CN114265364B - 一种工业物联网的监测数据处理系统及方法 - Google Patents
一种工业物联网的监测数据处理系统及方法 Download PDFInfo
- Publication number
- CN114265364B CN114265364B CN202111572055.6A CN202111572055A CN114265364B CN 114265364 B CN114265364 B CN 114265364B CN 202111572055 A CN202111572055 A CN 202111572055A CN 114265364 B CN114265364 B CN 114265364B
- Authority
- CN
- China
- Prior art keywords
- industrial robot
- obstacle
- optimal
- path
- optimal path
- 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
Landscapes
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种工业物联网的监测数据处理系统及方法,涉及工业物联网领域,数据监测模块用于通过传感器对工业机器人的工作路径进行监测,确保工业机器人能够顺利执行整个工作流程;最优路径生成模块用于核实到工业机器人中的任意关节动作产生偏差时,通过优化算法使得最优节点执行动作并生成最优路径;误差优化模块用于根据当前的工业生产环境建立数字孪生模型,使得工业机器人的最优节点执行最优路径,并对最优路径与实际路径所产生的误差进行优化;碰撞风险模块用于分析优化后的最优路径与相邻障碍物之间的碰撞风险,根据碰撞风险结果进行数据处理,并输出最优路径。
Description
技术领域
本发明涉及工业物联网技术领域,具体为一种工业物联网的监测数据处理系统及方法。
背景技术
工业物联网,指将具有感知与监控能力的各类采集、控制传感器或控制器,通过移动通信分析生产过程中的任意环节,进而能够大幅度提高制造效率;
目前,工业机器人在制造生产过程中存在着广泛的应用,它通过多关节的机械手臂和装置在驱动装置的作用下进行运动,且能够在高危环境下进行作业;通过工业机器人的操作能够加快工厂内的工作效率,工业机器人按照设定的程序数据进行工作,往往一旦工业机器人发生错误,则需要工程师来对工业机器人进行维修,然而在维修期间工业机器人无法顺利工作,进而耽误整个生产进度;因此,需要一种能够在不影响生产进度的前提下,使得工业机器人顺利工作的优化方法。
发明内容
本发明的目的在于提供一种工业物联网的监测数据处理系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种工业物联网的监测数据处理系统,所述监测数据处理系统包括数据监测模块、最优路径生成模块、误差优化模块和碰撞风险模块;
所述数据监测模块用于通过传感器对工业机器人的工作路径进行监测,确保工业机器人能够顺利执行整个工作流程;
所述最优路径生成模块用于核实到工业机器人中的任意关节动作产生偏差时,通过优化算法使得最优节点执行动作并生成最优路径;
所述误差优化模块用于根据当前的工业生产环境建立数字孪生模型,使得工业机器人的最优节点执行最优路径,并对最优路径与实际路径所产生的误差进行优化;
所述碰撞风险模块用于分析优化后的最优路径与相邻障碍物之间的碰撞风险,根据碰撞风险结果进行数据处理,并输出最优路径。
进一步的,所述数据监测模块包括监测数据获取单元、数据比较单元和监测平台;
所述监测数据获取单元用于通过传感器监测工业机器人执行动作时的数据,并将所监测的数据输送至数据比较单元;
所述数据比较单元用于对工业机器人的执行动作数据与程序中所标注的执行动作数据相比较,得到比较结果;
所述监测平台用于核实到比较结果包含有差异时,进行预警提示。
进一步的,所述最优路径生成模块包括最优节点获取单元和节点路径生成单元;
所述最优节点获取单元用于根据工业机器人已执行的数据,通过处理数据得到最优关节节点;
所述节点路径生成单元用于最优关节节点通过旋转和伸缩,生成最优路径。
进一步的,所述误差优化模块包括模拟建立单元、误差生成单元和误差优化单元;
所述模拟建立单元用于根据当前的生产制造环境,得到生产环境参数和工业机器人的动作参数,并将最优路径在工业机器人上进行模拟运行,得到模拟路径;
所述误差生成单元用于将模拟路径与最优路径相比较,得到误差路径;
所述误差优化单元用于对误差路径进行优化,并输出优化后的路径。
进一步的,所述碰撞风险模块包括障碍物分类单元、向量生成比较单元和步骤分析单元;
所述障碍物分类单元用于根据障碍物在设定时间段内的运动速度进行分类,并分类成为动态障碍物和静态障碍物;
所述向量生成比较单元用于根据障碍物和工业机器人最优关节的运动路程生成向量,比较两个向量向运动方向形成的夹角,根据夹角大小分析碰撞风险;
所述步骤分析单元用于分析障碍物对最优节点上未来时间段步骤的碰撞风险;
所述障碍物分类单元的输出端与向量生成比较单元和步骤分析单元的输入端相连接。
一种工业物联网的监测数据处理方法,所述数据处理方法执行如下步骤:
Z01:获取在程序中所标注工业机器人的执行动作数据,并得到执行动作数据集合;使用所设置传感器监测工业机器人的执行动作数据;
Z02:将程序中所标注的执行动作数据与传感器监测的执行动作数据相比较,得到比较后结果;若核实到程序中所标注的第一执行动作数据与传感器监测的第二执行动作数据存在有差异,则监测平台进行预警,并跳转至步骤Z03;若核实到程序中所标注的第一执行动作数据等于传感器监测的第二执行动作数据,则继续执行后方工序步骤;
