CN115070726A - 一种基于大负载机器人的高精度力感知控制系统及方法 - Google Patents
一种基于大负载机器人的高精度力感知控制系统及方法 Download PDFInfo
- Publication number
- CN115070726A CN115070726A CN202210681594.1A CN202210681594A CN115070726A CN 115070726 A CN115070726 A CN 115070726A CN 202210681594 A CN202210681594 A CN 202210681594A CN 115070726 A CN115070726 A CN 115070726A
- Authority
- CN
- China
- Prior art keywords
- robot
- force
- assembly
- precision
- load
- 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.)
- Pending
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/007—Means or methods for designing or fabricating manipulators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/0095—Means or methods for testing manipulators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/06—Safety devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/0081—Programme-controlled manipulators with master teach-in means
-
- 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
-
- 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
-
- 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
- B25J9/1679—Programme controls characterised by the tasks executed
- B25J9/1692—Calibration of manipulator
-
- 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
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本发明属于机器人精密装配技术领域,公开了一种基于大负载机器人的高精度力感知控制系统及方法,所述基于大负载机器人的高精度力感知控制系统包括精密装配平台单元,用以提供装配基准面以及二维姿态调整,在机器人固定安装位置下提供多角度安装;测试并指导机器人的机器人调整需求;工业机器人单元,在装配过程中使用力控制方式进行微调,配备高精度力传感器,并设计助力模组;安全组件,对工作站进行物理隔离,在检修位置留置安全门,并使用安全门锁进行安全信号控制,以保证人机的安全性。本发明在装配精度低于传统人工分辨率情况下,可以通过光学辅助设备在高性能力感知控制下进行0.02mm量级的精密装配。
Description
技术领域
本发明属于机器人精密装配技术领域,尤其涉及一种基于大负载机器人的高精度力感知控制系统及方法。
背景技术
目前,机器人的装配精度一方面受限于机器人本身精度,尤其是大负载机器人本身精度比小型化工业机器人要低,但在众多领域中大负载应用场景普遍存在。通过力感知控制对机器人进行更高维度的控制约束,可以有效提高机器人作业精度。力控技术与机器人技术融合已经在多个领域取得突破,其中比较常见的激光检测与工业控制领域、航空航天领域、等领域应用广泛,尤其在与机器人控制系统融合方面。基于关节力和末端力的两种控制技术在机器人作业中发挥重要作用,对机器人的基本操控比传统的示教编程要更为灵敏。随着工业机器人技术的不断发展,人们对机器人作业的精度要求也在不断提升,特别在医疗、军工和精密装配领域对机器人的操控提出了进一步的性能提升需求。因此要对机械臂增加力感知技术来扩展动力学层面的约束,并提出基于改进的动力学模型补偿机器人运动过程精度具有确实的现实意义。在传统机器人控制与光学仪器检测过程中,光学检测能够对机器人运动控制的轨迹进行分析和检测,但是无法反向对机器人控制提供支持,导致在需要工人干预和修改控制参数进行多次检测,属于开环检测方式。由于光学检测到精密性,人工干预往往会产生超调和暗伤等问题。
通过上述分析,现有技术存在的问题及缺陷为:现有技术无法反向对机器人控制提供支持,导致在需要工人干预和修改控制参数进行多次检测,属于开环检测方式。由于光学检测到精密性,人工干预往往会产生超调和暗伤等问题。
发明内容
针对现有技术存在的问题,本发明提供了一种基于大负载机器人的高精度力感知控制系统及方法。
本发明是这样实现的,一种基于大负载机器人的高精度力感知控制系统,所述基于大负载机器人的高精度力感知控制系统包括:
精密装配平台单元,用以提供装配基准面以及二维姿态调整,在机器人固定安装位置下提供多角度安装;测试并指导机器人的机器人调整需求;
工业机器人单元,在装配过程中使用力控制方式进行微调,配备高精度力传感器,并设计助力模组;
