CN111185909A - 机器人运行工况获取方法、装置、机器人及存储介质 - Google Patents
机器人运行工况获取方法、装置、机器人及存储介质 Download PDFInfo
- Publication number
- CN111185909A CN111185909A CN202010038756.0A CN202010038756A CN111185909A CN 111185909 A CN111185909 A CN 111185909A CN 202010038756 A CN202010038756 A CN 202010038756A CN 111185909 A CN111185909 A CN 111185909A
- Authority
- CN
- China
- Prior art keywords
- robot
- motion
- path
- tail end
- historical
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000001133 acceleration Effects 0.000 claims abstract description 46
- 230000008859 change Effects 0.000 claims abstract description 23
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 8
- 238000004590 computer program Methods 0.000 claims description 20
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 10
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 230000036544 posture Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- B25J9/1656—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
-
- 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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Manipulator (AREA)
Abstract
本申请适用于机器人技术领域，提供了一种机器人运行工况获取方法，包括：根据初始运动路径起点、初始运动路径终点、初始运动速度和初始运动加速度范围，通过蒙特卡罗法随机生成机器人运动路径，以及对应的路径速度和加速度；进行运动规划，获得机器人的规划运动轨迹、规划速度、规划加速度；以机器人动力学模型，获得机器人各连杆载荷变化曲线；通过机器人有限元模型，获取当前最大应力值和当前末端最大变形量；若当前最大应力值和当前末端最大变形量超过历史最大应力和历史末端最大变形量，则为最极限工况。本发明贯穿整个运动过程中，且考虑了机器人各连杆载荷变化，可代表机器人的极限运行工况，有利于优化之后的零件强度可承受极限运行工况。
Description
技术领域
本申请属于机器人技术领域，尤其涉及一种机器人运行工况获取方法、装置、机器人及存储介质。
背景技术
多关节机器人存在运动空间大，运动灵活等特点，也因此造成了机器人运动过程中的受力情况变化复杂，往往不能依靠直观判断就能确定机器人执行以何种运动轨迹执行何种点位姿态时受力最大，使得机器人结构设计工程师在进行关键零件选型以及零件强度校核时，不能很好地估计机器人处于极限运动状态时各零部件的受力情况，做出强度冗余或者强度不足的设计选型。
现有技术之一对六轴工业机器人进行三种位置姿态下的动力学分析，刚柔耦合动力学建模，并用有限元软件进行模态分析，得到六轴工业机器人每个零件在作业过程中的最大应力节点、出现最大应力的时刻、应力分布图以及末端弹性偏移量，并以此做设计校核。
现有技术之二将多体动力学仿真与有限元仿真相结合，得到臂部指定单个运动周期内应力最大的载荷工况，并以该载荷工况进行结构的拓扑优化设计，得到臂部结构的最轻量化设计。
以上现有技术仅仅考虑有限几种运动位置和姿态下，机器人的应力变化情况并不具有代表性，不能获得机器人的极限运行工况，进而导致优化之后的零件强度不能承受极限运行工况，造成机器人零件损坏。
发明内容
本申请实施例提供了一种机器人运行工况获取方法、装置、机器人及存储介质，可以解决现有技术仅仅考虑有限几种运动位置和姿态下，机器人的应力变化情况并不具有代表性，不能获得机器人的极限运行工况，进而导致优化之后的零件强度不能承受极限运行工况，造成机器人零件损坏的问题。
第一方面，本申请实施例提供了一种机器人运行工况获取方法，包括：
获取期望运动路径数目、初始运动路径起点、初始运动路径终点、初始运动速度和初始运动加速度范围；