Z03:根据第一执行动作数据遍历到工业机器人最优关节节点,使得最优关节节点在处理后到达最终指定位置,并得到最优路径;
Z04:根据当前工业制造环境建立数字孪生模型,监测工业机器人执行最优路径的动作,对最优路径与实际路径的误差进行优化;
Z05:分析最优路径与相邻障碍物的碰撞风险;若核实到碰撞风险大于预设标准风险,则翻转至步骤Z03-Z05进行重新优化;若核实到碰撞风险小于预设标准风险,则输出最优关节节点和最优路径。
在步骤Z03中,所述最优关节节点在处理后到达最终位置,并得到最优路径的具体步骤为:
Z031:初始化粒子群、速度和位置;
Z032:根据所更新的粒子群,计算每个粒子群的适应值,根据适应值分析个体最优值和全局最优值;
Z033:更新位置和速度,分析是否达到最大迭代次数;若核实达到了最大迭代次数,则输出最优关节节点和最优路径;若核实没有达到迭代次数,则继续执行步骤Z032-Z033直至迭代完成;
在步骤Z032中,所述适应值通过如下函数计算分析:
其中:Z是指最优路径,Z0是指工业机器人的初始路径,a是指关节节点数,d是指关节节点的总数,i是指角度,β是指偏转次数,L是指工业机器人的偏移距离,j是指角度总数,m是指偏转次数总数。
在步骤Z04中,根据工业机器人和工业机器人执行工件的步骤建立三维模型,并以此建立数字孪生模型,将节点的最优路径在数字孪生模型中进行模拟;得到模拟路径上若干节点在三维模型中的位置W={w1,w2,w3...wn},n是指节点,wn是指第n个节点在三维模型中的坐标,则得到模拟路径与最优路径的误差差值:w′n是指最优路径上第n个节点的坐标;若核实到M<M’,则表示误差在容许范围内;若核实到M<M’,则表示误差大于预设标砖误差值,需要调节最佳路径上的节点位置,直至误差在容许范围内。
在步骤Z05中,获取障碍物的运行速度v,若核实到V=0,则障碍物为静态障碍物;若核实到v≠0时,则障碍物为动态障碍物;
若核实到障碍物为动态障碍物,则获取在设定时间段T={1,2,3...p},p是指时间点;得到动态障碍物的移动距离为S=T*V;得到工业机器人的偏转路径和方向为Q=V1*T,V1是指工业机器人在时间段T内的移动速度;将动态障碍物在时间段T内向设定方向所移动距离T,将工业机器人在时间段T内向设定方向所移动距离Q;若分析得到向设定方向两个距离形成的向量夹角θ=0,则动态障碍物与工业机器人之间不会产生碰撞风险;若分析得到向设定方向两个距离形成的向量夹角θ≠0时,则动态障碍物与工业机器人会产生碰撞风险;
若核实到障碍物为静态障碍物时,碰撞风险的分析步骤具体如下:
Z051:获取时间段T’内工业机器人的移动距离和方向;获得障碍物在三维模型中的长、宽和高,若核实到工业机器人在时间段T’内的移动方向向障碍物在三维模型中的方向靠近时,则跳转至步骤Z052;若核实到工业机器人在时间段T’内的移动方向远离障碍物在三维模型中的方向时,则跳转至步骤Z053;
Z052:若核实到工业机器人和障碍物之间的距离与工业机器人所移动距离的距离差值大于预设距离,则分析工业机器人下一个时间段移动的距离和方向,重复步骤Z052,直至工业机器人所执行的所有步骤都满足步骤Z052中的条件,则静态障碍物与工业机器人不会产生碰撞风险,否则会产生碰撞风险;
Z053:将工业机器人所移动距离与障碍物边沿之间的距离G是否大于安全距离G’,若是,则工业机器人与障碍物之间不会产生碰撞风险;否则,工业机器人与障碍物之间存在碰撞风险。
与现有技术相比,本发明所达到的有益效果是:本发明通过设置最优路径生成模块,能够在工业机器人的关节节点旋转或者伸缩发生偏差时,通过优化关节节点和最优路径,确保工业机器人不会因为偏差问题延误整个生产进度,使得工业机器人提高了工作效率;通过设置误差优化模块能够在所确定的最优偏转路上进行误差值优化,从而确保优化后的最优路径能够贴合实际;通过碰撞风险模块,进一步优化最优路径,防止工业机器人会对相邻障碍物产生干扰。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种工业物联网的监测数据处理系统的整体步骤示意图;
图2是本发明一种工业物联网的监测数据处理方法的路径优化步骤示意图;
图3是本发明一种工业物联网的监测数据处理系统的模块组成示意图。
具体实施方式
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,都属于本发明保护的范围。
请参阅图1-图3,本发明提供技术方案:
一种工业物联网的监测数据处理系统,所述监测数据处理系统包括数据监测模块、最优路径生成模块、误差优化模块和碰撞风险模块;
数据监测模块用于通过传感器对工业机器人的工作路径进行监测,确保工业机器人能够顺利执行整个工作流程;
最优路径生成模块用于核实到工业机器人中的任意关节动作产生偏差时,通过优化算法使得最优节点执行动作并生成最优路径;
误差优化模块用于根据当前的工业生产环境建立数字孪生模型,使得工业机器人的最优节点执行最优路径,并对最优路径与实际路径所产生的误差进行优化;
碰撞风险模块用于分析优化后的最优路径与相邻障碍物之间的碰撞风险,根据碰撞风险结果进行数据处理,并输出最优路径。
进一步的,数据监测模块包括监测数据获取单元、数据比较单元和监测平台;
监测数据获取单元用于通过传感器监测工业机器人执行动作时的数据,并将所监测的数据输送至数据比较单元;
数据比较单元用于对工业机器人的执行动作数据与程序中所标注的执行动作数据相比较,得到比较结果;
监测平台用于核实到比较结果包含有差异时,进行预警提示。
进一步的,最优路径生成模块包括最优节点获取单元和节点路径生成单元;