安全组件,对工作站进行物理隔离,在检修位置留置安全门,并使用安全门锁进行安全信号控制,以保证人机的安全性。
进一步,所述精密装配平台单元由隔振平台、一体化固定工装、专用校准仪器、辅助材料组成;精密装配转台提供装配基准面以及二维姿态调整,在机器人固定安装位置下提供多角度安装,通过机构定位功能以保证符合两点一面的要求,通过两个定位点以及一个平面确定安装基准位姿;专用校准仪器,基于激光、棱镜和光栅组成,测试并指导机器人的机器人调整需求。
进一步,所述工业机器人单元由工业机器人、底座、末端手爪工具、机器人控制系统和示教盒组成;工业机器人为大负载机器人,大负载机器人负载大于500kg,运动半径1.5m以上,具备0.02mm重复定位精度;在装配过程中使用力控制方式进行微调,配备高精度力传感器,并设计助力模组。
进一步,所述安全组件采用安全围栏方式将工作站进行物理隔离,在检修位置留置安全门,使用安全门锁进行安全信号控制,以保证人机的安全性。
本发明的另一目的在于提供一种所述基于大负载机器人的高精度力感知控制系统的基于大负载机器人的高精度力感知控制方法,所述基于大负载机器人的高精度力感知控制方法包括:
步骤一,在机器人挂载装备对象后,进行大负载机器人惯性重力补偿;大负载机器人在装配过程中,进行人工范围牵引示教定位;
步骤二,在运动过程中结合操作者指令及环境因素,开启在线变速模式对任务执行的速度进行调整,实现在线轨迹规划;
步骤三,在装配中装配角度姿态过程中,进行反向补充导向牵引;同时开启运动安全约束;检测装调过程中正常施加的力或力矩,将检测的接触力反馈给控制系统,用于装配位置及姿态调整,实现精密力控装配;
步骤四,装配过程标注,设置机器人运动控制参数、力控参数、力闭环控制参数,对机器人的状态进行反馈记录,并通过高精度控制算法进行控制。
进一步,所述步骤一中,大负载机器人惯性重力补偿具体过程为:
在机器人挂载装备对象后,首先进行重力核销,在运动过程中补偿掉由于机器人末端工具及负载带来的重力影响,使力传感器更为真实的检测到其他力的作用,实现机器人碰撞检测及阻抗导纳控制;支持传感器数据在线标零,屏蔽装配之前由于传感器漂移及重力因素引起的力偏差;机器人力控工艺包适配机器人本体及六维力传感器力矩精度可达2Nm;利用光学仪器辅助挂在后的重物形变将空间误差△x,△y,△z进行机器人运动模型中进行二次标定;
所述人工范围牵引示教定位具体过程为:
大负载机器人在装配过程中,采用示教方式进行批量复制,由于精密装配针对小批量和来料不确定的场景,机器人的装备任务通过示教方式的执行时间在2周以上,通过人工牵引定位和姿态调整提高灵活性需要;通过力传感器检测并反馈操作人员的牵引示教作用力和力矩;将检测的力和力矩转换成机器人期望的末端运动位置,再利用逆运动学将检测的力和力矩转换成期望的机器人关节位置,实现机器人向着操作人员的施力方向运动。
进一步,所述步骤二中,开启在线变速模式对任务执行的速度进行调整,实现在线轨迹规划具体过程为:
机器人在线进行速度规划,在运动过程中结合操作者指令及环境因素对任务执行的速度进行调整,实现在线轨迹规划;采用分级调速技术,支持机器人宏微运动,允许机器人在远离作业目标时以较高的速度运动,当接近作业目标时以较低的速度运动以满足装配需求。
进一步,所述步骤三中,反向补充导向牵引具体过程为:
在装配中进行装配角度姿态调整,采用等效光路原理,在非装配区域进行装配姿态调整后再迁移至装配区域;通过人工在低速下进行控制,牵引力映射为移动位置最小装配分辨率,以实现精密的装配过程;
所述步骤三中,开启运动安全约束具体过程为:
安全约束包括,力约束:当力传感器感知测量被携持模块、组件受到的力或力矩超过给定的阈值时,工业机器人根据要求实现自动停止或撤回运动;
安全约束包括,速度约束当机器人出现运动速度超限,笛卡尔空间运动路过奇异点时出现的速度超限情况,机器人根据要求实现自动停止或撤回运动;
安全约束包括,位置约束机器人系统进行虚拟墙,根据实际环境空间限制,设置虚拟墙参数,方块、圆柱、球形及自定义虚拟墙类型,并对虚拟墙的约束空间进行三个级别的划分,包括自由空间、低速空间和不允许空间;在不同空间机器人给出相应的反馈信息,机器人处于不允许空间,机器人自动停止运动,同时给出报警信息。
进一步,所述步骤三中,精密力控装配具体过程为:
在工业机器人携持负载后力矩感知对负载重力进行补偿,将负载重量产生的力矩负载重力补偿后感知工业机器人在运动过程中所遭受的外力,在更改负载后手动设置力传感器标定初值,以实现力感知数据清零操作;机器人自动作业过程中进行碰撞检测,机器人根据安装的六维力传感器检测运动过程中的意外碰撞,暂停规划运动任务,并根据实际情况实现手动或自动原路径返回运动;融合光学检测装置,实现精密测距和姿态引导,将装配点与装配物体进行匹配,实现动态传感器标定,以检测装调过程中正常施加的力或力矩,并将检测的接触力反馈给控制系统,用于装配位置及姿态调整。
进一步,所述步骤四中,装配过程标注具体过程为:
机器人控制系统人机交互负责机器人运动控制参数设置,运动目标,运动速度;力控参数设置,牵引力约束、牵引阻尼;力闭环控制参数,控制力约束、控制位置约束;另外支持机器人的状态反馈记录,关节位置、笛卡尔位置及姿态、接触力数据;
所述步骤四中,高精度控制算法包括:
1)基于多级运动误差补偿的高精度运动控制;
对制造现场环境下工业机器人定位进行误差补偿,将误差源分为静态定位误差和动态跟踪误差两大类,并分别构建不同误差的作用机理和作用区域;
利用位姿跟踪传感器进行单轴重复轨迹运动和数值仿真实验,集合结构力学分析方法分析各关节的转角误差,得到特定关节误差的作用规律并建立特定误差模型,进行特定误差补偿;
