CN112297008A - 识别控制指令的方法及装置、非易失性存储介质、处理器 - Google Patents
识别控制指令的方法及装置、非易失性存储介质、处理器 Download PDFInfo
- Publication number
- CN112297008A CN112297008A CN202011177339.0A CN202011177339A CN112297008A CN 112297008 A CN112297008 A CN 112297008A CN 202011177339 A CN202011177339 A CN 202011177339A CN 112297008 A CN112297008 A CN 112297008A
- Authority
- CN
- China
- Prior art keywords
- control instruction
- moving distance
- servo motor
- control
- cycle period
- 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
- 238000004590 computer program Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000033001 locomotion Effects 0.000 description 16
- 230000006870 function Effects 0.000 description 10
- 230000000875 corresponding effect Effects 0.000 description 9
- 230000001276 controlling effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000003466 welding Methods 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
- B25J9/1602—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
- B25J13/00—Controls for manipulators
-
- 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
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert 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
- B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种识别控制指令的方法及装置、非易失性存储介质、处理器。其中,该方法包括:获取多关节机器人在运行目标轨迹时,多关节机器人上的每个轴伺服电机在当前循环周期的电机运行参数,其中,多关节机器人运行一次目标轨迹则每个轴伺服电机执行至少一个循环周期;依据电机运行参数生成第一控制指令;在轴伺服电机接收到第二控制指令时,基于第一控制指令确定第二控制指令是否正确。本发明解决了相关技术中无法识别接收到的控制指令的准确性,进而导致降低控制多关节机器人运行精度的技术问题。
Description
技术领域
本发明涉及机器人控制技术领域,具体而言,涉及一种识别控制指令的方法及装置、非易失性存储介质、处理器。
背景技术
目前在多关节机器人控制系统中,控制机器人运动的第二控制指令是由运动控制器产生经由线路传递到伺服驱动器,伺服驱动器经过环路计算驱动伺服电机运行到相 应的位置,因此第二控制指令从运动控制器传递到伺服驱动器的准确性以及合理性尤 为重要。
但是,相关技术中存在以下无法识别控制指令的准确性的情况,可能会导致伺服驱动器接收到错误指令进而降低控制机器人运行的精度:1)运动控制器本身传递了错 误的第二控制指令,并且伺服驱动器正确接收到;2)运动控制器本身传递了正确的第 二控制指令,但是在传输的过程中受到外界干扰,伺服驱动器接收到错误的第二控制 指令或者没有接收到第二控制指令。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种识别控制指令的方法及装置、非易失性存储介质、处理器,以至少解决相关技术中无法识别接收到的控制指令的准确性,进而导致降低控制 多关节机器人运行精度的技术问题。
根据本发明实施例的一个方面,提供了一种识别控制指令的方法,包括:获取多关节机器人上的每个轴伺服电机在当前循环周期的电机运行参数,其中,上述多关节 机器人运行一次上述目标轨迹则每个上述轴伺服电机执行至少一个循环周期;依据上 述电机运行参数生成第一控制指令,其中,上述第一控制指令中携带有在上述轴伺服 电机执行当前循环周期的下一循环周期时,预测到的上述多关节机器人的移动距离范 围;在上述轴伺服电机接收到第二控制指令时,基于上述第一控制指令确定上述第二 控制指令是否正确,其中,上述第二控制指令中携带有上述轴伺服电机执行上述下一 循环周期时上述多关节机器人的目标移动距离。
根据本发明实施例的另一方面,还提供了一种识别控制指令的装置,包括:获取模块,用于获取多关节机器人上的每个轴伺服电机在当前循环周期的电机运行参数, 其中,上述多关节机器人运行一次上述目标轨迹则每个上述轴伺服电机执行至少一个 循环周期;生成模块,用于依据上述电机运行参数生成第一控制指令,其中,上述第 一控制指令中携带有在上述轴伺服电机执行当前循环周期的下一循环周期时,预测到 的上述多关节机器人的移动距离范围;识别模块,用于在上述轴伺服电机接收到第二 控制指令时,基于上述第一控制指令确定上述第二控制指令是否正确,其中,上述第 二控制指令中携带有上述轴伺服电机执行上述下一循环周期时上述多关节机器人的目 标移动距离。
根据本发明实施例的另一方面,还提供了一种非易失性存储介质,上述非易失性存储介质存储有多条指令,上述指令适于由处理器加载并执行任意一项上述的识别控 制指令的方法。
