CN116203902A - 一种基于视觉前馈的多机协同全方位工艺系统 - Google Patents
一种基于视觉前馈的多机协同全方位工艺系统 Download PDFInfo
- Publication number
- CN116203902A CN116203902A CN202310172981.7A CN202310172981A CN116203902A CN 116203902 A CN116203902 A CN 116203902A CN 202310172981 A CN202310172981 A CN 202310172981A CN 116203902 A CN116203902 A CN 116203902A
- Authority
- CN
- China
- Prior art keywords
- subsystem
- data
- vision
- path
- robot
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000008569 process Effects 0.000 title claims abstract description 49
- 230000000007 visual effect Effects 0.000 title claims abstract description 11
- 239000000463 material Substances 0.000 claims abstract description 147
- 238000011112 process operation Methods 0.000 claims abstract description 15
- 230000009471 action Effects 0.000 claims abstract description 5
- 238000005498 polishing Methods 0.000 claims description 23
- 238000000576 coating method Methods 0.000 claims description 13
- 239000011248 coating agent Substances 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000004886 process control Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract 1
- 238000004801 process automation Methods 0.000 abstract 1
- 238000005507 spraying Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000007517 polishing process Methods 0.000 description 6
- 230000011664 signaling Effects 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000012943 hotmelt Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Graphics (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本发明提供一种基于视觉前馈的多机协同全方位工艺系统,属于自动化工艺控制技术领域,解决了现有的大件物料工艺自动化中涉及机器人控制的局限性问题;本发明技术包括:专家子系统和视觉子系统互联,专家子系统用于对大件物料数据进行匹配修复,视觉子系统用于采集大件物料数据和接收修复数据;路径生成器用于在视觉子系统或专家子系统的辅助下,生成路径数据,通过路径数据对机器人子系统进行位姿坐标转换,同时还用于触发工艺控制器动作;工艺控制器和机器人子系统相连接,工艺控制器用于控制机器人子系统进行工艺作业;本发明通过视觉前馈系统协作理念,有效重构物料的三维位姿,驱动工业机器人协同作业,实现高效优质的工艺过程。
Description
技术领域
本发明属于自动化工艺控制技术领域,应用于多机器人协同工艺作业的过程中,具体为一种基于视觉前馈的多机协同全方位工艺系统。
背景技术
重工业领域中对于大件物料的工艺,如对超过10米长度的钢板进行打磨或是对宽体车车架进行涂装,其作业内容通常超过单台多轴工业机器人的臂展范围;打磨过程中,大件物料的打磨内容包括上下表面氧化皮、棱边切割残渣、表面切割热熔等;因此若进行此类打磨或涂装工艺,需要多台工业机器人从不同的位姿展开协同作业。如今领域内的常见做法中,一种是大件物料通过砂光机,进行粗狂式、通过式的打磨,此法打磨效率高,但棱边、特别是内弧打磨不干净;另一种是,通过多轴工业机器人示教,如用遥控终端引导机器人进行路径记忆,使其沿整个大件物料进行立体全覆盖式的打磨,但效率比较低,节奏慢,存在大量时间用于示教的情况,耗时费力;涂装工艺所面对的问题同理。
