CN113043274A - 一种机器人性能评价方法及系统 - Google Patents

Abstract

本申请公开了一种机器人性能评价方法及系统，机器人性能评价方法包括：轨迹数据获得步骤：收集机器人在任务路径下的轨迹位置数据；控制误差向量集合获得步骤：根据所述运行轨迹数据以及所述参考轨迹数据获得所述机器人的控制误差向量集合；控制精度聚类集合获得步骤：对所述控制误差向量集合进行聚类获得所述机器人的控制精度聚类集合；控制性能方向集合获得步骤：根据预设规则对所述控制误差向量集合进行分类，获得多个控制速度误差向量子集合并进行聚类获得所述机器人的控制性能方向集合；机器人性能评价结果获得步骤：根据所述控制精度聚类集合及所述控制性能方向集合获得机器人性能评价结果。

Description

一种机器人性能评价方法及系统

技术领域

本申请涉及机器人性能评价技术领域，尤其涉及一种机器人性能评价方法及系统。

背景技术

现有机器人性能评价方法主要为层析分析法、模糊逻辑法等评价方法。这些方法需要按照专家经验人为设定相关评价参数，导致评价方法主观性较强，构建后的评价模型通用性较差。此外，现有评价方法所依赖的评价指标计算方式主要为求极值、期望及标准差等方法。然而，随着工业物联网等信息技术的发展，机器人运行历史数据为机器人的性能分析提供良好基础，现有的指标计算方式对机器人历史运行数据的利用率较低，这就导致评价结果不能深入反应机器人的性能变化。现有评价方法如层次分析法等虽然可以实现对机器人性能的评价，但是评价结果是性能的综合得分，一般缺乏实际的物理意义，无法对机器人的性能优化提供指导，缺乏实际应用价值。

发明内容

本申请实施例提供了一种机器人性能评价方法及系统，以至少解决了利用现有技术获取的机器人评价结果存在人为主观因素影响、现有的指标计算方式对机器人历史运行数据的利用率较低导致评价结果不能深入反应机器人的性能变化以及现有技术评价结果是机器人性能的综合得分，缺乏实际的物理意义，无法对机器人的性能优化提供指导等问题。

本发明提供了一种机器人性能评价方法，包括：

轨迹数据获得步骤：收集机器人在任务路径下的轨迹位置数据；

控制误差向量集合获得步骤：从所述轨迹位置数据中提取运行轨迹数据以及参考轨迹数据，并根据所述运行轨迹数据以及所述参考轨迹数据获得所述机器人的控制误差向量集合；

控制精度聚类集合获得步骤：对所述控制误差向量集合进行聚类获得所述机器人的控制精度聚类集合；

控制性能方向集合获得步骤：根据预设规则对所述控制误差向量集合进行分类，获得多个控制速度误差向量子集合并对多个所述控制速度误差向量子集合进行聚类获得所述机器人的控制性能方向集合；

机器人性能评价结果获得步骤：根据所述控制精度聚类集合及所述控制性能方向集合获得机器人性能评价结果。

上述的机器人性能评价方法，所述轨迹数据获得步骤包括，根据所述任务路径下的所述轨迹，在相同速度及负重测试条件下控制所述机器人进行重复运动，并收集所述机器人在所述任务路径下的所述轨迹的所述轨迹位置数据，其中，所述轨迹位置数据包括，所述运行轨迹数据与所述参考轨迹数据。

上述的机器人性能评价方法，所述控制误差向量集合获得步骤包括：

轨迹数据提取步骤：从所述轨迹位置数据中提取所述运行轨迹数据以及所述参考轨迹数据；

控制误差向量集合计算步骤：基于欧式距离通过k-means算法对所述运行轨迹数据及所述参考轨迹数据进行聚类获得所述控制精度聚类集合。

上述的机器人性能评价方法，所述控制性能方向集合步骤包括：

控制误差向量集合分类步骤：根据所述机器人在所述任务路径下的所述轨迹中不同的速度状态，将所述控制误差向量集合划分为多个不同的所述速度状态下的所述控制速度误差向量子集合；

