CN116252025A - 一种基于智能机器人焊接工作站的数据传输系统及方法 - Google Patents
一种基于智能机器人焊接工作站的数据传输系统及方法 Download PDFInfo
- Publication number
- CN116252025A CN116252025A CN202310547927.6A CN202310547927A CN116252025A CN 116252025 A CN116252025 A CN 116252025A CN 202310547927 A CN202310547927 A CN 202310547927A CN 116252025 A CN116252025 A CN 116252025A
- Authority
- CN
- China
- Prior art keywords
- welding
- programming instruction
- instruction set
- workstation
- deflection characteristic
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K9/00—Arc welding or cutting
- B23K9/095—Monitoring or automatic control of welding parameters
- B23K9/0953—Monitoring or automatic control of welding parameters using computing 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
- 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]
Abstract
本发明涉及焊接数据传输技术领域,具体为一种基于智能机器人焊接工作站的数据传输系统及方法,所述系统包括数据传输管控模块,所述数据传输管控模块控制机器人焊接工作站实时将反馈信息传输给编程指令控制终端,控制焊接机械臂的工作状态。本发明不仅考虑到焊丝导管在使用过程中不同弯曲程度对焊丝的磨损程度的影响,还根据焊丝导管受到的影响程度实现对焊接控制指令的自适应校准,并实时传输给编程指令控制终端(传输的结果直接决定机器人焊接工作站的需要执行的编程指令集的更新状态),实现对机器人焊接工作站的有效管理。
Description
技术领域
本发明涉及焊接数据传输技术领域,具体为一种基于智能机器人焊接工作站的数据传输系统及方法。
背景技术
随着工业的快速发展,各个行业都在向工业4.0不断迈进。在焊接领域中,目前,汽车、电子电器、工程机械等行业已经大量使用机器人焊接工作站实现自动化生产线,以保证产品质量,提高生产效率,同时避免大量的工伤事故。
但是,机器人焊接工作站的精度较高,需要通过相应监管系统对机器人焊接工作站的工作状态及焊接数据进行管理;现有技术中,通常是采用传感器对机器人焊接工作站的焊接位置数据及焊接结果对应的合格情况进行采集,将获取结果实时传输给控制中心进行分析,并在分析结果异常的情况下,直接控制机器人焊接工作站停止工作;但是,现有技术中未考虑到焊丝导管在使用过程中不同弯曲程度对焊丝的磨损程度的影响(磨损越严重,磨损产生的碎屑对焊丝导管造成的堵塞越严重,在高速送丝时会使焊丝产生抖动,使电弧不稳,进而影响焊缝质量),且无法根据焊丝导管受到的影响程度实现对焊接控制指令的自适应校准,进而现有技术存在较大的缺陷。
发明内容
本发明的目的在于提供一种基于智能机器人焊接工作站的数据传输系统及方法,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:一种基于智能机器人焊接工作站的数据传输方法,所述方法包括以下步骤:
S1、通过传感器实时获取机器人焊接工作站每次执行编程指令集的过程中,不同控制指令对应的机械臂控制状态信息,并查询数据库中不同控制状态信息分别对应的焊丝导管偏转量,得到编程指令集对应的焊丝导管偏转特征集;
S2、获取机器人焊接工作站最近一次焊丝导管的清理时间t1,及t1至当前时间内机器人焊接工作站执行的编程指令集类型及各个类型的编程指令集分别对应的次数,得到当前时间机器人焊接工作站的偏转特征影响值;
S3、结合机器人焊接工作站对应的历史工作数据,分析机器人焊接工作站中偏转特征影响值、送丝速度及焊枪端口处焊丝的抖动程度三者之间的关系;结合当前时间机器人焊接工作站的偏转特征影响值,预测机器人焊接工作站下一次焊丝导管的清理时间及当前编程指令集的校准量(预测最佳送丝速度及相应速度下的指令校准量(调整根据控制指令中相应速度对应的焊接电流,其余信息不变)),生成反馈信息;
S4、机器人焊接工作站实时将反馈信息传输给编程指令控制终端,控制焊接机械臂的工作状态,
当编程指令控制终端未接收到反馈信息时,编程指令控制终端继续按数据库中原有的编程指令集执行焊接操作;
当编程指令控制终端接收到反馈信息时,编程指令控制终端将反馈信息中的编程指令集的校准量替换数据库中原有的编程指令集,并按数据库中更新后的编程指令集执行焊接操作,同时,将反馈信息中机器人焊接工作站下一次焊丝导管的清理时间预测值及更新后的编程指令集中控制指令对应的最大送丝速度反馈给管理员。
进一步的,所述S1中机械臂控制状态信息包括焊接方向、送丝速度、焊接角度及相应控制指令的执行时长;
所述S1中得到编程指令集对应的焊丝导管偏转特征集的方法包括以下步骤:
S11、获取机器人焊接工作站执行编程指令集时,编程指令集中每个控制指令分别对应的机械臂控制状态信息,结合数据库预制表单内控制指令中焊接方向及焊接角度两者对应的焊丝导管偏转量,预制表单中焊接方向不同或焊接角度不同对应的焊丝导管偏转量均会存在差异;
本发明中焊丝导管偏转量表示焊丝导管的弯曲程度,焊丝导管每种弯曲程度均对应唯一的一个焊丝导管偏转量;
