CN116401623B - 一种机器人控制算法融合方法 - Google Patents
一种机器人控制算法融合方法 Download PDFInfo
- Publication number
- CN116401623B CN116401623B CN202310422048.0A CN202310422048A CN116401623B CN 116401623 B CN116401623 B CN 116401623B CN 202310422048 A CN202310422048 A CN 202310422048A CN 116401623 B CN116401623 B CN 116401623B
- Authority
- CN
- China
- Prior art keywords
- robot
- control algorithm
- robot control
- determining
- working
- 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
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 8
- 230000033001 locomotion Effects 0.000 claims abstract description 143
- 238000012545 processing Methods 0.000 claims abstract description 126
- 238000013461 design Methods 0.000 claims abstract description 25
- 230000004927 fusion Effects 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims description 55
- 238000004088 simulation Methods 0.000 claims description 48
- 230000008569 process Effects 0.000 claims description 35
- 238000004458 analytical method Methods 0.000 claims description 23
- 230000001105 regulatory effect Effects 0.000 claims description 11
- 230000001276 controlling effect Effects 0.000 claims description 10
- 210000001503 joint Anatomy 0.000 claims description 8
- 238000012546 transfer Methods 0.000 claims description 8
- 238000004806 packaging method and process Methods 0.000 claims description 6
- 238000011144 upstream manufacturing Methods 0.000 claims description 5
- 238000007599 discharging Methods 0.000 claims description 4
- 230000036544 posture Effects 0.000 claims description 4
- 238000012858 packaging process Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 11
- 238000007499 fusion processing Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 6
- 238000003754 machining Methods 0.000 description 5
- 230000035772 mutation Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本发明提供的一种机器人控制算法融合方法，包括：通过预设的自动化流程设计平台获取设计人员所设计的多个加工流程，并根据每个加工流程确定与之对应的末端运动轨迹；根据设计人员预设的机器人工位以及设计人员所选择的自动机器人，基于末端运动轨迹设计对应的机器人控制算法；根据多个加工流程的排列顺序，基于各自末端运动轨迹所对应的机器人控制算法进行多机器人的控制算法融合。通过本发明能够实现对机器人控制算法的自动设计以及产业链上多种机器人控制算法的融合处理，从而降低企业在生产线组成初期对机器人控制算法的设计成本，实现模块化的机器人控制算法的融合。
Description
技术领域
本发明涉及智能机器人控制领域，特别涉及一种机器人控制算法融合方法。
背景技术
工业机器人是可重复编程的多功能操作器，可通过改写程序来完成各种不同任务。从技术上来看，工业机器人需要向着模块化、标准化方向发展，从功能上来看需要向着人机协作、柔性化、智能化方向发展。
工业机器人产业链的上游主要为零部件供应商，三大主要零部件为减速器、控制系统和伺服系统；产业链的中游为机器人本体提供商，主要负责机器人本体的生产，即机座和执行机构，包括手臂、腕部等；产业链下游为系统集成商，根据不同的应有场景和用途进行有针对性地系统集成和软件二次开发。生产出来的机器人只有通过系统集成之后，才能投入到下游的汽车、电子、金属加工等产业，为终端客户所有。