根据所述初始运动路径起点、初始运动路径终点、初始运动速度和初始运动加速度范围，通过蒙特卡罗法随机生成所述期望运动路径数目个机器人运动路径，以及与所述机器人运动路径对应的路径速度和加速度；
根据所述机器人运动路径，以及与所述机器人运动路径对应的路径速度和加速度，进行运动规划，获得机器人的规划运动轨迹、规划速度、规划加速度；
根据机器人的规划运动轨迹、规划速度、规划加速度，以机器人动力学模型，获得机器人各连杆载荷变化曲线；
根据机器人各连杆载荷变化曲线，通过机器人有限元模型，获取当前最大应力值和当前末端最大变形量；
若所述当前最大应力值和当前末端最大变形量超过历史最大应力和历史末端最大变形量，则为最极限工况。
第二方面，本申请实施例提供了一种机器人运行工况获取装置，包括：
数据获取模块，用于获取期望运动路径数目、初始运动路径起点、初始运动路径终点、初始运动速度和初始运动加速度范围；
路径生成模块，用于根据所述初始运动路径起点、初始运动路径终点、初始运动速度和初始运动加速度范围，通过蒙特卡罗法随机生成所述期望运动路径数目个机器人运动路径，以及与所述机器人运动路径对应的路径速度和加速度；
路径规划模块，用于根据所述机器人运动路径，以及与所述机器人运动路径对应的路径速度和加速度，进行运动规划，获得机器人的规划运动轨迹、规划速度、规划加速度；
载荷获取模块，用于根据机器人的规划运动轨迹、规划速度、规划加速度，以机器人动力学模型，获得机器人各连杆载荷变化曲线；
变形量获取模块，用于根据机器人各连杆载荷变化曲线，通过机器人有限元模型，获取当前最大应力值和当前末端最大变形量；
工况评估模块，用于若所述当前最大应力值和当前末端最大变形量超过历史最大应力和历史末端最大变形量，则为最极限工况。
第三方面，本申请实施例提供了一种机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的机器人运行工况获取方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的机器人运行工况获取方法。
可以理解的是，上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
本申请实施例根据规划的运动轨迹和机器人各连杆载荷变化情况，获得机器人最大应力值和末端最大变形量，进而获取当前状态是否是机器人极限运行工况，该机器人工况获取方法贯穿整个运动过程中，且考虑了机器人各连杆载荷变化，结果可以代表机器人的极限运行工况，有利于优化之后的零件强度可以承受极限运行工况。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的机器人运行工况获取方法的流程示意图；
图2是本申请一实施例提供的机器人运行工况获取装置的结构示意图；
图3是本申请实施例提供的机器人运行工况获取方法所适用于的机器人的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
图1示出了本申请提供的机器人运行工况获取方法的示意性流程图，作为示例而非限定，所述机器人包括但不限于工业机器人、服务机器人和协作机器人。该方法可以应用于上述任一机器人中。以下仅以SCARA工业机器人极限运行工况获取进行说明。然而，本领域的人员应该认识到对于其他任意的机器人也能够同样应用本发明。
S101、获取期望运动路径数目、初始运动路径起点、初始运动路径终点、初始运动速度和初始运动加速度范围。
在具体应用中，期望运动路径数目为输入的预期生成运动路径数目，为大于1的整数。
S102、根据所述初始运动路径起点、初始运动路径终点、初始运动速度和初始运动加速度范围，通过蒙特卡罗法随机生成所述期望运动路径数目个机器人运动路径，以及与所述机器人运动路径对应的路径速度和加速度。
在具体应用中，机器人运动路径是机器人末端在三维空间中的不包含加减速信息的几何曲线，是机器人末端位姿的空间序列。通过蒙特卡罗法随机生成所述期望运动路径数目个机器人运动路径，以及每一条机器人运动路径对应的路径速度和加速度。
S103、根据所述机器人运动路径，以及与所述机器人运动路径对应的路径速度和加速度，进行运动规划，获得机器人的规划运动轨迹、规划速度、规划加速度。
在具体应用中，机器人运动轨迹是机器人末端在三维空间中的包含加减速信息的与时间相关的几何曲线，是机器人末端位姿的时间和空间序列。
S104、根据机器人的规划运动轨迹、规划速度、规划加速度，以SCARA工业机器人动力学模型，获得机器人各连杆载荷变化曲线。
S105、根据机器人各连杆载荷变化曲线，通过机器人有限元模型，获取当前最大应力值和当前末端最大变形量。
在具体应用中，机器人有限元模型由有限元软件完成，所述有限元软件包括但是不限于Adams和Ansys。
S106、判断所述当前最大应力值和当前末端最大变形量是否超过历史最大应力和历史末端最大变形量，若所述当前最大应力值和当前末端最大变形量超过历史最大应力和历史末端最大变形量，则为最极限工况，存储当前最大应力值和当前末端最大变形量分别为历史最大应力和历史末端最大变形量。