根据工业机器人各连杆参数、坐标系参数误差各类几何误差因素,结合外部标定设备建立基于绝对位置精度的几何误差标定方法,通过激光跟踪仪测量机器人不同位姿下的末端定位误差,经过迭代最小二乘解法计算机器人运动学模型参数误差;同时,面向工业现场机器人在线标定简洁快速性的需求,建立基于固定点约束的几何误差自标定方法,通过与视觉测量技术相结合,基于固定点约束建立几何误差自标定模型,并通过参数辨识算法辨识几何参数的误差,实现工业机器人几何误差在线自标定;
工业机器人末端定位误差在关节空间中的分布具有明显规律性,基于齿轮磨损、轴承间隙非几何误差建立关节空间网格划分的非模型误差标定方法与空间插值补偿方法,结合每个网格节点建立机器人关节空间中的定位误差对应库,并根据末端定位误差在关节空间中的分布规律和空间相关性,建立最优的网格划分方法,实现网格阵列精度和效率的统一;
2)基于观测模型的动力学参数辨识和补偿;
通过电机系统模型的建立,采用无约束下的非线性规划法,实现动力学模型参数的最佳辨识,以完成电机驱动电流至驱动力矩的映射;基于机器人动力学的建模与逆向解算,结合对驱动力矩的解算和随机树算法,通过在负载参数空间中随机分布树节点,并经父节点最优选择及子树快速重构,实现快速随机树生成;基于布朗运动与随机过程的理论研究成果,建立运动状态候选集,并通过机器学习与随机森林算法,实现机器人本体和负载动力学参数的最优估计;
3)基于惯量匹配-力矩前馈的高精度运动控制;
机械臂整机动力学模型逆向解算:基于机械臂整机多体动力学模型和任务空间DH辨识参数,针对有限解集的情况,通过空间几何解析法,实现精确逆运动学模型的建立;针对无限解集的情况,将基于数值分析的方法,通过对最优步长法、信赖域法、混合整数凸优化法几大规划算法分支领域的研究,实现关节运动精确、快速及鲁棒的解算;时变非线性约束下关节前馈力矩与运动轨迹动态规划:基于数值最优算法,通过对大尺度序列凸优化算法的研究,实现局部凸域内的最优梯度选择,实现最优运动轨迹的快速迭代解算,以及各个关节前馈力矩的补偿解耦计算;通过基于广义能量的轨迹优化目标函数建立,经路径规划算法求解,实现时变非线性约束下的轨迹平滑动态规划与关节力矩动态前馈补偿。
结合上述的技术方案和解决的技术问题,请从以下几方面分析本发明所要保护的技术方案所具备的优点及积极效果为:
第一、针对上述现有技术存在的技术问题以及解决该问题的难度,紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等,详细、深刻地分析本发明技术方案如何解决的技术问题,解决问题之后带来的一些具备创造性的技术效果。具体描述如下:
本发明在大负载机器人装配过程中可以进行紧密的自主控制,特别在装配精度低于传统人工分辨率情况下,可以通过光学辅助设备在高性能力感知控制下进行0.02mm量级的精密装配。光检装配过程将光学仪器的灵敏数据引用到机器人动力学模型控制中,实现大负载机器人的精密运动微调。本发明在光学装调过程中,通过控制算法将机器人本身控制参数与不待装配物体测量进行综合分析。本发明克服了以机器人精度作为单一控制来源的误差累积方案,减少传统方法中人工参数调整带来的随机误差,从而实现高效的柔性装配。特别在贵重仪器装配过程中,柔性精密装配能将错误情况有效降低,通过解决精密装配量级的突破。
第二,把技术方案看做一个整体或者从产品的角度,本发明所要保护的技术方案具备的技术效果和优点,具体描述如下:
本发明针对精密装配场景下的控制需求,提出了一种基于动力学的大负载机器人光检系统及控制方法,解决面向被装备体的反向补偿控制问题。
附图说明
图1是本发明实施例提供的基于大负载机器人的高精度力感知控制系统结构示意图;
图2是本发明实施例提供的基于大负载机器人的高精度力感知控制方法流程图;
图3是本发明实施例提供的高精度运动误差补偿过程示意图;
图4是本发明实施例提供的基于观测模型的动力学参数辨识和补偿过程示意图;
图中:1、精密装配平台单元;2、工业机器人单元;3、安全组件。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了使本领域技术人员充分了解本发明如何具体实现,该部分是对权利要求技术方案进行展开说明的解释说明实施例。
如图1所示,本发明实施例提供的基于大负载机器人的高精度力感知控制系统包括:
精密装配平台单元1,用以提供装配基准面以及二维姿态调整,在机器人固定安装位置下提供多角度安装;测试并指导机器人的机器人调整需求。
工业机器人单元2,在装配过程中使用力控制方式进行微调,配备高精度力传感器,并设计助力模组。
安全组件3,对工作站进行物理隔离,在检修位置留置安全门,并使用安全门锁进行安全信号控制,以保证人机的安全性。
本发明实施例提供的精密装配平台单元由隔振平台、一体化固定工装、专用校准仪器、辅助材料组成。精密装配转台提供装配基准面以及二维姿态调整功能,在机器人固定安装位置下能够提供多角度安装,要求机构定位功能保证符合“两点一面”的要求,即通过两个定位点以及一个平面确定安装基准位姿。专用校准仪器,基于激光、棱镜和光栅组成,基于此套装备能够测试并指导机器人的机器人调整需求。
本发明实施例提供的工业机器人单元由工业机器人、底座、末端手爪工具、机器人控制系统和示教盒组成。工业机器人为大负载机器人,大负载机器人为行业通用重载机器人,负载大于500kg,运动半径1.5m以上,具备0.02mm重复定位精度。系统标准推荐采用库卡公司的KR1000titan工业机器人。在装配过程中需要使用力控制方式进行微调,需配备高精度力传感器,并设计助力模组。
本发明实施例提供的安全组件采用安全围栏方式将工作站进行物理隔离,在检修位置留置安全门,使用安全门锁对其进行安全信号控制,保证人机的安全性。