S12、得到编程指令集中每个控制指令对应的焊丝导管偏转特征,将编程指令集中第i个控制指令对应的焊丝导管偏转特征,记为Ai,所述Ai={a1i,a2i},
其中a1i表示编程指令集中第i个控制指令对应的焊丝导管偏转量,a2i表示编程指令集中第i个控制指令对应的控制指令执行时长;
S13、将编程指令集中对应焊丝导管偏转量相同的不同焊丝导管偏转特征进行特征合并,每个合并结果对应一个焊丝导管偏转特征,且合并结果中的焊丝导管偏转量与合并前的各个焊丝导管偏转特征中的焊丝导管偏转量相同,合并结果中的控制指令执行时长等于合并前的各个焊丝导管偏转特征分别对应的控制指令执行时长之和;
S14、将S13中合并处理后剩余的各个焊丝导管偏转特征汇总到一个空白集合中,得到编程指令集对应的焊丝导管偏转特征集。
本发明中焊丝导管偏转量表示焊丝导管的弯曲程度,焊丝导管每种弯曲程度均对应唯一的一个焊丝导管偏转量;得到编程指令集对应的焊丝导管偏转特征集的过程中,是为了结合编程指令集中不同控制指令对应的控制指令执行时长及相应控制指令对应的焊丝导管偏转量,实现对编程指令集中焊丝导管在不同弯曲程度下分别对应的时长,为后续步骤中计算当前时间机器人焊接工作站的偏转特征影响值提供了数据参照。
进一步的,所述S2中得到当前时间机器人焊接工作站的偏转特征影响值的方法包括以下步骤:
S21、获取机器人焊接工作站最近一次焊丝导管的清理时间t1,及t1至当前时间内机器人焊接工作站执行的编程指令集类型及各个类型的编程指令集分别对应的次数,
将控制指令存在差异的两个编程指令集划分为不同的编程指令集类型,同一类型的不同编程指令集分别对应的焊丝导管偏转特征集相同,
将t1至当前时间内机器人焊接工作站执行的第j个类型的编程指令集次数记为Cj;
S22、结合S1中得到编程指令集对应的焊丝导管偏转特征集的方法,计算t1至当前时间内机器人焊接工作站执行的第j个类型的编程指令集对应的焊丝导管偏转特征集,记为Dj;
S23、得到当前时间机器人焊接工作站的偏转特征影响值W,
W=∑j=1 j1Cj×∑k=1 kj1Djk1×Djk2,
其中,j1表示t1至当前时间内机器人焊接工作站执行的编程指令集类型总数,
kj1表示t1至当前时间内机器人焊接工作站执行的第j个类型的编程指令集对应的焊丝导管偏转特征集中的元素总数,
Djk1表示t1至当前时间内机器人焊接工作站执行的第j个类型的编程指令集对应的焊丝导管偏转特征集中第k个元素内,相应焊丝导管偏转量在数据库第一预置表单中对应的焊丝表面镀铜脱落速率系数,所述第一预置表单内焊丝导管偏转量与焊丝表面镀铜脱落速率系数一一对应,
Djk2表示t1至当前时间内机器人焊接工作站执行的第j个类型的编程指令集对应的焊丝导管偏转特征集中第k个元素内的控制指令执行时长。
本发明中∑k=1 kj1Djk1×Djk2表示t1至当前时间内机器人焊接工作站执行一次第j个类型的编程指令集时,焊丝导管内焊丝表面镀铜脱落量。本发明获取当前时间机器人焊接工作站的偏转特征影响值W时,不考虑送丝速度快慢对焊丝磨损度的影响,默认工作时不同送丝速度对应的焊丝磨损度相同;
本发明得到当前时间机器人焊接工作站的偏转特征影响值的过程中,机器人焊接工作站在工作时,为了减少更换焊丝的频率,通常选用桶装或盘装焊丝。在选用桶装焊丝时,由于送丝导管很长,阻力大,对焊丝的挺度等质量要求较高。当采用镀铜质量稍差的焊丝时,焊丝表面的镀铜因摩擦脱落会造成导管内容积减小,高速送丝时阻力会加大,使得焊丝不能平滑送出,产生抖动,进而使得焊枪的电弧不稳,影响焊缝的质量;严重时,甚至会出现卡死现象,使机器人焊接工作站停机。
进一步的,所述S3中分析机器人焊接工作站中偏转特征影响值、送丝速度及焊枪端口处焊丝的抖动程度三者之间的关系的方法包括以下步骤:
S301、获取历史数据库中机器人焊接工作站在偏转特征影响值监测节点时,对应的各个送丝速度与相应焊线端口处的焊丝抖动程度分别对应的关联数据对,每个偏转特征影响值监测节点均对应唯一的偏转特征影响值,且偏转特征影响值监测节点是预置的;
将历史数据库中偏转特征影响值监测节点为x1时,送丝速度V对应的焊线端口处的焊丝抖动程度EV,构建的关联数据对为(V,EV),所述(V,EV)为历史数据库中偏转特征影响值为x1时的一组关联数据对,所述焊丝抖动程度为预置的单位时间内焊丝的抖动频率与最大抖动幅度的乘积;
S302、提取历史数据库中偏转特征影响值监测节点为x1时,分别对应的各个关联数据对,并确定每个关联数据对在第一坐标系中对应的坐标点,所述第一坐标系为送丝速度与焊丝抖动程度的坐标系;
S303、获取数据库中预置的拟合函数模型(y=d1×(x+d2)0.5+d3且d1、d2及d3均为拟合函数系数),通过拟合软件(matlab软件)对S302中第一坐标系内确定的坐标点进行拟合,得到偏转特征影响值监测节点为x1时的拟合函数,记为Fx1(V);
S304、按照步骤S301至S303中的内容,得到历史数据库中机器人焊接工作站在各个偏转特征影响值监测节点时分别对应的拟合函数。
进一步的,所述S3中预测机器人焊接工作站下一次焊丝导管的清理时间的方法包括以下步骤:
S311、获取t1至当前时间内机器人焊接工作站的工作总时长,记为t2;
S312、获取当前时间机器人焊接工作站的偏转特征影响值W;
S313、得到机器人焊接工作站下一次焊丝导管的清理时间的预测值,记为t3,
所述t3=t1+W1/W×t2,其中,W1表示历史数据中机器人焊接工作站每次焊丝导管的清理时分别对应的偏转特征影响值的平均值。
进一步的,所述S3中预测机器人焊接工作站当前编程指令集的校准量的方法包括以下步骤:
S321、获取当前时间机器人焊接工作站的偏转特征影响值W;
S322、获取历史数据库中机器人焊接工作站在各个偏转特征影响值监测节点时分别对应的拟合函数;
S323、匹配S322中W对应的拟合函数,记为FZ(V),
当各个偏转特征影响值监测节点对应的偏转特征影响值存在与W相同的情况时,则FZ(V)为对应偏转特征影响值等于W的偏转特征影响值监测节点相应的拟合函数;