现有的工业机器人产业链已经开始快速发展，各机器人生产商之间的竞争已经使机器人的生产成本透明化，机器人的技术竞争方向也慢慢由硬件设施竞争逐渐转变为软件设置上的竞争，机器人的购买用户希望能够拥有智能的、可模块化拼接的、不需要花费太多精力对机器人控制算法程序进行编程调控的机器人，这也正是众多机器人生产商所努力的方向。
但现实是，现有的机器人仍然需要技术人员按照机器人在生产线上的实际应用需求分别为每一个机器人设置不同的机器人控制程序，并且在每进行一次生产线构成重组后又需要重新根据现场情况编写机器人算法程序，这在工业生产的前期会投入大量的设计成本。
发明内容
本发明提供一种机器人控制算法融合方法，能够实现对机器人控制算法的自动设计以及产业链上多种机器人控制算法的融合处理，从而降低企业在生产线组成初期对机器人控制算法的设计成本，实现模块化的机器人控制算法的融合。
本发明提供的一种机器人控制算法融合方法，包括：
通过预设的自动化流程设计平台获取设计人员所设计的多个加工流程，并根据每个加工流程确定与之对应的末端运动轨迹；
根据设计人员预设的机器人工位以及设计人员所选择的自动机器人，基于末端运动轨迹设计对应的机器人控制算法；
根据多个加工流程的排列顺序，基于各自末端运动轨迹所对应的机器人控制算法进行多机器人的控制算法融合。
优选的，通过预设的自动化流程设计平台获取设计人员所设计的多个加工流程，并根据每个加工流程确定与之对应的末端运动轨迹包括：
获取设计人员所录入的某个加工流程，并确定该加工流程中物件的起始位置、终点位置、物件运动状态以及加工过程信息；
根据加工流程中物件的起始位置、终点位置以及物件运动状态确定机器人在该加工流程中的机器人末端运动轨迹。
优选的，获取设计人员所录入的某个加工流程包括：
建立三维工作空间，并获取设计人员通过三维扫描方式所获取的与加工流程相对应的加工场景的三维场景模型；
通过三维工作空间将三维场景模型进行展示，并获取设计人员对三维场景模型各阶段中物件位置的标定结果；
根据标定结果确定物件在三维场景中的移动轨迹，并获取物件在移动轨迹上各位置的摆放状态，根据移动轨迹和摆放状态确定物件运动状态；
获取设计人员在三维场景模型中为机器人所预设的工作位置信息；
根据三维场景模型、物件运动状态以及工作位置信息生成加工流程。
优选的，根据加工流程中物件的起始位置、终点位置以及物件运动状态确定机器人在该加工流程中的机器人末端运动轨迹包括：
根据物件运动状态确定物件的第一类运动状态和第二类运动状态，第一类运动状态为物件在三个直角坐标轴方向移动时的运动轨迹，第二类运动状态为物件在三个直角坐标轴方向转动时的运动轨迹；
根据加工流程中物件的起始位置、终点位置以及物件的第一类运动状态确定机器人末端的第一运动轨迹；
基于第一运动轨迹和与第一类运动状态相对应的第二类运动状态，确定机器人末端的第二类运动轨迹；
根据设计人员所标定的物件上的夹持点位置信息，基于第二类运动轨迹确定在该加工流程中的机器人末端运动轨迹。
优选的，根据设计人员预设的机器人工位以及设计人员所选择的自动机器人，基于末端运动轨迹设计对应的机器人控制算法包括：
通过自动化流程设计平台获取设计人员所确定机器人在任意一个加工流程所对应的三维场景模型中标定的位置信息；
确定该机器人的型号信息并根据型号信息从设计平台获取所对应的机器人三维模型；
根据三维场景模型中标定的位置信息将机器人三维模型与三维场景模型进行显现结合，并使机器人三维模型的末端与末端运动轨迹进行对应后进行机器人的逆向运动学解析，得到解析结果；
根据解析结果确定机器人在工作过程中各个自由关节轴的运动状态，并自动设计出对应的机器人控制算法。
优选的，在得到机器人控制算法后对其进行仿真调节，步骤如下：
建立机器人运动仿真平台，并利用显现结合后的三维场景模型和机器人三维模型建立用于仿真的工作现场；
用机器人控制算法控制工作现场中的机器人模型进行模拟工作，并判断机器人三维模型和三维场景模型的是否保持预定的距离；
若未保持预定的距离，则确定机器人三维模型在模拟工作过程中与该三维场景模型的最近点所对应的关节臂；
调整该关节臂两端的自由关节轴的运动姿态，直至使机器人三维模型在模拟工作过程中和三维场景模型的保持预定的距离后输出对应的机器人控制算法。
优选的，根据多个加工流程的排列顺序，基于各自末端运动轨迹所对应的机器人控制算法进行多机器人的控制算法融合包括：
确定多个加工流程的排列顺序，并确定每个加工流程中物件的起始位置以及终点位置；
对于任意一个加工流程，判断该加工流程的上游加工流程中所对应的物件的终点位置与该加工流程所对应的物件的起始位置是否能够衔接；
若不能够衔接，则确定需要派遣衔接机器人进行物件转移对接工作，并根据物件转移对接工作的起始位置和终点位置为衔接机器人设计机器人控制算法；
根据每一个加工流程各自对应的加工过程信息为机器人设定对应的加工时间线；
根据加工时间线、物件在每个加工流程中的起始位置及终点位置、每个机器人在工作场景中的位置以及其所对应的控制算法进行多机器人的控制算法融合。
优选的，还包括对已融合的机器人控制算法按照参与工作的机器人数量进行机器人控制算法的动态融合调控，调控步骤如下：
确定设计人员针对已融合的机器人控制算法中任意一项工作内容所设定的机器人数量；
按照机器人数量对该项工作内容所对应的机器人控制算法进行调控；
判断机器人在运行经过调控后的机器人控制算法时是否出现功率过载的情况，若出现功率过载情况则发出错误提示；
若未出现功率过载情况，则获取设计人员为每个机器人所设计的位置信息；
将多个机器人各自对应的机器人三维模型与三维场景模型进行显现结合，通过仿真平台对机器人控制算法进行仿真调节，并在仿真调节完成后得到调节后的机器人控制算法。
优选的，按照机器人数量对该项工作内容所对应的机器人控制算法进行调控包括：