在一个实施例中，步骤S105之后，包括：
若所述当前最大应力值和当前末端最大变形量未超过历史最大应力和历史末端最大变形量，则判断当前已生成运动路径数目是否达到期望运动轨迹数目，若达到，输出所储存的历史极限工况对应的运动路径、速度及加速度。
本实施例根据规划的运动轨迹和机器人各连杆载荷变化情况，获得机器人最大应力值和末端最大变形量，进而获取当前状态是否是机器人极限运行工况，该机器人工况获取方法贯穿整个运动过程中，且考虑了机器人各连杆载荷变化，结果可以代表机器人的极限运行工况，有利于优化之后的零件强度可以承受极限运行工况。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的机器人运行工况获取方法，图2示出了本申请实施例提供的机器人运行工况获取装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。该机器人运行工况获取装置包括：
数据获取模块21，用于获取期望运动路径数目、初始运动路径起点、初始运动路径终点、初始运动速度和初始运动加速度范围；
路径生成模块22，用于根据所述初始运动路径起点、初始运动路径终点、初始运动速度和初始运动加速度范围，通过蒙特卡罗法随机生成所述期望运动路径数目个机器人运动路径，以及与所述机器人运动路径对应的路径速度和加速度；
路径规划模块23，用于根据所述机器人运动路径，以及与所述机器人运动路径对应的路径速度和加速度，进行运动规划，获得机器人的规划运动轨迹、规划速度、规划加速度；
载荷获取模块24，用于根据机器人的规划运动轨迹、规划速度、规划加速度，以SCARA机器人动力学模型，获得机器人各连杆载荷变化曲线；
变形量获取模块25，用于根据机器人各连杆载荷变化曲线，通过机器人有限元模型，获取当前最大应力值和当前末端最大变形量；
工况评估模块26，用于判断所述当前最大应力值和当前末端最大变形量是否超过历史最大应力和历史末端最大变形量，若超过，则为最极限工况。
进一步地，所述装置还包括：
工况输出模块，用于若所述当前最大应力值和当前末端最大变形量未超过历史最大应力和历史末端最大变形量，则判断当前已生成运动路径数目是否达到期望运动轨迹数目，若达到，输出所储存的历史极限工况对应的运动路径、速度及加速度。
进一步地，所述装置还包括：
工况存储模块，用于若所述当前最大应力值和当前末端最大变形量超过历史最大应力和历史末端最大变形量，存储当前最大应力值和当前末端最大变形量分别为历史最大应力和历史末端最大变形量。
本实施例根据规划的运动轨迹和机器人各连杆载荷变化情况，获得机器人最大应力值和末端最大变形量，进而获取当前状态是否是机器人极限运行工况，该机器人工况获取方法贯穿整个运动过程中，且考虑了机器人各连杆载荷变化，结果可以代表机器人的极限运行工况，有利于优化之后的零件强度可以承受极限运行工况。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
图3为本申请一实施例提供的机器人的结构示意图。如图3所示，该实施例的机器人3包括：至少一个处理器30(图3中仅示出一个)处理器、存储器31以及存储在所述存储器31中并可在所述至少一个处理器30上运行的计算机程序32，所述处理器30执行所述计算机程序32时实现上述任意各个机器人运行工况获取方法实施例中的步骤。
所述机器人3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该机器人可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅仅是机器人3的举例，并不构成对机器人3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，该处理器30还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器31在一些实施例中可以是所述机器人3的内部存储单元，例如机器人3的硬盘或内存。所述存储器31在另一些实施例中也可以是所述机器人3的外部存储设备，例如所述机器人3上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器31还可以既包括所述机器人3的内部存储单元也包括外部存储设备。所述存储器31用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/机器人的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (8)
1.一种机器人运行工况获取方法，其特征在于，包括：
获取期望运动路径数目、初始运动路径起点、初始运动路径终点、初始运动速度和初始运动加速度范围；
根据所述初始运动路径起点、初始运动路径终点、初始运动速度和初始运动加速度范围，通过蒙特卡罗法随机生成所述期望运动路径数目个机器人运动路径，以及与所述机器人运动路径对应的路径速度和加速度；