如图2所示,本发明实施例提供的基于大负载机器人的高精度力感知控制方法包括:
S101:在机器人挂载装备对象后,进行大负载机器人惯性重力补偿;大负载机器人在装配过程中,进行人工范围牵引示教定位。
S102:在运动过程中结合操作者指令及环境因素,开启在线变速模式对任务执行的速度进行调整,实现在线轨迹规划。
S103:在装配中装配角度姿态过程中,进行反向补充导向牵引;同时开启运动安全约束;检测装调过程中正常施加的力或力矩,将检测的接触力反馈给控制系统,用于装配位置及姿态调整,实现精密力控装配。
S104:装配过程标注,设置机器人运动控制参数、力控参数、力闭环控制参数,对机器人的状态进行反馈记录,并通过高精度控制算法进行控制。
本发明实施例提供的S101中,大负载机器人惯性重力补偿具体过程为:
在机器人挂载装备对象后,首先进行重力核销,在运动过程中补偿掉由于机器人末端工具及负载带来的重力影响,使力传感器更为真实的检测到其他力的作用,实现机器人碰撞检测及阻抗导纳控制等功能。支持传感器数据在线标零功能,用于屏蔽装配之前由于传感器漂移及重力等因素引起的力偏差。机器人力控工艺包适配机器人本体及六维力传感器力矩精度可达2Nm。利用光学仪器辅助挂在后的重物形变将空间误差△x,△y,△z进行机器人运动模型中进行二次标定。
本发明实施例提供的S101中,人工范围牵引示教定位具体过程为:
大负载机器人在装配过程中,通常采用示教方式进行批量复制,但由于精密装配往往针对小批量和来料不确定的场景,这种模式下机器人的装备任务通过示教方式的执行时间在2周以上,但通过人工牵引定位和姿态调整能够提高很多的灵活性需要。具体通过力传感器检测并反馈操作人员的牵引示教作用力和力矩(运动方向);并将检测的力和力矩转换成机器人期望的末端运动位置,再利用逆运动学将检测的力和力矩转换成期望的机器人关节位置,实现机器人向着操作人员的施力方向运动。
本发明实施例提供的S102中,开启在线变速模式对任务执行的速度进行调整,实现在线轨迹规划具体过程为:
机器人具备在线速度规划功能,在运动过程中结合操作者指令及环境因素对任务执行的速度进行调整,实现在线轨迹规划。采用分级调速技术,支持机器人宏微运动,允许机器人在远离作业目标时以较高的速度运动,当接近作业目标时以较低的速度运动以满足装配需求。
本发明实施例提供的S103中,反向补充导向牵引具体过程为:
在装配中除了位置外核心是装配角度姿态,因此采用等效光路原理,在非装配区域进行装配姿态调整后再迁移至装配区域,该过程中通过人工在低速下进行控制,牵引力映射为移动位置最小装配分辨率,从而实现精密的装配过程。
本发明实施例提供的S103中,开启运动安全约束具体过程为:
安全约束包括,力约束:当力传感器感知测量被携持模块、组件受到的力或力矩超过给定的阈值时,工业机器人可根据要求实现自动停止或撤回运动(在保证撤回运动无障碍的情况下);
安全约束包括,速度约束当机器人出现运动速度超限,如笛卡尔空间运动路过奇异点时出现的速度超限情况,机器人可根据要求实现自动停止或撤回运动(在保证撤回运动无障碍的情况下);
安全约束包括,位置约束机器人系统具备虚拟墙功能,操作者可根据实际环境空间限制,设置虚拟墙参数,如方块、圆柱、球形及自定义虚拟墙类型,并对虚拟墙的约束空间进行三个级别的划分,包括自由空间、低速空间和不允许空间。在不同空间机器人给出相应的反馈信息,如机器人处于不允许空间,机器人自动停止运动,同时给出报警信息。
本发明实施例提供的S103中,精密力控装配具体过程为:
在工业机器人携持负载后力矩感知具有负载重力补偿功能,将负载重量产生的力矩负载重力补偿后能够感知工业机器人在运动过程中所遭受的外力,也可在更改负载后手动设置力传感器标定初值,以实现力感知数据“清零”操作;机器人自动作业过程中具备碰撞检测功能,机器人能够根据安装的六维力传感器检测运动过程中的意外碰撞,暂停目前规划运动任务,并可根据实际情况实现手动或自动原路径返回运动。融合光学检测装置,可实现精密测距和姿态引导,将装配点与装配物体进行匹配,可实现动态传感器标定功能,以检测装调过程中正常施加的力或力矩,并将检测的接触力反馈给控制系统,用于装配位置及姿态调整。
装配过程标注,设置机器人运动控制参数、力控参数、力闭环控制参数,对机器人的状态进行反馈记录,并通过高精度控制算法进行控制。
本发明实施例提供的S104中,装配过程标注具体过程为:
机器人控制系统人机交互部分主要负责机器人运动控制参数设置,如运动目标,运动速度等;力控参数设置,如牵引力约束、牵引阻尼等。力闭环控制参数,如:控制力约束、控制位置约束等。另外支持机器人的状态反馈记录,如,关节位置、笛卡尔位置及姿态、接触力等数据。
本发明实施例提供的S104中,高精度控制算法包括:
1)基于多级运动误差补偿的高精度运动控制
针对制造现场环境下工业机器人定位误差补偿问题,将误差源分为静态定位误差和动态跟踪误差两大类,并分别构建不同误差的作用机理和作用区域。
利用位姿跟踪传感器进行单轴重复轨迹运动和数值仿真实验,集合结构力学分析方法分析各关节的转角误差,得到特定关节误差的作用规律并建立特定误差模型,进行特定误差补偿。
综合考虑工业机器人各连杆参数、坐标系参数误差等各类几何误差因素,结合外部标定设备研究基于绝对位置精度的几何误差标定方法,通过激光跟踪仪测量机器人不同位姿下的末端定位误差,经过迭代最小二乘解法计算机器人运动学模型参数误差。
同时,面向工业现场机器人在线标定简洁快速性的需求,研究基于固定点约束的几何误差自标定方法,通过与视觉测量技术相结合,基于固定点约束建立几何误差自标定模型,并通过参数辨识算法辨识几何参数的误差,实现工业机器人几何误差在线自标定。
