CN111615437B - 用于机器人加工的方法和装置 - Google Patents
用于机器人加工的方法和装置 Download PDFInfo
- Publication number
- CN111615437B CN111615437B CN201780097987.5A CN201780097987A CN111615437B CN 111615437 B CN111615437 B CN 111615437B CN 201780097987 A CN201780097987 A CN 201780097987A CN 111615437 B CN111615437 B CN 111615437B
- Authority
- CN
- China
- Prior art keywords
- robot
- target surface
- path
- determining
- machining
- 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
- 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
- B24B27/00—Other grinding machines or devices
- B24B27/0038—Other grinding machines or devices with the grinding tool mounted at the end of a set of bars
-
- 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
- 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
- B24B1/00—Processes of grinding or polishing; Use of auxiliary equipment in connection with such processes
-
- 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
-
- 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
- B24B49/16—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 taking regard of the load
-
- 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
- B25J11/0065—Polishing or grinding
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J13/00—Controls for manipulators
- B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
- B25J13/085—Force or torque sensors
Abstract
一种用于机器人加工的方法被公开。该方法包括:基于用于将被加工的目标表面的模型化表面,来确定第一设计加工路径(210)。该方法还包括:使得机器人以自适应方式基于第一设计加工路径来加工目标表面以获得实际加工路径,其中在模型化表面与目标表面不同之处,机器人被使得遵循目标表面(220)。该方法进一步包括:基于实际加工路径和第一设计加工路径,来确定用于目标表面的第二设计加工路径(230)。
Description
技术领域
本公开的示例实施例一般地涉及工业机器人,并且更特别地涉及用于机器人加工的方法和装置。
背景技术
机器人加工作为许多加工过程(诸如抛光、磨削、或类似过程)中的成本有效的解决方案而具有非常大的潜在市场。当前,主要有两种生成机器人加工路径的方法,即手动编程(示教)和离线编程。然而,这两种方法都具有一些缺点,并且在许多场景中无法实现所需要的加工性能。
具体地,离线编程方法根据理想工件模型来生成加工路径,而理想工件模型与实际工件相比具有尺寸误差。手动编程方法浪费大量时间,并且如果其应付复杂工件则处理质量将不佳。尽管前控制技术已经用于机器人加工中,但是对于复杂工件,它不容易处置并且将花费许多时间在编程和处理上。
因此,有必要开发一种机器人加工系统,其能够节省程序和过程工作,并且还能够消除理想工件模型与实际工件之间的尺寸偏差。
发明内容
本公开的示例实施例提出了一种用于智能机器人加工路径的生成和优化的解决方案,并且相应地提供了一种用于机器人加工的方法和装置。
在第一方面,本公开的示例实施例提供了一种用于机器人加工的方法。该方法包括:基于用于将被加工的目标表面的模型化表面,来确定第一设计加工路径。该方法还包括:使得机器人以自适应方式基于第一设计加工路径来加工目标表面以获得实际加工路径,其中在模型化表面与目标表面不同之处,机器人被使得遵循目标表面。该方法进一步包括:基于实际加工路径和第一设计加工路径,来确定用于目标表面的第二设计加工路径。
在一些实施例中,机器人可以以受控力运行,并且使得机器人来加工可以包括:使得机器人经由加工工具向目标表面施加受控力;以及使得机器人以恒定速度移动。
在一些实施例中,机器人可以以受控位置运行,并且使得机器人来加工可以包括:使得机器人在预定位置偏移内沿着第一设计加工路径移动。
在一些实施例中,确定第二设计加工路径可以包括:从机器人获得反馈信息,反馈信息有关于由机器人持有的加工工具的位置和/或由加工工具施加到目标表面的力;基于反馈信息来确定实际加工路径;确定第一设计加工路径与实际加工路径之间的偏差;以及基于偏差来确定第二设计加工路径。