根据所述机器人运动路径，以及与所述机器人运动路径对应的路径速度和加速度，进行运动规划，获得机器人的规划运动轨迹、规划速度、规划加速度；
根据机器人的规划运动轨迹、规划速度、规划加速度，以机器人动力学模型，获得机器人各连杆载荷变化曲线；
根据机器人各连杆载荷变化曲线，通过机器人有限元模型，获取当前最大应力值和当前末端最大变形量；
若所述当前最大应力值和当前末端最大变形量超过历史最大应力和历史末端最大变形量，则为最极限工况。
2.根据权利要求1所述的机器人运行工况获取方法，其特征在于，所述方法还包括：
若所述当前最大应力值和当前末端最大变形量未超过历史最大应力和历史末端最大变形量，则判断当前已生成运动路径数目是否达到期望运动轨迹数目，若达到，输出所储存的历史极限工况对应的运动路径、速度及加速度。
3.根据权利要求1所述的机器人运行工况获取方法，其特征在于，所述方法还包括：
若所述当前最大应力值和当前末端最大变形量超过历史最大应力和历史末端最大变形量，存储当前最大应力值和当前末端最大变形量分别为历史最大应力和历史末端最大变形量。
4.一种机器人运行工况获取装置，其特征在于，所述装置包括：
数据获取模块，用于获取期望运动路径数目、初始运动路径起点、初始运动路径终点、初始运动速度和初始运动加速度范围；
路径生成模块，用于根据所述初始运动路径起点、初始运动路径终点、初始运动速度和初始运动加速度范围，通过蒙特卡罗法随机生成所述期望运动路径数目个机器人运动路径，以及与所述机器人运动路径对应的路径速度和加速度；
路径规划模块，用于根据所述机器人运动路径，以及与所述机器人运动路径对应的路径速度和加速度，进行运动规划，获得机器人的规划运动轨迹、规划速度、规划加速度；
载荷获取模块，用于根据机器人的规划运动轨迹、规划速度、规划加速度，以机器人动力学模型，获得机器人各连杆载荷变化曲线；
变形量获取模块，用于根据机器人各连杆载荷变化曲线，通过机器人有限元模型，获取当前最大应力值和当前末端最大变形量；
工况评估模块，用于若所述当前最大应力值和当前末端最大变形量超过历史最大应力和历史末端最大变形量，则为最极限工况。
5.根据权利要求4所述的机器人运行工况获取装置，其特征在于，所述装置还包括：
工况输出模块，用于若所述当前最大应力值和当前末端最大变形量未超过历史最大应力和历史末端最大变形量，则判断当前已生成运动路径数目是否达到期望运动轨迹数目，若达到，输出所储存的历史极限工况对应的运动路径、速度及加速度。
6.根据权利要求4所述的机器人运行工况获取装置，其特征在于，所述装置还包括：
工况存储模块，用于若所述当前最大应力值和当前末端最大变形量超过历史最大应力和历史末端最大变形量，存储当前最大应力值和当前末端最大变形量分别为历史最大应力和历史末端最大变形量。
7.一种机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述的机器人运行工况获取方法。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述的机器人运行工况获取方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010038756.0A CN111185909B (zh) | 2020-01-14 | 2020-01-14 | 机器人运行工况获取方法、装置、机器人及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010038756.0A CN111185909B (zh) | 2020-01-14 | 2020-01-14 | 机器人运行工况获取方法、装置、机器人及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111185909A true CN111185909A (zh) | 2020-05-22 |
| CN111185909B CN111185909B (zh) | 2022-03-18 |
Family
ID=70703745
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010038756.0A Active CN111185909B (zh) | 2020-01-14 | 2020-01-14 | 机器人运行工况获取方法、装置、机器人及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111185909B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112540630A (zh) * | 2020-06-16 | 2021-03-23 | 深圳优地科技有限公司 | 电机速度信号的处理方法、装置、机器人及存储介质 |