最优节点获取单元用于根据工业机器人已执行的数据,通过处理数据得到最优关节节点;
节点路径生成单元用于最优关节节点通过旋转和伸缩,生成最优路径。
进一步的,误差优化模块包括模拟建立单元、误差生成单元和误差优化单元;
模拟建立单元用于根据当前的生产制造环境,得到生产环境参数和工业机器人的动作参数,并将最优路径在工业机器人上进行模拟运行,得到模拟路径;
误差生成单元用于将模拟路径与最优路径相比较,得到误差路径;
误差优化单元用于对误差路径进行优化,并输出优化后的路径。
进一步的,碰撞风险模块包括障碍物分类单元、向量生成比较单元和步骤分析单元;
障碍物分类单元用于根据障碍物在设定时间段内的运动速度进行分类,并分类成为动态障碍物和静态障碍物;
向量生成比较单元用于根据障碍物和工业机器人最优关节的运动路程生成向量,比较两个向量向运动方向形成的夹角,根据夹角大小分析碰撞风险;
步骤分析单元用于分析障碍物对最优节点上未来时间段步骤的碰撞风险;
障碍物分类单元的输出端与向量生成比较单元和步骤分析单元的输入端相连接。
一种工业物联网的监测数据处理方法,数据处理方法执行如下步骤:
Z01:获取在程序中所标注工业机器人的执行动作数据,并得到执行动作数据集合;使用所设置传感器监测工业机器人的执行动作数据;
Z02:将程序中所标注的执行动作数据与传感器监测的执行动作数据相比较,得到比较后结果;若核实到程序中所标注的第一执行动作数据与传感器监测的第二执行动作数据存在有差异,则监测平台进行预警,并跳转至步骤Z03;若核实到程序中所标注的第一执行动作数据等于传感器监测的第二执行动作数据,则继续执行后方工序步骤;
Z03:根据第一执行动作数据遍历到工业机器人最优关节节点,使得最优关节节点在处理后到达最终指定位置,并得到最优路径;
Z04:根据当前工业制造环境建立数字孪生模型,监测工业机器人执行最优路径的动作,对最优路径与实际路径的误差进行优化;
Z05:分析最优路径与相邻障碍物的碰撞风险;若核实到碰撞风险大于预设标准风险,则翻转至步骤Z03-Z05进行重新优化;若核实到碰撞风险小于预设标准风险,则输出最优关节节点和最优路径。
在步骤Z03中,所述最优关节节点在处理后到达最终位置,并得到最优路径的具体步骤为:
Z031:初始化粒子群、速度和位置;
Z032:根据所更新的粒子群,计算每个粒子群的适应值,根据适应值分析个体最优值和全局最优值;
Z033:更新位置和速度,分析是否达到最大迭代次数;若核实达到了最大迭代次数,则输出最优关节节点和最优路径;若核实没有达到迭代次数,则继续执行步骤Z032-Z033直至迭代完成;
在步骤Z032中,所述适应值通过如下函数计算分析:
其中:Z是指最优路径,Z0是指工业机器人的初始路径,a是指关节节点数,d是指关节节点的总数,i是指角度,β是指偏转次数,L是指工业机器人的偏移距离,j是指角度总数,m是指偏转次数总数;
本发明通过粒子群算法对最优路径和最优节点进行优化,通过算法能够提高模型的精准度,进而找对全局最优值;其中设置的Z0是指工业机器人的初始路径,设置在此的目的是为了能够保证为后方路径的优化提供基础,而不是往任意一个反向进行翻转和伸缩形成最优路径;所设置的是为了能够分析出第一个关节节点所偏转的路径和方向,直到输出最优路径,通过在迭代次数的范围内,得到最优路径,提高模型的精度。
在步骤Z04中,根据工业机器人和工业机器人执行工件的步骤建立三维模型,并以此建立数字孪生模型,将节点的最优路径在数字孪生模型中进行模拟;得到模拟路径上若干节点在三维模型中的位置W={w1,w2,w3...wn},n是指节点,wn是指第n个节点在三维模型中的坐标,则得到模拟路径与最优路径的误差差值:W′n是指最优路径上第n个节点的坐标;若核实到M<M’,则表示误差在容许范围内;若核实到M<M’,则表示误差大于预设标砖误差值,需要调节最佳路径上的节点位置,直至误差在容许范围内。
在步骤Z05中,获取障碍物的运行速度v,若核实到V=0,则障碍物为静态障碍物;若核实到v≠0时,则障碍物为动态障碍物;
若核实到障碍物为动态障碍物,则获取在设定时间段T={1,2,3...p},p是指时间点;得到动态障碍物的移动距离为S=T*V;得到工业机器人的偏转路径和方向为Q=V1*T,V1是指工业机器人在时间段T内的移动速度;将动态障碍物在时间段T内向设定方向所移动距离T,将工业机器人在时间段T内向设定方向所移动距离Q;若分析得到向设定方向两个距离形成的向量夹角θ=0,则动态障碍物与工业机器人之间不会产生碰撞风险;若分析得到向设定方向两个距离形成的向量夹角θ≠0时,则动态障碍物与工业机器人会产生碰撞风险;
若核实到障碍物为静态障碍物时,碰撞风险的分析步骤具体如下:
Z051:获取时间段T’内工业机器人的移动距离和方向;获得障碍物在三维模型中的长、宽和高,若核实到工业机器人在时间段T’内的移动方向向障碍物在三维模型中的方向靠近时,则跳转至步骤Z052;若核实到工业机器人在时间段T’内的移动方向远离障碍物在三维模型中的方向时,则跳转至步骤Z053;
Z052:若核实到工业机器人和障碍物之间的距离与工业机器人所移动距离的距离差值大于预设距离,则分析工业机器人下一个时间段移动的距离和方向,重复步骤Z052,直至工业机器人所执行的所有步骤都满足步骤Z052中的条件,则静态障碍物与工业机器人不会产生碰撞风险,否则会产生碰撞风险;
Z053:将工业机器人所移动距离与障碍物边沿之间的距离G是否大于安全距离G’,若是,则工业机器人与障碍物之间不会产生碰撞风险;否则,工业机器人与障碍物之间存在碰撞风险;