在一些实施例中,基于偏差来确定第二设计加工路径可以包括:根据用户输入来确定目标表面将被加工为模型化表面还是光滑表面;响应于确定目标表面将被加工为模型化表面,通过基于偏差而优化第一加工路径来确定第二设计加工路径;以及响应于确定目标表面将被加工为光滑表面,将第二加工路径确定为实际加工路径。
在一些实施例中,该方法还可以包括:使得机器人基于第二设计加工路径来进一步加工已加工的目标表面。
在一些实施例中,使得机器人基于第二设计加工路径来进一步加工已加工的目标表面可以包括:响应于确定对目标表面的光滑度要求高于或等于预定阈值光滑度,使得机器人利用由机器人持有的加工工具施加到已加工的目标表面的受控力来进一步加工已加工的目标表面;以及响应于确定光滑度要求低于预定阈值光滑度,使得机器人利用加工工具的受控位置来加工已加工的目标表面。
在一些实施例中,该方法还可以包括:监测进一步加工的目标表面的加工质量;将加工质量与预定阈值质量相比较;响应于加工质量大于或等于预定阈值质量,停止机器人的加工。
在一些实施例中,确定第二设计加工路径可以包括:确定第一设计加工路径与实际加工路径之间的偏差是否大于预定阈值偏差;以及响应于偏差大于预定阈值偏差,确定第二设计加工路径。
在第二方面,本公开的示例实施例提供了一种用于机器人加工的设备。该设备包括至少一个处理器和至少一个存储器,至少一个存储器包括计算机程序指令。至少一个存储器和计算机程序指令被配置为,与处理器一起,使得该设备:基于用于将被加工的目标表面的模型化表面,来确定第一设计加工路径。至少一个存储器和计算机程序指令还被配置为,与处理器一起,使得该设备:使得机器人以自适应方式基于第一设计加工路径来加工目标表面以获得实际加工路径,其中在模型化表面与目标表面不同之处,机器人被使得遵循目标表面。至少一个存储器和计算机程序指令进一步被配置为,与处理器一起,使得该设备:基于实际加工路径和第一设计加工路径,来确定用于目标表面的第二设计加工路径。
在一些实施例中,确定单元被配置为:基于第二波形来确定谐振频率,该谐振频率与功率变换器中的DC链路电容器和耦合到DC链路电容器的电感器相关联;以及基于谐振频率来确定与DC链路电容器的健康状况有关的参数。
在一些实施例中,机器人可以以受控力运行,并且至少一个存储器和计算机程序指令还可以被配置为,与处理器一起,使得该设备:使得机器人经由加工工具向目标表面施加受控力;以及使得机器人以恒定速度移动。
在一些实施例中,机器人可以以受控位置运行,至少一个存储器和计算机程序指令还可以被配置为,与处理器一起,使得该设备:使得机器人在预定位置偏移内沿着第一设计加工路径移动。
在一些实施例中,至少一个存储器和计算机程序指令还可以被配置为,与处理器一起,使得该设备:从机器人获得反馈信息,反馈信息有关于由机器人持有的加工工具的位置和/或由加工工具施加到目标表面的力;基于反馈信息来确定实际加工路径;确定第一设计加工路径与实际加工路径之间的偏差;以及基于偏差来确定第二设计加工路径。
在一些实施例中,至少一个存储器和计算机程序指令还可以被配置为,与处理器一起,使得该设备:根据用户输入来确定目标表面将被加工为模型化表面还是光滑表面;响应于确定目标表面将被加工为模型化表面,通过基于偏差而优化第一加工路径来确定第二设计加工路径;以及响应于确定目标表面将被加工为光滑表面,将第二加工路径确定为实际加工路径。
在一些实施例中,至少一个存储器和计算机程序指令还可以被配置为,与处理器一起,使得该设备:使得机器人基于第二设计加工路径来进一步加工已加工的目标表面。
在一些实施例中,至少一个存储器和计算机程序指令还可以被配置为,与处理器一起,使得该设备:响应于确定对目标表面的光滑度要求高于或等于预定阈值光滑度,使得机器人利用由机器人持有的加工工具施加到已加工的目标表面的受控力来进一步加工已加工的目标表面;以及响应于确定光滑度要求低于预定阈值光滑度,使得机器人利用加工工具的受控位置来加工已加工的目标表面。
在一些实施例中,至少一个存储器和计算机程序指令还可以被配置为,与处理器一起,使得该设备:监测进一步加工的目标表面的加工质量;将加工质量与预定阈值质量相比较;响应于加工质量大于或等于预定阈值质量,停止机器人的加工。
在一些实施例中,至少一个存储器和计算机程序指令还可以被配置为,与处理器一起,使得该设备:确定第一设计加工路径与实际加工路径之间的偏差是否大于预定阈值偏差;以及响应于偏差大于预定阈值偏差,确定第二设计加工路径。
在第三方面,本公开的示例实施例提供了一种计算机可读介质,其上存储有指令,这些指令当在至少一个处理器上被执行时,使得至少一个处理器执行第一方面的方法。
在第四方面,本公开的示例实施例提供了一种计算机程序产品,该计算机程序产品有形地存储在计算机可读存储介质上并且包括指令,这些指令当在至少一个处理器上被执行时,使得至少一个处理器执行第一方面的方法。
附图说明
通过参考附图的以下详细描述,本文中公开的示例实施例的上述和其他目的、特征和优点将变得更加可理解。在附图中,本文中公开的若干示例实施例将以示例且非限制性的方式来说明,其中:
图1图示了本公开的一些示例实施例可以在其中被实施的机器人加工系统的示意图。
图2图示了根据本公开的一些示例实施例的用于机器人加工的方法的流程图。
图3图示了根据本公开的一些示例实施例的示意图,该示意图示出了工件的表面将被加工为模型化表面。
图4图示了根据本公开的一些示例实施例的示意图,该示意图示出了工件的表面将被加工为光滑表面。
图5图示了可以用于实施本公开的示例实施例的设备的框图。
贯穿附图,相同或对应的参考符号指代相同或对应的部分。
具体实施方式
现在将参考若干示例实施例来讨论本文中描述的主题。这些实施例仅出于使得本领域的技术人员能够更好地理解并且因此实施本文中描述的主题的目的而被讨论,而不是暗示对主题的范围的任何限制。
术语“包括”或“包括有”及其变体将被解读为开放性术语,其意指“包括但不限于”。术语“或”将被解读为“和/或”,除非上下文另外明确指出。术语“基于”将被解读为“至少部分地基于”。术语“可操作为”将意指功能、动作、运动或状态可以通过由用户或外部机构引发的操作来实现。术语“一个实施例”和“一种实施例”将被解读为“至少一个实施例”。术语“另一实施例”将被解读为“至少一个其他实施例”。