对于控制方式,目前的打磨和涂装工艺类似,打磨工艺为:通过信令(物料就位指令)触发控制器(PLC)发送指令给打磨头及工业机器人,进行路径遍历及打磨作业,打磨过程中,通过力传感进行打磨效果反馈,形成闭环;此外还可以基于视觉采集打磨区域,让单台工业机器人进行覆盖区域的自主打磨。
上述的传统方式执行打磨作业,前者工业机器人处于被动引导,可以自动化重复地对相同物料进行作业,但不具备自识别、自决策、自学习功能。后者只局限于对单台机器人臂展范围内的物料进行智能识别与打磨作业,但不具备智能统筹分配、多机协作的打磨能力,如果部署多台单展机器人,又无法精准控制打磨边界,会存在漏打、重复打磨的现象,且部署方式复杂,投入硬件成本过多,对于缺乏统筹作业的多台工业机器人,存在作业区域重叠而导致碰撞的风险。
涂装工艺的控制方式则为:通过信令(物料就位指令)触发控制器(PLC)发送指令给喷枪,进行喷涂作业,信令触发后,机器人按照一定的工艺要求根据已示教的路径进行持续的路径跟踪。由于大型物料立体空间结构复杂,根据精细化喷涂作业要求,人工需对多台机器人进行反复的示教及校准,工作量往往持续数日,且人工示教往往存在一定的偏差及漏洞,导致机器人喷涂的精度、覆盖率存在人工引入的偏差,耗时耗工;特别是对于多机覆盖范围边界,可能存在重复喷涂的情况,油漆厚度过厚。
上述的传统方式执行喷涂作业,机器人处于被动引导,可以自动化重复地对相同物料进行作业,但同样不具备自识别、自决策、自学习功能;一旦更换物料,所有流程重复一遍,且再次引入不同的偏差。
综上,可发现对于大件物料的工艺过程,现有技术方案以打磨和涂装为代表的工艺存在相同的问题,包括:
1、手动引导机器人进行作业路径示教,效率低下,费事耗工;
2、对于大件物料,进行空间分割,各个机器人作业空间边界存在重叠,可能存在漏打、重复打磨或涂装等情况,工艺质量差,会额外增加人工二次作业的情况;
3、不具备对大件物料的自识别能力,不具备工业机器人自主决策,而对单台工业机器人采用视觉识别方式,因单台工业机器人覆盖范围有限,无法高效完成打磨或涂装作业;
4、缺乏对大件物料点云划分区域的机制,无法智能协同多台工业机器人同时作业;
5、工作站不具备自主学习机能,无法对不同物料自主进行打磨或涂装的路径规划;动作信令触发指令只是工作启停,没有实时路径纠偏功能;因此,导致控制系统简单,不智能,动态响应差的缺点。
发明内容
本发明的目的是全部或至少部分的解决背景技术中提到的问题,因此提出了一种基于视觉前馈的多机协同全方位工艺系统;本发明通过视觉前馈与专家系统的协作,有效重构大件物料的三维位姿,从而驱动多台工业机器人协同作业,实现了高效优质的工艺过程。
本发明采用了以下技术方案来实现目的:
一种基于视觉前馈的多机协同全方位工艺系统,包括:专家子系统、视觉子系统、路径生成器、工艺控制器和机器人子系统;
所述专家子系统和所述视觉子系统互联,专家子系统用于对视觉子系统反馈的大件物料数据进行匹配和修复,视觉子系统用于采集大件物料数据和接收专家子系统的修复数据;
所述路径生成器连接专家子系统、视觉子系统、工艺控制器和机器人子系统,路径生成器用于在视觉子系统或专家子系统的辅助下,生成路径数据,通过路径数据对机器人子系统进行位姿坐标转换;路径生成器还用于在对机器人子系统进行位姿坐标转换的同时,触发工艺控制器动作;所述工艺控制器和机器人子系统相连接,工艺控制器用于控制机器人子系统进行工艺作业。
具体的,所述机器人子系统包括多台工业机器人,所述工业机器人用于接受路径生成器的位姿坐标转换指令和工艺控制器的动作指令,完成对大件物料的工艺作业;所述工艺作业为打磨作业或涂装作业。
进一步的,所述视觉子系统包括点云数据处理模块,所述点云数据处理模块用于采集大件物料点云数据,并对大件物料点云数据进行三维数据拼接操作,将拼接完成后的数据反馈至专家子系统。
进一步的,所述专家子系统包括物料数据库、空间分割器、自学习模块和数据匹配模块;所述物料数据库用于存储既有物料数据信息;所述空间分割器用于提供物料空间分割策略,进行大件物料的区域划分;所述自学习模块用于接收视觉子系统反馈的大件物料数据和路径生成器反馈的路径数据,结合空间分割器进行机器训练,迭代物件分割算法和路径生成算法,并将训练后的数据信息存入或更新至物料数据库中对应的大件物料类别下,作为既有物料数据信息;所述数据匹配模块用于将视觉子系统反馈的大件物料数据与物料数据库中的既有物料数据信息进行比对匹配,对异常数据进行修复,并将匹配修复后的数据发送至视觉子系统和路径生成器。
优选的,所述空间分割器,用于依据机器人子系统中的工业机器人数量,提供大件物料区域划分数量与工业机器人数量相同的物料空间分割策略。
