CN116214523A - 工业机器人及其控制方法、装置 - Google Patents
工业机器人及其控制方法、装置 Download PDFInfo
- Publication number
- CN116214523A CN116214523A CN202310498913.XA CN202310498913A CN116214523A CN 116214523 A CN116214523 A CN 116214523A CN 202310498913 A CN202310498913 A CN 202310498913A CN 116214523 A CN116214523 A CN 116214523A
- Authority
- CN
- China
- Prior art keywords
- product
- parameters
- processed
- parameter set
- model parameter
- 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 97
- 238000001514 detection method Methods 0.000 claims abstract description 99
- 230000006870 function Effects 0.000 claims description 70
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 10
- 238000003860 storage Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 230000003068 static effect Effects 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
-
- 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)
- Automation & Control Theory (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供了一种工业机器人及其控制方法、装置,包括:识别待加工产品的标识码;在数据库中查询所述标识码对应的工序流程;其中,所述工序流程中包括所述待加工产品的当前加工进度;根据所述当前加工进度,确定对应的当前加工工艺流程;从所述当前加工工艺流程中,确定具有变量的目标工艺流程;其中,所述变量包括需要根据待加工产品的产品参数适应性调整的检测模型;获取所述待加工产品的产品参数,根据所述待加工产品的产品参数确定对应的模型参数集合;基于所述模型参数集合,控制更新所述检测模型的模型参数;基于更新后的检测模型对所述待加工产品进行检测。本发明根据待加工产品的产品参数,动态调整当前的加工工艺流程中的变量。
Description
技术领域
本发明涉及机器人技术领域,特别涉及一种工业机器人及其控制方法、装置。
背景技术
在工业生产中,智能化加工已经逐渐取代人工,工业机器人成为产品加工、检测的最优方式。目前,采用工业机器人进行项目产品的加工、检测,不仅可以降低人力成本,而且可以提升生产效率。
然而,目前针对不同的产品,工业机器人无法进行适应性调整;通常需要采用不同的工业机器人来执行相应的加工、检测操作,这使得机器人成本较高;或者,针对相近似的产品,采用同一机器人进行操作,但是由于产品特性不同,使得操作时的准确度降低,不利于生成加工。
发明内容
本发明的主要目的为提供一种工业机器人及其控制方法、装置,旨在克服针对不同的待加工产品无法进行适应性调整的缺陷。
为实现上述目的,本发明提供了一种工业机器人的控制方法,包括以下步骤:
识别待加工产品的标识码;其中,所述标识码设置于所述产品上;
在数据库中查询所述标识码对应的工序流程;其中,所述工序流程中包括所述待加工产品的当前加工进度;
根据所述当前加工进度,确定对应的当前加工工艺流程;
从所述当前加工工艺流程中,确定具有变量的目标工艺流程;其中,所述变量包括需要根据待加工产品的产品参数适应性调整的检测模型;
获取所述待加工产品的产品参数,根据所述待加工产品的产品参数确定对应的模型参数集合;其中,所述模型参数集合为所述检测模型的最优模型参数的集合;
基于所述模型参数集合,控制更新所述检测模型的模型参数;基于更新后的检测模型对所述待加工产品进行检测。
进一步地,所述根据所述待加工产品的产品参数确定对应的模型参数集合的步骤,包括:
获取所述待加工产品的产品参数中的语音功能参数、图像功能参数以及降噪功能参数;
根据所述语音功能参数,匹配针对语音功能进行检测的最优语音检测模型参数;