除非另有指定或限制,否则术语“安装”、“连接”、“支撑”和“耦合”及其变体被宽泛地使用并且涵盖直接和间接的安装、连接、支撑和耦合。此外,“连接”和“耦合”不限于物理或机械连接或耦合。在下文的描述中,相似的参考数字和标记用于描述附图中的相同、相似或对应的部分。下文可以包括其他显式和隐式定义。
如上文提到的,主要存在两种生成机器人加工路径的方法,也即,手动编程(示教)和离线编程。然而,这两种方法都具有一些缺点,并且在许多场景中无法实现所需要的加工性能。
具体地,离线编程方法根据理想工件模型来生成加工路径,而理想工件模型与实际工件相比具有尺寸误差。手动编程方法浪费大量时间,并且如果其应付复杂工件则处理质量将不佳。尽管前控制技术已经用于机器人加工中,但是对于复杂工件,它不容易处置并且将花费许多时间在编程和处理上。
根据本公开的实施例,提供了一种用于智能机器人加工路径的生成和优化的解决方案。该解决方案组合了基于理想3D模型的离线路径生成和基于实时数据反馈的在线路径优化。该解决方案获得实时工具位置,实时工具位置可以用于计算实际工件尺寸和实时过程力反馈。一方面,使用来自机器人的反馈信息和其他特殊过程参数,该解决方案可以优化处理路径。另一方面,该解决方案可以根据来自机器人的反馈信息来监测处理质量。下文将参考附图来详细描述本公开的示例实施例。
图1图示了本公开的一些示例实施例可以在其中被实施的机器人加工系统100的示意图。如图1中示出的,机器人加工系统100可以包括计算机110、控制器120、由控制器120控制的机器人130、以及电压测量盒140。机器人130可以包括传感器131,诸如力传感器、位置传感器、距离传感器、或类似传感器、以及它们的任何组合。
在操作中,用户可以采用计算机110来生成用于机器人130加工或处理工件的目标表面的加工路径。计算机110可以经由通信链路105将所生成的加工路径和其他用户输入发送给控制器120。作为示例,通信链路105可以是以太网连接,但是其他通信链路也是可能的。控制器120可以经由通信链路115控制机器人130基于所生成的加工路径和其他用户输入来执行加工,通信链路115可以是信号线,但是其他通信链路也是可能的。在一些情况下,通信链路115还可以包括用于电力传输的电力线。
在控制器120的控制下,机器人130可以持有加工工具(图1中未示出)来对工件的目标表面加工,例如抛光或磨削。在加工中,机器人130的传感器131可以收集与工件的目标表面、机器人130和加工工具有关的各种信息,例如,由加工工具施加到目标表面的接触力、加工工具和/或机器人的位置、加工工具和/或机器人与目标表面之间的距离、和/或其他有用信息。
机器人130的传感器131可以将所收集的信息转换为电信号,诸如电压信号。该电压信号可以由电压测量盒140经由通信链路125来测量。所测量的电压信号可以经由通信链路135被发送给控制器120,并且然后可以被转换为力和/或扭矩信号。转换后的力和/或扭矩信号经由通信链路105被发送给计算机110。基于所测量的力和/或扭矩信号,计算机110可以确定与工件有关的实时信息。
本领域的技术人员将明白,由传感器131生成的电信号也可以是除了电压信号以外的其他电信号,诸如电流信号或类似信号。另外,将理解,图1仅示出了与本公开有关的若干组件以及这些组件中的特定单元,并且本公开的实施例不限于此。在其他实施例中,机器人加工系统100可以包括更多或更少的组件、不同的组件和不同的单元。
图2图示了根据本公开的一些示例实施例的用于机器人加工的方法200的流程图。在一些实施例中,方法200可以在如图1中示出的机器人加工系统100中的计算机110中实施,以便机器人130经由加工工具执行机器人加工。在一些其他实施例中,方法200也可以在机器人加工系统100中的其他组件或多于一个组件中实施。
在框210处,计算机110基于用于将被加工的目标表面的模型化表面来确定第一设计加工路径。例如,目标表面可以属于将被抛光或磨削的工件,并且模型化表面可以由工件CAD模型来提供,工件CAD模型可以被导入到计算机110中。然后,计算机110可以向控制器120发送与第一设计加工路径有关的数据。作为响应,控制器120可以首先校准工件和加工工具,并且然后控制机器人130开始加工。
在框220处,计算机110使得机器人130以自适应方式基于第一设计加工路径来加工目标表面,以获得实际加工路径。自适应方式意指:在模型化表面与目标表面不同之处,机器人130被使得遵循目标表面以便检测目标表面的实际尺寸。
特别地,机器人可以以受控力运行。在这种情况下,计算机110可以使得机器人130经由加工工具向目标表面施加受控力,并且使得机器人130以恒定速度移动。替代地,机器人130可以以受控位置运行。在这种情形下,计算机110使得机器人130在预定位置偏移内沿着第一设计加工路径移动。
利用这种自适应方式,计算机110可以获得从控制器120反馈的实时数据。例如,控制器120控制机器人130,并且还测量和包含与机器人130有关的所有数据。因此,计算机110可以经由通信链路115从控制器120自动地得到与机器人130的实际处理路径有关的数据。基于反馈数据,计算机110有可能优化加工路径。替代地,计算机110可以根据控制器120上的反馈数据(诸如工具位置数据)来监测实时工具位置并且分析偏差。
在框230处,计算机110基于实际加工路径和第一设计加工路径,来确定用于目标表面的第二设计加工路径。换言之,第一设计加工路径可以被优化以获得第二设计加工路径。通过该路径优化,计算机110可以基于实时反馈来计算实际工件尺寸,从而消除理想工件模型与实际工件之间的尺寸偏差。
特别地,计算机110可以从机器人130获得反馈信息,该反馈信息有关于由机器人130持有的加工工具的位置和/或由加工工具施加到目标表面的力。此外,计算机110可以基于反馈信息来确定实际加工路径。如上文指出的,机器人130以自适应方式运行,因此计算机110可以通过确定机器人130的实际加工路径来检测工件的实际表面。进一步地,基于所确定的实际加工路径,计算机110可以确定第一设计加工路径与实际加工路径之间的偏差。基于该偏差,计算机110可以确定第二设计加工路径,以便生成优化的加工路径。