控制性能方向集合计算步骤：按照余弦相似性利用k-means算法分别对不同的所述速度状态下的多个所述控制速度误差向量子集合进行聚类获得所述控制性能方向集合。

上述的机器人性能评价方法，所述机器人性能评价结果获得步骤包括：

典型方向获得步骤：根据所述控制性能方向集合获得各个聚类中心方向并作为该聚类的典型方向；

机器人性能评价结果计算步骤：通过比较所述典型方向与迪卡尔空间坐标轴三个坐标平面之间的夹角，按照最大原则将所述典型方向划分为XYZ三个方向，再对所述控制精度聚类集合与所述典型方向进行交集运算，获得所述机器人性能评价结果。

本发明还提供一种机器人性能评价系统，其中，适用于上述所述的机器人性能评价方法，所述机器人性能评价系统包括：

轨迹数据获得单元：收集机器人在任务路径下的轨迹位置数据；

控制误差向量集合获得单元：从所述轨迹位置数据中提取运行轨迹数据以及参考轨迹数据，并根据所述运行轨迹数据以及所述参考轨迹数据获得所述机器人的控制误差向量集合；

控制精度聚类集合获得单元：对所述控制误差向量集合进行聚类获得所述机器人的控制精度聚类集合；

控制性能方向集合获得单元：根据预设规则对所述控制误差向量集合进行分类，获得多个控制速度误差向量子集合并对多个所述控制速度误差向量子集合进行聚类获得所述机器人的控制性能方向集合；

机器人性能评价结果获得单元：根据所述控制精度聚类集合及所述控制性能方向集合获得机器人性能评价结果。

上述的机器人性能评价系统，所述轨迹数据获得单元根据所述任务路径下的所述轨迹，在相同速度及负重测试条件下控制所述机器人进行重复运动，并收集所述机器人在所述任务路径下的所述轨迹的所述轨迹位置数据，其中，所述轨迹位置数据包括，所述运行轨迹数据与所述参考轨迹数据。

上述的机器人性能评价系统，所述控制误差向量集合获得单元包括：

轨迹数据提取模块：从所述轨迹位置数据中提取所述运行轨迹数据以及所述参考轨迹数据；

控制误差向量集合计算模块：基于欧式距离通过k-means算法对所述运行轨迹数据及所述参考轨迹数据进行聚类获得所述控制精度聚类集合。

上述的机器人性能评价系统，所述控制性能方向集合单元包括：

控制误差向量集合分类模块：根据所述机器人在所述任务路径下的所述轨迹中不同的速度状态，将所述控制误差向量集合划分为多个不同的所述速度状态下的所述控制速度误差向量子集合；

控制性能方向集合计算模块：按照余弦相似性利用k-means算法分别对不同的所述速度状态下的多个所述控制速度误差向量子集合进行聚类获得所述控制性能方向集合。

上述的机器人性能评价系统，所述机器人性能评价结果获得单元包括：

典型方向获得模块：根据所述控制性能方向集合获得各个聚类中心方向并作为该聚类的典型方向；

机器人性能评价结果计算模块：通过比较所述典型方向与迪卡尔空间坐标轴三个坐标平面之间的夹角，按照最大原则将所述典型方向划分为XYZ三个方向，再对所述控制精度聚类集合与所述典型方向进行交集运算，获得所述机器人性能评价结果。

本发明还提供一种电子设备，包括存储器、处理器以及存储在所述存储器上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上述任一项所述的机器人性能评价方法。

本发明还提供一种电子设备可读存储介质，所述电子设备可读存储介质上存储有计算机程序指令，所述计算机程序指令被所述处理器执行时实现上述任一项所述的机器人性能评价方法。

相比于相关技术，本发明提供了一种机器人性能评价方法及系统，本发明基于控制误差向量大小与方向等多维约束条件，对机器人控制运动过程中加速、匀速及减速阶段控制性能进行分析，挖掘机器人在整个任务路径下的典型的控制性能状态，并利用多聚类融合的方法分析机器人控制性能的典型控制精度和方向，实现机器人的控制性能评价。并且该方法还利用了数据自动生成机器人的评价标准，减少了人为主观因素的影响保证了评价的客观性且更满足实际需求，同时评价结果具有二维属性，机器人控制性能的二维评价，反映了机器人性能好坏与具体方向的偏向以及最终评价结果融合了机器人的控制精度和方向，更为细致的反映了机器人在运动过程中的控制性能，使评价结果更具实际应用价值。本发明基于运行控制数据给出了机器人控制误差主要存在方向，更为深入的描述了机器人的控制性能，还给出了对机器人控制性能造成影响的可能的关节电机组合，为优化机器人控制性能提供了基础。

