CN116901090B - 多轴自由度机器人的控制方法 - Google Patents

Abstract

本发明公开了一种多轴自由度机器人的控制方法，涉及机器人技术领域，该方法包括：读取预定作业轨迹，并引入预设轨迹纠偏函数对预定作业轨迹进行分析，得到实际作业轨迹；获取机器人的实时作业位置，且机器人在实时作业位置时具备实时位姿信息；确定第一作业位置；分析机器人在第一作业位置的第一作业需求，并生成第一作业需求的预设位姿；将预设位姿作为目标位姿，并通过智能控制模块对目标位姿和初始位姿进行对比分析，得到第一控制决策；根据第一控制决策对第一作业位置上的机器人进行作业控制。本发明解决了现有技术中机器人作业控制准确度低，控制精细化程度不高的技术问题，达到了提高控制准确度和控制效率的技术效果。

Description

多轴自由度机器人的控制方法

技术领域

本发明涉及机器人技术领域，具体涉及一种多轴自由度机器人的控制方法。

背景技术

机器人在执行任务的过程中，实际由一系列连杆和关节完成任务。目前，主要通过根据任务设定对应的机器人行进路线，在路线中的不同位置节点进行作业。然而，在实际作业过程中，受限于工作环境场地的实际情况，导致机器人往往不能根据设定的路线进行工作，进而，根据设定路线设定的机器人动作控制结果贴合任务的程度大大降低，导致控制质量差的后果。现有技术中机器人作业控制准确度低，控制精细化程度不高的技术问题。