在这点上,在确定第二设计加工路径时存在若干种可能的场景。在下文中,参考图3和图4来描述在这些不同场景中如何确定第二设计加工路径。
图3图示了根据本公开的一些示例实施例的示意图,该示意图示出了工件的表面将被加工为模型化表面。如图3中示出的,根据用户选择,由机器人130持有的加工工具310可以被控制以将工件的表面加工为模型化表面,例如,该模型化表面可以由工件的3D模型来提供。换言之,对工件处理尺寸的要求相对较高。
图4图示了根据本公开的一些示例实施例的示意图,该示意图示出了工件的表面将被加工为光滑表面。与图3中描绘的场景相对比,如图4中示出的,根据用户选择,由机器人130持有的加工工具310还可以被控制以将工件的表面加工为光滑表面,而非模型化表面。换言之,对工件处理尺寸的要求相对较低。
取决于这两种不同的加工要求,如何确定第二设计加工路径可能是不同的。因此,在一些实施例中,在确定第二设计加工路径之前,计算机110可以根据用户输入来确定目标表面将被加工为模型化表面还是光滑表面。
如果计算机110确定目标表面将被加工为模型化表面,则计算机110可以通过基于偏差而优化第一加工路径来确定第二设计加工路径。也就是说,计算机110可以利用所计算的尺寸偏差来优化加工路径或处理路径,以得到理想的工件尺寸。以这种方式,计算机110可以迭代地优化用于机器人130的加工路径,以将目标表面加工为模型化表面。
另外,如果计算机110确定目标表面将被加工为光滑表面,则计算机110可以将第二加工路径确定为实际加工路径。也就是说,计算机110可以更新加工路径或处理路径以符合于实际工件尺寸。以这种方式,机器人130可以仅将目标表面处理为光滑,而不是将其处理为模型化表面。
在一些实施例中,在确定第二设计加工路径之前,计算机110可以首先确定第一设计加工路径与实际加工路径之间的偏差是否大于预定阈值偏差,该预定阈值偏差可以由用户根据特定的技术环境和处理要求来设置。如果计算机110确定该偏差大于预定阈值偏差,则计算机110然后可以确定第二设计加工路径。
然而,如果计算机110确定该偏差小于或等于预定阈值偏差,则计算机110可以确定完成机器人130的加工过程,而无需进一步优化第一设计加工路径。通过这种方式,在通过第一设计加工路径实现的加工或处理质量是可接受的情况下,机器人加工系统100可以节省许多操作和资源。
在一些实施例中,计算机110可以使得机器人基于第二设计加工路径来进一步加工已加工的目标表面。为此,计算机110可以首先确定对目标表面的光滑度要求是否大于或等于预定阈值光滑度,该预定阈值光滑度可以由用户根据特定的技术环境和处理要求来设置。
如果计算机110确定对目标表面的光滑度要求高于或等于预定阈值光滑度,则计算机110可以使得机器人130利用由机器人130持有的加工工具施加到已加工的目标表面的受控力来进一步加工已加工的目标表面,因为与具有受控位置的机器人130相比,具有受控力的机器人130可以实现更好光滑度的表面。
如果计算机110确定光滑度要求低于预定阈值光滑度,则计算机110可以使得机器人130利用加工工具的受控位置来加工已加工的目标表面。与以受控力运行相比,机器人130以受控位置运行可以节省时间。以这种方式,计算机110可以确定采用对机器人130的不同控制方式来加工目标表面,从而提高整个机器人加工系统100的效率。
在一些实施例中,计算机110可以监测进一步加工的目标表面的加工质量。例如,机器人130可以通过传感器131来执行力监测或工具位置监测,并且然后经由控制器120将监测信息发送给计算机110。特别地,计算机110可以在必要时从控制器120获得该信息或数据。替代地或另外地,控制器120可以在更新中将该信息或数据发送给计算机110。作为响应,计算机110可以确定已加工的目标表面的加工或处理质量。
此外,计算机110可以将加工质量与预定阈值质量相比较,该预定阈值质量可以由用户根据特定的技术环境和处理要求来设置。如果计算机110确定加工质量大于或等于预定阈值质量,则计算机110可以停止机器人130的加工。相比之下,如果计算机110确定加工质量低于预定阈值质量,则计算机110可以基于由机器人130提供的反馈数据来进一步优化第二设计加工路径。
图5图示了可以用于实施本公开的示例实施例的设备500的框图。如图5中示出的,设备500包括中央处理单元(CPU)501,CPU 501可以基于只读存储器(ROM)502中存储的计算机程序指令或从存储单元508上载到随机访问存储器(RAM)503的计算机程序指令来执行各种适当的动作和处理。在RAM 503中,还存储有设备500的操作所需要的各种程序和数据。CPU 501、ROM 502和RAM 503经由总线504彼此连接。输入/输出(I/O)接口505也可以连接到总线504。
设备500中的多个组件连接到I/O接口505,包括输入单元506,诸如键盘、鼠标等;输出单元507,诸如各种类型的显示器和扬声器;存储单元508,诸如磁盘和光盘;通信单元509,诸如网卡、调制解调器、无线通信收发器等。通信单元509允许设备500经由计算机网络(诸如互联网)和/或各种电信网络与其他设备交换信息/数据。
上文描述的过程和处理(例如,方法200)可以由CPU 501来执行。例如,在一些实施例中,方法200可以被实施为计算机软件程序,该计算机软件程序被有形地包含在机器可读介质(诸如存储单元508)中。在一些实施例中,计算机程序可以由ROM 502和/或通信单元509部分地或全部地加载和/或安装在设备500上。当计算机程序被上载到RAM 503并且由CPU 501执行时,上文描述的方法200的一个或多个步骤可以被执行。