本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的机器人性能评价方法流程图；

图2是根据本申请实施例的总体方案流程图；

图3为本发明的机器人性能评价系统的结构示意图；

图4是根据本申请实施例的电子设备的框架图。

其中，附图标记为：

轨迹数据收集获得单元：51；

控制误差向量获得单元：52；

控制精度聚类集合获得单元：53；

控制性能方向集合获得单元：54；

机器人性能评价结果获得单元：55；

轨迹数据提取模块：521；

控制误差向量计算模块：522；

控制误差向量集合分类模块：541；

控制性能方向集合计算模块：542；

典型方向获得模块：551；

机器人性能评价结果计算模块：552；

总线:80；

处理器：81；

存储器：82；

通信接口：83。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。

除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。

本发明基于机器人性能评价方法及系统，下面进行简要的介绍。

本发明提供了一种机器人性能评价方法及系统，本发明基于控制误差向量大小与方向等多维约束条件，对机器人控制运动过程中加速、匀速及减速阶段控制性能进行分析，挖掘机器人在整个任务路径下的典型的控制性能状态，并利用多聚类融合的方法分析机器人控制性能的典型控制精度和方向，实现机器人的控制性能评价。并且该方法还利用了数据自动生成机器人的评价标准，减少了人为主观因素的影响保证了评价的客观性且更满足实际需求，同时评价结果具有二维属性，机器人控制性能的二维评价，反映了机器人性能好坏与具体方向的偏向以及最终评价结果融合了机器人的控制精度和方向，更为细致的反映了机器人在运动过程中的控制性能，使评价结果更具实际应用价值。本发明基于运行控制数据给出了机器人控制误差主要存在方向，更为深入的描述了机器人的控制性能，还给出了对机器人控制性能造成影响的可能的关节电机组合，为优化机器人控制性能提供了基础。

下面将机器人性能评价为例对本申请实施例进行说明。

实施例一

本实施例提供了机器人性能评价方法。请参照图1至图2，图1是根据本申请实施例的机器人性能评价方法流程图；图2是根据本申请实施例的总体方案流程图，如图所示，机器人性能评价方法包括如下步骤：

轨迹数据获得步骤S1：收集机器人在任务路径下的轨迹位置数据；

控制误差向量集合获得步骤S2：从所述轨迹位置数据中提取运行轨迹数据以及参考轨迹数据，并根据所述运行轨迹数据以及所述参考轨迹数据获得所述机器人的控制误差向量集合；

控制精度聚类集合获得步骤S3：对所述控制误差向量集合进行聚类获得所述机器人的控制精度聚类集合；

控制性能方向集合获得步骤S4：根据预设规则对所述控制误差向量集合进行分类，获得多个控制速度误差向量子集合并对多个所述控制速度误差向量子集合进行聚类获得所述机器人的控制性能方向集合；

机器人性能评价结果获得步骤S5：根据所述控制精度聚类集合及所述控制性能方向集合获得机器人性能评价结果。

实施例中，所述轨迹数据获得步骤S1包括，根据所述任务路径下的所述轨迹，在相同速度及负重测试条件下控制所述机器人进行重复运动，并收集所述机器人在所述任务路径下的所述轨迹的所述轨迹位置数据，其中，所述轨迹位置数据包括，所述运行轨迹数据与所述参考轨迹数据。

具体实施中，首先根据任务路径下的轨迹，在相同速度及负重测试条件下控制机器人进行重复运动，并收集机器人在任务路径下的轨迹的轨迹位置数据，其中，轨迹位置数据包括，运行轨迹数据数据T＝{t₁,t₂,…,t_n}与参考轨迹数据数据T^*。轨迹位置数据集合S_D是整个评价的基础数据集合，表示为S_D＝{s₁,s₂,…,s_n}，其中n为重复运动次数。

