
为命令角度位移，A,B,C,E为机械臂第j关节控制系统本身的固有特性参数，可以表示为:
Figure FDA0002962273020000013
其中，Re控制电机电枢阻值，Jeff为控制电机有效惯性矩，Ke、Kv、Kp、Kb分别为控制电机力矩比常数、比例常数、位置反馈、误差反馈；
其中在第(3)步中，各个关节所受的力矩τj为：
Figure FDA0002962273020000014
其中，L是Lagrange函数，其为机械臂总动能和总势能的差值，τj是机械臂第j关节的力矩，qj是机械臂连杆j的关节变量；而
Figure FDA0002962273020000015
是关节变量qj对时间的一阶导数，n表示机械臂的关节数量；
我们首先来计算机械臂的动能，若机械臂连杆j上位置向量jr的质点质量为dm，则该质点的动能为：
Figure FDA0002962273020000021
则连杆j的动能Kj为：
Figure FDA0002962273020000022
其中，jr是质点在坐标系{j}中向量，Tj是基坐标系到连杆坐标系j的变换矩阵，Trace是求矩阵的迹；
机械臂的总动能为：
Figure FDA0002962273020000023
接着，计算机械臂的势能，连杆j的势能Pj为：
Figure FDA0002962273020000024
其中,mj为连杆j的质量，gT为重力加速度向量，即gT＝[gx gy gz 0]；
则总势能为：
Figure FDA0002962273020000025
进一步地，在步骤(4)中，计算各个关节的校正命令轨迹具体包括：
假定系统在时间区间[0,t]是稳定的，在起始条件
Figure FDA0002962273020000026
之下，对机械臂的第j个驱动关节，计算上述力学模型，可以得到校正命令轨迹为：
Figure FDA0002962273020000027
Figure FDA0002962273020000031
设采样周期T，采样时间tk＝k(k＝0，1，…N，N为采样点数)，对
Figure FDA0002962273020000032
τj(t)进行等间距采样，并在每个区间[tk，tk+1]进行三次插值运算，可以得到：
Figure FDA0002962273020000033
其中，mK由下式确定：
Figure FDA0002962273020000034
其中，n＝N，而λk由采样值序列确定；
由上面的计算可以得到校正命令轨迹
Figure FDA0002962273020000035
2.根据权利要求1所述的一种无人电视机组装线的机械臂控制方法，其中在步骤(5)中，利用得到的校正命令轨迹来输入控制电机中，以使该命令轨迹控制机械臂的运动。
CN201910940893.0A 2019-09-30 2019-09-30 电视机组装线的机械臂控制方法 Active CN110587611B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910940893.0A CN110587611B (zh) 2019-09-30 2019-09-30 电视机组装线的机械臂控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910940893.0A CN110587611B (zh) 2019-09-30 2019-09-30 电视机组装线的机械臂控制方法

Publications (2)

Publication Number Publication Date
CN110587611A CN110587611A (zh) 2019-12-20
CN110587611B true CN110587611B (zh) 2021-06-22

Family

ID=68865161

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910940893.0A Active CN110587611B (zh) 2019-09-30 2019-09-30 电视机组装线的机械臂控制方法

Country Status (1)