当各个偏转特征影响值监测节点对应的偏转特征影响值不存在与W相同的情况时,则获取对应偏转特征影响值与W相邻的两个偏转特征影响值监测节点相应的拟合函数,分别记为第一拟合函数FZ1(V)与第二拟合函数FZ2(V),且FZ1(V)对应的偏转特征影响值WD1大于FZ2(V)对应的偏转特征影响值WD2,
FZ(V)=(W-WD2)/(WD1-WD2)×FZ1(V)+(WD1-W)/(WD1-WD2)×FZ2(V);
S324、计算得到当前时间机器人焊接工作站的送丝速度极限值VM,
VM=FZ-1(EVM),其中FZ-1()为函数FZ()的反函数,EVM表示机器人焊接工作站焊丝抖动程度最大承受偏差,EVM为历史数据中各个异常焊接件在焊接过程中分别对应的最大焊丝抖动程度的平均值;
S325、获取当前编程指令集中各个控制指令对应的送丝速度与VM之间的关系,得到机器人焊接工作站当前编程指令集的校准量预测结果,将机器人焊接工作站当前编程指令集校准后的编程指令集预测结果记为P,
若当前编程指令集中控制指令对应的送丝速度小于等于VM,则判定机器人焊接工作站当前编程指令集校准后的编程指令集中相应控制指令保持不变,
若当前编程指令集中控制指令对应的送丝速度大于VM,则判定机器人焊接工作站当前编程指令集校准后的编程指令集中相应控制指令需要变更,变更后的相应的控制指令中对应的焊接电流等于数据库中VM对应的焊接电流;
所述S3中生成反馈信息时,将当前时间对应的反馈信息记为Q,Q={t3,P}。
一种基于智能机器人焊接工作站的数据传输系统,所述系统包括以下模块:
偏转特征集获取模块,所述偏转特征集获取模块通过传感器实时获取机器人焊接工作站每次执行编程指令集的过程中,不同控制指令对应的机械臂控制状态信息,并查询数据库中不同控制状态信息分别对应的焊丝导管偏转量,得到编程指令集对应的焊丝导管偏转特征集;
偏转特征影响值分析模块,所述偏转特征影响值分析模块获取机器人焊接工作站最近一次焊丝导管的清理时间t1,及t1至当前时间内机器人焊接工作站执行的编程指令集类型及各个类型的编程指令集分别对应的次数,得到当前时间机器人焊接工作站的偏转特征影响值;
反馈信息预测模块,所述反馈信息预测模块结合机器人焊接工作站对应的历史工作数据,分析机器人焊接工作站中偏转特征影响值、送丝速度及焊枪端口处焊丝的抖动程度三者之间的关系;结合当前时间机器人焊接工作站的偏转特征影响值,预测机器人焊接工作站下一次焊丝导管的清理时间及当前编程指令集的校准量,生成反馈信息;
数据传输管控模块,所述数据传输管控模块控制机器人焊接工作站实时将反馈信息传输给编程指令控制终端,控制焊接机械臂的工作状态。
进一步的,所述反馈信息预测模块包括关系分析单元、时间预测单元、指令集校准单元及反馈信息生成单元,
所述关系分析单元结合机器人焊接工作站对应的历史工作数据,分析机器人焊接工作站中偏转特征影响值、送丝速度及焊枪端口处焊丝的抖动程度三者之间的关系;
所述时间预测单元结合当前时间机器人焊接工作站的偏转特征影响值,预测机器人焊接工作站下一次焊丝导管的清理时间;
所述指令集校准单元结合当前时间机器人焊接工作站的偏转特征影响值,预测机器人焊接工作站中当前编程指令集的校准量;
所述馈信息生成单元根据时间预测单元及指令集校准单元中分别获取的结果,生成反馈信息;
所述数据传输管控模块控制焊接机械臂的工作状态的过程中,当编程指令控制终端未接收到反馈信息时,编程指令控制终端继续按数据库中原有的编程指令集执行焊接操作;当编程指令控制终端接收到反馈信息时,编程指令控制终端将反馈信息中的编程指令集的校准量替换数据库中原有的编程指令集,并按数据库中更新后的编程指令集执行焊接操作,同时,将反馈信息中机器人焊接工作站下一次焊丝导管的清理时间预测值及更新后的编程指令集中控制指令对应的最大送丝速度反馈给管理员。
与现有技术相比,本发明所达到的有益效果是:本发明不仅考虑到焊丝导管在使用过程中不同弯曲程度对焊丝的磨损程度的影响,还根据焊丝导管受到的影响程度实现对焊接控制指令的自适应校准,并实时传输给编程指令控制终端(传输的结果直接决定机器人焊接工作站的需要执行的编程指令集的更新状态),实现对机器人焊接工作站的有效管理。
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是本发明一种基于智能机器人焊接工作站的数据传输方法的流程示意图;
图2是本发明一种基于智能机器人焊接工作站的数据传输系统的结构示意图。
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,本发明提供技术方案: 一种基于智能机器人焊接工作站的数据传输方法,所述方法包括以下步骤:
S1、通过传感器实时获取机器人焊接工作站每次执行编程指令集的过程中,不同控制指令对应的机械臂控制状态信息,并查询数据库中不同控制状态信息分别对应的焊丝导管偏转量,得到编程指令集对应的焊丝导管偏转特征集;
所述S1中机械臂控制状态信息包括焊接方向、送丝速度、焊接角度及相应控制指令的执行时长;
所述S1中得到编程指令集对应的焊丝导管偏转特征集的方法包括以下步骤:
S11、获取机器人焊接工作站执行编程指令集时,编程指令集中每个控制指令分别对应的机械臂控制状态信息,结合数据库预制表单内控制指令中焊接方向及焊接角度两者对应的焊丝导管偏转量,预制表单中焊接方向不同或焊接角度不同对应的焊丝导管偏转量均会存在差异;
S12、得到编程指令集中每个控制指令对应的焊丝导管偏转特征,将编程指令集中第i个控制指令对应的焊丝导管偏转特征,记为Ai,所述Ai={a1i,a2i},
其中a1i表示编程指令集中第i个控制指令对应的焊丝导管偏转量,a2i表示编程指令集中第i个控制指令对应的控制指令执行时长;
S13、将编程指令集中对应焊丝导管偏转量相同的不同焊丝导管偏转特征进行特征合并,每个合并结果对应一个焊丝导管偏转特征,且合并结果中的焊丝导管偏转量与合并前的各个焊丝导管偏转特征中的焊丝导管偏转量相同,合并结果中的控制指令执行时长等于合并前的各个焊丝导管偏转特征分别对应的控制指令执行时长之和;