实施例中，所述控制误差向量集合获得步骤S2包括：

轨迹数据提取步骤S21：从所述轨迹位置数据中提取所述运行轨迹数据以及所述参考轨迹数据；

控制误差向量集合计算步骤S22：基于欧式距离通过k-means算法对所述运行轨迹数据及所述参考轨迹数据进行聚类获得所述控制精度聚类集合。

具体实施中，轨迹数据提取步骤S21中，参考轨迹是指机器人控制器利用轨迹规划算法生成的理论轨迹，并将该数据传递给机器人关节电机，是整个机器人运行期望的轨迹，运行轨迹数据是机器人在收到命令后实际执行的结果，利用外部设备如激光测试仪器等采集获得。控制误差向量集合计算步骤S22中，首先基于欧氏距离对整个误差向量集合E进行k-means聚类，欧氏距离公式为：

其中ex_*,ey_*,ez_*表示测试机器人迪卡尔空间中控制误差在xyz三轴上的分量。然后获得机器人控制精度聚类集合A＝{a₁,a₂,…a_i},其中i为聚类个数，a_i为聚类后获得的相似精度集合。获得机器人控制精度聚类集合后按照聚类中心点误差大小将聚类结果分为正常，差和优三个结果。控制误差向量集合表示为E＝{e₁,e₂,…,e_n}，其中e_i＝t_i-T^*。对于控制精度聚类集合获得步骤S3，与传统的人为划定机器人控制精度的好坏不同，控制精度聚类集合获得步骤S3采用数据驱动的无监督聚类方法对控制误差向量集合获得步骤S2运行采集到的数据进行聚类分析，找出典型的控制精度簇，通过比较各个典型簇来划分机器人的控制精度好坏。该技术依赖于实际运行数据，划分结果更为贴合应用实际，减少了人为主观因素对性能评价的影响。

实施例中，所述控制性能方向集合步骤S4包括：

控制误差向量集合分类步骤S41：根据所述机器人在所述任务路径下的所述轨迹中不同的速度状态，将所述控制误差向量集合划分为多个不同的所述速度状态下的所述控制速度误差向量子集合；

控制性能方向集合计算步骤S42：按照余弦相似性利用k-means算法分别对不同的所述速度状态下的多个所述控制速度误差向量子集合进行聚类获得所述控制性能方向集合。

具体实施中，根据机器人在任务路径下的轨迹中加速、匀速、减速不同的速度状态，将控制误差向量集合划分为多个不同的速度状态下的控制速度误差向量子集合，不同的速度状态下的控制速度误差向量子集合表示为E_ac,E_un和E_de。基于余弦方式对误差集合E_ac,E_un和E_de进行聚类分析，其中余弦方式为：

聚类结果为机器人控制性能方向集合B_ac,B_un和B_de。控制性能方向集合步骤S4弥补了评价过程中尚未对机器人误差方向进行分析的空白。该方法可以分析出机器人的目标轨迹运动过程中典型的误差偏离方向，帮助确定机器人在运动过程中控制误差来源于横向关节还是纵向关节，为机器人的控制性能优化提供了指导。

实施例中，所述机器人性能评价结果获得步骤S5包括：

典型方向获得步骤S51：根据所述控制性能方向集合获得各个聚类中心方向并作为该聚类的典型方向；

机器人性能评价结果计算步骤S52：通过比较所述典型方向与迪卡尔空间坐标轴三个坐标平面之间的夹角，按照最大原则将所述典型方向划分为XYZ三个方向，再对所述控制精度聚类集合与所述典型方向进行交集运算，获得所述机器人性能评价结果。

具体实施中，对机器人控制性能方向集合B_ac,B_un和B_de求各个聚类中心方向作为该类的典型方向D＝{d₁,d₂,…,d_k}，通过比较各个方向与迪卡尔空间坐标轴三个坐标平面之间的夹角，按照最大原则将各个方向划分为XYZ三个方向上，利用D和精度A求交集获得最终的评价结果，评价结果如下表所示：