根据本发明实施例的另一方面,还提供了一种处理器,上述处理器用于运行程序,其中,上述程序被设置为运行时执行任意一项上述的识别控制指令的方法。
根据本发明实施例的另一方面,还提供了一种电子装置,包括存储器和处理器,上述存储器中存储有计算机程序,上述处理器被设置为运行上述计算机程序以执行任 意一项上述的识别控制指令的方法。
根据本发明实施例的另一方面,还提供了一种多关节机器人,包括:电子装置, 其中,上述电子装置包括存储器和处理器,上述存储器中存储有计算机程序,上述处 理器被设置为运行上述计算机程序以执行任意一项上述的识别控制指令的方法。
在本发明实施例中,通过获取多关节机器人上的每个轴伺服电机在当前循环周期的电机运行参数,其中,上述多关节机器人运行一次上述目标轨迹则每个上述轴伺服 电机执行至少一个循环周期;依据上述电机运行参数生成第一控制指令,其中,上述 第一控制指令中携带有在上述轴伺服电机执行当前循环周期的下一循环周期时,预测 到的上述多关节机器人的移动距离范围;在上述轴伺服电机接收到第二控制指令时, 基于上述第一控制指令确定上述第二控制指令是否正确,其中,上述第二控制指令中 携带有上述轴伺服电机执行上述下一循环周期时上述多关节机器人的目标移动距离, 达到了识别控制指令的准确性的目的,从而实现了提升控制多关节机器人运行精度的 技术效果,进而解决了相关技术中无法识别接收到的控制指令的准确性,进而导致降 低控制多关节机器人运行精度的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图 中:
图1是根据本发明实施例的一种识别控制指令的方法的流程图;
图2是根据本发明实施例的一种可选的识别控制指令的方法的流程图;
图3是根据本发明实施例的一种可选的基于预测模型识别控制指令的结构示意图;
图4是根据本发明实施例的一种识别控制指令的装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例 仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领 域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于 本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这 样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在 这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的 任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方 法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚 地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例,提供了一种识别控制指令的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并 且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序 执行所示出或描述的步骤。
图1是根据本发明实施例的一种识别控制指令的方法的流程图,如图1所示,该 方法包括如下步骤:
步骤S102,获取多关节机器人上的每个轴伺服电机在当前循环周期的电机运行参数,其中,上述多关节机器人运行一次上述目标轨迹则每个上述轴伺服电机执行至少 一个循环周期;
步骤S104,依据上述电机运行参数生成第一控制指令,其中,上述第一控制指令中携带有在上述轴伺服电机执行当前循环周期的下一循环周期时,预测到的上述多关 节机器人的移动距离范围;
步骤S106,在上述轴伺服电机接收到第二控制指令时,基于上述第一控制指令确定上述第二控制指令是否正确,其中,上述第二控制指令中携带有上述轴伺服电机执 行上述下一循环周期时上述多关节机器人的目标移动距离。
在本发明实施例中,通过获取多关节机器人上的每个轴伺服电机在当前循环周期的电机运行参数,其中,上述多关节机器人运行一次上述目标轨迹则每个上述轴伺服 电机执行至少一个循环周期;依据上述电机运行参数生成第一控制指令,其中,上述 第一控制指令中携带有在上述轴伺服电机执行当前循环周期的下一循环周期时,预测 到的上述多关节机器人的移动距离范围;在上述轴伺服电机接收到第二控制指令时, 基于上述第一控制指令确定上述第二控制指令是否正确,其中,上述第二控制指令中 携带有上述轴伺服电机执行上述下一循环周期时上述多关节机器人的目标移动距离, 达到了识别控制指令的准确性的目的,从而实现了提升控制多关节机器人运行精度的 技术效果,进而解决了相关技术中无法识别接收到的控制指令的准确性,进而导致降 低控制多关节机器人运行精度的技术问题。
可选的,上述多关节机器人可以为工业机器人,例如,多关节手臂机器人、多关 节机械机器人,适用于诸多工业领域的机械自动化作业中,例如,根据多关节机器人 的构造,用于自动装配、喷漆、搬运、焊接等。
在一种可选的实施例中,通过采集多关节机器人的伺服电机的目标位置值、给定速度值、给定转矩电流值、位置实际值、速度实际值、转矩电流实际值等,并将数据 采集单元采集到的值进行数模转换以及存储,在多关节机器人开始运行过程中,识别 机器人运行第一个完整轨迹在不同工况下每个轴伺服电机在每个循环周期的转动距离、 转动速度及转矩电流。
在之后运行的连续多个(例如,5个)完整的轨迹过程中,对每个轴伺服电机在 每个循环周期转动的转动距离、转动速度及转矩电流进行校准,最终确定多关节机器 人运行一个完整的轨迹,每个轴的伺服电机在每个循环周期的转动距离P=(P1,P2,...,Pn), 其中,Pi={(Pi t,Yi t)∈R2|t=1,2,...,tcyl}、转动速度V=(V1,V2,...,Vn),其中,Vi={(Vi t,Yi t)∈R2|t=1,2,...,tcyl},转矩电流T=(T1,T2,...,Tn),其中, Ti={(Ti t,Yi t)∈R2|t=1,2,...,tcyl},n为多关节机器人是伺服电机的个数,t为多关节机 器人运行一个完整的轨迹所需的周期个数。