根据所述图像功能参数,匹配针对图像功能进行检测的最优图像检测模型参数;
根据所述降噪功能参数,匹配针对降噪功能进行检测的最优降噪检测模型参数;
将所述最优语音检测模型参数、最优图像检测模型参数、最优降噪检测模型参数组合为集合,得到所述模型参数集合。
进一步地,所述根据所述待加工产品的产品参数确定对应的模型参数集合的步骤,包括:
根据所述待加工产品的产品参数,获取历史项目中相同的加工产品,获取检测模型检测历史相同的加工产品所使用的初始模型参数集合;
根据所述待加工产品的产品参数,获取其它厂商中相同的加工产品,并获取其它厂商针对与所述待加工产品相同的加工产品所使用检测模型的当前模型参数集合;
对所述初始模型参数集合以及所述当前模型参数集合进行融合计算,得到所述模型参数集合。
进一步地,所述对所述初始模型参数集合以及所述当前模型参数集合进行融合计算的步骤,包括:
获取所述当前模型参数集合的集合数量;
根据所述当前模型参数集合的集合数量,确定所述初始模型参数集合以及所述当前模型参数集合分别对应的权重;其中,各个所述当前模型参数集合对应的权重相同;
根据所述初始模型参数集合以及所述当前模型参数集合分别对应的权重,对所述初始模型参数集合以及所述当前模型参数集合进行加权融合计算。
进一步地,所述初始模型参数集合以及所述当前模型参数集合分别对应的权重满足以下关系:
M+N*s=1,M=aN,其中,s为当前模型参数集合的集合数量,M为初始模型参数集合对应的权重,N为当前模型参数集合对应的权重,a为大于1且不大于4的常数。
进一步地,所述识别待加工产品的标识码的步骤,包括:
扫描待加工产品上的二维码,获取所述二维码中的标识信息;
提取所述标识信息中的第一特征信息以及第二特征信息,根据所述第一特征信息在数据库中确定出对应的编码表;其中,第一特征信息与第二特征信息组合成所述标识信息,且第一特征信息与第二特征信息无重复部分;
根据所述编码表,对所述第二特征信息进行解码,得到的解码信息作为所述标识码。
进一步地,所述第一特征信息为英文字符;所述根据所述第一特征信息在数据库中确定出对应的编码表的步骤,包括:
获取数据库中预存的标准编码表;其中,所述标准编码表包括序列数字与编码符的对应关系,所述编码符包括英文字符以及数字;
将所述标准编码表中与所述第一特征信息相同的英文字符删除,留下多个空白编码位;
将所述第一特征信息插入至所述标准编码表中的指定位置,并判断所述指定位置的前后是否存在空白编码位;
若所述指定位置之前存在空白编码位,则将所述指定位置上的原编码符以及之前的编码符向前平移,以填充所述空白编码位;
若所述指定位置之后存在空白编码位,则将所述指定位置上的原编码符以及之后的编码符向后平移,以填充所述空白编码位;
在所述编码表中不存在空白编码位之后,得到重排后的编码表,作为所述第一特征信息对应的编码表。
本发明还提供了一种工业机器人的控制装置,包括:
识别单元,用于识别待加工产品的标识码;其中,所述标识码设置于所述产品上;
查询单元,用于在数据库中查询所述标识码对应的工序流程;其中,所述工序流程中包括所述待加工产品的当前加工进度;
第一确定单元,用于根据所述当前加工进度,确定对应的当前加工工艺流程;
第二确定单元,用于从所述当前加工工艺流程中,确定具有变量的目标工艺流程;其中,所述变量包括需要根据待加工产品的产品参数适应性调整的检测模型;
第三确定单元,用于获取所述待加工产品的产品参数,根据所述待加工产品的产品参数确定对应的模型参数集合;其中,所述模型参数集合为所述检测模型的最优模型参数的集合;
控制单元,用于基于所述模型参数集合,控制更新所述检测模型的模型参数;基于更新后的检测模型对所述待加工产品进行检测。
进一步地,所述第三确定单元,具体用于:
获取所述待加工产品的产品参数中的语音功能参数、图像功能参数以及降噪功能参数;
根据所述语音功能参数,匹配针对语音功能进行检测的最优语音检测模型参数;
根据所述图像功能参数,匹配针对图像功能进行检测的最优图像检测模型参数;
根据所述降噪功能参数,匹配针对降噪功能进行检测的最优降噪检测模型参数;
将所述最优语音检测模型参数、最优图像检测模型参数、最优降噪检测模型参数组合为集合,得到所述模型参数集合。
本发明还提供一种工业机器人,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
本发明提供的工业机器人及其控制方法、装置,包括:识别待加工产品的标识码;在数据库中查询所述标识码对应的工序流程;其中,所述工序流程中包括所述待加工产品的当前加工进度;根据所述当前加工进度,确定对应的当前加工工艺流程;从所述当前加工工艺流程中,确定具有变量的目标工艺流程;其中,所述变量包括需要根据待加工产品的产品参数适应性调整的检测模型;获取所述待加工产品的产品参数,根据所述待加工产品的产品参数确定对应的模型参数集合;其中,所述模型参数集合为所述检测模型的最优模型参数的集合;基于所述模型参数集合,控制更新所述检测模型的模型参数;基于更新后的检测模型对所述待加工产品进行检测。本发明根据待加工产品的产品参数,动态调整当前的加工工艺流程中的变量,使得检测模型可以动态调整。