在上述过程中,分别设置了不同类别的障碍物,根据不同类别的障碍物分析出碰撞风险;由于动态障碍物它在三维模型中的位置是实时变化的,因此,通过设置距离向量进而实时分析出动态障碍物与工业机器人之间的变化,通过动态障碍物与工业机器人之间的动态变化方向,得到距离向量之间的夹角,根据夹角的变化进而得到工业机器人是否存在碰撞风险;如果在此处仅仅通过工业机器人与障碍物之间的安全距离进行分析,该方法较为繁琐,且仅仅适合静态障碍物,对于动态障碍物分析并不准确;
其中,测算向量之间的夹角可以通过多种方法计算,例如:1.通过勾股定理,建立三角形,得到第三条边的长度,根据三条边的长度能够确定夹角;2.如果形成的是直角三角形,则可以直接通过正切/余弦/正弦的反函数确定夹角;所使用方法视不同情形得到。
实施例1:获取障碍物在时间段T’内的运行速度V,通过工业物联网所设置的传感器检测到V=0,则能够证明得到障碍物为静态障碍物;
获取工业机器人在时间段T’内的移动方向,建立三维模型;核实到工业机器人在时间段T’内的移动方向为南偏东45°的方向移动距离为200米,静态障碍物在三维坐标模型中为南偏东45°,当工业机器人移动200米后,根据传感器测量得到工业机器人与障碍物的剩余距离为300米;核实工业机器人在T’+Y时间段内的移动方向和距离,若核实到工业机器人继续在南偏东45°方向上移动200米,则工业机器人与障碍物之间存在碰撞风险;
若核实到工业机器人在T’+Y时间段内的移动方向和距离偏离障碍物所处位置,则工业机器人与障碍物之间不存在碰撞风险。
实施例2:获取障碍物在时间段T=3min的移动速度V,检测到v≠0=5m/min,得到工业机器人的移动距离为S=T*V=15m,且移动方向为南偏东15°,得到工业机器人的偏转路径和为Q=V1*T=12m,检测到v1≠0=4m/min,移动方向为从正北方向向正南方向移动;
则形成的则表示障碍物与工业机器人存在碰撞风险。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种工业物联网的监测数据处理系统,其特征在于:所述监测数据处理系统包括数据监测模块、最优路径生成模块、误差优化模块和碰撞风险模块;
所述数据监测模块用于通过传感器对工业机器人的工作路径进行监测,确保工业机器人能够顺利执行整个工作流程;
所述最优路径生成模块用于核实到工业机器人中的任意关节动作产生偏差时,通过优化算法使得最优节点执行动作并生成最优路径;
所述误差优化模块用于根据当前的工业生产环境建立数字孪生模型,使得工业机器人的最优节点执行最优路径,并对最优路径与实际路径所产生的误差进行优化;
所述碰撞风险模块用于分析优化后的最优路径与相邻障碍物之间的碰撞风险,根据碰撞风险结果进行数据处理,并输出最优路径;
得到最优路径的具体步骤为:
Z031:初始化粒子群、速度和位置;
Z032:根据所更新的粒子群,计算每个粒子群的适应值,根据适应值分析个体最优值和全局最优值;
Z033:更新位置和速度,分析是否达到最大迭代次数;若核实达到了最大迭代次数,则输出最优关节节点和最优路径;若核实没有达到迭代次数,则继续执行步骤Z032-Z033直至迭代完成;
在步骤Z032中,所述适应值通过如下函数计算分析:
其中:Z是指最优路径,Z0是指工业机器人的初始路径,a是指关节节点数,d是指关节节点的总数,i是指角度,β是指偏转次数,L是指工业机器人的偏移距离,j是指角度总数,m是指偏转次数总数。
2.根据权利要求1所述的一种工业物联网的监测数据处理系统,其特征在于:所述数据监测模块包括监测数据获取单元、数据比较单元和监测平台;
所述监测数据获取单元用于通过传感器监测工业机器人执行动作时的数据,并将所监测的数据输送至数据比较单元;
所述数据比较单元用于对工业机器人的执行动作数据与程序中所标注的执行动作数据相比较,得到比较结果;
所述监测平台用于核实到比较结果包含有差异时,进行预警提示。
3.根据权利要求1所述的一种工业物联网的监测数据处理系统,其特征在于:所述最优路径生成模块包括最优节点获取单元和节点路径生成单元;
所述最优节点获取单元用于根据工业机器人已执行的数据,通过处理数据得到最优关节节点;
所述节点路径生成单元用于最优关节节点通过旋转和伸缩,生成最优路径。
4.根据权利要求1所述的一种工业物联网的监测数据处理系统,其特征在于:所述误差优化模块包括模拟建立单元、误差生成单元和误差优化单元;
所述模拟建立单元用于根据当前的生产制造环境,得到生产环境参数和工业机器人的动作参数,并将最优路径在工业机器人上进行模拟运行,得到模拟路径;
所述误差生成单元用于将模拟路径与最优路径相比较,得到误差路径;
所述误差优化单元用于对误差路径进行优化,并输出优化后的路径。
5.根据权利要求1所述的一种工业物联网的监测数据处理系统,其特征在于:所述碰撞风险模块包括障碍物分类单元、向量生成比较单元和步骤分析单元;
所述障碍物分类单元用于根据障碍物在设定时间段内的运动速度进行分类,并分类成为动态障碍物和静态障碍物;
所述向量生成比较单元用于根据障碍物和工业机器人最优关节的运动路程生成向量,比较两个向量向运动方向形成的夹角,根据夹角大小分析碰撞风险;
所述步骤分析单元用于分析障碍物对最优节点上未来时间段的碰撞风险;
所述障碍物分类单元的输出端与向量生成比较单元和步骤分析单元的输入端相连接。
6.一种工业物联网的监测数据处理方法,其特征在于:所述数据处理方法执行如下步骤:
Z01:获取在程序中所标注工业机器人的执行动作数据,并得到执行动作数据集合;使用所设置传感器监测工业机器人的执行动作数据;
Z02:将程序中所标注的执行动作数据与传感器监测的执行动作数据相比较,得到比较后结果;若核实到程序中所标注的第一执行动作数据与传感器监测的第二执行动作数据存在有差异,则监测平台进行预警,并跳转至步骤Z03;若核实到程序中所标注的第一执行动作数据等于传感器监测的第二执行动作数据,则继续执行后方工序步骤;