机器人性能评价结果获得步骤S5基于控制精度聚类集合获得步骤S3和控制性能方向集合步骤S4获得结果的融合实现机器人的二维属性的评价。与传统的性能好坏评价结果不同的是，机器人性能评价结果获得步骤S5中基于融合的机器人评价方法不仅给出机器人控制性能的好坏，还给出了机器人的性能好坏在迪卡尔空间中三个方向维度上的趋势，这对后续机器人的性能优化提供了指导基础。

由此，本发明提供了一种机器人性能评价方法及系统，本发明基于控制误差向量大小与方向等多维约束条件，对机器人控制运动过程中加速、匀速及减速阶段控制性能进行分析，挖掘机器人在整个任务路径下的典型的控制性能状态，并利用多聚类融合的方法分析机器人控制性能的典型控制精度和方向，实现机器人的控制性能评价。并且该方法还利用了数据自动生成机器人的评价标准，减少了人为主观因素的影响保证了评价的客观性且更满足实际需求，同时评价结果具有二维属性，机器人控制性能的二维评价，反映了机器人性能好坏与具体方向的偏向以及最终评价结果融合了机器人的控制精度和方向，更为细致的反映了机器人在运动过程中的控制性能，使评价结果更具实际应用价值。本发明基于运行控制数据给出了机器人控制误差主要存在方向，更为深入的描述了机器人的控制性能，还给出了对机器人控制性能造成影响的可能的关节电机组合，为优化机器人控制性能提供了基础。

实施例二

请参照图3，图3为本发明的机器人性能评价系统的结构示意图。如图3示，发明的机器人性能评价系统，适用于上述的机器人性能评价方法，机器人性能评价系统包括：

轨迹数据获得单元51：收集机器人在任务路径下的轨迹位置数据；

控制误差向量获得单元52：从所述轨迹位置数据中提取运行轨迹数据以及参考轨迹数据，并根据所述运行轨迹数据以及所述参考轨迹数据获得所述机器人的控制误差向量集合；

控制精度聚类集合获得单元53：对所述控制误差向量集合进行聚类获得所述机器人的控制精度聚类集合；

控制性能方向集合获得单元54：根据预设规则对所述控制误差向量集合进行分类，获得多个控制速度误差向量子集合并对多个所述控制速度误差向量子集合进行聚类获得所述机器人的控制性能方向集合；

机器人性能评价结果获得单元55：根据所述控制精度聚类集合及所述控制性能方向集合获得机器人性能评价结果。

在本实施例中，所述轨迹数据获得单元51根据所述任务路径下的所述轨迹，在相同速度及负重测试条件下控制所述机器人进行重复运动，并收集所述机器人在所述任务路径下的所述轨迹的所述轨迹位置数据，其中，所述轨迹位置数据包括，所述运行轨迹数据与所述参考轨迹数据。

在本实施例中，所述控制误差向量获得单元52包括：

轨迹数据提取模块521：从所述轨迹位置数据中提取所述运行轨迹数据以及所述参考轨迹数据；

控制误差向量计算模块522：基于欧式距离通过k-means算法对所述运行轨迹数据及所述参考轨迹数据进行聚类获得所述控制精度聚类集合。

在本实施例中，所述控制性能方向集合单元54包括：

控制误差向量集合分类模块541：根据所述机器人在所述任务路径下的所述轨迹中不同的速度状态，将所述控制误差向量集合划分为多个不同的所述速度状态下的所述控制速度误差向量子集合；

控制性能方向集合计算模块542：按照余弦相似性利用k-means算法分别对不同的所述速度状态下的多个所述控制速度误差向量子集合进行聚类获得所述控制性能方向集合。

在本实施例中，所述机器人性能评价结果获得单元55包括：

典型方向获得模块551：根据所述控制性能方向集合获得各个聚类中心方向并作为该聚类的典型方向；

机器人性能评价结果计算模块552：通过比较所述典型方向与迪卡尔空间坐标轴三个坐标平面之间的夹角，按照最大原则将所述典型方向划分为XYZ三个方向，再对所述控制精度聚类集合与所述典型方向进行交集运算，获得所述机器人性能评价结果。