确定已融合的机器人控制算法中该项工作内容所对应的物件上料以及下料的第一频率；
确定参与该项工作内容的机器人数量，并根据机器人数量基于第一频率计算得到机器人工作的第二频率；
根据第二频率调整参与该项工作内容的机器人所对应的机器人控制算法。
优选的，还包括对机器人控制算法进行模块化封装处理，处理过程包括：
确定机器人控制算法中所对应的多个工作内容，并确定任意一个工作内容所对应的机器人控制算法程序；
确定该机器人控制算法程序所对应适用的机器人指标要求以及在该工作内容中机器人所在位置信息；
将该机器人控制算法程序、该机器人控制算法程序所对应适用的机器人指标要求以及在该工作内容中机器人所在位置信息进行打包封装处理后得到模块化文件，并建立该模块化文件与该工作内容之间的联系。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
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为本发明实施例中一种机器人控制算法融合方法的步骤流程图；
图2为本发明实施例中基于末端运动轨迹设计对应的机器人控制算法的步骤流程图；
图3为本发明实施例中对机器人控制算法进行仿真调节的步骤流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明提供的一种机器人控制算法融合方法，如图1，包括：
步骤S1、通过预设的自动化流程设计平台获取设计人员所设计的多个加工流程，并根据每个加工流程确定与之对应的末端运动轨迹；
步骤S2、根据设计人员预设的机器人工位以及设计人员所选择的自动机器人，基于末端运动轨迹设计对应的机器人控制算法；
步骤S3、根据多个加工流程的排列顺序，基于各自末端运动轨迹所对应的机器人控制算法进行多机器人的控制算法融合。
上述技术方案的工作原理和有益效果为：通过预设的自动化流程设计平台获取设计人员所设计的多个加工流程，并根据每个加工流程确定与之对应的末端运动轨迹，确定设计人员所希望的在机床作业过程中机器人的末端运动轨迹，根据设计人员预设的机器人工位以及设计人员所选择的自动机器人，基于末端运动轨迹设计对应的机器人控制算法，在确定机器人的末端运动轨迹后，基于设计人员对机器人所指定的工作地点对机器人控制算法进行逆向推导，从而节省设计人员为机器人设计工作程序的步骤，极大降低设计人员的设计任务。根据多个加工流程的排列顺序，基于各自末端运动轨迹所对应的机器人控制算法进行多机器人的控制算法融合，在设计出每台机器各自对应的机器人控制算法后，对工业流程进行排序，确定物件的流动情况，并按照顺序将多机器人的控制算法进行融合，得到生产线或工作线路上完整的机器人控制算法，实现多机器人控制算法的融合。通过以上技术方案，实现了对机器人控制算法的自动设计以及产业链上多种机器人控制算法的融合处理，从而降低了企业在产业链组成初期对机器人控制算法的设计成本，并且通过产业链上多种机器人控制算法的融合处理的技术，实现了模块化的机器人控制算法的融合。
在一个优选实施例中，通过预设的自动化流程设计平台获取设计人员所设计的多个加工流程，并根据每个加工流程确定与之对应的末端运动轨迹包括：
获取设计人员所录入的某个加工流程，并确定该加工流程中物件的起始位置、终点位置、物件运动状态以及加工过程信息；
根据加工流程中物件的起始位置、终点位置以及物件运动状态确定机器人在该加工流程中的机器人末端运动轨迹。
上述技术方案的工作原理和有益效果为：通过获取设计人员所录入的某个加工流程，并确定该加工流程中物件的起始位置、终点位置、物件运动状态以及加工过程信息；根据加工流程中物件的起始位置、终点位置以及物件运动状态确定机器人在该加工流程中的机器人末端运动轨迹。通过对录入的加工流程的解析得到物件在加工过程中六个自由度方向上的移动状况，从而确定了机器人的末端运动轨迹需求。
在一个优选实施例中，获取设计人员所录入的某个加工流程包括：
建立三维工作空间，并获取设计人员通过三维扫描方式所获取的与加工流程相对应的加工场景的三维场景模型；
通过三维工作空间将三维场景模型进行展示，并获取设计人员对三维场景模型各阶段中物件位置的标定结果；
根据标定结果确定物件在三维场景中的移动轨迹，并获取物件在移动轨迹上各位置的摆放状态，根据移动轨迹和摆放状态确定物件运动状态；
获取设计人员在三维场景模型中为机器人所预设的工作位置信息；
根据三维场景模型、物件运动状态以及工作位置信息生成加工流程。
上述技术方案的工作原理和有益效果为：通过建立三维工作空间，并获取设计人员通过三维扫描方式所获取的与加工流程相对应的加工场景的三维场景模型，从而实现机器人工作场景的复现；通过三维工作空间将三维场景模型进行展示，并获取设计人员对三维场景模型各阶段中物件位置的标定结果，得到物件在加工过程中的位置状态信息；根据标定结果确定物件在三维场景中的移动轨迹，并获取物件在移动轨迹上各位置的摆放状态，根据移动轨迹和摆放状态确定物件运动状态；然后获取设计人员在三维场景模型中为机器人所预设的工作位置信息；最后根据三维场景模型、物件运动状态以及工作位置信息生成加工流程。从而实现了在三维模拟环境中对现实场景中加工设备环境、物件的位移状态需求的复现。
在一个优选实施例中，根据加工流程中物件的起始位置、终点位置以及物件运动状态确定机器人在该加工流程中的机器人末端运动轨迹包括：
根据物件运动状态确定物件的第一类运动状态和第二类运动状态，第一类运动状态为物件在三个直角坐标轴方向移动时的运动轨迹，第二类运动状态为物件在三个直角坐标轴方向转动时的运动轨迹；
根据加工流程中物件的起始位置、终点位置以及物件的第一类运动状态确定机器人末端的第一运动轨迹；
基于第一运动轨迹和与第一类运动状态相对应的第二类运动状态，确定机器人末端的第二类运动轨迹；