Z03:根据第一执行动作数据遍历到工业机器人最优关节节点,使得最优关节节点在处理后到达最终指定位置,并得到最优路径;
Z04:根据当前工业制造环境建立数字孪生模型,监测工业机器人执行最优路径的动作,对最优路径与实际路径的误差进行优化;
Z05:分析最优路径与相邻障碍物的碰撞风险;若核实到碰撞风险大于预设标准风险,则翻转至步骤Z03-Z05进行重新优化;若核实到碰撞风险小于预设标准风险,则输出最优关节节点和最优路径;
在步骤Z03中,所述最优关节节点在处理后到达最终位置,并得到最优路径的具体步骤为:
Z031:初始化粒子群、速度和位置;
Z032:根据所更新的粒子群,计算每个粒子群的适应值,根据适应值分析个体最优值和全局最优值;
Z033:更新位置和速度,分析是否达到最大迭代次数;若核实达到了最大迭代次数,则输出最优关节节点和最优路径;若核实没有达到迭代次数,则继续执行步骤Z032-Z033直至迭代完成;
在步骤Z032中,所述适应值通过如下函数计算分析:
其中:Z是指最优路径,Z0是指工业机器人的初始路径,a是指关节节点数,d是指关节节点的总数,i是指角度,β是指偏转次数,L是指工业机器人的偏移距离,j是指角度总数,m是指偏转次数总数。
7.根据权利要求6所述的一种工业物联网的监测数据处理方法,其特征在于:在步骤Z04中,根据工业机器人和工业机器人执行工件的步骤建立三维模型,并以此建立数字孪生模型,将节点的最优路径在数字孪生模型中进行模拟;得到模拟路径上若干节点在三维模型中的位置W={w1,w2,w3...wn},n是指节点,wn是指第n个节点在三维模型中的坐标,则得到模拟路径与最优路径的误差差值:w'n是指最优路径上第n个节点的坐标;若核实到M<M’,则表示误差在容许范围内;若核实到M<M’,则表示误差大于预设标准误差值,需要调节最佳路径上的节点位置,直至误差在容许范围内。
8.根据权利要求6所述的一种工业物联网的监测数据处理方法,其特征在于:在步骤Z05中,获取障碍物的运行速度v,若核实到V=0,则障碍物为静态障碍物;若核实到v≠0时,则障碍物为动态障碍物;
若核实到障碍物为动态障碍物,则获取在设定时间段T={1,2,3...p},p是指时间点;得到动态障碍物的移动距离为S=T*V;得到工业机器人的偏转路径和方向为Q=V1*T,V1是指工业机器人在时间段T内的移动速度;将动态障碍物在时间段T内向设定方向所移动距离S,将工业机器人在时间段T内向设定方向所移动距离Q;若分析得到向设定方向两个距离形成的向量夹角θ=0,则动态障碍物与工业机器人之间不会产生碰撞风险;若分析得到向设定方向两个距离形成的向量夹角θ≠0时,则动态障碍物与工业机器人会产生碰撞风险;
若核实到障碍物为静态障碍物时,碰撞风险的分析步骤具体如下:
Z051:获取时间段T’内工业机器人的移动距离和方向;获得障碍物在三维模型中的长、宽和高,若核实到工业机器人在时间段T’内的移动方向向障碍物在三维模型中的方向靠近时,则跳转至步骤Z052;若核实到工业机器人在时间段T’内的移动方向远离障碍物在三维模型中的方向时,则跳转至步骤Z053;
Z052:若核实到工业机器人和障碍物之间的距离与工业机器人所移动距离的距离差值大于预设距离,则分析工业机器人下一个时间段移动的距离和方向,重复步骤Z052,直至工业机器人所执行的所有步骤都满足步骤Z052中的条件,则静态障碍物与工业机器人不会产生碰撞风险,否则会产生碰撞风险;
Z053:将工业机器人所移动距离与障碍物边沿之间的距离G是否大于安全距离G’,若是,则工业机器人与障碍物之间不会产生碰撞风险;否则,工业机器人与障碍物之间存在碰撞风险。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111572055.6A CN114265364B (zh) | 2021-12-21 | 2021-12-21 | 一种工业物联网的监测数据处理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111572055.6A CN114265364B (zh) | 2021-12-21 | 2021-12-21 | 一种工业物联网的监测数据处理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114265364A CN114265364A (zh) | 2022-04-01 |
CN114265364B true CN114265364B (zh) | 2023-10-03 |
Family
ID=80828219
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111572055.6A Active CN114265364B (zh) | 2021-12-21 | 2021-12-21 | 一种工业物联网的监测数据处理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114265364B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115657687B (zh) * | 2022-12-21 | 2023-03-10 | 广东技术师范大学 | 一种可移动机器人的路径优化方法和系统 |
CN117428760B (zh) * | 2023-10-10 | 2024-03-29 | 无锡蔚动智能科技有限公司 | 一种基于人工智能的关节模组控制系统及方法 |