实施例三

结合图4所示，本实施例揭示了一种电子设备的一种具体实施方式。电子设备可以包括处理器81以及存储有计算机程序指令的存储器82。

具体地，上述处理器81可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。

其中，存储器82可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器82可包括硬盘驱动器(Hard Disk Drive，简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive，简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus，简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器82可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器82可在审批路径配置装置的内部或外部。在特定实施例中，存储器82是非易失性(Non-Volatile)存储器。在特定实施例中，存储器82包括只读存储器(Read-Only Memory，简称为ROM)和随机存取存储器(Random Access Memory，简称为RAM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory，简称为PROM)、可擦除PROM(ErasableProgrammable Read-Only Memory，简称为FPROM)、电可擦除PROM(Electrically ErasableProgrammable Read-Only Memory，简称为EFPROM)、电可改写ROM(ElectricallyAlterable Read-Only Memory，简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器(Static Random-AccessMemory，简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory，简称为DRAM)，其中，DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode DynamicRandom Access Memory，简称为FPMDRAM)、扩展数据输出动态随机存取存储器(ExtendedDate Out Dynamic Random Access Memory，简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory，简称SDRAM)等。

存储器82可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器81所执行的可能的计算机程序指令。

处理器81通过读取并执行存储器82中存储的计算机程序指令，以实现上述实施例中的任意机器人性能评价方法。

在其中一些实施例中，电子设备还可包括通信接口83和总线80。其中，如图4所示，处理器81、存储器82、通信接口83通过总线80连接并完成相互间的通信。

通信接口83用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信端口83还可以实现与其他部件例如：外接设备、图像/审批路径配置设备、数据库、外部存储以及图像/审批路径配置工作站等之间进行数据通信。

总线80包括硬件、软件或两者，将电子设备的部件彼此耦接在一起。总线80包括但不限于以下至少之一：数据总线(Data Bus)、地址总线(Address Bus)、控制总线(ControlBus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制，总线80可包括图形加速接口(Accelerated Graphics Port，简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture，简称为EISA)总线、前端总线(FrontSide Bus，简称为FSB)、超传输(Hyper Transport，简称为HT)互连、工业标准架构(Industry Standard Architecture，简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count，简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture，简称为MCA)总线、外围组件互连(Peripheral Component Interconnect，简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment，简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus，简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线80可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。

电子设备可连接机器人性能评价系统，从而实现结合图1至图2描述的方法。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

综上所述，本发明基于控制误差向量大小与方向等多维约束条件，对机器人控制运动过程中加速、匀速及减速阶段控制性能进行分析，挖掘机器人在整个任务路径下的典型的控制性能状态，实现机器人的控制性能评价。最终评价结果融合了机器人的控制精度和方向，对机器人控制优化具有理论及实际指导意义。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求的保护范围为准。

Claims (10)

1.一种机器人性能评价方法，其特征在于，包括：

轨迹数据获得步骤：收集机器人在任务路径下的轨迹位置数据；

控制误差向量集合获得步骤：从所述轨迹位置数据中提取运行轨迹数据以及参考轨迹数据，并根据所述运行轨迹数据以及所述参考轨迹数据获得所述机器人的控制误差向量集合；

控制精度聚类集合获得步骤：对所述控制误差向量集合进行聚类获得所述机器人的控制精度聚类集合；

控制性能方向集合获得步骤：根据预设规则对所述控制误差向量集合进行分类，获得多个控制速度误差向量子集合并对多个所述控制速度误差向量子集合进行聚类获得所述机器人的控制性能方向集合；

机器人性能评价结果获得步骤：根据所述控制精度聚类集合及所述控制性能方向集合获得机器人性能评价结果。

2.根据权利要求1所述的机器人性能评价方法，其特征在于，所述轨迹数据获得步骤包括，根据所述任务路径下的所述轨迹，在相同速度及负重测试条件下控制所述机器人进行重复运动，并收集所述机器人在所述任务路径下的所述轨迹的所述轨迹位置数据，其中，所述轨迹位置数据包括，所述运行轨迹数据与所述参考轨迹数据。