进一步的,所述专家子系统,用于:对于所述物料数据库中已存储的既有物料数据信息,依据所述空间分割器提供的物料空间分割策略,结合视觉子系统采集的既有大件物料数据,通过所述数据匹配模块进行修复后,将修复数据和物料空间分割策略发送至路径生成器,使路径生成器生成路径数据。
进一步的,所述专家子系统,还用于:对于所述物料数据库中所没有的新物料数据信息,依据视觉子系统采集的新的大件物料数据,通过空间分割器提供新的物料空间分割策略并发送至路径生成器;同时接受由路径生成器在视觉子系统提供的新的大件物料数据和新的物料空间分割策略依据下,生成的新的路径数据,将所述新的路径数据送入自学习模块进行训练后存入所述物料数据库,作为既有物料数据信息。
具体的,所述工业机器人,通过有线通信和/或无线通信方式与所述路径生成器和所述工艺控制器相连接。
优选的,所述物料数据库,还用于为大件物料添加电子标签,依据所述电子标签并存储视觉子系统中通过多点法求得位姿偏差的大件物料数据,作为既有物料数据信息,为所述数据匹配模块提供比对匹配依据。
可选的,所述自学习模块,还用于直接输出训练后的数据信息至路径生成器,使路径生成器生成更新后的路径数据,直接驱动机器人子系统进行工艺作业。
综上所述,由于采用了本技术方案,本发明的有益效果如下:
1、本发明通过视觉前馈与专家子系统的协作,可以有效重构物料的三维位姿,进行精准的多机区域分割,直接驱动多台机器人协同作业,避免漏喷、多喷等工艺过程中的异常情况;
2、基于专家子系统中的各类功能模块,在自学习模块和物料数据库的支持下,本发明省去了耗时耗工的示教过程,节约人力,大幅提高效率,是传统产能的若干倍;
3、通过本发明的全套系统,具备自主决策功能,省去了上位机中人机交互部分操作,将工艺规则自动化、智能化配置,避免人力参与,增加效率;
4、对于大件物料工艺流程这类重工业场景,采用本发明的系统,无论物料大小、形态和批次差异,均可实现智能化和无人化;
5、通过专家子系统及其中自学习模块的机器学习和训练过程,本发明最终可以形成最优路径的打磨或涂装作业,效率与作业效果进一步提升。
附图说明
图1为本发明的系统的结构原理示意图;
图2为专家子系统的结构示意框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以按各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
实施例1
如图1所示,一种基于视觉前馈的多机协同全方位工艺系统,包括:专家子系统、视觉子系统、路径生成器、工艺控制器和机器人子系统;
专家子系统和视觉子系统互联,专家子系统用于对视觉子系统反馈的大件物料数据进行匹配和修复,视觉子系统用于采集大件物料数据和接收专家子系统的修复数据;
路径生成器连接专家子系统、视觉子系统、工艺控制器和机器人子系统,路径生成器用于在视觉子系统或专家子系统的辅助下,生成路径数据,通过路径数据对机器人子系统进行位姿坐标转换;路径生成器还用于在对机器人子系统进行位姿坐标转换的同时,触发工艺控制器动作;工艺控制器和机器人子系统相连接,工艺控制器用于控制机器人子系统进行工艺作业。
本实施例中,机器人子系统中包括多台工业机器人,工业机器人用于接受路径生成器的位姿坐标转换指令和工艺控制器的动作指令,完成对大件物料的工艺作业;工艺作业为打磨作业或涂装作业。在不同的应用场景下,机器人子系统所包括的工业机器人也可仅有一台,但其仍需接收本系统中前置的视觉及专家信息相关数据的控制,独立完成工艺作业。
本实施例还提供,视觉子系统包括点云数据处理模块,点云数据处理模块用于采集大件物料点云数据,并对大件物料点云数据进行三维数据拼接操作,将拼接完成后的数据反馈至专家子系统。
同时,本实施例中的工业机器人,通过有线通信和/或无线通信方式与路径生成器和工艺控制器相连接。
实施例2
在实施例1的基础上,本实施例提供专家子系统的具体结构功能介绍,如图2所示,专家子系统包括物料数据库、空间分割器、自学习模块和数据匹配模块;物料数据库用于存储既有物料数据信息;空间分割器用于提供物料空间分割策略,进行大件物料的区域划分;自学习模块用于接收视觉子系统反馈的大件物料数据和路径生成器反馈的路径数据,结合空间分割器进行机器训练,迭代物件分割算法和路径生成算法,并将训练后的数据信息存入或更新至物料数据库中对应的大件物料类别下,作为既有物料数据信息;数据匹配模块用于将视觉子系统反馈的大件物料数据与物料数据库中的既有物料数据信息进行比对匹配,对异常数据进行修复,并将匹配修复后的数据发送至视觉子系统和路径生成器。
具体而言,空间分割器用于依据机器人子系统中的工业机器人数量,提供大件物料区域划分数量与工业机器人数量相同的物料空间分割策略。在对大件物料进行区域划分时,分别为每个工业机器人划分对应的一个物料区域,物料区域的边界均相邻,实现整个大件物料的表面全覆盖,任意区域均有对应负责的一个工业机器人。