利用根据本公开的示例实施例的用于机器人加工的方法和装置,容易的力控制编程可以被提供用于复杂工件,理想工件模型与实际工件之间的尺寸偏差可以被消除,用于智能优化系统的许多编程和处理时间可以被减少,由于不合理路径和过程的可能的工件变形可以被防止,并且加工工具的寿命周期也可以增加。
由本公开的示例实施例提出的解决方案还有许多其他优点。例如,它容易用于机器人力控制编程并且是高度自动化的。具体地,采用所提出的方法和装置的系统可以是包含路径生成、路径优化和质量监测的高度自动化系统。力控制路径和其他路径可以基于3D模型来生成。处理路径可以基于处理参数和控制器反馈数据来优化。此外,它可以实现提高的处理质量和低时间成本,并且还可以容易用于由应用工程师的使用。
本公开还提供了有形地存储在非瞬态计算机可读存储介质上的至少一个计算机程序产品。该计算机程序产品包括计算机可执行指令,诸如程序模块中包括的计算机可执行指令,这些计算机可执行指令在设备中在目标真实或虚拟处理器上被执行,以执行上文参考图2描述的过程或方法。通常,程序模块包括执行特定任务或实施特定抽象数据类型的例程、程序、库、对象、类、组件、数据结构等。程序模块的功能在各种实施例中可以根据需要在程序模块之间被组合或拆分。用于程序模块的机器可执行指令可以在本地或分布式设备内执行。在分布式设备中,程序模块可以位于本地存储介质和远程存储介质两者中。
用于执行本公开的方法的程序代码可以用一种或多种编程语言的任何组合来编写。这些程序代码可以被提供给通用计算机、专用计算机、或其他可编程数据处理装置的处理器或控制器,从而这些程序代码在由处理器或控制器执行时使得在流程图和/或框图中指定的功能/操作被实施。程序代码可以完全在机器上执行,部分在机器上执行,作为独立软件包执行,部分在机器上并且部分在远程机器上执行,或者完全在远程机器或服务器上执行。
上述程序代码可以体现在机器可读介质上,该机器可读介质可以是任何有形介质,其可以包含或存储用于由指令执行系统、装置或设备使用或与其相关联使用的程序。机器可读介质可以是机器可读信号介质或机器可读存储介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的或半导体的系统、装置或设备、或者前述各项的任何适合的组合。机器可读存储介质的更具体的示例包括具有一根或多根电线的电连接、便携式计算机软盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光学存储设备、磁存储设备、或前述各项的任何适合的组合。
此外,尽管操作以特定顺序被描绘,但是这不应当被理解为要求这样的操作以所示出的特定顺序或以连续的顺序被执行,或者要求所有图示出的操作被执行,以实现合意的结果。在某些情况下,多任务和并行处理可能是有利的。同样,尽管上文的论述中包含若干具体的实施细节,但是这些细节不应当被解释为对本公开的范围的限制,而是被解释为可以是特定于特定实施例的特征的描述。在分离实施例的上下文中描述的某些特征也可以在单个实施例中组合实施。另一方面,在单个实施例的上下文中描述的各种特征也可以分离地在多个实施例中实施或者以任何适合的子组合来实施。
尽管已经以特定于结构特征和/或方法动作的语言描述了主题,但是将理解,所附权利要求中定义的主题不必然限于上文描述的特定特征或动作。更确切地说,上文描述的特定特征和动作被公开作为实施权利要求的示例形式。
Claims (15)
1.一种用于机器人加工的方法,包括:
基于用于将被加工的目标表面的模型化表面,来确定第一设计加工路径;
使得机器人以自适应方式基于所述第一设计加工路径来加工所述目标表面以获得实际加工路径,其中在所述模型化表面与所述目标表面不同之处,所述机器人被使得遵循所述目标表面;以及
基于所述实际加工路径和所述第一设计加工路径,来确定用于所述目标表面的第二设计加工路径,
其中确定所述第二设计加工路径包括:
从所述机器人获得反馈信息,所述反馈信息有关于由所述机器人持有的加工工具的位置和/或由所述加工工具施加到所述目标表面的力;
基于所述反馈信息来确定所述实际加工路径;
确定所述第一设计加工路径与所述实际加工路径之间的偏差;以及
根据用户输入来确定所述目标表面将被加工为所述模型化表面还是光滑表面,响应于确定所述目标表面将被加工为所述模型化表面,通过基于所述偏差而优化所述第一设计加工路径来确定所述第二设计加工路径,以及响应于确定所述目标表面将被加工为所述光滑表面,将所述第二设计加工路径确定为所述实际加工路径。
2.根据权利要求1所述的方法,其中所述机器人以受控力运行,并且使得所述机器人来加工包括:
使得所述机器人经由加工工具向所述目标表面施加受控力;以及
使得所述机器人以恒定速度移动。
3.根据权利要求1所述的方法,其中所述机器人以受控位置运行,并且使得所述机器人来加工包括:
使得所述机器人在预定位置偏移内沿着所述第一设计加工路径移动。
4.根据权利要求1所述的方法,还包括:
使得所述机器人基于所述第二设计加工路径来进一步加工已加工的所述目标表面。
5.根据权利要求4所述的方法,其中使得所述机器人基于所述第二设计加工路径来进一步加工已加工的所述目标表面包括:
响应于确定对所述目标表面的光滑度要求大于或等于预定阈值光滑度,使得所述机器人利用由所述机器人持有的加工工具施加到已加工的所述目标表面的受控力来进一步加工已加工的所述目标表面;以及
响应于确定所述光滑度要求低于所述预定阈值光滑度,使得所述机器人利用所述加工工具的受控位置来加工已加工的所述目标表面。
6.根据权利要求4所述的方法,还包括:
监测进一步加工的所述目标表面的加工质量;
将所述加工质量与预定阈值质量相比较;
响应于所述加工质量大于或等于所述预定阈值质量,停止所述机器人的所述加工。
7.根据权利要求1所述的方法,其中确定所述第二设计加工路径包括:
确定所述第一设计加工路径与所述实际加工路径之间的偏差是否大于预定阈值偏差;以及
响应于所述偏差大于所述预定阈值偏差,确定所述第二设计加工路径。
8.一种用于机器人加工的设备,包括:
至少一个处理器,以及