| CN112597612A (zh) * | 2020-12-30 | 2021-04-02 | 深圳市优必选科技股份有限公司 | 机器人优化方法、装置、终端设备及计算机可读存储介质 |
| CN113664808A (zh) * | 2021-09-03 | 2021-11-19 | 苏州艾利特机器人有限公司 | 机器人运动控制方法、装置及存储介质 |
| CN114839927A (zh) * | 2022-04-24 | 2022-08-02 | 深圳众为兴技术股份有限公司 | S型曲线加减速规划方法、系统及存储介质 |
| CN116423527A (zh) * | 2023-06-12 | 2023-07-14 | 之江实验室 | 一种机械臂的构建方法、装置、存储介质及电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107199569A (zh) * | 2017-06-22 | 2017-09-26 | 华中科技大学 | 一种基于关节能量均衡分配的关节机器人轨迹规划方法 |
| 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 |
| CN109159122A (zh) * | 2018-09-12 | 2019-01-08 | 浙江工业大学 | 采用椭圆型终态神经网络的冗余机器人重复运动规划方法 |
| CN109648571A (zh) * | 2018-12-28 | 2019-04-19 | 深圳市越疆科技有限公司 | 工业机器人的示教轨迹复现方法、系统及机器人 |
| CN110209048A (zh) * | 2019-05-20 | 2019-09-06 | 华南理工大学 | 基于动力学模型的机器人时间最优轨迹规划方法、设备 |
| WO2019233227A1 (zh) * | 2018-06-05 | 2019-12-12 | 雅客智慧（北京）科技有限公司 | 一种基于视觉导航的牙科机器人路径规划系统及方法 |
-
2020
- 2020-01-14 CN CN202010038756.0A patent/CN111185909B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107199569A (zh) * | 2017-06-22 | 2017-09-26 | 华中科技大学 | 一种基于关节能量均衡分配的关节机器人轨迹规划方法 |
| 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 |
| WO2019233227A1 (zh) * | 2018-06-05 | 2019-12-12 | 雅客智慧（北京）科技有限公司 | 一种基于视觉导航的牙科机器人路径规划系统及方法 |
| CN109159122A (zh) * | 2018-09-12 | 2019-01-08 | 浙江工业大学 | 采用椭圆型终态神经网络的冗余机器人重复运动规划方法 |
| CN109648571A (zh) * | 2018-12-28 | 2019-04-19 | 深圳市越疆科技有限公司 | 工业机器人的示教轨迹复现方法、系统及机器人 |
| CN110209048A (zh) * | 2019-05-20 | 2019-09-06 | 华南理工大学 | 基于动力学模型的机器人时间最优轨迹规划方法、设备 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112540630A (zh) * | 2020-06-16 | 2021-03-23 | 深圳优地科技有限公司 | 电机速度信号的处理方法、装置、机器人及存储介质 |
| CN112597612A (zh) * | 2020-12-30 | 2021-04-02 | 深圳市优必选科技股份有限公司 | 机器人优化方法、装置、终端设备及计算机可读存储介质 |
| CN112597612B (zh) * | 2020-12-30 | 2023-12-15 | 深圳市优必选科技股份有限公司 | 机器人优化方法、装置、终端设备及计算机可读存储介质 |
| CN113664808A (zh) * | 2021-09-03 | 2021-11-19 | 苏州艾利特机器人有限公司 | 机器人运动控制方法、装置及存储介质 |
| CN113664808B (zh) * | 2021-09-03 | 2023-03-14 | 苏州艾利特机器人有限公司 | 机器人运动控制方法、装置及存储介质 |
| CN114839927A (zh) * | 2022-04-24 | 2022-08-02 | 深圳众为兴技术股份有限公司 | S型曲线加减速规划方法、系统及存储介质 |
| CN116423527A (zh) * | 2023-06-12 | 2023-07-14 | 之江实验室 | 一种机械臂的构建方法、装置、存储介质及电子设备 |