对于物料类别,是没进行过工艺处理的新类型物料还是已处理过的相同类型物料,本实施例中的专家子系统采用两种不同的应对方式,具体如下:
专家子系统用于:对于物料数据库中已存储的既有物料数据信息,依据空间分割器提供的物料空间分割策略,结合视觉子系统采集的当前等待工艺作业但为既有大件的物料数据,通过数据匹配模块进行修复后,将修复数据和物料空间分割策略发送至路径生成器,使路径生成器生成路径数据。
专家子系统还用于:对于物料数据库中所没有的新物料数据信息,依据视觉子系统采集的新的大件物料数据,通过空间分割器提供新的物料空间分割策略并发送至路径生成器;同时接受由路径生成器在视觉子系统提供的新的大件物料数据和新的物料空间分割策略依据下,生成的新的路径数据,将新的路径数据送入自学习模块进行训练后存入物料数据库,成为既有物料数据信息。
本实施例中,物料数据库,还用于为大件物料添加电子标签,依据电子标签并存储视觉子系统中通过多点法求得位姿偏差的大件物料数据,作为既有物料数据信息,为数据匹配模块提供比对匹配依据。
本实施例中,自学习模块还具有另一种直接控制工艺进行的用法,即可用于直接输出训练后的数据信息至路径生成器,使路径生成器生成更新后的路径数据,直接驱动机器人子系统中的各个工业机器人,进行打磨或涂装工艺作业。
Claims (10)
1.一种基于视觉前馈的多机协同全方位工艺系统,其特征在于,包括:专家子系统、视觉子系统、路径生成器、工艺控制器和机器人子系统;
所述专家子系统和所述视觉子系统互联,专家子系统用于对视觉子系统反馈的大件物料数据进行匹配和修复,视觉子系统用于采集大件物料数据和接收专家子系统的修复数据;
所述路径生成器连接专家子系统、视觉子系统、工艺控制器和机器人子系统,路径生成器用于在视觉子系统或专家子系统的辅助下,生成路径数据,通过路径数据对机器人子系统进行位姿坐标转换;路径生成器还用于在对机器人子系统进行位姿坐标转换的同时,触发工艺控制器动作;所述工艺控制器和机器人子系统相连接,工艺控制器用于控制机器人子系统进行工艺作业。
2.根据权利要求1所述的一种基于视觉前馈的多机协同全方位工艺系统,其特征在于:所述机器人子系统包括多台工业机器人,所述工业机器人用于接受路径生成器的位姿坐标转换指令和工艺控制器的动作指令,完成对大件物料的工艺作业;所述工艺作业为打磨作业或涂装作业。
3.根据权利要求1所述的一种基于视觉前馈的多机协同全方位工艺系统,其特征在于:所述视觉子系统包括点云数据处理模块,所述点云数据处理模块用于采集大件物料点云数据,并对大件物料点云数据进行三维数据拼接操作,将拼接完成后的数据反馈至专家子系统。
4.根据权利要求1所述的一种基于视觉前馈的多机协同全方位工艺系统,其特征在于:所述专家子系统包括物料数据库、空间分割器、自学习模块和数据匹配模块;所述物料数据库用于存储既有物料数据信息;所述空间分割器用于提供物料空间分割策略,进行大件物料的区域划分;所述自学习模块用于接收视觉子系统反馈的大件物料数据和路径生成器反馈的路径数据,结合空间分割器进行机器训练,迭代物件分割算法和路径生成算法,并将训练后的数据信息存入或更新至物料数据库中对应的大件物料类别下,作为既有物料数据信息;所述数据匹配模块用于将视觉子系统反馈的大件物料数据与物料数据库中的既有物料数据信息进行比对匹配,对异常数据进行修复,并将匹配修复后的数据发送至视觉子系统和路径生成器。
5.根据权利要求4所述的一种基于视觉前馈的多机协同全方位工艺系统,其特征在于:所述空间分割器,用于依据机器人子系统中的工业机器人数量,提供大件物料区域划分数量与工业机器人数量相同的物料空间分割策略。
6.根据权利要求4所述的一种基于视觉前馈的多机协同全方位工艺系统,其特征在于,所述专家子系统,用于:对于所述物料数据库中已存储的既有物料数据信息,依据所述空间分割器提供的物料空间分割策略,结合视觉子系统采集的既有大件物料数据,通过所述数据匹配模块进行修复后,将修复数据和物料空间分割策略发送至路径生成器,使路径生成器生成路径数据。
7.根据权利要求6所述的一种基于视觉前馈的多机协同全方位工艺系统,其特征在于,所述专家子系统,还用于:对于所述物料数据库中所没有的新物料数据信息,依据视觉子系统采集的新的大件物料数据,通过空间分割器提供新的物料空间分割策略并发送至路径生成器;同时接受由路径生成器在视觉子系统提供的新的大件物料数据和新的物料空间分割策略依据下,生成的新的路径数据,将所述新的路径数据送入自学习模块进行训练后存入所述物料数据库,作为既有物料数据信息。
8.根据权利要求2所述的一种基于视觉前馈的多机协同全方位工艺系统,其特征在于:所述工业机器人,通过有线通信和/或无线通信方式与所述路径生成器和所述工艺控制器相连接。
9.根据权利要求4所述的一种基于视觉前馈的多机协同全方位工艺系统,其特征在于:所述物料数据库,还用于为大件物料添加电子标签,依据所述电子标签并存储视觉子系统中通过多点法求得位姿偏差的大件物料数据,作为既有物料数据信息,为所述数据匹配模块提供比对匹配依据。