作为一种可选的实施例,上述电机运行参数包括:转动距离、转动速度、转矩电流;图2是根据本发明实施例的一种可选的识别控制指令的方法的流程图,如图2所 示,依据上述电机运行参数生成第一控制指令,包括:
步骤S202,将上述转动距离、上述转动速度、上述转矩电流输入至预测模型,得 到上述第一控制指令,其中,上述预测模型是使用多组数据通过机器学习训练出来的, 上述多组数据中的每组数据均包括:样本运行参数,以及与上述样本运行参数对应的 样本控制指令,其中,上述样本运行参数包括:样本转动距离、样本转动速度、样本 转矩电流。
在上述可选的实施例中,通过每个轴的伺服电机在每个循环周期转动的样本转动距离、样本转动速度及样本转矩电流,预先建立预测模型,并进行校验该预测模型是否 创建成功。
可选的,上述预测模型可以为长短期记忆网络LSTM模型,在本申请实施例中,还可以通过有选择的加入新的影响因子给当前预测模型的状态,以减小该预测模型的误 差。
在上述可选的实施例中,该预测模型的输入为当前伺服电机的转动距离Pi t以及转动速度Vi t和转矩电流Ti t,首先将伺服电机的转动距离通过一个全连接网络FC(·)转 化到特征空间的得到特征然后与转动速度Vi t和转矩电流Ti t一起输入到LSTM编码 模块中进行编码,编码时的状态为
其中,WeLSTM为LSTM的参数,Wfc1为全连接网络的参数,循环编码直到多关节机 器人运行一个完整的轨迹所需的所有周期对应的信息均完成编码。
在申请实施例中,在LSTM编码模块完成编码之后进行解码,来预测下一个循环周期的第一控制指令,首先将预测的当前的循环周期的第一控制指令Yi t通过一个全连接 网络FC(·)转化到特征空间ri t,根据LSTM计算出下一个状态通过一个多层感知 机MPL(·)转化到坐标空间得到Yi t+1:
ri t=FC(Yi t;Wfc2);
作为一种可选的实施例,上述预测模型预测的准确性采用最终偏移误差和误差阈值的比较结果来评价,当最终偏移误差AFDE<误差阈值Athresold时,表明预测模型已经创 建成功。
其中,Athresold为表征预测模型的预测准确性的误差阈值,tpred为最后一个循环周期。
在一种可选的实施例中,上述第一控制指令中携带有在上述轴伺服电机执行当前循环周期的下一循环周期时,预测到的上述多关节机器人的移动距离范围;
在一种可选的实施例中,仍如图2所示,基于上述第一控制指令确定上述第二控制指令是否正确,包括:
步骤S302,获取上述第一控制指令中携带的上述移动距离范围以及上述第二控制指令中携带的上述目标移动距离;
步骤S304,检测上述目标移动距离是否包含于上述移动距离范围;
步骤S306,若检测结果指示上述目标移动距离未包含于上述移动距离范围,则确定上述第二控制指令不正确,若检测结果指示上述目标移动距离包含于上述移动距离 范围,则确定上述第二控制指令正确。
可选的,上述第二控制指令为多关节机器人的伺服驱动器接收到的上位控制器发送的控制指令,并存储多关节机器人在此运行轨迹中上一次接收到的第三控制指令。
在上述可选的实施例中,通过获取上述第一控制指令中携带的上述移动距离范围以及上述第二控制指令中携带的上述目标移动距离;判断伺服驱动器收到的第二控制 指令中携带的目标移动距离是否在预测的移动距离范围内,若检测结果指示上述目标 移动距离未包含于上述移动距离范围,则确定上述第二控制指令不正确,若检测结果 指示上述目标移动距离包含于上述移动距离范围,则确定上述第二控制指令正确。
在一种可选的实施例中,仍如图2所示,在基于上述第一控制指令确定上述的第二控制指令是否正确之后,上述方法还包括:
步骤S402,若确定上述第二控制指令正确,则采用上述第二控制指令控制上述多关节机器人运行上述下一循环周期,并将指令错误计数器的计数清零;
步骤S404,若确定上述第二控制指令不正确,则依据第三控制指令修正上述第二控制指令,将上述指令错误计数器的计数加1,并确定是否采用修正后的第二控制指 令控制上述轴伺服电机执行上述下一循环周期,其中,上述第三控制指令为用于控制 上述轴伺服电机执行上述当前循环周期的指令。
在本申请实施例中,若确定上述第二控制指令正确,则采用上述第二控制指令控制上述多关节机器人运行上述下一循环周期,并将指令错误计数器的计数清零;此外, 若确定上述第二控制指令不正确,则依据第三控制指令修正上述第二控制指令,将上 述指令错误计数器的计数加1,并确定是否采用修正后的第二控制指令控制上述轴伺 服电机执行上述下一循环周期,其中,上述第三控制指令为用于控制上述轴伺服电机 执行上述当前循环周期的指令。
在一种可选的实施例中,仍如图2所示,依据第三控制指令修正上述第二控制指令,包括:
步骤S502,获取上述第三控制指令中携带的当前移动距离,其中,上述当前移动距离为上述轴伺服电机执行上述当前循环周期时上述多关节机器人的移动距离;
步骤S504,计算上述目标移动距离与上述当前移动距离之间的差值;
步骤S506,采用上述差值修正上述目标移动距离。
具体的,可以参考伺服电机执行当前循环周期时的第三控制指令中携带的当前移动距离,对第二控制指令中携带的目标移动距离进行修正。具体的,可以计算上述目 标移动距离与上述当前移动距离之间的差值;采用上述差值修正上述目标移动距离。
在一种可选的实施例中,采用上述差值修正上述目标移动距离,包括:计算上述差值与上述当前移动距离的相加值;将上述相加值赋值给上述目标移动距离,即实现 采用第三控制指令中携带的当前移动距离,对第二控制指令中携带的目标移动距离进 行修正的目的。
在一种可选的实施例中,仍如图2所示,确定是否采用修正后的第二控制指令控制上述轴伺服电机执行上述下一循环周期,包括:
步骤S602,检测上述指令错误计数器的计数是否小于预定值;
步骤S604,若检测到上述计数小于上述预定值,则确定采用修正后的第二控制指令控制上述轴伺服电机执行上述下一循环周期;
步骤S606,若检测到上述计数大于或等于上述预定值,则确定不采用修正后的第二控制指令控制上述轴伺服电机执行上述下一循环周期,并输出告警信息。