附图说明
图1 是本发明一实施例中工业机器人的控制方法步骤示意图;
图2是本发明一实施例中工业机器人的控制装置结构框图;
图3 是本发明一实施例的工业机器人的结构示意框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
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,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处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。
参照图1,本发明一实施例中提供了一种工业机器人的控制方法,包括以下步骤:
步骤S1,识别待加工产品的标识码;其中,所述标识码设置于所述产品上;
步骤S2,在数据库中查询所述标识码对应的工序流程;其中,所述工序流程中包括所述待加工产品的当前加工进度;
步骤S3,根据所述当前加工进度,确定对应的当前加工工艺流程;
步骤S4,从所述当前加工工艺流程中,确定具有变量的目标工艺流程;其中,所述变量包括需要根据待加工产品的产品参数适应性调整的检测模型;
步骤S5,获取所述待加工产品的产品参数,根据所述待加工产品的产品参数确定对应的模型参数集合;其中,所述模型参数集合为所述检测模型的最优模型参数的集合;
步骤S6,基于所述模型参数集合,控制更新所述检测模型的模型参数;基于更新后的检测模型对所述待加工产品进行检测。
在一实施例中,上述方案应用于同一个工业机器人针对不同待加工产品进行加工、检测时,适应性进行检测模型调整。如上述步骤S1所述的,针对当前待加工的产品,首先获取产品上设置的标识码,该标识码作为该待加工产品身份信息,可以标识出待加工产品的类型。其中,不同类型的待加工产品,具有不同加工工艺的工序流程。
如上述步骤S2-S3所述的,在数据库中查询所述标识码对应的工序流程,上述工艺流程包括的是该产品需要进行加工、检测的所有按顺序排列的流程。因此,上述工序流程中记录了所述待加工产品的加工流程,从加工流程中便可以获取到当前加工进度。针对每个不同的加工进度,其又具有不同的工艺流程。因此,根据所述当前加工进度,可以确定对应的当前加工工艺流程。
如上述步骤S4所述的,针对每个当前加工工艺流程,其包括多个工艺流程,其中,部分工艺流程可能是固定的,而部分工艺流程可能需要适应性调整对应的工艺参数或者模型参数。在本实施例中,从中确定具有变量的目标工艺流程,可以理解的是,本实施例中获取的变量是需要根据待加工产品的产品参数适应性调整的检测模型。
如上述步骤S5-S6所述的,获取所述待加工产品的产品参数,针对不同的产品参数,其对应的检测模型不同;因此,根据所述待加工产品的产品参数确定对应的模型参数集合,再基于所述模型参数集合,控制更新所述检测模型的模型参数;最后便可以基于更新后的检测模型对所述待加工产品进行检测。通过上述方案,实现了针对不同的待加工产品,控制适应性调整对应的检测模型的模型参数,增强了适应性,在生产中,可以降低生产成本,提成生产效率。
在一实施例中,所述根据所述待加工产品的产品参数确定对应的模型参数集合的步骤S5,包括:
获取所述待加工产品的产品参数中的语音功能参数、图像功能参数以及降噪功能参数;
根据所述语音功能参数,匹配针对语音功能进行检测的最优语音检测模型参数;
根据所述图像功能参数,匹配针对图像功能进行检测的最优图像检测模型参数;
根据所述降噪功能参数,匹配针对降噪功能进行检测的最优降噪检测模型参数;
将所述最优语音检测模型参数、最优图像检测模型参数、最优降噪检测模型参数组合为集合,得到所述模型参数集合。
在本实施例中,由于待加工产品的功能多样化,而针对不同的功能,需要采用不同的检测模型。在本实施例中,上述待加工产品具有语音功能、图像功能以及降噪功能,上述降噪功能包括语音降噪以及图像降噪,因此为了针对上述功能进行检测,需要获取上述待加工产品的产品参数中的语音功能参数、图像功能参数以及降噪功能参数,然后根据所述语音功能参数,匹配针对语音功能进行检测的最优语音检测模型参数;根据所述图像功能参数,匹配针对图像功能进行检测的最优图像检测模型参数;根据所述降噪功能参数,匹配针对降噪功能进行检测的最优降噪检测模型参数;最后,将所述最优语音检测模型参数、最优图像检测模型参数、最优降噪检测模型参数组合为集合,得到所述模型参数集合。基于上述模型参数集合,便可以对检测模型进行更新,得到适用于上述待加工产品的模型。