根据设计人员所标定的物件上的夹持点位置信息，基于第二类运动轨迹确定在该加工流程中的机器人末端运动轨迹。
上述技术方案的工作原理和有益效果为：在确定机器人末端运动轨迹时，需要根据物件运动状态确定物件的第一类运动状态和第二类运动状态，第一类运动状态为物件在三个直角坐标轴方向移动时的运动轨迹，第二类运动状态为物件在三个直角坐标轴方向转动时的运动轨迹，实现对物件运动状态的拆分；根据加工流程中物件的起始位置、终点位置以及物件的第一类运动状态确定机器人末端的第一运动轨迹，第一运动轨迹用于调节机器人末端的移动状况；基于第一运动轨迹和与第一类运动状态相对应的第二类运动状态，确定机器人末端的第二类运动轨迹，第二类运动轨迹用于确定机器人末端的转动情况；根据设计人员所标定的物件上的夹持点位置信息，基于第二类运动轨迹确定在该加工流程中的机器人末端运动轨迹。从而实现了根据物件的移动状态自动确定机器人末端运动轨迹。
在一个优选实施例中，如图2，根据设计人员预设的机器人工位以及设计人员所选择的自动机器人，基于末端运动轨迹设计对应的机器人控制算法包括：
步骤S21、通过自动化流程设计平台获取设计人员所确定机器人在任意一个加工流程所对应的三维场景模型中标定的位置信息；
步骤S22、确定该机器人的型号信息并根据型号信息从设计平台获取所对应的机器人三维模型；
步骤S23、根据三维场景模型中标定的位置信息将机器人三维模型与三维场景模型进行显现结合，并使机器人三维模型的末端与末端运动轨迹进行对应后进行机器人的逆向运动学解析，得到解析结果；
步骤S24、根据解析结果确定机器人在工作过程中各个自由关节轴的运动状态，并自动设计出对应的机器人控制算法。
上述技术方案的工作原理和有益效果为：通过自动化流程设计平台获取设计人员所确定机器人在任意一个加工流程所对应的三维场景模型中标定的位置信息；确定该机器人的型号信息并根据型号信息从设计平台获取所对应的机器人三维模型；根据三维场景模型中标定的位置信息将机器人三维模型与三维场景模型进行显现结合，并使机器人三维模型的末端与末端运动轨迹进行对应后进行机器人的逆向运动学解析，得到解析结果；根据解析结果确定机器人在工作过程中各个自由关节轴的运动状态，并自动设计出对应的机器人控制算法。从而实现了根据机器的工作位置以及机器人末端运动轨迹自动逆向设计出对应的机器人控制算法。
在一个优选实施例中，所述进行机器人的逆向运动学解析，包括：
通过对机器人三维模型与三维场景模型进行显现结合后的机器人控制轨迹进行仿真得到多个仿真结果；
根据多个仿真结果进行逆向运动学解析算法的初始化种群和选取变异概率，其中，所述初始化种群用于确定逆向运动学解析算法的操作空间，选取变异概率用于对该空间内的逆向运动学解析算法个体进行最优化操作；
初始化种群包括：算法中预先设定的种群大小N，由蒙特卡洛序列产生的一组随机数A为一个N×1的矩阵；
通过将A矩阵转置，然后矩阵A乘以该转置矩阵A′即得到一个N×N的矩阵B从而将维数进行扩展，以B矩阵作为初始化的种群：
B＝A×A′
选取变异概率包括：
采用分段处理的方式，将所有适应度的个体按高低分为三个部分；
针对每一个部分选取一个变异概率进行变异操作，其中变异概率分段选取的公式如下：
式中，Pm1＝0.6，Pm2＝0.05，Pm3＝0.001，Bestfi为种群中适应度最好个体的适应度值，fi为待变异的个体的适应度值，f31和f32分别为适应度值从高到低排在1/3、2/3处的仿真结果个体的适应度值。
最终筛选得到最优的仿真结果并将其作为解析结果。
上述技术方案的工作原理和有益效果为：通过对机器人三维模型与三维场景模型进行显现结合后的机器人控制轨迹进行仿真得到多个仿真结果；然后根据多个仿真结果进行逆向运动学解析算法的初始化种群和选取变异概率，其中，所述初始化种群用于确定逆向运动学解析算法的操作空间，选取变异概率用于对该空间内的逆向运动学解析算法个体进行最优化操作，最终筛选得到最优的仿真结果并将其作为解析结果，从而实现了对机器人控制算法的逆向运动学解析。
在一个优选实施例中，如图3，在得到机器人控制算法后对其进行仿真调节，步骤如下：
步骤S41、建立机器人运动仿真平台，并利用显现结合后的三维场景模型和机器人三维模型建立用于仿真的工作现场；
步骤S42、用机器人控制算法控制工作现场中的机器人模型进行模拟工作，并判断机器人三维模型和三维场景模型的是否保持预定的距离；
步骤S43、若未保持预定的距离，则确定机器人三维模型在模拟工作过程中与该三维场景模型的最近点所对应的关节臂；
调整该关节臂两端的自由关节轴的运动姿态，直至使机器人三维模型在模拟工作过程中和三维场景模型的保持预定的距离后输出对应的机器人控制算法。
上述技术方案的工作原理和有益效果为：通过建立机器人运动仿真平台，并利用显现结合后的三维场景模型和机器人三维模型建立用于仿真的工作现场，方便对机器人在工作现场工作情况的模拟；用机器人控制算法控制工作现场中的机器人模型进行模拟工作，并判断机器人三维模型和三维场景模型的是否保持预定的距离，从而有效防止机器人碰撞的情况；若未保持预定的距离，则确定机器人三维模型在模拟工作过程中与该三维场景模型的最近点所对应的关节臂，通过调整碰撞关节臂两端的自由关节轴的运动方向避免关节臂在工作过程中与环境中的设备发生碰撞；调整该关节臂两端的自由关节轴的运动姿态，直至使机器人三维模型在模拟工作过程中和三维场景模型的保持预定的距离后输出对应的机器人控制算法。从而实现了对机器人在真实工作场景中的模拟，并且根据模拟结果调整机器人的运动方式以及其对应的机器人控制算法，有效避免环境因素限制算法自动设计的问题。
在一个优选实施例中，根据多个加工流程的排列顺序，基于各自末端运动轨迹所对应的机器人控制算法进行多机器人的控制算法融合包括：
确定多个加工流程的排列顺序，并确定每个加工流程中物件的起始位置以及终点位置；