S14、将S13中合并处理后剩余的各个焊丝导管偏转特征汇总到一个空白集合中,得到编程指令集对应的焊丝导管偏转特征集。
S2、获取机器人焊接工作站最近一次焊丝导管的清理时间t1,及t1至当前时间内机器人焊接工作站执行的编程指令集类型及各个类型的编程指令集分别对应的次数,得到当前时间机器人焊接工作站的偏转特征影响值;
所述S2中得到当前时间机器人焊接工作站的偏转特征影响值的方法包括以下步骤:
S21、获取机器人焊接工作站最近一次焊丝导管的清理时间t1,及t1至当前时间内机器人焊接工作站执行的编程指令集类型及各个类型的编程指令集分别对应的次数,
将控制指令存在差异的两个编程指令集划分为不同的编程指令集类型,同一类型的不同编程指令集分别对应的焊丝导管偏转特征集相同,
将t1至当前时间内机器人焊接工作站执行的第j个类型的编程指令集次数记为Cj;
S22、结合S1中得到编程指令集对应的焊丝导管偏转特征集的方法,计算t1至当前时间内机器人焊接工作站执行的第j个类型的编程指令集对应的焊丝导管偏转特征集,记为Dj;
S23、得到当前时间机器人焊接工作站的偏转特征影响值W,
W=∑j=1 j1Cj×∑k=1 kj1Djk1×Djk2,
其中,j1表示t1至当前时间内机器人焊接工作站执行的编程指令集类型总数,
kj1表示t1至当前时间内机器人焊接工作站执行的第j个类型的编程指令集对应的焊丝导管偏转特征集中的元素总数,
Djk1表示t1至当前时间内机器人焊接工作站执行的第j个类型的编程指令集对应的焊丝导管偏转特征集中第k个元素内,相应焊丝导管偏转量在数据库第一预置表单中对应的焊丝表面镀铜脱落速率系数,所述第一预置表单内焊丝导管偏转量与焊丝表面镀铜脱落速率系数一一对应,
Djk2表示t1至当前时间内机器人焊接工作站执行的第j个类型的编程指令集对应的焊丝导管偏转特征集中第k个元素内的控制指令执行时长;∑k=1 kj1Djk1×Djk2表示t1至当前时间内机器人焊接工作站执行一次第j个类型的编程指令集时,焊丝导管内焊丝表面镀铜脱落量。
S3、结合机器人焊接工作站对应的历史工作数据,分析机器人焊接工作站中偏转特征影响值、送丝速度及焊枪端口处焊丝的抖动程度三者之间的关系;结合当前时间机器人焊接工作站的偏转特征影响值,预测机器人焊接工作站下一次焊丝导管的清理时间及当前编程指令集的校准量(预测最佳送丝速度及相应速度下的指令校准量(调整根据控制指令中相应速度对应的焊接电流,其余信息不变;机器人焊接工作站的送丝速度是与焊接电流匹配的,电流大则送丝速度快,本发明中的两者的匹配结果是通过查询数据预置的数据获取的)),生成反馈信息;
所述S3中分析机器人焊接工作站中偏转特征影响值、送丝速度及焊枪端口处焊丝的抖动程度三者之间的关系的方法包括以下步骤:
S301、获取历史数据库中机器人焊接工作站在偏转特征影响值监测节点时,对应的各个送丝速度与相应焊线端口处的焊丝抖动程度分别对应的关联数据对,每个偏转特征影响值监测节点均对应唯一的偏转特征影响值,且偏转特征影响值监测节点是预置的;
将历史数据库中偏转特征影响值监测节点为x1时,送丝速度V对应的焊线端口处的焊丝抖动程度EV,构建的关联数据对为(V,EV),所述(V,EV)为历史数据库中偏转特征影响值为x1时的一组关联数据对,所述焊丝抖动程度为预置的单位时间内焊丝的抖动频率与最大抖动幅度的乘积;
S302、提取历史数据库中偏转特征影响值监测节点为x1时,分别对应的各个关联数据对,并确定每个关联数据对在第一坐标系中对应的坐标点,所述第一坐标系为送丝速度与焊丝抖动程度的坐标系;
本实施例中第一坐标系是以o为原点,以送丝速度为x轴,且以焊丝抖动程度为y轴,构建的平面直角坐标系;
S303、获取数据库中预置的拟合函数模型(y=d1×(x+d2)0.5+d3且d1、d2及d3均为拟合函数系数),通过拟合软件(matlab软件)对S302中第一坐标系内确定的坐标点进行拟合,得到偏转特征影响值监测节点为x1时的拟合函数,记为Fx1(V);
S304、按照步骤S301至S303中的内容,得到历史数据库中机器人焊接工作站在各个偏转特征影响值监测节点时分别对应的拟合函数。
所述S3中预测机器人焊接工作站下一次焊丝导管的清理时间的方法包括以下步骤:
S311、获取t1至当前时间内机器人焊接工作站的工作总时长,记为t2;
S312、获取当前时间机器人焊接工作站的偏转特征影响值W;
S313、得到机器人焊接工作站下一次焊丝导管的清理时间的预测值,记为t3,
所述t3=t1+W1/W×t2,其中,W1表示历史数据中机器人焊接工作站每次焊丝导管的清理时分别对应的偏转特征影响值的平均值。
所述S3中预测机器人焊接工作站当前编程指令集的校准量的方法包括以下步骤:
S321、获取当前时间机器人焊接工作站的偏转特征影响值W;
S322、获取历史数据库中机器人焊接工作站在各个偏转特征影响值监测节点时分别对应的拟合函数;
S323、匹配S322中W对应的拟合函数,记为FZ(V),
当各个偏转特征影响值监测节点对应的偏转特征影响值存在与W相同的情况时,则FZ(V)为对应偏转特征影响值等于W的偏转特征影响值监测节点相应的拟合函数;
当各个偏转特征影响值监测节点对应的偏转特征影响值不存在与W相同的情况时,则获取对应偏转特征影响值与W相邻的两个偏转特征影响值监测节点相应的拟合函数,分别记为第一拟合函数FZ1(V)与第二拟合函数FZ2(V),且FZ1(V)对应的偏转特征影响值WD1大于FZ2(V)对应的偏转特征影响值WD2,
FZ(V)=(W-WD2)/(WD1-WD2)×FZ1(V)+(WD1-W)/(WD1-WD2)×FZ2(V);
本实施例中若数据库中各个偏转特征影响值监测节点对应的偏转特征影响值分别为u1、u2及u3,且u1<u2<u3;
若u1对应的拟合函数为Fu1(V),
若u2对应的拟合函数为Fu2(V),
若u3对应的拟合函数为Fu3(V),
若当前时间机器人焊接工作站的偏转特征影响值对应的值为u4,