针对工业机器人末端定位误差在其关节空间中的分布具有明显规律性,基于齿轮磨损、轴承间隙等非几何误差研究关节空间网格划分的非模型误差标定方法与空间插值补偿方法,结合每个网格节点建立机器人关节空间中的定位误差对应库,并根据末端定位误差在关节空间中的分布规律和空间相关性,研究最优的网格划分方法,实现网格阵列精度和效率的统一。
2)基于观测模型的动力学参数辨识和补偿
通过电机系统模型的建立,采用无约束下的非线性规划法,实现动力学模型参数的最佳辨识,以完成电机驱动电流至驱动力矩的映射。
基于机器人动力学的建模与逆向解算,结合对驱动力矩的解算和随机树算法,通过在负载参数空间中随机分布树节点,并经父节点最优选择及子树快速重构,实现快速随机树生成。
基于布朗运动与随机过程的理论研究成果,建立运动状态候选集,并通过机器学习与随机森林算法,实现机器人本体和负载动力学参数的最优估计。
3)基于惯量匹配-力矩前馈的高精度运动控制
机械臂整机动力学模型逆向解算:基于机械臂整机多体动力学模型和任务空间DH辨识参数,针对有限解集的情况,通过空间几何解析法,实现精确逆运动学模型的建立;针对无限解集的情况,将基于数值分析的方法,通过对最优步长法、信赖域法、混合整数凸优化法等几大规划算法分支领域的研究,实现关节运动精确、快速及鲁棒的解算。
时变非线性约束下关节前馈力矩与运动轨迹动态规划:基于数值最优算法,通过对大尺度序列凸优化算法的研究,实现局部凸域内的最优梯度选择,从而实现最优运动轨迹的快速迭代解算,以及各个关节前馈力矩的补偿解耦计算;通过基于广义能量的轨迹优化目标函数建立,经路径规划算法求解,最终实现时变非线性约束下的轨迹平滑动态规划与关节力矩动态前馈补偿。
下面结合具体实施例对本发明的技术方案作详细的描述。
本发明实施例提供的基于大负载机器人的高精度力感知控制方法包括:
基于动静态运动学误差补偿的高精度运动控制技术,采用基于误差分类研究工业机器人关节误差分类补偿、几何误差分析建模与参数辨识、非几何误差非模型标定方法,构建多级分层误差补偿机制,实现有效的误差补偿,消除或者降低机器人定位误差。
基于惯量匹配-力矩前馈的高精度运动控制技术,根据解耦的整机系统动力学低频模型,采用基于神经网络的电机执行力矩观测方法和基于力矩观测器的自适应前馈补偿方法,结合力矩前馈控制,实现动态惯量匹配的力矩前馈控制,解决机器人在运动过程中抖动的问题,提升机器人系统的精度和效率。
研究基于关节柔性与刚度补偿的高精度运动控制技术,根据机器人关节刚柔耦合性动力学模型,采用外界扰动下的关节刚度的精准补偿与误差快速纠正方法,结合贝叶斯滤波概型和预测控制,滚动规划机器人各关节刚度补偿值,实现扰动工况下的高精度柔顺补偿控制,提升机器人的绝对精度和轨迹精度。
研究面向多种动态未知环境的高精度运动控制技术,采用无依赖动态信息的神经网络全逼近控制策略和基于名义动态模型的控制框架及其改进的全神经网络逼近框架的综合控制策略,提升控制的响应速度和适应性。
采用基于动力学的高灵敏力感知控制,通过机器人末端力传感器对精密装配的接触面力进行感知和分析,同时将运动精度进行面向精密装配的装调工艺算法,具体的包含标准的力控工艺包(标定、挡停、牵引),通过对大负载机器人负载端进行检测,提高机器人在低速运动下的在线变速工艺,降低机器人启停过程中的抖动,通过配合对精密装配物的光学测量,在运动中将位置信息实时传送给机器人控制系统,机器人进行力控闭环导向装配,人机系统提供机器人的低速设置和运动方向调整等。
具备基于大负载机器人提供坐标变换功能,支持根据传感器测量数据对工业机器人进行坐标系标定,以便获得准确的需要的装配位置。通过工业机器人具有按照给定目标空间位姿及进行规划运动功能,即给定运动目标位姿(X、Y、Z,Rx、Ry、Rz)及相对应的坐标系,工业机器人能够按照给定的目标坐标实现自动规划及运动控制;机器人的运动精度简易的可以通过3组千分表确定绝对定位精度。该精度支持使用千分表测量,定位精度在0.01mm量级。
具有任务轨迹速度适配功能,在携持负载开始运动时,机器人可根据启动轨迹要求(位置、速度、时间等限制)进行轨迹规划使机器人实现安全启动;当机器人接近作业任务目标位置时,根据作业要求降低运行轨迹速度,实现微动低俗平缓完成指定任务。
具有光学仪器在线测量功能,提高机器人的控制精度。在机器人标定过程中,带载后能够通过光路指引进行工件等效坐标系标定,确定机器人位置运动进给方向;在机器人的位置与姿态微调整过程中,能够利用光路反射折射原理,提供光路等效测试分析支持,优先完成机器人的姿态调整,并按照标定后的机器人位置进给方向进行位置微调。提供指定坐标系下的目标位置及姿态下的运动规划与控制功能,并支持对其规划的结果进行在线补偿和修改。
牵引控制分为两个阶段,第一阶段为范围牵引,适用于初始装配阶段快速将装配物体与装配点贴近的场景。第二阶段为反向补充导向牵引,在装配中装配角度姿态等信息,通过光学检测技术进行辅助确定,因此采用等效光路原理,在非装配区域进行装配姿态调整后再迁移至装配区域可以实现高精度的装配任务。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于大负载机器人的高精度力感知控制系统,其特征在于,所述基于大负载机器人的高精度力感知控制系统包括:
精密装配平台单元,用以提供装配基准面以及二维姿态调整,在机器人固定安装位置下提供多角度安装;测试并指导机器人的机器人调整需求;
工业机器人单元,在装配过程中使用力控制方式进行微调,配备高精度力传感器,并设计助力模组;
安全组件,对工作站进行物理隔离,在检修位置留置安全门,并使用安全门锁进行安全信号控制,以保证人机的安全性。