CN117252347B (zh) * | 2023-11-17 | 2024-02-02 | 湖南腾琨信息科技有限公司 | 基于工业互联网+安全生产的元宇宙平台及构建方法 |
Citations (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102298324A (zh) * | 2011-06-21 | 2011-12-28 | 东华大学 | 一种协同智能精准容错控制器及方法 |
CN104020665A (zh) * | 2014-06-25 | 2014-09-03 | 北京邮电大学 | 基于多目标粒子群算法的机械臂最小跃度轨迹优化方法 |
CN104199297A (zh) * | 2014-08-12 | 2014-12-10 | 清华大学深圳研究生院 | 一种引入挠性附件振动量的空间机器人关节轨迹规划方法 |
CN105005301A (zh) * | 2015-05-25 | 2015-10-28 | 湘潭大学 | 一种基于群体智能算法的工业机器人作业点序列及轨迹规划方法 |
CN107121977A (zh) * | 2017-06-02 | 2017-09-01 | 南京邮电大学 | 基于双层结构的机械臂执行器故障容错控制系统及其方法 |
CN107443373A (zh) * | 2017-07-20 | 2017-12-08 | 广东工业大学 | 基于关节臂机器人的避碰轨迹规划方法和装置 |
CN108326857A (zh) * | 2018-03-20 | 2018-07-27 | 迪比(重庆)智能科技研究院有限公司 | 基于鲁棒自适应控制算法的书法及雕刻机器人控制方法 |
CN108748160A (zh) * | 2018-06-21 | 2018-11-06 | 河南大学 | 基于多种群粒子群算法的机械臂运动规划方法 |
CN108858198A (zh) * | 2018-07-26 | 2018-11-23 | 西北工业大学 | 一种基于模拟退火遗传算法的机械臂路径规划方法 |
CN109262612A (zh) * | 2018-10-09 | 2019-01-25 | 北京邮电大学 | 一种基于改进粒子群算法的欠驱动机械臂关节角寻优方法 |
CN109986564A (zh) * | 2019-05-20 | 2019-07-09 | 上海应用技术大学 | 工业机械臂路径规划方法 |
CN110170992A (zh) * | 2019-04-02 | 2019-08-27 | 长春工业大学 | 一种基于动态规划的模块化机械臂多故障容错控制方法 |
CN111221312A (zh) * | 2020-02-27 | 2020-06-02 | 广东工业大学 | 机器人在生产线的优化方法、系统及在数字孪生的应用 |
CN211388820U (zh) * | 2020-01-07 | 2020-09-01 | 周秋燕 | 一种工业机器人自动控制装置 |
CN111783248A (zh) * | 2020-07-01 | 2020-10-16 | 南京航空航天大学 | 一种工业机器人动力学建模及动力学参数识别方法 |
CN111966040A (zh) * | 2020-08-11 | 2020-11-20 | 武汉万邦德新科技有限公司 | 一种机器人拾放任务中用于平衡冲击动载的轨迹生成方法 |
CN112428267A (zh) * | 2020-11-09 | 2021-03-02 | 西安工程大学 | 一种快速求解冗余自由度机器人逆解的方法 |
CN112454359A (zh) * | 2020-11-18 | 2021-03-09 | 重庆大学 | 基于神经网络自适应的机器人关节跟踪控制方法 |
CN112549019A (zh) * | 2020-11-06 | 2021-03-26 | 北京工业大学 | 一种基于连续动态时间规整的工业机器人轨迹准确度分析方法 |
CN112809682A (zh) * | 2021-01-27 | 2021-05-18 | 佛山科学技术学院 | 机械臂避障路径规划方法、系统及存储介质 |
CN113199474A (zh) * | 2021-04-25 | 2021-08-03 | 广西大学 | 一种机器人行走与作业智能协同的运动规划方法 |
CN113442140A (zh) * | 2021-06-30 | 2021-09-28 | 同济人工智能研究院(苏州)有限公司 | 一种基于Bezier寻优的笛卡尔空间避障规划方法 |
CN113510714A (zh) * | 2020-12-28 | 2021-10-19 | 江苏师范大学 | 一种基于改进加权最小二乘法的监护服务机器人及方法 |
CN113589809A (zh) * | 2021-07-26 | 2021-11-02 | 江苏徐工工程机械研究院有限公司 | 可避障的挖掘机工作装置作业轨迹规划方法及装置 |
CN113687659A (zh) * | 2021-10-26 | 2021-11-23 | 武汉鼎元同立科技有限公司 | 一种基于数字孪生的最优轨迹生成方法及系统 |
CN113807488A (zh) * | 2021-10-05 | 2021-12-17 | 河北科技大学 | 贴标机器人系统部件空间位置优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109202904B (zh) * | 2018-09-30 | 2020-10-20 | 湘潭大学 | 一种机械臂运动路径的确定方法及确定系统 |