在另一实施例中,所述根据所述待加工产品的产品参数确定对应的模型参数集合的步骤S5,包括:
根据所述待加工产品的产品参数,获取历史项目中相同的加工产品,获取检测模型检测历史相同的加工产品所使用的初始模型参数集合;
根据所述待加工产品的产品参数,获取其它厂商中相同的加工产品,并获取其它厂商针对与所述待加工产品相同的加工产品所使用检测模型的当前模型参数集合;
对所述初始模型参数集合以及所述当前模型参数集合进行融合计算,得到所述模型参数集合。
在本实施例中,提出另一种确定模型参数集合的方案;由于相同的加工产品,虽然加工周期不同,会有一些差异性,但是其也具有一定的相似性,因此,可以获取历史项目中相同的加工产品,并获取检测模型检测历史相同的加工产品所使用的初始模型参数集合。
在同一事情,不同厂商之间针对同一待加工产品,所采用的检测模型也会具有很大的相似性,因此,可以获取其它厂商中相同的加工产品,并获取其它厂商针对与所述待加工产品相同的加工产品所使用检测模型的当前模型参数集合。
为了增强模型参数的置信度,可以对所述初始模型参数集合以及所述当前模型参数集合进行融合计算,得到所述模型参数集合。利用该模型参数集合进行检测模型的模型参数更新,更加具备参考性。
在一实施例中,所述对所述初始模型参数集合以及所述当前模型参数集合进行融合计算的步骤,包括:
获取所述当前模型参数集合的集合数量;
根据所述当前模型参数集合的集合数量,确定所述初始模型参数集合以及所述当前模型参数集合分别对应的权重;其中,各个所述当前模型参数集合对应的权重相同;上述初始模型参数集合以及上述当前模型参数集合对应的权重与当前模型参数集合的集合数量挂钩,上述初始模型参数集合的权重相对应该大于当前模型参数集合的权重,这是因为初始模型参数集合是自家厂商历史项目中相同的加工产品所对应的检测模型的模型参数,更加具有参考性,因此权重的设置要大一点。
根据所述初始模型参数集合以及所述当前模型参数集合分别对应的权重,对所述初始模型参数集合以及所述当前模型参数集合进行加权融合计算。
具体地,所述初始模型参数集合以及所述当前模型参数集合分别对应的权重满足以下关系:
M+N*s=1,M=aN,其中,s为当前模型参数集合的集合数量,M为初始模型参数集合对应的权重,N为当前模型参数集合对应的权重,a为大于1且不大于4的常数。在实施例中初始模型参数集合的权重大于当前模型参数集合的权重,上述初始模型参数集合对应的权重不是固定值,其随着当前模型参数集合的集合数量的增大而变小,这是因为需要综合考虑到当前模型参数集合的影响,即当前模型参数集合数量越多,越具备参考性,避免初始模型参数集合权重过大时,对结果影响较大。
在一实施例中,所述识别待加工产品的标识码的步骤,包括:
扫描待加工产品上的二维码,获取所述二维码中的标识信息;
提取所述标识信息中的第一特征信息以及第二特征信息,根据所述第一特征信息在数据库中确定出对应的编码表;其中,第一特征信息与第二特征信息组合成所述标识信息,且第一特征信息与第二特征信息无重复部分;
根据所述编码表,对所述第二特征信息进行解码,得到的解码信息作为所述标识码。
在本实施例中,在对待加工产品进行标识时,需要生成一个标识码,上述标识码在生成之后,需要生成一个第一特征信息,并根据第一特征信息在数据库中确定出对应的编码表,通过该编码表对标识码进行编码得到上述第二特征信息,然后将上述第一特征信息以及第二特征信息进行组合,得到上述标识信息,再将上述标识信息添加在二维码中。因此,获取标识码的过程,则只需要按照相反的过程执行解码即可。
在本实施例中,提出一种特有的确定编码表的方案,具体地,所述第一特征信息为英文字符;所述根据所述第一特征信息在数据库中确定出对应的编码表的步骤,包括:
获取数据库中预存的标准编码表;其中,所述标准编码表包括序列数字与编码符的对应关系,所述编码符包括英文字符以及数字;
将所述标准编码表中与所述第一特征信息相同的英文字符删除,留下多个空白编码位;
将所述第一特征信息插入至所述标准编码表中的指定位置,并判断所述指定位置的前后是否存在空白编码位;
若所述指定位置之前存在空白编码位,则将所述指定位置上的原编码符以及之前的编码符向前平移,以填充所述空白编码位;
若所述指定位置之后存在空白编码位,则将所述指定位置上的原编码符以及之后的编码符向后平移,以填充所述空白编码位;可以理解的是,所述指定位置的前后存在空白编码位时,应当获取空白编码位的数量,向前平移/向后平移的编码符数量应当等于指定位置的前后空白编码位的数量,在此不进行赘述。
在所述编码表中不存在空白编码位之后,得到重排后的编码表,作为所述第一特征信息对应的编码表。
参照图2,在一实施例中,本发明还提供了一种工业机器人的控制装置,包括:
识别单元,用于识别待加工产品的标识码;其中,所述标识码设置于所述产品上;
查询单元,用于在数据库中查询所述标识码对应的工序流程;其中,所述工序流程中包括所述待加工产品的当前加工进度;
第一确定单元,用于根据所述当前加工进度,确定对应的当前加工工艺流程;
第二确定单元,用于从所述当前加工工艺流程中,确定具有变量的目标工艺流程;其中,所述变量包括需要根据待加工产品的产品参数适应性调整的检测模型;
第三确定单元,用于获取所述待加工产品的产品参数,根据所述待加工产品的产品参数确定对应的模型参数集合;其中,所述模型参数集合为所述检测模型的最优模型参数的集合;
控制单元,用于基于所述模型参数集合,控制更新所述检测模型的模型参数;基于更新后的检测模型对所述待加工产品进行检测。
在一实施例中,所述第三确定单元,具体用于:
获取所述待加工产品的产品参数中的语音功能参数、图像功能参数以及降噪功能参数;
根据所述语音功能参数,匹配针对语音功能进行检测的最优语音检测模型参数;
根据所述图像功能参数,匹配针对图像功能进行检测的最优图像检测模型参数;
根据所述降噪功能参数,匹配针对降噪功能进行检测的最优降噪检测模型参数;
将所述最优语音检测模型参数、最优图像检测模型参数、最优降噪检测模型参数组合为集合,得到所述模型参数集合。
在本实施例中,上述装置实施例中的各个单元的具体实现,请参照上述方法实施例中所述,在此不再进行赘述。
参照图3,本发明实施例中还提供一种工业机器人,该工业机器人内部结构可以如图3所示。该工业机器人包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设计的处理器用于提供计算和控制能力。该工业机器人的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该工业机器人的数据库用于存储本实施例中对应的数据。该工业机器人的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种工业机器人的控制方法。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的工业机器人的限定。
本发明一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现一种工业机器人的控制方法。可以理解的是,本实施例中的计算机可读存储介质可以是易失性可读存储介质,也可以为非易失性可读存储介质。
综上所述,为本发明实施例中提供的工业机器人及其控制方法、装置,包括:识别待加工产品的标识码;在数据库中查询所述标识码对应的工序流程;其中,所述工序流程中包括所述待加工产品的当前加工进度;根据所述当前加工进度,确定对应的当前加工工艺流程;从所述当前加工工艺流程中,确定具有变量的目标工艺流程;其中,所述变量包括需要根据待加工产品的产品参数适应性调整的检测模型;获取所述待加工产品的产品参数,根据所述待加工产品的产品参数确定对应的模型参数集合;其中,所述模型参数集合为所述检测模型的最优模型参数的集合;基于所述模型参数集合,控制更新所述检测模型的模型参数;基于更新后的检测模型对所述待加工产品进行检测。本发明根据待加工产品的产品参数,动态调整当前的加工工艺流程中的变量,使得检测模型可以动态调整。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM通过多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其它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、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种工业机器人的控制方法,其特征在于,包括以下步骤:
识别待加工产品的标识码;其中,所述标识码设置于所述产品上;
在数据库中查询所述标识码对应的工序流程;其中,所述工序流程中包括所述待加工产品的当前加工进度;
根据所述当前加工进度,确定对应的当前加工工艺流程;
从所述当前加工工艺流程中,确定具有变量的目标工艺流程;其中,所述变量包括需要根据待加工产品的产品参数适应性调整的检测模型;
获取所述待加工产品的产品参数,根据所述待加工产品的产品参数确定对应的模型参数集合;其中,所述模型参数集合为所述检测模型的最优模型参数的集合;
基于所述模型参数集合,控制更新所述检测模型的模型参数;基于更新后的检测模型对所述待加工产品进行检测。
2.根据权利要求1所述的工业机器人的控制方法,其特征在于,所述根据所述待加工产品的产品参数确定对应的模型参数集合的步骤,包括:
获取所述待加工产品的产品参数中的语音功能参数、图像功能参数以及降噪功能参数;