| CN116423527B (zh) * | 2023-06-12 | 2023-09-01 | 之江实验室 | 一种机械臂的构建方法、装置、存储介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111185909B (zh) | 2022-03-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111185909B (zh) | 机器人运行工况获取方法、装置、机器人及存储介质 | |
| CN107972070A (zh) | 机器人性能的测试方法、测试系统及计算机可读存储介质 | |
| CN109664298B (zh) | 机器人动力学参数辨识方法、装置、终端设备及存储介质 | |
| CN113283082B (zh) | 质心轨迹生成方法、装置、计算机可读存储介质及机器人 | |
| CN112597610A (zh) | 机械臂结构轻量化设计的优化方法、装置及设备 | |
| CN113894792A (zh) | 一种机器人负载辨识方法、控制柜及系统 | |
| CN112818462A (zh) | 车轮参数模型的生成方法、装置、存储介质和计算机设备 | |
| CN113190905B (zh) | 一种建筑模型的分析方法、装置及存储介质 | |
| US20210046648A1 (en) | Method and apparatus for determining an optimized movement sequence for a robot device | |
| CN112597612B (zh) | 机器人优化方法、装置、终端设备及计算机可读存储介质 | |
| EP3542970A1 (en) | Method, device and system for replaying movement of robot | |
| CN116038660B (zh) | 机器人与导轨协同的方法、装置及电子设备 | |
| CN112486170A (zh) | 机器人控制方法、装置、计算机可读存储介质及机器人 | |
| CN110887490A (zh) | 一种激光定位导航的关键帧选取方法、介质、终端和装置 | |
| CN106330556B (zh) | 一种用于生成服务模块调用关联信息的方法与装置 | |
| CN104809261A (zh) | 用于执行设计敏感度分析的方法和系统 | |
| CN112242959B (zh) | 微服务限流控制方法、装置、设备及计算机存储介质 | |
| CN114454981A (zh) | 双足机器人的弹跳运动控制方法、装置及双足机器人 | |
| Rahatulain et al. | Modeling and simulation of evolvable production systems using Simulink/SimEvents | |
| CN117348577B (zh) | 一种生产工艺仿真检测方法、装置、设备以及介质 | |
| CN111667130B (zh) | 方案验证方法、装置及设备 | |
| CN104182561A (zh) | 加入金属板坯与导向销接触的影响的深冲压加工模拟的重力加载阶段 | |
| WO2023157235A1 (ja) | 計算装置 | |
| Lang et al. | Graph theoretic modeling and analysis of multibody planar mechanical systems | |
| CN109693237A (zh) | 机器人及其弹跳控制方法、装置及计算机可读存储介质 |
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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 518100 Building 93-1 Xintang Road, Rentian Community, Fuhai Street, Bao'an District, Shenzhen City, Guangdong Province Patentee after: ADTECH (SHENZHEN) TECHNOLOGY Co.,Ltd. Country or region after: China Address before: 518052 room 5-001, majialong Tianxia Industrial Park, Yiyuan Road, Nanshan District, Shenzhen City, Guangdong Province Patentee before: ADTECH (SHENZHEN) TECHNOLOGY Co.,Ltd. Country or region before: China |