3.根据权利要求1所述的机器人性能评价方法，其特征在于，所述控制误差向量集合获得步骤包括：

轨迹数据提取步骤：从所述轨迹位置数据中提取所述运行轨迹数据以及所述参考轨迹数据；

控制误差向量集合计算步骤：基于欧式距离通过k-means算法对所述运行轨迹数据及所述参考轨迹数据进行聚类获得所述控制精度聚类集合。

4.根据权利要求1所述的机器人性能评价方法，其特征在于，所述控制性能方向集合步骤包括：

控制误差向量集合分类步骤：根据所述机器人在所述任务路径下的所述轨迹中不同的速度状态，将所述控制误差向量集合划分为多个不同的所述速度状态下的所述控制速度误差向量子集合；

控制性能方向集合计算步骤：按照余弦相似性利用k-means算法分别对不同的所述速度状态下的多个所述控制速度误差向量子集合进行聚类获得所述控制性能方向集合。

5.根据权利要求1所述的机器人性能评价方法，其特征在于，所述机器人性能评价结果获得步骤包括：

典型方向获得步骤：根据所述控制性能方向集合获得各个聚类中心方向并作为该聚类的典型方向；

机器人性能评价结果计算步骤：通过比较所述典型方向与迪卡尔空间坐标轴三个坐标平面之间的夹角，按照最大原则将所述典型方向划分为XYZ三个方向，再对所述控制精度聚类集合与所述典型方向进行交集运算，获得所述机器人性能评价结果。

6.一种机器人性能评价系统，其特征在于，适用于上述权利要求1至5中任一项所述的机器人性能评价方法，所述机器人性能评价系统包括：

轨迹数据获得单元：收集机器人在任务路径下的轨迹位置数据；

控制误差向量集合获得单元：从所述轨迹位置数据中提取运行轨迹数据以及参考轨迹数据，并根据所述运行轨迹数据以及所述参考轨迹数据获得所述机器人的控制误差向量集合；

控制精度聚类集合获得单元：对所述控制误差向量集合进行聚类获得所述机器人的控制精度聚类集合；

控制性能方向集合获得单元：根据预设规则对所述控制误差向量集合进行分类，获得多个控制速度误差向量子集合并对多个所述控制速度误差向量子集合进行聚类获得所述机器人的控制性能方向集合；

机器人性能评价结果获得单元：根据所述控制精度聚类集合及所述控制性能方向集合获得机器人性能评价结果。

7.根据权利要求6所述的机器人性能评价系统，其特征在于，所述轨迹数据获得单元根据所述任务路径下的所述轨迹，在相同速度及负重测试条件下控制所述机器人进行重复运动，并收集所述机器人在所述任务路径下的所述轨迹的所述轨迹位置数据，其中，所述轨迹位置数据包括，所述运行轨迹数据与所述参考轨迹数据。

8.根据权利要求7所述的机器人性能评价系统，其特征在于，所述控制误差向量集合获得单元包括：

轨迹数据提取模块：从所述轨迹位置数据中提取所述运行轨迹数据以及所述参考轨迹数据；

控制误差向量集合计算模块：基于欧式距离通过k-means算法对所述运行轨迹数据及所述参考轨迹数据进行聚类获得所述控制精度聚类集合。

9.根据权利要求8所述的机器人性能评价系统，其特征在于，所述控制性能方向集合单元包括：

控制误差向量集合分类模块：根据所述机器人在所述任务路径下的所述轨迹中不同的速度状态，将所述控制误差向量集合划分为多个不同的所述速度状态下的所述控制速度误差向量子集合；

控制性能方向集合计算模块：按照余弦相似性利用k-means算法分别对不同的所述速度状态下的多个所述控制速度误差向量子集合进行聚类获得所述控制性能方向集合。

10.根据权利要求9所述的机器人性能评价系统，其特征在于，所述机器人性能评价结果获得单元包括：

典型方向获得模块：根据所述控制性能方向集合获得各个聚类中心方向并作为该聚类的典型方向；

机器人性能评价结果计算模块：通过比较所述典型方向与迪卡尔空间坐标轴三个坐标平面之间的夹角，按照最大原则将所述典型方向划分为XYZ三个方向，再对所述控制精度聚类集合与所述典型方向进行交集运算，获得所述机器人性能评价结果。

Images