根据所述语音功能参数,匹配针对语音功能进行检测的最优语音检测模型参数;
根据所述图像功能参数,匹配针对图像功能进行检测的最优图像检测模型参数;
根据所述降噪功能参数,匹配针对降噪功能进行检测的最优降噪检测模型参数;
将所述最优语音检测模型参数、最优图像检测模型参数、最优降噪检测模型参数组合为集合,得到所述模型参数集合。
3.根据权利要求1所述的工业机器人的控制方法,其特征在于,所述根据所述待加工产品的产品参数确定对应的模型参数集合的步骤,包括:
根据所述待加工产品的产品参数,获取历史项目中相同的加工产品,获取检测模型检测历史相同的加工产品所使用的初始模型参数集合;
根据所述待加工产品的产品参数,获取其它厂商中相同的加工产品,并获取其它厂商针对与所述待加工产品相同的加工产品所使用检测模型的当前模型参数集合;
对所述初始模型参数集合以及所述当前模型参数集合进行融合计算,得到所述模型参数集合。
4.根据权利要求3所述的工业机器人的控制方法,其特征在于,所述对所述初始模型参数集合以及所述当前模型参数集合进行融合计算的步骤,包括:
获取所述当前模型参数集合的集合数量;
根据所述当前模型参数集合的集合数量,确定所述初始模型参数集合以及所述当前模型参数集合分别对应的权重;其中,各个所述当前模型参数集合对应的权重相同;
根据所述初始模型参数集合以及所述当前模型参数集合分别对应的权重,对所述初始模型参数集合以及所述当前模型参数集合进行加权融合计算。
5.根据权利要求4所述的工业机器人的控制方法,其特征在于,所述初始模型参数集合以及所述当前模型参数集合分别对应的权重满足以下关系:
M+N*s=1,M=aN,其中,s为当前模型参数集合的集合数量,M为初始模型参数集合对应的权重,N为当前模型参数集合对应的权重,a为大于1且不大于4的常数。
6.根据权利要求1所述的工业机器人的控制方法,其特征在于,所述识别待加工产品的标识码的步骤,包括:
扫描待加工产品上的二维码,获取所述二维码中的标识信息;
提取所述标识信息中的第一特征信息以及第二特征信息,根据所述第一特征信息在数据库中确定出对应的编码表;其中,第一特征信息与第二特征信息组合成所述标识信息,且第一特征信息与第二特征信息无重复部分;
根据所述编码表,对所述第二特征信息进行解码,得到的解码信息作为所述标识码。
7.根据权利要求6所述的工业机器人的控制方法,其特征在于,所述第一特征信息为英文字符;所述根据所述第一特征信息在数据库中确定出对应的编码表的步骤,包括:
获取数据库中预存的标准编码表;其中,所述标准编码表包括序列数字与编码符的对应关系,所述编码符包括英文字符以及数字;
将所述标准编码表中与所述第一特征信息相同的英文字符删除,留下多个空白编码位;
将所述第一特征信息插入至所述标准编码表中的指定位置,并判断所述指定位置的前后是否存在空白编码位;
若所述指定位置之前存在空白编码位,则将所述指定位置上的原编码符以及之前的编码符向前平移,以填充所述空白编码位;
若所述指定位置之后存在空白编码位,则将所述指定位置上的原编码符以及之后的编码符向后平移,以填充所述空白编码位;
在所述编码表中不存在空白编码位之后,得到重排后的编码表,作为所述第一特征信息对应的编码表。
8.一种工业机器人的控制装置,其特征在于,包括:
识别单元,用于识别待加工产品的标识码;其中,所述标识码设置于所述产品上;
查询单元,用于在数据库中查询所述标识码对应的工序流程;其中,所述工序流程中包括所述待加工产品的当前加工进度;
第一确定单元,用于根据所述当前加工进度,确定对应的当前加工工艺流程;
第二确定单元,用于从所述当前加工工艺流程中,确定具有变量的目标工艺流程;其中,所述变量包括需要根据待加工产品的产品参数适应性调整的检测模型;
第三确定单元,用于获取所述待加工产品的产品参数,根据所述待加工产品的产品参数确定对应的模型参数集合;其中,所述模型参数集合为所述检测模型的最优模型参数的集合;
控制单元,用于基于所述模型参数集合,控制更新所述检测模型的模型参数;基于更新后的检测模型对所述待加工产品进行检测。
9.根据权利要求8所述的工业机器人的控制装置,其特征在于,所述第三确定单元,具体用于:
获取所述待加工产品的产品参数中的语音功能参数、图像功能参数以及降噪功能参数;
根据所述语音功能参数,匹配针对语音功能进行检测的最优语音检测模型参数;
根据所述图像功能参数,匹配针对图像功能进行检测的最优图像检测模型参数;
根据所述降噪功能参数,匹配针对降噪功能进行检测的最优降噪检测模型参数;
将所述最优语音检测模型参数、最优图像检测模型参数、最优降噪检测模型参数组合为集合,得到所述模型参数集合。