对于任意一个加工流程，判断该加工流程的上游加工流程中所对应的物件的终点位置与该加工流程所对应的物件的起始位置是否能够衔接；
若不能够衔接，则确定需要派遣衔接机器人进行物件转移对接工作，并根据物件转移对接工作的起始位置和终点位置为衔接机器人设计机器人控制算法；
根据每一个加工流程各自对应的加工过程信息为机器人设定对应的加工时间线；
根据加工时间线、物件在每个加工流程中的起始位置及终点位置、每个机器人在工作场景中的位置以及其所对应的控制算法进行多机器人的控制算法融合。
上述技术方案的工作原理和有益效果为：在进行机器人控制算法的融合时，确定多个加工流程的排列顺序，并确定每个加工流程中物件的起始位置以及终点位置，方便对加工流程线进行位置坐标点的连接；对于任意一个加工流程，判断该加工流程的上游加工流程中所对应的物件的终点位置与该加工流程所对应的物件的起始位置是否能够衔接；若不能够衔接，则确定需要派遣衔接机器人进行物件转移对接工作，并根据物件转移对接工作的起始位置和终点位置为衔接机器人设计机器人控制算法，通过加入衔接机器人对物件进行传递，能够突破现实环境问题为机器人生产链带来的限制，能够为复杂环境下的机器人自动设计算法程序；根据每一个加工流程各自对应的加工过程信息为机器人设定对应的加工时间线，通过加工时间线能够协调多个机器人之间的工作内容，从而实现真正意义上的机器人控制算法的融合；根据加工时间线、物件在每个加工流程中的起始位置及终点位置、每个机器人在工作场景中的位置以及其所对应的控制算法进行多机器人的控制算法融合。通过上述技术方案最终实现了多机器人的控制算法融合。
在一个优选实施例中，还包括对已融合的机器人控制算法按照参与工作的机器人数量进行机器人控制算法的动态融合调控，调控步骤如下：
确定设计人员针对已融合的机器人控制算法中任意一项工作内容所设定的机器人数量；
按照机器人数量对该项工作内容所对应的机器人控制算法进行调控；
判断机器人在运行经过调控后的机器人控制算法时是否出现功率过载的情况，若出现功率过载情况则发出错误提示；
若未出现功率过载情况，则获取设计人员为每个机器人所设计的位置信息；
将多个机器人各自对应的机器人三维模型与三维场景模型进行显现结合，通过仿真平台对机器人控制算法进行仿真调节，并在仿真调节完成后得到调节后的机器人控制算法。
上述技术方案的工作原理和有益效果为：在实际使用需求中，需要对进行某项工作的机器人的数量进行扩充和减少，从而方便适应复杂的生产需求，也能在机器人发生故障时快速响应使剩下的机器人能够立即接手故障机器人的工作内容，避免机器人工作节奏发生紊乱，在面对这样的情况时，则需要确定设计人员针对已融合的机器人控制算法中任意一项工作内容所设定的机器人数量满足机器人数量的扩充需求，这里也可以是现有能继续进行工作的机器人的数量，可随具体情况进行自行确认；按照机器人数量对该项工作内容所对应的机器人控制算法进行调控，例如生产线上所要求的工作频率是5秒钟进行一次物件的转移，在只有一个机器人进行该项转移工作时，该机器人的工作频率也是5秒钟完成一次转移工作循环，在具有两个机器人进行该项转移工作时，每个机器人的工作频率能够放宽至10秒钟完成一次转移工作循环，从而根据机器人的具体数量进行机器人程序的调控，调控工作包括工作频率的调控，工作位置的调控，为避免碰撞的运动轨迹调控等。判断机器人在运行经过调控后的机器人控制算法时是否出现功率过载的情况，若出现功率过载情况则发出错误提示，防止设计出超负荷工作的机器人控制程序，超负荷工作与否可根据机器人的具体型号及规格等信息而定；若未出现功率过载情况，则获取设计人员为每个机器人所设计的位置信息；将多个机器人各自对应的机器人三维模型与三维场景模型进行显现结合，通过仿真平台对机器人控制算法进行仿真调节，并在仿真调节完成后得到调节后的机器人控制算法，从而防止在加入多个机器人后机器人在工作过程中发生相互碰撞的情况。实现基于参与工作的机器人数量进行机器人控制算法的动态融合调控，增强机器人的应用环境。
在一个优选实施例中，按照机器人数量对该项工作内容所对应的机器人控制算法进行调控包括：
确定已融合的机器人控制算法中该项工作内容所对应的物件上料以及下料的第一频率；
确定参与该项工作内容的机器人数量，并根据机器人数量基于第一频率计算得到机器人工作的第二频率；
根据第二频率调整参与该项工作内容的机器人所对应的机器人控制算法。
上述技术方案的工作原理和有益效果为：在按照机器人数量对该项工作内容所对应的机器人控制算法进行调控时通过确定已融合的机器人控制算法中该项工作内容所对应的物件上料以及下料的第一频率；确定参与该项工作内容的机器人数量，并根据机器人数量基于第一频率计算得到机器人工作的第二频率；根据第二频率调整参与该项工作内容的机器人所对应的机器人控制算法。从而实现了对机器人工作频率的自动调控。
在一个优选实施例中，还包括对机器人控制算法进行模块化封装处理，处理过程包括：
确定机器人控制算法中所对应的多个工作内容，并确定任意一个工作内容所对应的机器人控制算法程序；
确定该机器人控制算法程序所对应适用的机器人指标要求以及在该工作内容中机器人所在位置信息；
将该机器人控制算法程序、该机器人控制算法程序所对应适用的机器人指标要求以及在该工作内容中机器人所在位置信息进行打包封装处理后得到模块化文件，并建立该模块化文件与该工作内容之间的联系。
上述技术方案的工作原理和有益效果为：为了使每一台新的机器人能够马上进入产业链开始工作，需要对机器人控制算法进行模块化封装处理，处理过程包括确定机器人控制算法中所对应的多个工作内容，并确定任意一个工作内容所对应的机器人控制算法程序；确定该机器人控制算法程序所对应适用的机器人指标要求以及在该工作内容中机器人所在位置信息；将该机器人控制算法程序、该机器人控制算法程序所对应适用的机器人指标要求以及在该工作内容中机器人所在位置信息进行打包封装处理后得到模块化文件，并建立该模块化文件与该工作内容之间的联系，从而在拥有模块化文件后将模块化文件部署至新的机器人，让新的机器人能够快速接替生产线上的机器人的工作内容，提高机器人的适用范围和适应能力。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种机器人控制算法融合方法，其特征在于，包括：