可选的,上述预定值可以为2,在上述可选的实施例中,在采用上述第三控制指 令对第二控制指令进行修正之后,通过检测上述指令错误计数器的计数是否小于2, 若检测到上述计数小于2,则确定采用修正后的第二控制指令控制上述轴伺服电机执 行上述下一循环周期;若检测到上述计数大于或等于2,则确定不采用修正后的第二 控制指令控制上述轴伺服电机执行上述下一循环周期,并输出告警信息。
还存在一种可选的实施例,如图3所示的框架图所示,基于预测模型识别控制指令的框架图主要包含以下处理单元,包括:数据采集单元、数据处理单元、自学习单 元、预测模型创建单元、预估单元、比较单元、错误处理单元;其中,数据采集单元 主要采集伺服电机目标位置值、给定速度值、给定转矩电流值、位置实际值、速度实 际值、转矩电流实际值等;数据处理单元主要将数据采集单元采集到的值进行数模转 换以及存储;自学习单元主要功能是伺服驱动器识别并确认多关节机器人在零位控、 低速空载,中速空载、高速空载、低速满载、中速满载、高速满载工况下每个轴伺服 电机在每个循环周期转动的转动距离、转动速度以及转矩电流;预测模型创建单元, 用于创建一个可以预测下一循环周期伺服驱动器的移动距离范围的第一控制指令的预 测模型;预估单元主要用于基于预测模型预估的第一控制指令计算得到移动距离范围; 比较单元主要用于判断第二控制指令是否处于上述移动距离范围内;错误处理单元主 要功能是当驱动器接收到错误的第二控制指令时,驱动器执行相应的动作。
实施例2
根据本发明实施例,还提供了一种用于实施上述识别控制指令的方法的装置实施例,图4是根据本发明实施例的一种识别控制指令的装置的结构示意图,如图4所示, 上述识别控制指令的装置,包括:获取模块40、生成模块42和识别模块44,其中:
获取模块40,用于获取多关节机器人上的每个轴伺服电机在当前循环周期的电机运行参数,其中,上述多关节机器人运行一次上述目标轨迹则每个上述轴伺服电机执 行至少一个循环周期;生成模块42,用于依据上述电机运行参数生成第一控制指令, 其中,上述第一控制指令中携带有在上述轴伺服电机执行当前循环周期的下一循环周 期时,预测到的上述多关节机器人的移动距离范围;识别模块44,用于在上述轴伺服 电机接收到第二控制指令时,基于上述第一控制指令确定上述第二控制指令是否正确, 其中,上述第二控制指令中携带有上述轴伺服电机执行上述下一循环周期时上述多关 节机器人的目标移动距离。
在一种可选的实施例中,上述电机运行参数包括:转动距离、转动速度、转矩电流;上述装置还用于通过全连接网络将上述转动距离转化至特征空间,得到距离特征; 将上述转动距离、上述转动速度、上述转矩电流输入至预测模型,得到上述第一控制 指令,其中,上述预测模型是使用多组数据通过机器学习训练出来的,上述多组数据 中的每组数据均包括:样本运行参数,以及与上述样本运行参数对应的样本控制指令, 其中,上述样本运行参数包括:样本转动距离、样本转动速度、样本转矩电流。
在一种可选的实施例中,上述装置还用于获取上述第一控制指令中携带的上述移动距离范围以及上述第二控制指令中携带的上述目标移动距离;检测上述目标移动距 离是否包含于上述移动距离范围;若检测结果指示上述目标移动距离未包含于上述移 动距离范围,则确定上述第二控制指令不正确,若检测结果指示上述目标移动距离包 含于上述移动距离范围,则确定上述第二控制指令正确。
在一种可选的实施例中,上述装置还用于若确定上述第二控制指令正确,则采用上述第二控制指令控制上述多关节机器人运行上述下一循环周期,并将指令错误计数 器的计数清零;若确定上述第二控制指令不正确,则依据第三控制指令修正上述第二 控制指令,将上述指令错误计数器的计数加1,并确定是否采用修正后的第二控制指 令控制上述轴伺服电机执行上述下一循环周期,其中,上述第三控制指令为用于控制 上述轴伺服电机执行上述当前循环周期的指令。
在一种可选的实施例中,上述装置还用于获取上述第三控制指令中携带的当前移动距离,其中,上述当前移动距离为上述轴伺服电机执行上述当前循环周期时上述多 关节机器人的移动距离;计算上述目标移动距离与上述当前移动距离之间的差值;采 用上述差值修正上述目标移动距离。
在一种可选的实施例中,上述装置还用于检测上述指令错误计数器的计数是否小于预定值;若检测到上述计数小于上述预定值,则确定采用修正后的第二控制指令控 制上述轴伺服电机执行上述下一循环周期;若检测到上述计数大于或等于上述预定值, 则确定不采用修正后的第二控制指令控制上述轴伺服电机执行上述下一循环周期,并 输出告警信息。
在一种可选的实施例中,上述装置还用于计算上述差值与上述当前移动距离的相加值;将上述相加值赋值给上述目标移动距离。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,例如,对于后者,可以通过以下方式实现:上述各个模块可以位于同一处理器中;或者,上述各个模块 以任意组合的方式位于不同的处理器中。
此处需要说明的是,上述获取模块40、生成模块42和识别模块44对应于实施例 1中的步骤S102至步骤S106,上述模块与对应的步骤所实现的实例和应用场景相同, 但不限于上述实施例1所公开的内容。需要说明的是,上述模块作为装置的一部分可 以运行在计算机终端中。
需要说明的是,本实施例的可选或优选实施方式可以参见实施例1中的相关描述,此处不再赘述。
上述的识别控制指令的装置还可以包括处理器和存储器,上述获取模块40、生成模块42和识别模块44等均作为程序单元存储在存储器中,由处理器执行存储在存储 器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元,上述内核可以设置一个或以上。存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包 括至少一个存储芯片。
根据本申请实施例,还提供了一种非易失性存储介质的实施例。可选地,在本实施例中,上述非易失性存储介质包括存储的程序,其中,在上述程序运行时控制上述 非易失性存储介质所在设备执行上述任意一种识别控制指令的方法。
可选地,在本实施例中,上述非易失性存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中,或者位于移动终端群中的任意一个移动终端中,上 述非易失性存储介质包括存储的程序。