发明内容

本申请提供了一种多轴自由度机器人的控制方法，用于针对解决现有技术中机器人作业控制准确度低，控制精细化程度不高的技术问题。

鉴于上述问题，本申请提供了一种多轴自由度机器人的控制方法。

本申请的第一个方面，提供了一种多轴自由度机器人的控制方法，所述方法包括：

读取预定作业轨迹，并引入预设轨迹纠偏函数对所述预定作业轨迹进行分析，得到实际作业轨迹；

获取机器人的实时作业位置，且所述机器人在所述实时作业位置时具备实时位姿信息；

读取预定移动速度，并结合所述实际作业轨迹预判所述机器人在第一时间下的第一作业位置；

将所述实时位姿信息作为所述机器人在所述第一作业位置上的初始位姿；

分析所述机器人在所述第一作业位置的第一作业需求，并生成所述第一作业需求的预设位姿；

将所述预设位姿作为目标位姿，并通过智能控制模块对所述目标位姿和所述初始位姿进行对比分析，得到第一控制决策；

根据所述第一控制决策对所述第一作业位置上的所述机器人进行作业控制。

本申请的第二个方面，提供了一种多轴自由度机器人的控制系统，所述系统包括：

作业轨迹获得单元，所述作业轨迹获得单元用于读取预定作业轨迹，并引入预设轨迹纠偏函数对所述预定作业轨迹进行分析，得到实际作业轨迹；

位姿信息获得单元，所述位姿信息获得单元用于获取机器人的实时作业位置，且所述机器人在所述实时作业位置时具备实时位姿信息；

第一作业位置获得单元，所述第一作业位置获得单元用于读取预定移动速度，并结合所述实际作业轨迹预判所述机器人在第一时间下的第一作业位置；

初始位姿设定单元，所述初始位姿设定单元用于将所述实时位姿信息作为所述机器人在所述第一作业位置上的初始位姿；

预设位姿生成单元，所述预设位姿生成单元用于分析所述机器人在所述第一作业位置的第一作业需求，并生成所述第一作业需求的预设位姿；

第一控制决策获得单元，所述第一控制决策获得单元用于将所述预设位姿作为目标位姿，并通过智能控制模块对所述目标位姿和所述初始位姿进行对比分析，得到第一控制决策；

作业控制单元，所述作业控制单元用于根据所述第一控制决策对所述第一作业位置上的所述机器人进行作业控制。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请通过读取预定作业轨迹，并引入预设轨迹纠偏函数对预定作业轨迹进行分析，得到实际作业轨迹，然后获取机器人的实时作业位置，且机器人在实时作业位置时具备实时位姿信息，进而读取预定移动速度，并结合实际作业轨迹预判机器人在第一时间下的第一作业位置，进而将实时位姿信息作为机器人在第一作业位置上的初始位姿，然后分析机器人在第一作业位置的第一作业需求，并生成第一作业需求的预设位姿，进而将预设位姿作为目标位姿，并通过智能控制模块对目标位姿和初始位姿进行对比分析，得到第一控制决策，进而根据第一控制决策对第一作业位置上的机器人进行作业控制。达到了提升对机器人作业控制的精度，提高控制效率的技术效果。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种多轴自由度机器人的控制方法流程示意图；

图2为本申请实施例提供的一种多轴自由度机器人的控制方法中生成预定作业轨迹的流程示意图；

图3为本申请实施例提供的一种多轴自由度机器人的控制方法中组成初始位姿的流程示意图；

图4为本申请实施例提供的一种多轴自由度机器人的控制系统结构示意图。

附图标记说明：作业轨迹获得单元11，位姿信息获得单元12，第一作业位置获得单元13，初始位姿设定单元14，预设位姿生成单元15，第一控制决策获得单元16，作业控制单元17。

具体实施方式

本申请通过提供了一种多轴自由度机器人的控制方法，用于针对解决现有技术中机器人作业控制准确度低，控制精细化程度不高的技术问题。

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

需要说明的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例一

如图1所示，本申请提供了一种多轴自由度机器人的控制方法，其中，包括：

读取预定作业轨迹，并引入预设轨迹纠偏函数对所述预定作业轨迹进行分析，得到实际作业轨迹；

进一步的，如图2所示，所述读取预定作业轨迹，本申请实施例还包括：

对预定作业车间进行多维度特征采集，得到预定车间特征信息；根据所述预定车间特征信息构建所述预定作业车间的可视化模型；

对所述可视化模型进行网格划分，得到网格集合，并对所述网格集合中各网格依次进行路径与否标记，得到网格标记集合；获取所述机器人的作业需求，其中，所述作业需求包括多个需求位置；依次匹配所述多个需求位置中各需求位置对应的网格，得到多个位置网格；对所述网格标记集合和所述多个位置网格进行分析，生成所述预定作业轨迹。

在本申请的一个实施例中，为了使多轴自由度机器人能够完成任务，需要对机器人进行作业的路线进行获取，确定机器人完成任务过程中的路线轨迹，也就是所述预定作业轨迹。其中，所述预定作业轨迹是预先根据机器人参数设定的完成作业任务需要行进的作业轨迹，包括作业方向、作业时间、作业轨迹点等。由于，在机器人实际作业过程中，作业轨迹受到作业车间的网格划分精度、轨迹点采集精度等的影响，使机器人的实际作业轨迹与预定作业轨迹之间存在偏差。因此，通过引入所述预设轨迹纠偏函数对所述预定作业轨迹进行分析纠正，从而获得所述实际作业轨迹。其中，所述预设轨迹纠偏函数用于对预定作业轨迹进行纠正，实现提升作业轨迹的准确度和提高轨迹分析效率的目标。

通过对所述预定作业车间从多个维度进行特征采集，获得所述预定车间特征信息。优选的，通过从车间设备布设位置、车间设备布设数量、车间通道布设位置和工序转接距离等维度进行特征采集，确定预定作业车间的特征。其中，所述预定车间特征信息用于将所述预定作业车间与其他作业车间区分开，包括车间宽度、车间长度、车间设备布设位置、工序转接距离等特征。所述工序转接距离是用于对预定作业车间内产品在两个工序之间流转时需要移动的距离进行描述。优选的，根据所述预定车间特征信息，结合BIM模型，在模型中根据特征信息中描述的数据构建所述预定作业车间的可视化模型。其中，所述可视化模型用于直观的描述预定作业车间的内部构成。