-
2021
- 2021-12-21 CN CN202111572055.6A patent/CN114265364B/zh active Active
Patent Citations (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102298324A (zh) * | 2011-06-21 | 2011-12-28 | 东华大学 | 一种协同智能精准容错控制器及方法 |
CN104020665A (zh) * | 2014-06-25 | 2014-09-03 | 北京邮电大学 | 基于多目标粒子群算法的机械臂最小跃度轨迹优化方法 |
CN104199297A (zh) * | 2014-08-12 | 2014-12-10 | 清华大学深圳研究生院 | 一种引入挠性附件振动量的空间机器人关节轨迹规划方法 |
CN105005301A (zh) * | 2015-05-25 | 2015-10-28 | 湘潭大学 | 一种基于群体智能算法的工业机器人作业点序列及轨迹规划方法 |
CN107121977A (zh) * | 2017-06-02 | 2017-09-01 | 南京邮电大学 | 基于双层结构的机械臂执行器故障容错控制系统及其方法 |
CN107443373A (zh) * | 2017-07-20 | 2017-12-08 | 广东工业大学 | 基于关节臂机器人的避碰轨迹规划方法和装置 |
CN108326857A (zh) * | 2018-03-20 | 2018-07-27 | 迪比(重庆)智能科技研究院有限公司 | 基于鲁棒自适应控制算法的书法及雕刻机器人控制方法 |
CN108748160A (zh) * | 2018-06-21 | 2018-11-06 | 河南大学 | 基于多种群粒子群算法的机械臂运动规划方法 |
CN108858198A (zh) * | 2018-07-26 | 2018-11-23 | 西北工业大学 | 一种基于模拟退火遗传算法的机械臂路径规划方法 |
CN109262612A (zh) * | 2018-10-09 | 2019-01-25 | 北京邮电大学 | 一种基于改进粒子群算法的欠驱动机械臂关节角寻优方法 |
CN110170992A (zh) * | 2019-04-02 | 2019-08-27 | 长春工业大学 | 一种基于动态规划的模块化机械臂多故障容错控制方法 |
CN109986564A (zh) * | 2019-05-20 | 2019-07-09 | 上海应用技术大学 | 工业机械臂路径规划方法 |
CN211388820U (zh) * | 2020-01-07 | 2020-09-01 | 周秋燕 | 一种工业机器人自动控制装置 |
CN111221312A (zh) * | 2020-02-27 | 2020-06-02 | 广东工业大学 | 机器人在生产线的优化方法、系统及在数字孪生的应用 |
CN111783248A (zh) * | 2020-07-01 | 2020-10-16 | 南京航空航天大学 | 一种工业机器人动力学建模及动力学参数识别方法 |
CN111966040A (zh) * | 2020-08-11 | 2020-11-20 | 武汉万邦德新科技有限公司 | 一种机器人拾放任务中用于平衡冲击动载的轨迹生成方法 |
CN112549019A (zh) * | 2020-11-06 | 2021-03-26 | 北京工业大学 | 一种基于连续动态时间规整的工业机器人轨迹准确度分析方法 |
CN112428267A (zh) * | 2020-11-09 | 2021-03-02 | 西安工程大学 | 一种快速求解冗余自由度机器人逆解的方法 |
CN112454359A (zh) * | 2020-11-18 | 2021-03-09 | 重庆大学 | 基于神经网络自适应的机器人关节跟踪控制方法 |
CN113510714A (zh) * | 2020-12-28 | 2021-10-19 | 江苏师范大学 | 一种基于改进加权最小二乘法的监护服务机器人及方法 |
CN112809682A (zh) * | 2021-01-27 | 2021-05-18 | 佛山科学技术学院 | 机械臂避障路径规划方法、系统及存储介质 |
CN113199474A (zh) * | 2021-04-25 | 2021-08-03 | 广西大学 | 一种机器人行走与作业智能协同的运动规划方法 |
CN113442140A (zh) * | 2021-06-30 | 2021-09-28 | 同济人工智能研究院(苏州)有限公司 | 一种基于Bezier寻优的笛卡尔空间避障规划方法 |
CN113589809A (zh) * | 2021-07-26 | 2021-11-02 | 江苏徐工工程机械研究院有限公司 | 可避障的挖掘机工作装置作业轨迹规划方法及装置 |
CN113807488A (zh) * | 2021-10-05 | 2021-12-17 | 河北科技大学 | 贴标机器人系统部件空间位置优化方法 |
CN113687659A (zh) * | 2021-10-26 | 2021-11-23 | 武汉鼎元同立科技有限公司 | 一种基于数字孪生的最优轨迹生成方法及系统 |
Non-Patent Citations (4)
Title |
---|