通过预设的自动化流程设计平台获取设计人员所设计的多个加工流程，并根据每个加工流程确定与之对应的末端运动轨迹；
根据设计人员预设的机器人工位以及设计人员所选择的自动机器人，基于末端运动轨迹设计对应的机器人控制算法；
根据多个加工流程的排列顺序，基于各自末端运动轨迹所对应的机器人控制算法进行多机器人的控制算法融合；
其中，所述通过预设的自动化流程设计平台获取设计人员所设计的多个加工流程，并根据每个加工流程确定与之对应的末端运动轨迹包括：
获取设计人员所录入的某个加工流程，并确定该加工流程中物件的起始位置、终点位置、物件运动状态以及加工过程信息；
根据加工流程中物件的起始位置、终点位置以及物件运动状态确定机器人在该加工流程中的机器人末端运动轨迹；
其中，所述根据设计人员预设的机器人工位以及设计人员所选择的自动机器人，基于末端运动轨迹设计对应的机器人控制算法包括：
通过自动化流程设计平台获取设计人员所确定机器人在任意一个加工流程所对应的三维场景模型中标定的位置信息；
确定该机器人的型号信息并根据型号信息从设计平台获取所对应的机器人三维模型；
根据三维场景模型中标定的位置信息将机器人三维模型与三维场景模型进行显现结合，并使机器人三维模型的末端与末端运动轨迹进行对应后进行机器人的逆向运动学解析，得到解析结果；
根据解析结果确定机器人在工作过程中各个自由关节轴的运动状态，并自动设计出对应的机器人控制算法；
其中，所述根据多个加工流程的排列顺序，基于各自末端运动轨迹所对应的机器人控制算法进行多机器人的控制算法融合包括：
确定多个加工流程的排列顺序，并确定每个加工流程中物件的起始位置以及终点位置；
对于任意一个加工流程，判断该加工流程的上游加工流程中所对应的物件的终点位置与该加工流程所对应的物件的起始位置是否能够衔接；
若不能够衔接，则确定需要派遣衔接机器人进行物件转移对接工作，并根据物件转移对接工作的起始位置和终点位置为衔接机器人设计机器人控制算法；
根据每一个加工流程各自对应的加工过程信息为机器人设定对应的加工时间线；
根据加工时间线、物件在每个加工流程中的起始位置及终点位置、每个机器人在工作场景中的位置以及其所对应的控制算法进行多机器人的控制算法融合。
2.根据权利要求1所述的一种机器人控制算法融合方法，其特征在于，所述获取设计人员所录入的某个加工流程包括：
建立三维工作空间，并获取设计人员通过三维扫描方式所获取的与加工流程相对应的加工场景的三维场景模型；
通过三维工作空间将所述三维场景模型进行展示，并获取设计人员对三维场景模型各阶段中物件位置的标定结果；
根据标定结果确定物件在三维场景中的移动轨迹，并获取物件在移动轨迹上各位置的摆放状态，根据移动轨迹和摆放状态确定物件运动状态；
获取设计人员在三维场景模型中为机器人所预设的工作位置信息；
根据所述三维场景模型、物件运动状态以及工作位置信息生成加工流程。
3.根据权利要求1所述的一种机器人控制算法融合方法，其特征在于，所述根据加工流程中物件的起始位置、终点位置以及物件运动状态确定机器人在该加工流程中的机器人末端运动轨迹包括：
根据物件运动状态确定物件的第一类运动状态和第二类运动状态，所述第一类运动状态为物件在三个直角坐标轴方向移动时的运动轨迹，所述第二类运动状态为物件在三个直角坐标轴方向转动时的运动轨迹；
根据加工流程中物件的起始位置、终点位置以及物件的第一类运动状态确定机器人末端的第一运动轨迹；
基于第一运动轨迹和与第一类运动状态相对应的第二类运动状态，确定机器人末端的第二类运动轨迹；
根据设计人员所标定的物件上的夹持点位置信息，基于第二类运动轨迹确定在该加工流程中的机器人末端运动轨迹。
4.根据权利要求1所述的一种机器人控制算法融合方法，其特征在于，在得到机器人控制算法后对其进行仿真调节，步骤如下：
建立机器人运动仿真平台，并利用显现结合后的三维场景模型和机器人三维模型建立用于仿真的工作现场；
用机器人控制算法控制工作现场中的机器人模型进行模拟工作，并判断机器人三维模型和三维场景模型的是否保持预定的距离；
若未保持预定的距离，则确定机器人三维模型在模拟工作过程中与该三维场景模型的最近点所对应的关节臂；
调整该关节臂两端的自由关节轴的运动姿态，直至使机器人三维模型在模拟工作过程中和三维场景模型的保持预定的距离后输出对应的机器人控制算法。
5.根据权利要求1所述的一种机器人控制算法融合方法，其特征在于，还包括对已融合的机器人控制算法按照参与工作的机器人数量进行机器人控制算法的动态融合调控，调控步骤如下：
确定设计人员针对已融合的机器人控制算法中任意一项工作内容所设定的机器人数量；
按照机器人数量对该项工作内容所对应的机器人控制算法进行调控；
判断机器人在运行经过调控后的机器人控制算法时是否出现功率过载的情况，若出现功率过载情况则发出错误提示；
若未出现功率过载情况，则获取设计人员为每个机器人所设计的位置信息；
将多个机器人各自对应的机器人三维模型与三维场景模型进行显现结合，通过仿真平台对机器人控制算法进行仿真调节，并在仿真调节完成后得到调节后的机器人控制算法。
6.根据权利要求5所述的一种机器人控制算法融合方法，其特征在于，所述按照机器人数量对该项工作内容所对应的机器人控制算法进行调控包括：
确定已融合的机器人控制算法中该项工作内容所对应的物件上料以及下料的第一频率；
确定参与该项工作内容的机器人数量，并根据机器人数量基于第一频率计算得到机器人工作的第二频率；