在获得所述预定作业车间的可视化模型之后，由本领域技术人员根据需求对所述可视化模型进行网格划分，其中，网格划分的密度由本领域技术人员根据实际情况自行设定，在此不做限制。经过网格划分后，获得所述网格集合。进而，根据所述预定车间特征信息中的车间路径分布情况，对所述网格集合中各个网格依次进行路径与否标记。优选的，所述路径与否标记表明了该网格是否为机器人移动路径，若是，则对该网格进行路径与标记；若否，则对该网格进行路径否标记，从而获得所述网格标记集合。通过根据所述网格标记集合，可以实现对预定作业车间内的机器人作业路径选取的范围进行确定的目标。

优选的，所述作业需求是所述机器人进行作业的目标任务，包括多个需求位置。其中，所述多个需求位置是机器人完成目标任务需要进行作业的位置点。示例性的，利用机器人完成往复喷涂的任务，需要机器人在每个喷涂点上进行停留，进而在喷涂点上利用机械臂完成喷涂，每个喷涂点是一个需求位置。进而，根据所述多个需求位置中各需求位置与所述网格集合进行同位置匹配，获得对应的匹配网格，从而获得多个位置网格。进而，根据所述网格标记集合中的路径与否标记，确定多个位置网格之间的移动轨迹，从而生成所述预定作业轨迹。示例性的，有3个位置网格，根据网格标记集合确定从第一个位置网格到第二个位置网格之间具有路径与标记的多个网格，以及从第二个位置网格到第一个位置网格之间具有路径与标记的多个网格，优选的，从具有路径与标记的多个网格中确定连接网格数量最少、移动距离最短的路径作为预定作业轨迹。通过对预定作业车间进行网格划分，以及路径标记，达到了提升预定作业轨迹准确性的技术效果。

进一步的，所述预设轨迹纠偏函数如下：；其中，/>是指所述实际作业轨迹中第i个轨迹点/>与所述预定作业轨迹中第i个轨迹点/>之间的所述预设轨迹纠偏函数，/>是指轨迹点偏差反馈调节系数，/>是指所述实际作业轨迹中第i个轨迹点的变量调节系数，且/>，其中，/>是指模型构建精度调节系数，/>是指网格划分准确性调节系数，/>是指实际轨迹点采集调节系数，n是指所述实际作业轨迹与所述预定作业轨迹中均包括n个轨迹点。

进一步的，本申请实施例还包括：

获取所述机器人的同类机器人产品；采集所述同类机器人产品的历史作业轨迹记录，并提取所述历史作业轨迹记录中的第一历史记录，其中，所述第一历史记录包括第一历史预定轨迹和第一历史实际轨迹；分别提取所述第一历史预定轨迹和所述第一历史实际轨迹中的第一历史预定轨迹点、第一历史实际轨迹点，且所述第一历史预定轨迹点和所述第一历史实际轨迹点均具备第一历史时刻的标识；依次获取所述第一历史预定轨迹点的第一历史位置坐标和所述第一历史实际轨迹点的第二历史位置坐标；计算所述第一历史位置坐标和所述第二历史位置坐标的距离，得到第一轨迹点偏差；根据所述第一轨迹点偏差计算得到历史平均轨迹点偏差，并将所述历史平均轨迹点偏差作为所述轨迹点偏差反馈调节系数。

在一个可能的实施例中，通过以机器人的型号为索引，在大数据中进行匹配，获得对应的同类机器人产品。进而，对同类机器人产品的历史作业轨迹记录进行采集，其中，所述历史作业轨迹记录对同类机器人产品在工作过程中行驶的路线进行描述，包括第一历史预定轨迹和第一历史实际轨迹。所述第一历史预定轨迹是同类机器人产品预先设定的完成任务时的轨迹。所述第一历史实际轨迹是同类机器人实际完成任务时行驶的轨迹。分别对第一历史预定轨迹和第一历史实际轨迹中的第一历史时刻的轨迹点进行提取，进而获得第一历史预定轨迹点和第一历史实际轨迹点，且所述第一历史预定轨迹点和所述第一历史实际轨迹点均具备第一历史时刻的标识。