可选地,在程序运行时控制非易失性存储介质所在设备执行以下功能:获取多关节机器人上的每个轴伺服电机在当前循环周期的电机运行参数,其中,上述多关节机 器人运行一次上述目标轨迹则每个上述轴伺服电机执行至少一个循环周期;依据上述 电机运行参数生成第一控制指令,其中,上述第一控制指令中携带有在上述轴伺服电 机执行当前循环周期的下一循环周期时,预测到的上述多关节机器人的移动距离范围; 在上述轴伺服电机接收到第二控制指令时,基于上述第一控制指令确定上述第二控制 指令是否正确,其中,上述第二控制指令中携带有上述轴伺服电机执行上述下一循环 周期时上述多关节机器人的目标移动距离。
可选地,在程序运行时控制非易失性存储介质所在设备执行以下功能:通过全连接网络将上述转动距离转化至特征空间,得到距离特征;将上述转动距离、上述转动 速度、上述转矩电流输入至预测模型,得到上述第一控制指令,其中,上述预测模型 是使用多组数据通过机器学习训练出来的,上述多组数据中的每组数据均包括:样本 运行参数,以及与上述样本运行参数对应的样本控制指令,其中,上述样本运行参数 包括:样本转动距离、样本转动速度、样本转矩电流。
可选地,在程序运行时控制非易失性存储介质所在设备执行以下功能:获取上述第一控制指令中携带的上述移动距离范围以及上述第二控制指令中携带的上述目标移 动距离;检测上述目标移动距离是否包含于上述移动距离范围;若检测结果指示上述 目标移动距离未包含于上述移动距离范围,则确定上述第二控制指令不正确,若检测 结果指示上述目标移动距离包含于上述移动距离范围,则确定上述第二控制指令正确。
可选地,在程序运行时控制非易失性存储介质所在设备执行以下功能:若确定上述第二控制指令正确,则采用上述第二控制指令控制上述多关节机器人运行上述下一 循环周期,并将指令错误计数器的计数清零;若确定上述第二控制指令不正确,则依 据第三控制指令修正上述第二控制指令,将上述指令错误计数器的计数加1,并确定 是否采用修正后的第二控制指令控制上述轴伺服电机执行上述下一循环周期,其中, 上述第三控制指令为用于控制上述轴伺服电机执行上述当前循环周期的指令。
可选地,在程序运行时控制非易失性存储介质所在设备执行以下功能:获取上述第三控制指令中携带的当前移动距离,其中,上述当前移动距离为上述轴伺服电机执 行上述当前循环周期时上述多关节机器人的移动距离;计算上述目标移动距离与上述 当前移动距离之间的差值;采用上述差值修正上述目标移动距离。
可选地,在程序运行时控制非易失性存储介质所在设备执行以下功能:检测上述指令错误计数器的计数是否小于预定值;若检测到上述计数小于上述预定值,则确定 采用修正后的第二控制指令控制上述轴伺服电机执行上述下一循环周期;若检测到上 述计数大于或等于上述预定值,则确定不采用修正后的第二控制指令控制上述轴伺服 电机执行上述下一循环周期,并输出告警信息。
可选地,在程序运行时控制非易失性存储介质所在设备执行以下功能:计算上述差值与上述当前移动距离的相加值;将上述相加值赋值给上述目标移动距离。
根据本申请实施例,还提供了一种处理器的实施例。可选地,在本实施例中,上 述处理器用于运行程序,其中,上述程序运行时执行上述任意一种识别控制指令的方 法。
根据本申请实施例,还提供了一种电子装置的实施例,包括存储器和处理器,上述存储器中存储有计算机程序,上述处理器被设置为运行上述计算机程序以执行上述 任意一种的识别控制指令的方法。
根据本申请实施例,还提供了一种多关节机器人,包括:电子装置,其中,上述 电子装置包括存储器和处理器,上述存储器中存储有计算机程序,上述处理器被设置 为运行上述计算机程序以执行任意一项上述的识别控制指令的方法。
根据本申请实施例,还提供了一种计算机程序产品的实施例,当在数据处理设备上执行时,适于执行初始化有上述任意一种的识别控制指令的方法步骤的程序。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分, 可以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信连接可以是通过一些接口,单元或模 块的间接耦合或通信连接,可以是电性或其它的形式。
上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。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成 的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上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非易失性存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软 件产品的形式体现出来,该计算机软件产品存储在一个非易失性存储介质中,包括若 干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本 发明各个实施例上述方法的全部或部分步骤。而前述的非易失性存储介质包括:U盘、 只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、 移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润 饰也应视为本发明的保护范围。
Claims (12)
1.一种识别控制指令的方法,其特征在于,包括:
获取多关节机器人上的每个轴伺服电机在当前循环周期的电机运行参数,其中,所述多关节机器人运行一次目标轨迹则每个所述轴伺服电机执行至少一个循环周期;
依据所述电机运行参数生成第一控制指令,其中,所述第一控制指令中携带有在所述轴伺服电机执行当前循环周期的下一循环周期时,预测到的所述多关节机器人的移动距离范围;
在所述轴伺服电机接收到第二控制指令时,基于所述第一控制指令确定所述第二控制指令是否正确,其中,所述第二控制指令中携带有所述轴伺服电机执行所述下一循环周期时所述多关节机器人的目标移动距离。
2.根据权利要求1所述的方法,其特征在于,所述电机运行参数包括:转动距离、转动速度、转矩电流;依据所述电机运行参数生成第一控制指令,包括:
将所述转动距离、所述转动速度、所述转矩电流输入至预测模型,得到所述第一控制指令,其中,所述预测模型是使用多组数据通过机器学习训练出来的,所述多组数据中的每组数据均包括:样本运行参数,以及与所述样本运行参数对应的样本控制指令,其中,所述样本运行参数包括:样本转动距离、样本转动速度、样本转矩电流。
3.根据权利要求1所述的方法,其特征在于,基于所述第一控制指令确定所述第二控制指令是否正确,包括:
获取所述第一控制指令中携带的所述移动距离范围以及所述第二控制指令中携带的所述目标移动距离;
检测所述目标移动距离是否包含于所述移动距离范围;
若检测结果指示所述目标移动距离未包含于所述移动距离范围,则确定所述第二控制指令不正确,若检测结果指示所述目标移动距离包含于所述移动距离范围,则确定所述第二控制指令正确。
4.根据权利要求3所述的方法,其特征在于,在基于所述第一控制指令确定所述的第二控制指令是否正确之后,所述方法还包括:
若确定所述第二控制指令正确,则采用所述第二控制指令控制所述多关节机器人运行所述下一循环周期,并将指令错误计数器的计数清零;
若确定所述第二控制指令不正确,则依据第三控制指令修正所述第二控制指令,将所述指令错误计数器的计数加1,并确定是否采用修正后的第二控制指令控制所述轴伺服电机执行所述下一循环周期,其中,所述第三控制指令为用于控制所述轴伺服电机执行所述当前循环周期的指令。
5.根据权利要求4所述的方法,其特征在于,依据第三控制指令修正所述第二控制指令,包括:
获取所述第三控制指令中携带的当前移动距离,其中,所述当前移动距离为所述轴伺服电机执行所述当前循环周期时所述多关节机器人的移动距离;
计算所述目标移动距离与所述当前移动距离之间的差值;
采用所述差值修正所述目标移动距离。
6.根据权利要求4所述的方法,其特征在于,确定是否采用修正后的第二控制指令控制所述轴伺服电机执行所述下一循环周期,包括:
检测所述指令错误计数器的计数是否小于预定值;
若检测到所述计数小于所述预定值,则确定采用修正后的第二控制指令控制所述轴伺服电机执行所述下一循环周期;
若检测到所述计数大于或等于所述预定值,则确定不采用修正后的第二控制指令控制所述轴伺服电机执行所述下一循环周期,并输出告警信息。
7.根据权利要求5所述的方法,其特征在于,采用所述差值修正所述目标移动距离,包括:
计算所述差值与所述当前移动距离的相加值;
将所述相加值赋值给所述目标移动距离。
8.一种识别控制指令的装置,其特征在于,包括:
获取模块,用于获取多关节机器人上的每个轴伺服电机在当前循环周期的电机运行参数,其中,所述多关节机器人运行一次所述目标轨迹则每个所述轴伺服电机执行至少一个循环周期;
生成模块,用于依据所述电机运行参数生成第一控制指令,其中,所述第一控制指令中携带有在所述轴伺服电机执行当前循环周期的下一循环周期时,预测到的所述多关节机器人的移动距离范围;
识别模块,用于在所述轴伺服电机接收到第二控制指令时,基于所述第一控制指令确定所述第二控制指令是否正确,其中,所述第二控制指令中携带有所述轴伺服电机执行所述下一循环周期时所述多关节机器人的目标移动距离。
9.一种非易失性存储介质,其特征在于,所述非易失性存储介质存储有多条指令,所述指令适于由处理器加载并执行权利要求1至6中任意一项所述的识别控制指令的方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序被设置为运行时执行权利要求1至6中任意一项所述的识别控制指令的方法。
11.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至6中任意一项所述的识别控制指令的方法。
12.一种多关节机器人,其特征在于,包括:电子装置,其中,所述电子装置包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至6中任意一项所述的识别控制指令的方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011177339.0A CN112297008B (zh) | 2020-10-28 | 2020-10-28 | 识别控制指令的方法及装置、非易失性存储介质、处理器 |
PCT/CN2021/109981 WO2022088816A1 (zh) | 2020-10-28 | 2021-08-02 | 识别控制指令的方法及装置、非易失性存储介质、处理器、电子装置、多关节机器人 |
EP21884551.9A EP4238713A4 (en) | 2020-10-28 | 2021-08-02 | METHOD AND DEVICE FOR IDENTIFYING CONTROL INSTRUCTIONS AND NON-VOLATILE STORAGE MEDIUM, PROCESSOR, ELECTRONIC DEVICE AND MULTI-JOINTED ROBOT |
JP2023509413A JP7494382B2 (ja) | 2020-10-28 | 2021-08-02 | 制御命令の識別方法及び識別装置、不揮発性記憶媒体、プロセッサ、電子装置、多関節ロボット |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011177339.0A CN112297008B (zh) | 2020-10-28 | 2020-10-28 | 识别控制指令的方法及装置、非易失性存储介质、处理器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112297008A true CN112297008A (zh) | 2021-02-02 |
CN112297008B CN112297008B (zh) | 2021-11-26 |
Family
ID=74331427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011177339.0A Active CN112297008B (zh) | 2020-10-28 | 2020-10-28 | 识别控制指令的方法及装置、非易失性存储介质、处理器 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP4238713A4 (zh) |