Country Link
CN (1) CN110587611B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112571412B (zh) * 2019-09-30 2024-03-26 中电九天智能科技有限公司 一种智能制造设备的控制系统
CN111409076B (zh) * 2020-04-28 2021-11-05 珠海格力智能装备有限公司 机械手运动状态的确定方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101088058A (zh) * 2004-05-14 2007-12-12 电子科学工业公司 伺服机构控制系统的自适应命令滤波
CN103080859A (zh) * 2010-08-25 2013-05-01 三菱电机株式会社 轨迹控制装置
CN104070525A (zh) * 2014-06-18 2014-10-01 大连大学 用于空间机械臂连续轨迹跟踪的方法
CN104842360A (zh) * 2014-02-19 2015-08-19 丰田自动车株式会社 用于移动机器人的移动控制方法
EP3025693A1 (en) * 2013-07-26 2016-06-01 Fuji Machine Mfg. Co., Ltd. Assistance robot
CN108297100A (zh) * 2018-02-11 2018-07-20 广州视源电子科技股份有限公司 机械臂参数标定方法、装置和系统、机械臂
CN108621157A (zh) * 2018-04-27 2018-10-09 上海师范大学 基于模型约束的机械臂能量最优轨迹规划控制方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6504864B2 (ja) * 2015-03-13 2019-04-24 キヤノン株式会社 ロボット制御方法、ロボット装置、プログラム、記録媒体及び物品の製造方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101088058A (zh) * 2004-05-14 2007-12-12 电子科学工业公司 伺服机构控制系统的自适应命令滤波
CN103080859A (zh) * 2010-08-25 2013-05-01 三菱电机株式会社 轨迹控制装置
EP3025693A1 (en) * 2013-07-26 2016-06-01 Fuji Machine Mfg. Co., Ltd. Assistance robot
CN104842360A (zh) * 2014-02-19 2015-08-19 丰田自动车株式会社 用于移动机器人的移动控制方法
CN104070525A (zh) * 2014-06-18 2014-10-01 大连大学 用于空间机械臂连续轨迹跟踪的方法
CN108297100A (zh) * 2018-02-11 2018-07-20 广州视源电子科技股份有限公司 机械臂参数标定方法、装置和系统、机械臂
CN108621157A (zh) * 2018-04-27 2018-10-09 上海师范大学 基于模型约束的机械臂能量最优轨迹规划控制方法及装置

Also Published As

Publication number Publication date
CN110587611A (zh) 2019-12-20

Similar Documents

Publication Publication Date Title
CN105773623B (zh) 基于预测型间接迭代学习的scara机器人轨迹跟踪控制方法
CN110561440B (zh) 一种冗余度机械臂加速度层多目标规划方法
CN111941421B (zh) 一种基于多机器人协同操作的自适应模糊力跟踪控制方法
CN110587611B (zh) 电视机组装线的机械臂控制方法
CN107962566B (zh) 一种移动机械臂重复运动规划方法
CN107972030B (zh) 一种冗余机械臂重复运动中的初始位置修正方法
CN112757306A (zh) 一种机械臂逆解多解选择和时间最优轨迹规划算法
CN111687827B (zh) 一种双机器人协调操作弱刚性构件的控制方法和控制系统
CN110861090B (zh) 一种力矩前馈控制系统及方法
CN112222703B (zh) 一种焊接机器人能耗最优轨迹规划方法
CN110695994B (zh) 一种面向双臂机械手协同重复运动的有限时间规划方法
CN111230882A (zh) 一种水果分拣并联机器人夹持机构的自适应变阻抗控制方法
CN112571411B (zh) 用于电视机智能生产线的两用机械臂
Kang et al. Kinematic path‐tracking of mobile robot using iterative learning control
CN109015657B (zh) 一种面向冗余机械臂重复运动规划的终态网络优化方法
CN114211492A (zh) 一种基于模型的多自由度机械臂的最优轨迹规划方法
CN112571412B (zh) 一种智能制造设备的控制系统
CN113103262A (zh) 机器人控制装置和用于控制机器人的方法
CN113664830B (zh) 基于模型预测阻抗控制的双机器人同步加工方法及系统
Yin et al. Modeling and control strategy of flexible joint servo system in humanoid manipulator driven by tendon-sheath
Nuritdinovich et al. The concept of the mathematical description of the multi-coordinate mechatronic module of the robot
CN113370205B (zh) 一种基于机器学习的Baxter机械臂轨迹跟踪控制方法
CN114740735A (zh) 单关节机器人的变长度反馈辅助pd型迭代学习控制方法
CN114840947A (zh) 一种带约束的三自由度机械臂动力学模型
CN112757288A (zh) 一种工艺参数自适应的工业机器人运动控制方法

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