对第一历史预定轨迹点的第一历史位置坐标和所述第一历史实际轨迹点的第二历史位置坐标进行获取，优选的，以历史预定作业车间的空间进行坐标系建立，从而获得第一历史预定轨迹点和第一历史实际轨迹点分别唯一对应的位置坐标。可选的，通过使用欧式距离，或者曼哈顿距离对所述第一历史位置坐标和所述第二历史位置坐标之间的距离进行计算，将计算获得距离作为第一轨迹点偏差。其中，所述第一轨迹点偏差反映了第一历史记录中同类机器人第一历史实际轨迹的第一历史实际轨迹点和第一历史预定轨迹点之间的偏差。进而，根据与第一轨迹点偏差同样的计算方法，计算历史作业轨迹记录中多个历史记录对应的第一轨迹点偏差，对计算结果进行均值处理，获得所述历史平均轨迹点偏差，进而，将所述历史平均轨迹点偏差作为所述轨迹点偏差反馈调节系数。其中，所述轨迹点偏差反馈调节系数反映了对预定作业轨迹中的轨迹点进行纠偏的程度。达到了提升纠偏准确性和效率的技术效果。

获取机器人的实时作业位置，且所述机器人在所述实时作业位置时具备实时位姿信息；

读取预定移动速度，并结合所述实际作业轨迹预判所述机器人在第一时间下的第一作业位置；

在一个可能的实施例中，通过对机器人的实时作业位置进行获取，并对机器人在实时作业位置的位姿进行采集，获得实时位姿信息。其中，所述实时作业位置反映了机器人在实际作业轨迹中的位置，进而可以确定机器人需要完成任务时的位姿状态。所述实时位姿信息反映了机器人在实时作业位置时的姿势状态。所述预定移动速度是机器人在实际作业轨迹中单位时间内的行进速度。所述第一作业位置是机器人在第一时间下所处的位置。优选的，通过以机器人的实时作业位置为移动初始点，根据预定移动速度和第一时间的时间长度计算在第一时间内机器人移动的距离，结合实际作业轨迹确定机器人在第一时间下的第一作业位置。

将所述实时位姿信息作为所述机器人在所述第一作业位置上的初始位姿；

进一步的，如图3所示，所述将所述实时位姿信息作为所述机器人在所述第一作业位置上的初始位姿，本申请实施例还包括：

获取所述机器人的任意一个机器作业机械组件，并记作第一机器作业机械组件；获取所述第一机器作业机械组件在所述第一作业位置上的第一状态特征参数；将所述第一状态特征参数作为第一初始位姿，并组成所述初始位姿。

进一步的，所述机器人具备第一机械臂，在所述获取所述机器人的任意一个机器作业机械组件，并记作第一机器作业机械组件之前，本申请实施例还包括：

所述第一机械臂包括第一机械关节和第二机械关节，且所述第二机械关节与第一机械手相连，其中，所述第一机械手包括第一机械手指和第二机械手指；所述第一机械关节、所述第二机械关节、所述第一机械手指和所述第二机械手指共同组成所述机器人的机器作业机械组件集。

在一个可能的实施例中，将所述实时位姿信息作为机器人在第一作业位置上的初始位姿，也就是说，机器人在从实时作业位置移动到第一作业位置的过程中位姿不发生变化。达到了确定机器人在第一作业位置上的初始姿势状态的技术效果。

所述机器人具有多个机械作业机械组件，在进行位姿确定之前，需要对机器人的机械作业机械组件进行获取。优选的，所述机器人具备第一机械臂，其中，所述第一机械臂包括第一机械关节和第二机械关节，且所述第二机械关节与第一机械手相连。第一机械关键关节用于连接机器人的肩部和第一机械臂的第一刚性构件（连杆），第二机械关节用于连接第一机械臂的第一刚性构件（连杆）与第一机械臂的第一机械手，优选的，所述第一机械手包括第一机械手指和第二机械手指。机器人的第一机械臂通过第一机械手指和第二机械手指进行配合，完成任务。进而，由第一机械关节、所述第二机械关节、所述第一机械手指和所述第二机械手指共同组成所述机器人的机器作业机械组件集。