2.如权利要求1所述基于大负载机器人的高精度力感知控制系统,其特征在于,所述精密装配平台单元由隔振平台、一体化固定工装、专用校准仪器、辅助材料组成;精密装配转台提供装配基准面以及二维姿态调整,在机器人固定安装位置下提供多角度安装,通过机构定位功能以保证符合两点一面的要求,通过两个定位点以及一个平面确定安装基准位姿;专用校准仪器,基于激光、棱镜和光栅组成,测试并指导机器人的机器人调整需求。
3.如权利要求1所述基于大负载机器人的高精度力感知控制系统,其特征在于,所述工业机器人单元由工业机器人、底座、末端手爪工具、机器人控制系统和示教盒组成;工业机器人为大负载机器人,大负载机器人负载大于500kg,运动半径1.5m以上,具备0.02mm重复定位精度;在装配过程中使用力控制方式进行微调,配备高精度力传感器,并设计助力模组。
4.如权利要求1所述基于大负载机器人的高精度力感知控制系统,其特征在于,所述安全组件采用安全围栏方式将工作站进行物理隔离,在检修位置留置安全门,使用安全门锁进行安全信号控制,以保证人机的安全性。
5.一种如权利要求1~4任意一项所述基于大负载机器人的高精度力感知控制系统的基于大负载机器人的高精度力感知控制方法,其特征在于,所述基于大负载机器人的高精度力感知控制方法包括:
步骤一,在机器人挂载装备对象后,进行大负载机器人惯性重力补偿;大负载机器人在装配过程中,进行人工范围牵引示教定位;
步骤二,在运动过程中结合操作者指令及环境因素,开启在线变速模式对任务执行的速度进行调整,实现在线轨迹规划;
步骤三,在装配中装配角度姿态过程中,进行反向补充导向牵引;同时开启运动安全约束;检测装调过程中正常施加的力或力矩,将检测的接触力反馈给控制系统,用于装配位置及姿态调整,实现精密力控装配;
步骤四,装配过程标注,设置机器人运动控制参数、力控参数、力闭环控制参数,对机器人的状态进行反馈记录,并通过高精度控制算法进行控制。
6.如权利要求5所述基于大负载机器人的高精度力感知控制方法,其特征在于,所述步骤一中,大负载机器人惯性重力补偿具体过程为:
在机器人挂载装备对象后,首先进行重力核销,在运动过程中补偿掉由于机器人末端工具及负载带来的重力影响,使力传感器更为真实的检测到其他力的作用,实现机器人碰撞检测及阻抗导纳控制;支持传感器数据在线标零,屏蔽装配之前由于传感器漂移及重力因素引起的力偏差;机器人力控工艺包适配机器人本体及六维力传感器力矩精度可达2Nm;利用光学仪器辅助挂在后的重物形变将空间误差△x,△y,△z进行机器人运动模型中进行二次标定;
所述人工范围牵引示教定位具体过程为:
大负载机器人在装配过程中,采用示教方式进行批量复制,由于精密装配针对小批量和来料不确定的场景,机器人的装备任务通过示教方式的执行时间在2周以上,通过人工牵引定位和姿态调整提高灵活性需要;通过力传感器检测并反馈操作人员的牵引示教作用力和力矩;将检测的力和力矩转换成机器人期望的末端运动位置,再利用逆运动学将检测的力和力矩转换成期望的机器人关节位置,实现机器人向着操作人员的施力方向运动。
7.如权利要求5所述基于大负载机器人的高精度力感知控制方法,其特征在于,所述步骤二中,开启在线变速模式对任务执行的速度进行调整,实现在线轨迹规划具体过程为:
机器人在线进行速度规划,在运动过程中结合操作者指令及环境因素对任务执行的速度进行调整,实现在线轨迹规划;采用分级调速技术,支持机器人宏微运动,允许机器人在远离作业目标时以较高的速度运动,当接近作业目标时以较低的速度运动以满足装配需求。
8.如权利要求5所述基于大负载机器人的高精度力感知控制方法,其特征在于,所述步骤三中,反向补充导向牵引具体过程为:
在装配中进行装配角度姿态调整,采用等效光路原理,在非装配区域进行装配姿态调整后再迁移至装配区域;通过人工在低速下进行控制,牵引力映射为移动位置最小装配分辨率,以实现精密的装配过程;
所述步骤三中,开启运动安全约束具体过程为:
安全约束包括,力约束:当力传感器感知测量被携持模块、组件受到的力或力矩超过给定的阈值时,工业机器人根据要求实现自动停止或撤回运动;
安全约束包括,速度约束当机器人出现运动速度超限,笛卡尔空间运动路过奇异点时出现的速度超限情况,机器人根据要求实现自动停止或撤回运动;
安全约束包括,位置约束机器人系统进行虚拟墙,根据实际环境空间限制,设置虚拟墙参数,方块、圆柱、球形及自定义虚拟墙类型,并对虚拟墙的约束空间进行三个级别的划分,包括自由空间、低速空间和不允许空间;在不同空间机器人给出相应的反馈信息,机器人处于不允许空间,机器人自动停止运动,同时给出报警信息。
9.如权利要求5所述基于大负载机器人的高精度力感知控制方法,其特征在于,所述步骤三中,精密力控装配具体过程为:
在工业机器人携持负载后力矩感知对负载重力进行补偿,将负载重量产生的力矩负载重力补偿后感知工业机器人在运动过程中所遭受的外力,在更改负载后手动设置力传感器标定初值,以实现力感知数据清零操作;机器人自动作业过程中进行碰撞检测,机器人根据安装的六维力传感器检测运动过程中的意外碰撞,暂停规划运动任务,并根据实际情况实现手动或自动原路径返回运动;融合光学检测装置,实现精密测距和姿态引导,将装配点与装配物体进行匹配,实现动态传感器标定,以检测装调过程中正常施加的力或力矩,并将检测的接触力反馈给控制系统,用于装配位置及姿态调整。
10.如权利要求5所述基于大负载机器人的高精度力感知控制方法,其特征在于,所述步骤四中,装配过程标注具体过程为:
机器人控制系统人机交互负责机器人运动控制参数设置,运动目标,运动速度;力控参数设置,牵引力约束、牵引阻尼;力闭环控制参数,控制力约束、控制位置约束;另外支持机器人的状态反馈记录,关节位置、笛卡尔位置及姿态、接触力数据;
所述步骤四中,高精度控制算法包括:
1)基于多级运动误差补偿的高精度运动控制;