至少一个存储器,包括计算机程序指令,所述至少一个存储器和所述计算机程序指令被配置为,与所述处理器一起,使得所述设备:
基于用于将被加工的目标表面的模型化表面,来确定第一设计加工路径;
使得机器人以自适应方式基于所述第一设计加工路径来加工所述目标表面以获得实际加工路径,其中在所述模型化表面与所述目标表面不同之处,所述机器人被使得遵循所述目标表面;以及
基于所述实际加工路径和所述第一设计加工路径,来确定用于所述目标表面的第二设计加工路径,
其中所述至少一个存储器和所述计算机程序指令还被配置为,与所述处理器一起,使得所述设备:
从所述机器人获得反馈信息,所述反馈信息有关于由所述机器人持有的加工工具的位置和/或由所述加工工具施加到所述目标表面的力;
基于所述反馈信息来确定所述实际加工路径;
确定所述第一设计加工路径与所述实际加工路径之间的偏差;以及
根据用户输入来确定所述目标表面将被加工为所述模型化表面还是光滑表面,响应于确定所述目标表面将被加工为所述模型化表面,通过基于所述偏差而优化所述第一设计加工路径来确定所述第二设计加工路径,以及响应于确定所述目标表面将被加工为所述光滑表面,将所述第二设计加工路径确定为所述实际加工路径。
9.根据权利要求8所述的设备,其中所述机器人以受控力运行,并且所述至少一个存储器和所述计算机程序指令还被配置为,与所述处理器一起,使得所述设备:
使得所述机器人经由加工工具向所述目标表面施加受控力;以及
使得所述机器人以恒定速度移动。
10.根据权利要求8所述的设备,其中所述机器人以受控位置运行,所述至少一个存储器和所述计算机程序指令还被配置为,与所述处理器一起,使得所述设备:
使得所述机器人在预定位置偏移内沿着所述第一设计加工路径移动。
11.根据权利要求8所述的设备,其中所述至少一个存储器和所述计算机程序指令还被配置为,与所述处理器一起,使得所述设备:
使得所述机器人基于所述第二设计加工路径来进一步加工已加工的所述目标表面。
12.根据权利要求11所述的设备,其中所述至少一个存储器和所述计算机程序指令还被配置为,与所述处理器一起,使得所述设备:
响应于确定对所述目标表面的光滑度要求大于或等于预定阈值光滑度,使得所述机器人利用由所述机器人持有的加工工具施加到已加工的所述目标表面的受控力来进一步加工已加工的所述目标表面;以及
响应于确定所述光滑度要求低于所述预定阈值光滑度,使得所述机器人利用所述加工工具的受控位置来加工已加工的所述目标表面。
13.根据权利要求11所述的设备,其中所述至少一个存储器和所述计算机程序指令还被配置为,与所述处理器一起,使得所述设备:
监测进一步加工的所述目标表面的加工质量;
将所述加工质量与预定阈值质量相比较;
响应于所述加工质量大于或等于所述预定阈值质量,停止所述机器人的所述加工。
14.根据权利要求8所述的设备,其中所述至少一个存储器和所述计算机程序指令还被配置为,与所述处理器一起,使得所述设备:
确定所述第一设计加工路径与所述实际加工路径之间的偏差是否大于预定阈值偏差;以及
响应于所述偏差大于所述预定阈值偏差,确定所述第二设计加工路径。
15.一种计算机可读介质,其上存储有指令,所述指令当在至少一个处理器上被执行时,使得所述至少一个处理器执行根据权利要求1至7中任一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2017/118663 WO2019127024A1 (en) | 2017-12-26 | 2017-12-26 | Method and apparatus for robotic machining |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111615437A CN111615437A (zh) | 2020-09-01 |
CN111615437B true CN111615437B (zh) | 2022-08-09 |
Family
ID=67062776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780097987.5A Active CN111615437B (zh) | 2017-12-26 | 2017-12-26 | 用于机器人加工的方法和装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11491653B2 (zh) |
EP (1) | EP3731994B1 (zh) |
CN (1) | CN111615437B (zh) |
ES (1) | ES2963952T3 (zh) |
WO (1) | WO2019127024A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111203766B (zh) * | 2020-04-20 | 2020-08-14 | 广东博智林机器人有限公司 | 一种墙面打磨路径规划方法、装置、设备和介质 |
CN112223283A (zh) * | 2020-09-29 | 2021-01-15 | 腾讯科技(深圳)有限公司 | 机械臂、机器人、机械臂的控制方法、处理设备及介质 |
CN116985143B (zh) * | 2023-09-26 | 2024-01-09 | 山东省智能机器人应用技术研究院 | 一种打磨机器人的打磨轨迹生成系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014061395A1 (en) * | 2012-10-19 | 2014-04-24 | Mitsubishi Electric Corporation | Determining trajectories of redundant actuators jointly tracking reference trajectory |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2804829B2 (ja) * | 1990-06-27 | 1998-09-30 | 株式会社日立製作所 | 曲面加工方法 |