Hızarcı Hizarci等.Position Control of Flexible Manipulator using PSO-tuned PID Controller.《2019 Innovations in Intelligent Systems and Applications Conference (ASYU)》.2020,1-5. * |
巩伦赛.执行器故障下机械臂系统的容错控制.《中国优秀硕士学位论文全文数据库 信息科技辑》.2018,(第2期),I140-866. * |
李金旭.智能复合型机器人系统的设计与研究.《中国优秀硕士学位论文全文数据库 信息科技辑》.2017,(第9期),I140-65. * |
赫向阳.七自由度仿人机械臂直接示教方法研究.《中国优秀硕士学位论文全文数据库 信息科技辑》.2018,(第7期),I140-335. * |
Also Published As
Publication number | Publication date |
---|---|
CN114265364A (zh) | 2022-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114265364B (zh) | 一种工业物联网的监测数据处理系统及方法 | |
US6278906B1 (en) | Uncalibrated dynamic mechanical system controller | |
Božek | Robot path optimization for spot welding applications in automotive industry | |
GB2584608A (en) | Robot motion optimization system and method | |
CN111975771A (zh) | 一种基于偏差重定义神经网络的机械臂运动规划方法 | |
Marwan et al. | Calibration method for articulated industrial robots | |
JP2012056064A (ja) | 経路生成装置および経路生成方法 | |
Gotlih et al. | Determination of accuracy contour and optimization of workpiece positioning for robot milling. | |
JP2011100306A (ja) | シミュレーションシステム | |
CN101870104B (zh) | 机械手臂反向运动方法 | |
Piardi et al. | 3D simulator with hardware-in-the-loop capability for the micromouse competition | |
Chaluš et al. | Finding Optimal Sensor Positions for Hand-Eye Calibration | |
Petuya et al. | A numerical procedure to solve non‐linear kinematic problems in spatial mechanisms | |
Chen et al. | Kinematics optimization of a novel 7-DOF redundant manipulator | |
Li et al. | A SLAM-integrated kinematic calibration method for industrial manipulators with RGB-D cameras | |
Zheng et al. | Self-Calibration of cable driven continuum robot | |
Rego et al. | Manipulator motion tracking conceptual model | |
Jost et al. | A computational method for key-performance-indicator-based parameter identification of industrial manipulators | |
CN117075617B (zh) | 机器人轨迹规划方法、装置、存储介质及电子设备 | |
US20240005060A1 (en) | Simulation device, storage medium having simulation program and method | |
Somasundar et al. | Inverse Jacobian programming approach to robotic path planning of various path profiles | |
Ma et al. | A geometric algorithm for symmetric workpiece localization | |
Wang et al. | Posture error correction of a six-DOF serial manipulator based on genetic algorithms | |
Łygas et al. | Kinematic design of parallel delta system in Matlab | |
CN117621090B (zh) | 一种工业机器人的控制方法、系统及工业机器人 |
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 |