对制造现场环境下工业机器人定位进行误差补偿,将误差源分为静态定位误差和动态跟踪误差两大类,并分别构建不同误差的作用机理和作用区域;
利用位姿跟踪传感器进行单轴重复轨迹运动和数值仿真实验,集合结构力学分析方法分析各关节的转角误差,得到特定关节误差的作用规律并建立特定误差模型,进行特定误差补偿;
根据工业机器人各连杆参数、坐标系参数误差各类几何误差因素,结合外部标定设备建立基于绝对位置精度的几何误差标定方法,通过激光跟踪仪测量机器人不同位姿下的末端定位误差,经过迭代最小二乘解法计算机器人运动学模型参数误差;同时,面向工业现场机器人在线标定简洁快速性的需求,建立基于固定点约束的几何误差自标定方法,通过与视觉测量技术相结合,基于固定点约束建立几何误差自标定模型,并通过参数辨识算法辨识几何参数的误差,实现工业机器人几何误差在线自标定;
工业机器人末端定位误差在关节空间中的分布具有明显规律性,基于齿轮磨损、轴承间隙非几何误差建立关节空间网格划分的非模型误差标定方法与空间插值补偿方法,结合每个网格节点建立机器人关节空间中的定位误差对应库,并根据末端定位误差在关节空间中的分布规律和空间相关性,建立最优的网格划分方法,实现网格阵列精度和效率的统一;
2)基于观测模型的动力学参数辨识和补偿;
通过电机系统模型的建立,采用无约束下的非线性规划法,实现动力学模型参数的最佳辨识,以完成电机驱动电流至驱动力矩的映射;基于机器人动力学的建模与逆向解算,结合对驱动力矩的解算和随机树算法,通过在负载参数空间中随机分布树节点,并经父节点最优选择及子树快速重构,实现快速随机树生成;基于布朗运动与随机过程的理论研究成果,建立运动状态候选集,并通过机器学习与随机森林算法,实现机器人本体和负载动力学参数的最优估计;
3)基于惯量匹配-力矩前馈的高精度运动控制;
机械臂整机动力学模型逆向解算:基于机械臂整机多体动力学模型和任务空间DH辨识参数,针对有限解集的情况,通过空间几何解析法,实现精确逆运动学模型的建立;针对无限解集的情况,将基于数值分析的方法,通过对最优步长法、信赖域法、混合整数凸优化法几大规划算法分支领域的研究,实现关节运动精确、快速及鲁棒的解算;时变非线性约束下关节前馈力矩与运动轨迹动态规划:基于数值最优算法,通过对大尺度序列凸优化算法的研究,实现局部凸域内的最优梯度选择,实现最优运动轨迹的快速迭代解算,以及各个关节前馈力矩的补偿解耦计算;通过基于广义能量的轨迹优化目标函数建立,经路径规划算法求解,实现时变非线性约束下的轨迹平滑动态规划与关节力矩动态前馈补偿。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210681594.1A CN115070726A (zh) | 2022-06-16 | 2022-06-16 | 一种基于大负载机器人的高精度力感知控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210681594.1A CN115070726A (zh) | 2022-06-16 | 2022-06-16 | 一种基于大负载机器人的高精度力感知控制系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115070726A true CN115070726A (zh) | 2022-09-20 |
Family
ID=83254037
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210681594.1A Pending CN115070726A (zh) | 2022-06-16 | 2022-06-16 | 一种基于大负载机器人的高精度力感知控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115070726A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117697760A (zh) * | 2024-01-03 | 2024-03-15 | 佛山科学技术学院 | 一种机器人安全运动控制方法及系统 |
-
2022
- 2022-06-16 CN CN202210681594.1A patent/CN115070726A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117697760A (zh) * | 2024-01-03 | 2024-03-15 | 佛山科学技术学院 | 一种机器人安全运动控制方法及系统 |
CN117697760B (zh) * | 2024-01-03 | 2024-05-28 | 佛山科学技术学院 | 一种机器人安全运动控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Karan et al. | Calibration and accuracy of manipulation robot models—An overview | |
Ye et al. | High-accuracy prediction and compensation of industrial robot stiffness deformation | |
Shi et al. | A review for control theory and condition monitoring on construction robots | |
Jiang et al. | The state of the art of search strategies in robotic assembly | |