JP (1) | JP7494382B2 (zh) |
CN (1) | CN112297008B (zh) |
WO (1) | WO2022088816A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113681558A (zh) * | 2021-08-17 | 2021-11-23 | 珠海格力电器股份有限公司 | 多关节机器人的电机抱闸异常控制方法、装置及机器人 |
CN114407080A (zh) * | 2022-01-28 | 2022-04-29 | 上海新时达机器人有限公司 | 一种工业机器人抖动测试方法以及系统 |
WO2022088816A1 (zh) * | 2020-10-28 | 2022-05-05 | 珠海格力电器股份有限公司 | 识别控制指令的方法及装置、非易失性存储介质、处理器、电子装置、多关节机器人 |
CN116100578A (zh) * | 2023-04-13 | 2023-05-12 | 深圳市大族机器人有限公司 | 一种双关节机器人的指令快速响应系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101075799A (zh) * | 2006-06-23 | 2007-11-21 | 魏晓龙 | 直流电动机的全数字化智能控制模块 |
EP3539728A1 (en) * | 2018-03-17 | 2019-09-18 | Tata Consultancy Services Limited | System and method for fault detection in robotic actuation |
CN111241748A (zh) * | 2020-01-13 | 2020-06-05 | 华北电力大学 | 基于长短期记忆模型循环神经网络的风力发电机故障诊断 |
CN111237134A (zh) * | 2020-01-14 | 2020-06-05 | 上海电力大学 | 一种基于GRA-LSTM-stacking模型的海上双馈风力发电机故障诊断方法 |
CN111537005A (zh) * | 2020-05-09 | 2020-08-14 | 浙江众邦机电科技有限公司 | 一种增量式光电编码器信号丢失的处理方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5231935B2 (ja) | 2008-10-21 | 2013-07-10 | 株式会社東芝 | ロボット制御装置 |
JP2015174155A (ja) | 2014-03-13 | 2015-10-05 | 三菱重工業株式会社 | ロボット、ロボットの制御方法、及びロボットの制御プログラム |
US9630318B2 (en) * | 2014-10-02 | 2017-04-25 | Brain Corporation | Feature detection apparatus and methods for training of robotic navigation |
JP2019020959A (ja) * | 2017-07-14 | 2019-02-07 | ファナック株式会社 | 制御装置及び学習装置 |
CN108372502A (zh) * | 2018-01-08 | 2018-08-07 | 浙江立石机器人技术有限公司 | 一种机器人运动控制系统及控制方法 |
JP6781183B2 (ja) | 2018-03-26 | 2020-11-04 | ファナック株式会社 | 制御装置及び機械学習装置 |
CN108638062B (zh) * | 2018-05-09 | 2021-08-13 | 科沃斯商用机器人有限公司 | 机器人定位方法、装置、定位设备及存储介质 |
CN109702744A (zh) * | 2019-01-15 | 2019-05-03 | 北京工业大学 | 一种基于动态系统模型的机器人模仿学习的方法 |
CN112297008B (zh) * | 2020-10-28 | 2021-11-26 | 珠海格力电器股份有限公司 | 识别控制指令的方法及装置、非易失性存储介质、处理器 |
-
2020
- 2020-10-28 CN CN202011177339.0A patent/CN112297008B/zh active Active
-
2021
- 2021-08-02 JP JP2023509413A patent/JP7494382B2/ja active Active
- 2021-08-02 WO PCT/CN2021/109981 patent/WO2022088816A1/zh unknown
- 2021-08-02 EP EP21884551.9A patent/EP4238713A4/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101075799A (zh) * | 2006-06-23 | 2007-11-21 | 魏晓龙 | 直流电动机的全数字化智能控制模块 |
EP3539728A1 (en) * | 2018-03-17 | 2019-09-18 | Tata Consultancy Services Limited | System and method for fault detection in robotic actuation |
CN111241748A (zh) * | 2020-01-13 | 2020-06-05 | 华北电力大学 | 基于长短期记忆模型循环神经网络的风力发电机故障诊断 |
CN111237134A (zh) * | 2020-01-14 | 2020-06-05 | 上海电力大学 | 一种基于GRA-LSTM-stacking模型的海上双馈风力发电机故障诊断方法 |