US5668453A (en) * | 1993-11-05 | 1997-09-16 | Nippon Telegraph And Telephone Corporation | Method of calculating points and normal lines of contact and apparatus therefor |
US5495410A (en) * | 1994-08-12 | 1996-02-27 | Minnesota Mining And Manufacturing Company | Lead-through robot programming system |
SE0001312D0 (sv) * | 2000-04-10 | 2000-04-10 | Abb Ab | Industrirobot |
US6812665B2 (en) * | 2002-04-19 | 2004-11-02 | Abb Ab | In-process relative robot workcell calibration |
SE525108C2 (sv) * | 2002-12-30 | 2004-11-30 | Abb Research Ltd | Metod och system för programmering av en industrirobot, datorprogramprodukt, datorläsbart medium samt användning |
US6836702B1 (en) * | 2003-06-11 | 2004-12-28 | Abb Ab | Method for fine tuning of a robot program |
EP1854037B1 (en) * | 2005-02-25 | 2014-12-31 | Abb Research Ltd. | Method of and apparatus for automated path learning |
WO2006102517A2 (en) * | 2005-03-23 | 2006-09-28 | Hurco Companies, Inc. | Method of tolerance-based trajectory planning and control |
US7241200B2 (en) * | 2005-03-23 | 2007-07-10 | Control Systems Technologies, Llc | Control system and method for processing jewelry and the like |
CN101623867B (zh) * | 2008-07-11 | 2010-12-01 | 中国科学院沈阳自动化研究所 | 一种使机器人高精度跟踪指定路径的设备和方法 |
US8747188B2 (en) * | 2011-02-24 | 2014-06-10 | Apple Inc. | Smart automation of robotic surface finishing |
US9186795B1 (en) * | 2013-06-24 | 2015-11-17 | Redwood Robotics, Inc. | Programming and execution of force-based tasks with torque-controlled robot arms |
JP5927259B2 (ja) * | 2014-09-30 | 2016-06-01 | ファナック株式会社 | 力制御を実行するロボットシステム |
CN104552293B (zh) * | 2014-11-11 | 2016-07-06 | Abb技术有限公司 | 用于调节机器人路径的方法和系统 |
CN104766333A (zh) * | 2015-04-20 | 2015-07-08 | 吉林大学 | 基于立体视觉的车门点焊机器人路径校正方法 |
US10611024B2 (en) * | 2016-04-27 | 2020-04-07 | Polarworks As | Method of iterative motion control |
US11202682B2 (en) * | 2016-12-16 | 2021-12-21 | Mako Surgical Corp. | Techniques for modifying tool operation in a surgical robotic system based on comparing actual and commanded states of the tool relative to a surgical site |
CN106881648B (zh) * | 2017-03-27 | 2022-12-27 | 江苏科技大学 | 一种调距桨桨叶表面打磨装置和打磨方法 |
CN107052950B (zh) * | 2017-05-25 | 2018-10-12 | 上海莫亭机器人科技有限公司 | 一种复杂曲面打磨抛光系统及方法 |
US20180348730A1 (en) * | 2017-06-01 | 2018-12-06 | X Development Llc | Automatic Generation of Toolpaths |
-
2017
- 2017-12-26 EP EP17936648.9A patent/EP3731994B1/en active Active
- 2017-12-26 ES ES17936648T patent/ES2963952T3/es active Active