当u4=u1时,则当前时间机器人焊接工作站的偏转特征影响值u4对应的拟合函数为Fu1(V);
当u2<u4<u3时,则当前时间机器人焊接工作站的偏转特征影响值u4对应的拟合函数为(u4-u2)/(u3-u2)×Fu3(V)+(u3-u4)/(u3-u2)×Fu2(V);
S324、计算得到当前时间机器人焊接工作站的送丝速度极限值VM,
VM=FZ-1(EVM),其中FZ-1()为函数FZ()的反函数,EVM表示机器人焊接工作站焊丝抖动程度最大承受偏差,EVM为历史数据中各个异常焊接件在焊接过程中分别对应的最大焊丝抖动程度的平均值;
S325、获取当前编程指令集中各个控制指令对应的送丝速度与VM之间的关系,得到机器人焊接工作站当前编程指令集的校准量预测结果,将机器人焊接工作站当前编程指令集校准后的编程指令集预测结果记为P,
若当前编程指令集中控制指令对应的送丝速度小于等于VM,则判定机器人焊接工作站当前编程指令集校准后的编程指令集中相应控制指令保持不变,
若当前编程指令集中控制指令对应的送丝速度大于VM,则判定机器人焊接工作站当前编程指令集校准后的编程指令集中相应控制指令需要变更,变更后的相应的控制指令中对应的焊接电流等于数据库中VM对应的焊接电流;
所述S3中生成反馈信息时,将当前时间对应的反馈信息记为Q,Q={t3,P}。
S4、机器人焊接工作站实时将反馈信息传输给编程指令控制终端,控制焊接机械臂的工作状态,
当编程指令控制终端未接收到反馈信息时,编程指令控制终端继续按数据库中原有的编程指令集执行焊接操作;
当编程指令控制终端接收到反馈信息时,编程指令控制终端将反馈信息中的编程指令集的校准量替换数据库中原有的编程指令集,并按数据库中更新后的编程指令集执行焊接操作,同时,将反馈信息中机器人焊接工作站下一次焊丝导管的清理时间预测值及更新后的编程指令集中控制指令对应的最大送丝速度反馈给管理员。
如图2所示,一种基于智能机器人焊接工作站的数据传输系统,所述系统包括以下模块:
偏转特征集获取模块,所述偏转特征集获取模块通过传感器实时获取机器人焊接工作站每次执行编程指令集的过程中,不同控制指令对应的机械臂控制状态信息,并查询数据库中不同控制状态信息分别对应的焊丝导管偏转量,得到编程指令集对应的焊丝导管偏转特征集;
偏转特征影响值分析模块,所述偏转特征影响值分析模块获取机器人焊接工作站最近一次焊丝导管的清理时间t1,及t1至当前时间内机器人焊接工作站执行的编程指令集类型及各个类型的编程指令集分别对应的次数,得到当前时间机器人焊接工作站的偏转特征影响值;
反馈信息预测模块,所述反馈信息预测模块结合机器人焊接工作站对应的历史工作数据,分析机器人焊接工作站中偏转特征影响值、送丝速度及焊枪端口处焊丝的抖动程度三者之间的关系;结合当前时间机器人焊接工作站的偏转特征影响值,预测机器人焊接工作站下一次焊丝导管的清理时间及当前编程指令集的校准量,生成反馈信息;
数据传输管控模块,所述数据传输管控模块控制机器人焊接工作站实时将反馈信息传输给编程指令控制终端,控制焊接机械臂的工作状态。
所述反馈信息预测模块包括关系分析单元、时间预测单元、指令集校准单元及反馈信息生成单元,
所述关系分析单元结合机器人焊接工作站对应的历史工作数据,分析机器人焊接工作站中偏转特征影响值、送丝速度及焊枪端口处焊丝的抖动程度三者之间的关系;
所述时间预测单元结合当前时间机器人焊接工作站的偏转特征影响值,预测机器人焊接工作站下一次焊丝导管的清理时间;
所述指令集校准单元结合当前时间机器人焊接工作站的偏转特征影响值,预测机器人焊接工作站中当前编程指令集的校准量;
所述馈信息生成单元根据时间预测单元及指令集校准单元中分别获取的结果,生成反馈信息;
所述数据传输管控模块控制焊接机械臂的工作状态的过程中,当编程指令控制终端未接收到反馈信息时,编程指令控制终端继续按数据库中原有的编程指令集执行焊接操作;当编程指令控制终端接收到反馈信息时,编程指令控制终端将反馈信息中的编程指令集的校准量替换数据库中原有的编程指令集,并按数据库中更新后的编程指令集执行焊接操作,同时,将反馈信息中机器人焊接工作站下一次焊丝导管的清理时间预测值及更新后的编程指令集中控制指令对应的最大送丝速度反馈给管理员。
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)
1.一种基于智能机器人焊接工作站的数据传输方法,其特征在于,所述方法包括以下步骤:
S1、通过传感器实时获取机器人焊接工作站每次执行编程指令集的过程中,不同控制指令对应的机械臂控制状态信息,并查询数据库中不同控制状态信息分别对应的焊丝导管偏转量,得到编程指令集对应的焊丝导管偏转特征集;
S2、获取机器人焊接工作站最近一次焊丝导管的清理时间t1,及t1至当前时间内机器人焊接工作站执行的编程指令集类型及各个类型的编程指令集分别对应的次数,得到当前时间机器人焊接工作站的偏转特征影响值;
S3、结合机器人焊接工作站对应的历史工作数据,分析机器人焊接工作站中偏转特征影响值、送丝速度及焊枪端口处焊丝的抖动程度三者之间的关系;结合当前时间机器人焊接工作站的偏转特征影响值,预测机器人焊接工作站下一次焊丝导管的清理时间及当前编程指令集的校准量,生成反馈信息;
S4、机器人焊接工作站实时将反馈信息传输给编程指令控制终端,控制焊接机械臂的工作状态,
当编程指令控制终端未接收到反馈信息时,编程指令控制终端继续按数据库中原有的编程指令集执行焊接操作;
当编程指令控制终端接收到反馈信息时,编程指令控制终端将反馈信息中的编程指令集的校准量替换数据库中原有的编程指令集,并按数据库中更新后的编程指令集执行焊接操作,同时,将反馈信息中机器人焊接工作站下一次焊丝导管的清理时间预测值及更新后的编程指令集中控制指令对应的最大送丝速度反馈给管理员。
2.根据权利要求1所述的一种基于智能机器人焊接工作站的数据传输方法,其特征在于:所述S1中机械臂控制状态信息包括焊接方向、送丝速度、焊接角度及相应控制指令的执行时长;
所述S1中得到编程指令集对应的焊丝导管偏转特征集的方法包括以下步骤:
S11、获取机器人焊接工作站执行编程指令集时,编程指令集中每个控制指令分别对应的机械臂控制状态信息,结合数据库预制表单内控制指令中焊接方向及焊接角度两者对应的焊丝导管偏转量,预制表单中焊接方向不同或焊接角度不同对应的焊丝导管偏转量均会存在差异;
S12、得到编程指令集中每个控制指令对应的焊丝导管偏转特征,将编程指令集中第i个控制指令对应的焊丝导管偏转特征,记为Ai,所述Ai={a1i,a2i},
其中a1i表示编程指令集中第i个控制指令对应的焊丝导管偏转量,a2i表示编程指令集中第i个控制指令对应的控制指令执行时长;
S13、将编程指令集中对应焊丝导管偏转量相同的不同焊丝导管偏转特征进行特征合并,每个合并结果对应一个焊丝导管偏转特征,且合并结果中的焊丝导管偏转量与合并前的各个焊丝导管偏转特征中的焊丝导管偏转量相同,合并结果中的控制指令执行时长等于合并前的各个焊丝导管偏转特征分别对应的控制指令执行时长之和;
S14、将S13中合并处理后剩余的各个焊丝导管偏转特征汇总到一个空白集合中,得到编程指令集对应的焊丝导管偏转特征集。
3.根据权利要求1所述的一种基于智能机器人焊接工作站的数据传输方法,其特征在于:所述S2中得到当前时间机器人焊接工作站的偏转特征影响值的方法包括以下步骤:
S21、获取机器人焊接工作站最近一次焊丝导管的清理时间t1,及t1至当前时间内机器人焊接工作站执行的编程指令集类型及各个类型的编程指令集分别对应的次数,
将控制指令存在差异的两个编程指令集划分为不同的编程指令集类型,同一类型的不同编程指令集分别对应的焊丝导管偏转特征集相同,
将t1至当前时间内机器人焊接工作站执行的第j个类型的编程指令集次数记为Cj;
S22、结合S1中得到编程指令集对应的焊丝导管偏转特征集的方法,计算t1至当前时间内机器人焊接工作站执行的第j个类型的编程指令集对应的焊丝导管偏转特征集,记为Dj;
S23、得到当前时间机器人焊接工作站的偏转特征影响值W,
W=∑j=1 j1Cj×∑k=1 kj1Djk1×Djk2,
其中,j1表示t1至当前时间内机器人焊接工作站执行的编程指令集类型总数,
kj1表示t1至当前时间内机器人焊接工作站执行的第j个类型的编程指令集对应的焊丝导管偏转特征集中的元素总数,
Djk1表示t1至当前时间内机器人焊接工作站执行的第j个类型的编程指令集对应的焊丝导管偏转特征集中第k个元素内,相应焊丝导管偏转量在数据库第一预置表单中对应的焊丝表面镀铜脱落速率系数,所述第一预置表单内焊丝导管偏转量与焊丝表面镀铜脱落速率系数一一对应,
Djk2表示t1至当前时间内机器人焊接工作站执行的第j个类型的编程指令集对应的焊丝导管偏转特征集中第k个元素内的控制指令执行时长。
4.根据权利要求3所述的一种基于智能机器人焊接工作站的数据传输方法,其特征在于:所述S3中分析机器人焊接工作站中偏转特征影响值、送丝速度及焊枪端口处焊丝的抖动程度三者之间的关系的方法包括以下步骤:
S301、获取历史数据库中机器人焊接工作站在偏转特征影响值监测节点时,对应的各个送丝速度与相应焊线端口处的焊丝抖动程度分别对应的关联数据对,每个偏转特征影响值监测节点均对应唯一的偏转特征影响值,且偏转特征影响值监测节点是预置的;
将历史数据库中偏转特征影响值监测节点为x1时,送丝速度V对应的焊线端口处的焊丝抖动程度EV,构建的关联数据对为(V,EV),所述(V,EV)为历史数据库中偏转特征影响值为x1时的一组关联数据对,所述焊丝抖动程度为预置的单位时间内焊丝的抖动频率与最大抖动幅度的乘积;
S302、提取历史数据库中偏转特征影响值监测节点为x1时,分别对应的各个关联数据对,并确定每个关联数据对在第一坐标系中对应的坐标点,所述第一坐标系为送丝速度与焊丝抖动程度的坐标系;
S303、获取数据库中预置的拟合函数模型,通过拟合软件对S302中第一坐标系内确定的坐标点进行拟合,得到偏转特征影响值监测节点为x1时的拟合函数,记为Fx1(V);
S304、按照步骤S301至S303中的内容,得到历史数据库中机器人焊接工作站在各个偏转特征影响值监测节点时分别对应的拟合函数。
5.根据权利要求4所述的一种基于智能机器人焊接工作站的数据传输方法,其特征在于:所述S3中预测机器人焊接工作站下一次焊丝导管的清理时间的方法包括以下步骤:
S311、获取t1至当前时间内机器人焊接工作站的工作总时长,记为t2;
S312、获取当前时间机器人焊接工作站的偏转特征影响值W;
S313、得到机器人焊接工作站下一次焊丝导管的清理时间的预测值,记为t3,
所述t3=t1+W1/W×t2,其中,W1表示历史数据中机器人焊接工作站每次焊丝导管的清理时分别对应的偏转特征影响值的平均值。
6.根据权利要求5所述的一种基于智能机器人焊接工作站的数据传输方法,其特征在于:所述S3中预测机器人焊接工作站当前编程指令集的校准量的方法包括以下步骤:
S321、获取当前时间机器人焊接工作站的偏转特征影响值W;
S322、获取历史数据库中机器人焊接工作站在各个偏转特征影响值监测节点时分别对应的拟合函数;
S323、匹配S322中W对应的拟合函数,记为FZ(V),
当各个偏转特征影响值监测节点对应的偏转特征影响值存在与W相同的情况时,则FZ(V)为对应偏转特征影响值等于W的偏转特征影响值监测节点相应的拟合函数;
当各个偏转特征影响值监测节点对应的偏转特征影响值不存在与W相同的情况时,则获取对应偏转特征影响值与W相邻的两个偏转特征影响值监测节点相应的拟合函数,分别记为第一拟合函数FZ1(V)与第二拟合函数FZ2(V),且FZ1(V)对应的偏转特征影响值WD1大于FZ2(V)对应的偏转特征影响值WD2,
FZ(V)=(W-WD2)/(WD1-WD2)×FZ1(V)+(WD1-W)/(WD1-WD2)×FZ2(V);
S324、计算得到当前时间机器人焊接工作站的送丝速度极限值VM,
VM=FZ-1(EVM),其中FZ-1()为函数FZ()的反函数,EVM表示机器人焊接工作站焊丝抖动程度最大承受偏差,EVM为历史数据中各个异常焊接件在焊接过程中分别对应的最大焊丝抖动程度的平均值;