CN111537005A (zh) * | 2020-05-09 | 2020-08-14 | 浙江众邦机电科技有限公司 | 一种增量式光电编码器信号丢失的处理方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022088816A1 (zh) * | 2020-10-28 | 2022-05-05 | 珠海格力电器股份有限公司 | 识别控制指令的方法及装置、非易失性存储介质、处理器、电子装置、多关节机器人 |
CN113681558A (zh) * | 2021-08-17 | 2021-11-23 | 珠海格力电器股份有限公司 | 多关节机器人的电机抱闸异常控制方法、装置及机器人 |
CN114407080A (zh) * | 2022-01-28 | 2022-04-29 | 上海新时达机器人有限公司 | 一种工业机器人抖动测试方法以及系统 |
CN116100578A (zh) * | 2023-04-13 | 2023-05-12 | 深圳市大族机器人有限公司 | 一种双关节机器人的指令快速响应系统 |
Also Published As
Publication number | Publication date |
---|---|
EP4238713A1 (en) | 2023-09-06 |
JP7494382B2 (ja) | 2024-06-03 |
JP2023541528A (ja) | 2023-10-03 |
EP4238713A4 (en) | 2024-06-26 |
CN112297008B (zh) | 2021-11-26 |
WO2022088816A1 (zh) | 2022-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112297008B (zh) | 识别控制指令的方法及装置、非易失性存储介质、处理器 | |
CN104010774B (zh) | 用于自动生成机器人程序的系统和方法 | |
CN110000815B (zh) | 一种碰撞检测方法、装置、电子设备及存储介质 | |
CN111376271B (zh) | 控制焊接机器人的方法、装置、焊接机器人和储存介质 | |
CN112534471B (zh) | 图像生成装置及方法、机器人训练系统以及存储介质 | |
CN107894762A (zh) | 实物仿真测试方法、装置及系统 | |
CN111683799A (zh) | 机器人的动作控制装置 | |
CN115609594B (zh) | 机械臂路径的规划方法、装置、上位控制端及存储介质 | |
CN117235873A (zh) | 基于历史工作记录的智慧家居布局方法及系统 | |
CN115507867A (zh) | 目标轨迹预测方法、装置、电子装置和存储介质 | |
CN112097772B (zh) | 机器人及其地图构建方法和装置 | |
CN111775711A (zh) | 纯电动汽车状态监测方法及系统 | |
CN115115530B (zh) | 一种图像去模糊的方法、装置、终端设备及介质 | |
CN113076097A (zh) | 一种基于人工智能与物联网的可视化编程工具系统 | |
CN113282475B (zh) | 用于评价交互系统交互性能的方法和装置 | |
JP7526591B2 (ja) | 音響認識システム、音響認識方法 | |
Pfaff et al. | Adaptive, predictive machine condition assessment for resilient digital solutions | |
WO2018211178A1 (en) | Neural network based solution | |
CN116423545B (zh) | 一种移动协作机器人一体化控制系统 | |
JP2019155574A (ja) | ロボット制御装置、ネットワークシステム、ロボットのパラメータの導出方法およびプログラム | |
Malak et al. | A framework for the adaptive transfer of robot skill knowledge using reinforcement learning agents | |
US20220143833A1 (en) | Computer-readable recording medium storing abnormality determination program, abnormality determination method, and abnormality determination apparatus | |
CN109669384B (zh) | 一种复卷机的控制电路、控制方法及装置 | |
EP3067763B1 (en) | Assignment of sensors to machine parts | |
CN117798911A (zh) | 一种物体抓取方法、装置、计算机可读存储介质及机器人 |
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: 20240202 Address after: 519110 No. 6, Longshan Second Road, Doumen Town, Doumen District, Zhuhai City, Guangdong Province Patentee after: ZHUHAI KAIBANG MOTOR MANUFACTURE Co.,Ltd. Country or region after: China Address before: 519070 No. six Jinji Road West, Zhuhai, Guangdong Patentee before: GREE ELECTRIC APPLIANCES,Inc.OF ZHUHAI Country or region before: China |