- 2017-12-26 CN CN201780097987.5A patent/CN111615437B/zh active Active
- 2017-12-26 WO PCT/CN2017/118663 patent/WO2019127024A1/en unknown
-
2020
- 2020-05-27 US US16/884,438 patent/US11491653B2/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014061395A1 (en) * | 2012-10-19 | 2014-04-24 | Mitsubishi Electric Corporation | Determining trajectories of redundant actuators jointly tracking reference trajectory |
Also Published As
Publication number | Publication date |
---|---|
US11491653B2 (en) | 2022-11-08 |
CN111615437A (zh) | 2020-09-01 |
US20200282559A1 (en) | 2020-09-10 |
EP3731994A1 (en) | 2020-11-04 |
EP3731994A4 (en) | 2021-08-04 |
EP3731994B1 (en) | 2023-10-11 |
WO2019127024A1 (en) | 2019-07-04 |
ES2963952T3 (es) | 2024-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10928802B2 (en) | Method for optimizing the productivity of a machining process of a CNC machine | |
Liu et al. | Cyber-physical machine tool–the era of machine tool 4.0 | |
Brunete et al. | Hard material small-batch industrial machining robot | |
US11491653B2 (en) | Method and apparatus for robotic machining | |
JP6411964B2 (ja) | 工作機械とロボットのリアルタイム干渉確認システム | |
Toquica et al. | A STEP-NC compliant robotic machining platform for advanced manufacturing | |
Nagata et al. | Development of CAM system based on industrial robotic servo controller without using robot language | |
US20200101603A1 (en) | Controller and control system | |
CN103350421A (zh) | 一种模拟熟练工人操作的自动化喷釉控制方法及控制装置 | |
Kumar et al. | Adaptive control systems in CNC machining processes--a review | |
US8667475B2 (en) | Computer-readable storage medium and program-converting method | |
CN110281152B (zh) | 一种基于在线试触的机器人恒力打磨路径规划方法及系统 | |
CN110174871B (zh) | 控制装置、机器学习装置以及系统 | |
CN105643627A (zh) | 机器人运动控制的增益调整装置及方法 | |
JP5362146B1 (ja) | 数値制御装置および数値制御システム | |
CN106271235B (zh) | 基于机器视觉的焊道定位方法及装置 | |
CN112091974A (zh) | 配网带电作业机器人遥控操作系统及其控制方法 | |
JP2008234295A (ja) | 干渉チェックシステム | |
KR100964961B1 (ko) | 로봇의 직접교시 방법 | |
US20240036549A1 (en) | Machining system provided with machine tool, method of revising parameter for revising parameter in machining system, program revision system for revising machining program, and method of revising program | |
CN213634179U (zh) | 自动化装置 | |
JP2020055095A (ja) | 制御装置及び制御システム | |
CN110948489A (zh) | 一种带电作业机器人安全工作空间限定方法及系统 | |
CN112384337A (zh) | 用于分析和/或配置工业设备的方法和系统 | |
Lynn et al. | The state of integrated CAM/CNC control systems: Prior developments and the path towards a smarter CNC |
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 |