S325、获取当前编程指令集中各个控制指令对应的送丝速度与VM之间的关系,得到机器人焊接工作站当前编程指令集的校准量预测结果,将机器人焊接工作站当前编程指令集校准后的编程指令集预测结果记为P,
若当前编程指令集中控制指令对应的送丝速度小于等于VM,则判定机器人焊接工作站当前编程指令集校准后的编程指令集中相应控制指令保持不变,
若当前编程指令集中控制指令对应的送丝速度大于VM,则判定机器人焊接工作站当前编程指令集校准后的编程指令集中相应控制指令需要变更,变更后的相应的控制指令中对应的焊接电流等于数据库中VM对应的焊接电流;
所述S3中生成反馈信息时,将当前时间对应的反馈信息记为Q,Q={t3,P}。
7.一种基于智能机器人焊接工作站的数据传输系统,其特征在于,所述系统包括以下模块:
偏转特征集获取模块,所述偏转特征集获取模块通过传感器实时获取机器人焊接工作站每次执行编程指令集的过程中,不同控制指令对应的机械臂控制状态信息,并查询数据库中不同控制状态信息分别对应的焊丝导管偏转量,得到编程指令集对应的焊丝导管偏转特征集;
偏转特征影响值分析模块,所述偏转特征影响值分析模块获取机器人焊接工作站最近一次焊丝导管的清理时间t1,及t1至当前时间内机器人焊接工作站执行的编程指令集类型及各个类型的编程指令集分别对应的次数,得到当前时间机器人焊接工作站的偏转特征影响值;
反馈信息预测模块,所述反馈信息预测模块结合机器人焊接工作站对应的历史工作数据,分析机器人焊接工作站中偏转特征影响值、送丝速度及焊枪端口处焊丝的抖动程度三者之间的关系;结合当前时间机器人焊接工作站的偏转特征影响值,预测机器人焊接工作站下一次焊丝导管的清理时间及当前编程指令集的校准量,生成反馈信息;
数据传输管控模块,所述数据传输管控模块控制机器人焊接工作站实时将反馈信息传输给编程指令控制终端,控制焊接机械臂的工作状态。
8.根据权利要求7所述的一种基于智能机器人焊接工作站的数据传输系统,其特征在于:所述反馈信息预测模块包括关系分析单元、时间预测单元、指令集校准单元及反馈信息生成单元,
所述关系分析单元结合机器人焊接工作站对应的历史工作数据,分析机器人焊接工作站中偏转特征影响值、送丝速度及焊枪端口处焊丝的抖动程度三者之间的关系;
所述时间预测单元结合当前时间机器人焊接工作站的偏转特征影响值,预测机器人焊接工作站下一次焊丝导管的清理时间;
所述指令集校准单元结合当前时间机器人焊接工作站的偏转特征影响值,预测机器人焊接工作站中当前编程指令集的校准量;
所述馈信息生成单元根据时间预测单元及指令集校准单元中分别获取的结果,生成反馈信息;
所述数据传输管控模块控制焊接机械臂的工作状态的过程中,当编程指令控制终端未接收到反馈信息时,编程指令控制终端继续按数据库中原有的编程指令集执行焊接操作;当编程指令控制终端接收到反馈信息时,编程指令控制终端将反馈信息中的编程指令集的校准量替换数据库中原有的编程指令集,并按数据库中更新后的编程指令集执行焊接操作,同时,将反馈信息中机器人焊接工作站下一次焊丝导管的清理时间预测值及更新后的编程指令集中控制指令对应的最大送丝速度反馈给管理员。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310547927.6A CN116252025B (zh) | 2023-05-16 | 2023-05-16 | 一种基于智能机器人焊接工作站的数据传输系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310547927.6A CN116252025B (zh) | 2023-05-16 | 2023-05-16 | 一种基于智能机器人焊接工作站的数据传输系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116252025A true CN116252025A (zh) | 2023-06-13 |
CN116252025B CN116252025B (zh) | 2023-07-21 |
Family
ID=86686558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310547927.6A Active CN116252025B (zh) | 2023-05-16 | 2023-05-16 | 一种基于智能机器人焊接工作站的数据传输系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116252025B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101642844A (zh) * | 2009-08-27 | 2010-02-10 | 上海交运汽车精密冲压件有限公司 | 焊接机器人送丝装置的防堵塞机构 |
KR20150067414A (ko) * | 2013-12-10 | 2015-06-18 | 대우조선해양 주식회사 | 다중 프로세스 기반의 실시간 용접로봇 제어 시스템 및 그 제어방법 |
CN213672353U (zh) * | 2020-09-23 | 2021-07-13 | 南京合信智能装备有限公司 | 一种带有散热机构的智能焊接机器人用焊丝夹持装置 |
CN113664345A (zh) * | 2021-09-06 | 2021-11-19 | 潍坊新松机器人自动化有限公司 | 一种双丝焊接机器人工作站 |
CN215091538U (zh) * | 2021-05-30 | 2021-12-10 | 广州中设机器人智能装备股份有限公司 | 一种用于焊接机器人的送丝机构 |
CN114633023A (zh) * | 2022-03-23 | 2022-06-17 | 江苏星链激光科技有限责任公司 | 一种用于激光焊接的送丝控制方法、系统及激光焊接装置 |