10.一种工业机器人,包括存储器和处理器,所述存储器中存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310498913.XA CN116214523B (zh) | 2023-05-06 | 2023-05-06 | 工业机器人及其控制方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310498913.XA CN116214523B (zh) | 2023-05-06 | 2023-05-06 | 工业机器人及其控制方法、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116214523A true CN116214523A (zh) | 2023-06-06 |
CN116214523B CN116214523B (zh) | 2023-07-07 |
Family
ID=86569781
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310498913.XA Active CN116214523B (zh) | 2023-05-06 | 2023-05-06 | 工业机器人及其控制方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116214523B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116541228A (zh) * | 2023-07-06 | 2023-08-04 | 深圳市彤兴电子有限公司 | 显示器的触控响应检测方法、装置以及计算机设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102950510A (zh) * | 2012-11-13 | 2013-03-06 | 浙江今跃机械科技开发有限公司 | 检测装置、柔性生产系统、柔性生产线和检测方法 |
CN105215987A (zh) * | 2015-10-12 | 2016-01-06 | 安徽埃夫特智能装备有限公司 | 一种工业机器人工艺云系统及其工作方法 |
CN106997197A (zh) * | 2017-04-28 | 2017-08-01 | 山东德华机床数控设备股份有限公司 | 一种钢管加工智能生产系统及使用该系统的钢管加工智能生产方法 |
CN108805857A (zh) * | 2017-04-28 | 2018-11-13 | 波音公司 | 复合材料制造工艺的工艺控制 |
US20200122336A1 (en) * | 2016-12-28 | 2020-04-23 | Subaru Corporation | Machining robot and machining method |
CN112171381A (zh) * | 2020-08-19 | 2021-01-05 | 天津三合智能装备制造有限公司 | 一种自动化零件加工生产线 |
CN114995302A (zh) * | 2022-04-29 | 2022-09-02 | 广东煜丰实业(集团)有限公司 | 一种智能控制方法及系统 |
CN115816441A (zh) * | 2022-10-31 | 2023-03-21 | 实时侠智能控制技术有限公司 | 基于任务描述的机器人控制方法、装置及可读介质 |
-
2023
- 2023-05-06 CN CN202310498913.XA patent/CN116214523B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102950510A (zh) * | 2012-11-13 | 2013-03-06 | 浙江今跃机械科技开发有限公司 | 检测装置、柔性生产系统、柔性生产线和检测方法 |
CN105215987A (zh) * | 2015-10-12 | 2016-01-06 | 安徽埃夫特智能装备有限公司 | 一种工业机器人工艺云系统及其工作方法 |
US20200122336A1 (en) * | 2016-12-28 | 2020-04-23 | Subaru Corporation | Machining robot and machining method |
CN106997197A (zh) * | 2017-04-28 | 2017-08-01 | 山东德华机床数控设备股份有限公司 | 一种钢管加工智能生产系统及使用该系统的钢管加工智能生产方法 |
CN108805857A (zh) * | 2017-04-28 | 2018-11-13 | 波音公司 | 复合材料制造工艺的工艺控制 |