根据第二频率调整参与该项工作内容的机器人所对应的机器人控制算法。
7.根据权利要求1所述的一种机器人控制算法融合方法，其特征在于，还包括对机器人控制算法进行模块化封装处理，处理过程包括：
确定机器人控制算法中所对应的多个工作内容，并确定任意一个工作内容所对应的机器人控制算法程序；
确定该机器人控制算法程序所对应适用的机器人指标要求以及在该工作内容中机器人所在位置信息；
将该机器人控制算法程序、该机器人控制算法程序所对应适用的机器人指标要求以及在该工作内容中机器人所在位置信息进行打包封装处理后得到模块化文件，并建立该模块化文件与该工作内容之间的联系。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310422048.0A CN116401623B (zh) | 2023-04-19 | 2023-04-19 | 一种机器人控制算法融合方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310422048.0A CN116401623B (zh) | 2023-04-19 | 2023-04-19 | 一种机器人控制算法融合方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116401623A CN116401623A (zh) | 2023-07-07 |
| CN116401623B true CN116401623B (zh) | 2023-11-03 |
Family
ID=87007336
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310422048.0A Active CN116401623B (zh) | 2023-04-19 | 2023-04-19 | 一种机器人控制算法融合方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116401623B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111791234A (zh) * | 2020-07-07 | 2020-10-20 | 苏州红橙蓝机器人有限公司 | 一种狭窄空间内多机器人空间工作位置防撞控制算法 |
| CN113156836A (zh) * | 2021-04-29 | 2021-07-23 | 哈尔滨工程大学 | 一种基于Simscape Multibody的多足机器人虚拟样机运动控制仿真系统 |
| CN113264212A (zh) * | 2021-05-08 | 2021-08-17 | 济客筑科技(太仓)有限公司 | 一种多轴机器人的点阵式钢筋捆扎系统及其工作方法 |
| CN114460904A (zh) * | 2022-01-25 | 2022-05-10 | 燕山大学 | 一种面向龙门机器人的数字孪生系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1552908A4 (en) * | 2002-10-11 | 2008-10-15 | Fujitsu Ltd | DEVICE FOR CREATING A ROBOT CONTROL ALGORITHM, PROGRAM FOR CREATING A ROBOT CONTROL ALGORITHM, ROBOT CONTROL PROGRAM AND ROBOT |
| CN110989605B (zh) * | 2019-12-13 | 2020-09-18 | 哈尔滨工业大学 | 一种三体智能系统架构及探测机器人 |
-
2023
- 2023-04-19 CN CN202310422048.0A patent/CN116401623B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111791234A (zh) * | 2020-07-07 | 2020-10-20 | 苏州红橙蓝机器人有限公司 | 一种狭窄空间内多机器人空间工作位置防撞控制算法 |
| CN113156836A (zh) * | 2021-04-29 | 2021-07-23 | 哈尔滨工程大学 | 一种基于Simscape Multibody的多足机器人虚拟样机运动控制仿真系统 |
| CN113264212A (zh) * | 2021-05-08 | 2021-08-17 | 济客筑科技(太仓)有限公司 | 一种多轴机器人的点阵式钢筋捆扎系统及其工作方法 |
| CN114460904A (zh) * | 2022-01-25 | 2022-05-10 | 燕山大学 | 一种面向龙门机器人的数字孪生系统 |
Non-Patent Citations (5)
| Title |
|---|
| Liu Wei ; Tanmin ; Jian-ping Wang ; Zhang chongwei. "Research and design of mobile robot moving object tracking system on hierarchical control".2010 International Conference on Computer Application and System Modeling (ICCASM 2010).2010,全文. * |
| SCARA四轴机器人控制系统综述;杨明;张如昊;张军;朱昊天;孙永平;陈扬洋;徐殿国;;电气传动(01);全文 * |
| 一种新型流水线搬运机械手设计与分析;郑为凑;蔡楷倜;于振中;刘伟;惠晶;;机械制造与自动化(03);全文 * |