CN115329559A (zh) * | 2022-08-03 | 2022-11-11 | 上海海事大学 | 一种面向焊接机器人工作站的数字孪生方法及系统 |
-
2023
- 2023-05-16 CN CN202310547927.6A patent/CN116252025B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101642844A (zh) * | 2009-08-27 | 2010-02-10 | 上海交运汽车精密冲压件有限公司 | 焊接机器人送丝装置的防堵塞机构 |
KR20150067414A (ko) * | 2013-12-10 | 2015-06-18 | 대우조선해양 주식회사 | 다중 프로세스 기반의 실시간 용접로봇 제어 시스템 및 그 제어방법 |
CN213672353U (zh) * | 2020-09-23 | 2021-07-13 | 南京合信智能装备有限公司 | 一种带有散热机构的智能焊接机器人用焊丝夹持装置 |
CN215091538U (zh) * | 2021-05-30 | 2021-12-10 | 广州中设机器人智能装备股份有限公司 | 一种用于焊接机器人的送丝机构 |
CN113664345A (zh) * | 2021-09-06 | 2021-11-19 | 潍坊新松机器人自动化有限公司 | 一种双丝焊接机器人工作站 |
CN114633023A (zh) * | 2022-03-23 | 2022-06-17 | 江苏星链激光科技有限责任公司 | 一种用于激光焊接的送丝控制方法、系统及激光焊接装置 |
CN115329559A (zh) * | 2022-08-03 | 2022-11-11 | 上海海事大学 | 一种面向焊接机器人工作站的数字孪生方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116252025B (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7603361B2 (en) | Data processing methods and systems for use in industrial control | |
CN1332275C (zh) | 响应可变过程延迟的高级过程控制块的改进 | |
CN113732557B (zh) | 一种基于数字孪生的焊接监控方法 | |
US20100145509A1 (en) | Method And System For In-Production Optimization of The Parameters Of A Robot Used for Assembly | |
CN106406253B (zh) | 控制和/或分析工业过程的系统和方法 | |
DE102011082800B4 (de) | System und Verfahren zur automatisierten Erstellung von Roboterprogrammen | |
CN110605709B (zh) | 数字孪生与精密滤波驱动机器人集成系统及其使用方法 | |
CN1955867A (zh) | 在无线和其他过程控制系统中的非周期控制通信 | |
CN116252025B (zh) | 一种基于智能机器人焊接工作站的数据传输系统及方法 | |
CN1534419A (zh) | 控制装置、控制模块、模块电池和控制系统 | |
JP4934041B2 (ja) | 自動化装置の作動方法および自動化装置の作動方法を実施するための装置およびプログラミングシステムおよびプログラム | |
Mahadevan | An average-reward reinforcement learning algorithm for computing bias-optimal policies | |
CN116638511A (zh) | 一种基于机床换料时间模型提高产线机器人工作效率方法 | |
CN116820029A (zh) | 一种信息物理系统下的数控机床工艺参数实时动态多目标优化方法 | |
CN114942610A (zh) | 一种控制系统改造方法及设备控制系统 | |
CN115407736A (zh) | 一种提高产品良率的方法、装置、设备及介质 | |
CN211454351U (zh) | 一种智能烟丝牌号交换站 | |
CN213634179U (zh) | 自动化装置 | |
KR100342379B1 (ko) | Nc 파트 프로그램 변환을 이용한 가공방법 | |
CN116100578B (zh) | 一种双关节机器人的指令快速响应系统 | |
CN117161821B (zh) | 一种数控钻床主轴自适应进给控制方法及系统 | |
CN102483622A (zh) | 智能装置以及补偿机床冲头凹陷的方法 | |
EP3705964A1 (en) | A method for the scalable real-time state recognition of processes and/or sub-processes during production with electrically driven production plants | |
Couretas et al. | Generation, control, and simulation of task level actions based on discrete event models | |
CN112116487B (zh) | 一种基于人工免疫的智能制造系统 |
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 |