10.根据权利要求4所述的一种基于视觉前馈的多机协同全方位工艺系统,其特征在于:所述自学习模块,还用于直接输出训练后的数据信息至路径生成器,使路径生成器生成更新后的路径数据,直接驱动机器人子系统进行工艺作业。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310172981.7A CN116203902A (zh) | 2023-02-27 | 2023-02-27 | 一种基于视觉前馈的多机协同全方位工艺系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310172981.7A CN116203902A (zh) | 2023-02-27 | 2023-02-27 | 一种基于视觉前馈的多机协同全方位工艺系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116203902A true CN116203902A (zh) | 2023-06-02 |
Family
ID=86514418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310172981.7A Pending CN116203902A (zh) | 2023-02-27 | 2023-02-27 | 一种基于视觉前馈的多机协同全方位工艺系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116203902A (zh) |
-
2023
- 2023-02-27 CN CN202310172981.7A patent/CN116203902A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111230869B (zh) | 一种复杂空间曲线焊缝运动轨迹和焊接工艺协同规划方法 | |
CN104841593B (zh) | 一种机器人自动喷涂系统的控制方法 | |
CN103406905B (zh) | 一种具有视觉伺服及检测功能的机器人系统 | |
CN110154031B (zh) | 一种多工业机器人协同焊接控制方法 | |
CN202336657U (zh) | 机器人型钢切割系统 | |
CN105033520B (zh) | 一种改进粒子群算法的多台焊接机器人协同控制系统 | |
CN110756359B (zh) | 一种基于视觉的自动喷涂装置及方法 | |
CN106493579B (zh) | 一种钣金加工系统及其工作流程 | |
CN104785958A (zh) | 一种低温罐外件机器人焊接工作站 | |
CN105045098A (zh) | 一种机器人喷涂轨迹自动生成系统的控制方法 | |
CN210452170U (zh) | 一种基于六维力传感器的机器人柔性智能打磨系统 | |
CN109093477B (zh) | 一种多机器人协同打磨铸锻件飞边的装置及方法 | |
CN113787245B (zh) | 一种机器人智能焊接程序生成方法及系统 | |
WO2020173111A1 (zh) | 一种 3d 微涂覆机器人及其涂覆方法 | |
CN115646701A (zh) | 一种大中型铸件的喷涂装置 | |
US20230107431A1 (en) | Comparison between real control and virtual control of robot | |
CN110861089B (zh) | 一种多机器人系统任务均衡分配协同工作控制方法 | |
CN104950799B (zh) | 焊接机器人动态闭环控制系统及其实时动态修正算法 | |
CN116203902A (zh) | 一种基于视觉前馈的多机协同全方位工艺系统 | |
CN205462883U (zh) | 空调两器数字总线工厂的成型钣金件自动喷涂单元 | |
CN211661505U (zh) | 一种围壁生产线 | |
US20230099602A1 (en) | Device control based on execution command and updated environment information | |
CN103100796A (zh) | 一种激光焊接系统及其激光焊接方法 | |
CN110817231A (zh) | 一种面向物流场景订单拣选方法、设备和系统 | |
CN109514424A (zh) | 一种磨床自动上料加工系统及方法 |
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 |