CN112171381A (zh) * | 2020-08-19 | 2021-01-05 | 天津三合智能装备制造有限公司 | 一种自动化零件加工生产线 |
CN114995302A (zh) * | 2022-04-29 | 2022-09-02 | 广东煜丰实业(集团)有限公司 | 一种智能控制方法及系统 |
CN115816441A (zh) * | 2022-10-31 | 2023-03-21 | 实时侠智能控制技术有限公司 | 基于任务描述的机器人控制方法、装置及可读介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116541228A (zh) * | 2023-07-06 | 2023-08-04 | 深圳市彤兴电子有限公司 | 显示器的触控响应检测方法、装置以及计算机设备 |
CN116541228B (zh) * | 2023-07-06 | 2024-01-19 | 深圳市彤兴电子有限公司 | 显示器的触控响应检测方法、装置以及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116214523B (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116214523B (zh) | 工业机器人及其控制方法、装置 | |
WO2006110248A1 (en) | Control system and method | |
CN114676647B (zh) | 一种基于深度学习方法的数控机床零部件寿命预测方法 | |
US20220042952A1 (en) | State estimation device and state estimation method | |
CN111522469B (zh) | 触摸电容数据的调整方法及装置、电子设备、存储介质 | |
CN111680480A (zh) | 基于模板的作业批改方法、装置、计算机设备及存储介质 | |
CN110334702B (zh) | 基于配置平台的数据传输方法、装置和计算机设备 | |
CN115690405B (zh) | 一种基于机器视觉的加工轨迹优化方法及相关设备 | |
CN110458184B (zh) | 光学字符识别辅助方法、装置、计算机设备及存储介质 | |
CN114882211A (zh) | 时序数据自动标注方法、装置、电子设备、介质及产品 | |
CN112800737A (zh) | 自然语言文本生成方法和装置以及对话系统 | |
CN114398059A (zh) | 参数的更新方法、装置、设备以及存储介质 | |
CN111401394B (zh) | 一种图像标注方法及装置、计算机可读存储介质 | |
CN114066510A (zh) | 物品销量预测方法、装置、计算机设备和存储介质 | |
CN112732884A (zh) | 目标回答语句生成方法、装置、计算机设备和存储介质 | |
CN112132780A (zh) | 基于深度神经网络的钢筋数量检测方法及系统 | |
CN116167935A (zh) | 二维码的修复方法、装置、设备及介质 | |
CN110348509B (zh) | 数据增广参数的调整方法、装置、设备及存储介质 | |
CN114723986A (zh) | 文本图像匹配方法、装置、设备及存储介质 | |
CN112364620B (zh) | 文本相似度的判断方法、装置以及计算机设备 | |
CN113986245A (zh) | 基于halo平台的目标代码生成方法、装置、设备及介质 | |
CN114519416A (zh) | 模型蒸馏方法、装置及电子设备 | |
CN111539477A (zh) | 水质监测管理方法、装置、服务器及可读存储介质 | |
CN116258829B (zh) | 构建地图的方法、装置和视觉机器人 | |
CN113534730A (zh) | 基于模型的plc控制代码生成方法、系统、装置及存储介质 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Industrial robots and their control methods and devices Granted publication date: 20230707 Pledgee: Shenzhen Rural Commercial Bank Co.,Ltd. Pingshan Sub branch Pledgor: Shenzhen City Branch cloud Technology Development Co.,Ltd. Registration number: Y2024980014066 |