| 城市道路交叉口信号配时多目标优化方法研究;郭鹏飞;徐海黎;树爱兵;潘腊青;沈标;;现代电子技术(16);全文 * |
| 基于SolidWorks的工业机器人仿真设计研究;吕健安;;制造业自动化(08);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116401623A (zh) | 2023-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11458626B2 (en) | Trajectory generating method, and trajectory generating apparatus | |
| Mitsi et al. | Off-line programming of an industrial robot for manufacturing | |
| CN108241339B (zh) | 仿人机械臂的运动求解和构型控制方法 | |
| US8224486B2 (en) | Method of evaluating and correcting robot program and device for evaluating and correcting robot program | |
| DK2285537T3 (en) | Device and method for computer-assisted generation of a manipulatorbane | |
| US7324873B2 (en) | Offline teaching apparatus for robot | |
| US6445964B1 (en) | Virtual reality simulation-based training of telekinegenesis system for training sequential kinematic behavior of automated kinematic machine | |
| Neto et al. | High‐level robot programming based on CAD: dealing with unpredictable environments | |
| Fang et al. | Orientation planning of robot end-effector using augmented reality | |
| Velarde-Sanchez et al. | 5-DOF manipulator simulation based on MATLAB-Simulink methodology | |
| Dolgui et al. | Manipulator motion planning for high-speed robotic laser cutting | |
| CN116401623B (zh) | 一种机器人控制算法融合方法 | |
| CN110815230B (zh) | 一种基于虚拟采样的六轴码垛机器人位姿适配方法 | |
| García-Sedano et al. | Stamping line optimization using genetic algorithms and virtual 3d line simulation | |
| Esa et al. | The Mitsubishi MelfaRxm middleware and application: A case study of RV-2AJ robot | |
| KR20200097896A (ko) | 매니퓰레이터 urdf파일 생성장치 및 방법 | |
| ElMaraghy | Kinematic and geometric modelling and animation of robots | |
| Lebedenko et al. | Research of Control Systems for Robotic Spatial Planning Platforms | |
| Fratu et al. | Robots collision avoidance using learning through imitation | |
| Tatsuno | An example of open robot controller architecture | |
| Simas et al. | A collision avoidance method using assur virtual chains | |
| Kritskiy et al. | Automation of the Manipulator | |
| Dàvila-Rìos et al. | On the Implementation of a robotic welding process using 3D simulation environment | |
| Miatliuk et al. | Conceptual Design and Control of a Robotic System for Welding | |
| Гpoнцoвa | Computer modeling in MSC Adams/View as part of a modern approach to the design of mechanical systems of robots |
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 |