Deng et al. | Elasto-geometrical error and gravity model calibration of an industrial robot using the same optimized configuration set | |
CN115070726A (zh) | 一种基于大负载机器人的高精度力感知控制系统及方法 | |
Hsiao et al. | Positioning accuracy improvement of industrial robots considering configuration and payload effects via a hybrid calibration approach | |
Wu et al. | GA Based Adaptive Singularity‐Robust Path Planning of Space Robot for On‐Orbit Detection | |
Akhmetzyanov et al. | Deep Learning with Transfer Learning Method for Error Compensation of Cable-driven Robot. | |
Sun | Kinematics model identification and motion control of robot based on fast learning neural network | |
Gao et al. | Kinematic calibration of industrial robots based on distance information using a hybrid identification method | |
Lu et al. | An on-line relative position and orientation error calibration methodology for workcell robot operations | |
Ma et al. | Error compensation method of industrial robots considering non-kinematic and weak rigid base errors | |
Heyn et al. | Application of artificial neural networks in force-controlled automated assembly of complex shaped deformable components | |
Olofsson | Topics in machining with industrial robot manipulators and optimal motion control | |
Jian et al. | On-line precision calibration of mobile manipulators based on the multi-level measurement strategy | |
Mo et al. | A New Calibration Method for a Directly Driven 3 P RR Positioning System | |
Xie | [Retracted] Industrial Robot Assembly Line Design Using Machine Vision | |
Li et al. | Trajectory planning method for docking of large aircraft components | |
Akhmetzyanov et al. | Model free error compensation for cable-driven robot based on deep learning with sim2real transfer learning | |
Wan et al. | Non-geometric error compensation for long-stroke cartesian robot with semi-analytical beam deformation and gaussian process regression model | |
Tsuji et al. | Non-contact impedance control for redundant manipulators using visual information | |
Yu et al. | A robotic spindle end high-accuracy positioning method based on eye-in-hand vision active correction | |
Dressler | Modeling and control of stiff robots for flexible manufacturing | |
Hua et al. | Study on impact test system of manipulator based on six axis force sensor and intelligent controller |
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 |