从所述机器作业机械组件集中任意选取一个机器作业机械组件，将其记作第一机器作业机械组件。优选的，通过CCD图像传感器对第一机器作业机械组件进行图像采集，根据采集到的图像获得第一机器作业机械组件在第一作业位置上的第一状态特征参数。所述CCD图像传感器具有体积小、质量轻、图像畸变小的优点，可以获得较高的光电灵敏度。其中，所述第一状态特征参数包括俯仰角、欧拉滚动角等。将所述第一状态特征参数作为第一初始位姿，进而，利用与第一初始位姿同样的获取方式，获得机器作业机械组件集中所有机器作业机械组件的多个初始位姿，然后组成所述初始位姿。

分析所述机器人在所述第一作业位置的第一作业需求，并生成所述第一作业需求的预设位姿；

将所述预设位姿作为目标位姿，并通过智能控制模块对所述目标位姿和所述初始位姿进行对比分析，得到第一控制决策；

进一步的，所述将所述预设位姿作为目标位姿，并通过智能控制模块对所述目标位姿和所述初始位姿进行对比分析，得到第一控制决策，本申请实施例还包括：

所述智能控制模块包括多个控制分析通道；在所述多个控制分析通道中匹配所述第一机器作业机械组件的第一控制分析通道；获取所述第一机器作业机械组件在所述第一作业位置上的第二状态特征参数，并将所述第二状态特征参数作为第一目标位姿；通过所述第一控制分析通道对所述第一初始位姿和所述第一目标位姿进行对比分析，得到第一对比结果，其中，所述第一对比结果是指第一角度差，且所述第一角度差具备第一方向标识；分析所述第一角度差确定第一组件控制决策，并组成所述第一控制决策。

在一个可能的实施例中，通过获取机器人在第一作业位置的第一作业需求，其中，所述第一作业需求是机器人在第一作业位置需要完成的任务，根据第一作业需求结合机器人的结构确定机器人在第一作业位置完成任务需要的位姿。将所述预设位姿作为目标位姿，并通过智能控制模块对所述目标位姿和所述初始位姿进行对比分析，获得第一控制决策。其中，所述智能控制模块用于根据目标位姿和初始位姿之间的对比结果确定对机器人进行位姿调整的方案，达到了提升控制决策输出效率和准确性的技术效果。其中，所述第一控制决策用于将机器人从初始位姿调整至目标位姿的方案。

在一个可能的实施例中，所述智能控制模块包括多个控制分析通道，每个控制分析通道对应机器人的一个机器作业机械组件。优选的，通过获取多个样本第一目标位姿、多个样本第一初始位姿、多个样本第一对比结果作为训练数据集，对基于BP神经网络构建的多个框架分别进行监督训练，直至输出达到收敛，获得所述多个控制分析通道。优选的，通过以机器人作业动作为索引在机器人的历史作业记录数据中进行检索，获得所述多个样本第一目标位姿、多个样本第一初始位姿和多个样本第一对比结果。

对第一机器作业机械组件在第一作业位置上的第二状态特征参数进行采集，也就是所述第一机器作业机械组件在第一作业位置上完成任务时的状态特征参数，将其作为第一目标位姿。将第一初始位姿和第一目标位姿输入所述第一控制分析通道中，进行智能化分析，获得所述第一对比结果。其中，所述第一对比结果是指第一角度差，且所述第一角度差具备第一方向标识。也就是说，所述第一角度差包括从第一初始位姿改变至第一目标位姿移动的方向。进而，根据第一角度差确定对第一组件进行控制调整的第一组件控制决策，基于同样的方法，确定机器人的机器作业机械组件集中组件对应的多个组件控制决策，与第一组件控制决策进行合并，获得所述第一控制决策。

根据所述第一控制决策对所述第一作业位置上的所述机器人进行作业控制。

在获得所述第一控制决策后，对第一作业位置上的所述机器人对应的组件进行角度调整，使机器人能够调整至作业状态，实现对机器人进行作业控制的目标。达到了提升对机器人进行作业控制的准确度和效率的技术效果。

综上所述，本申请实施例至少具有如下技术效果：

本申请通过引入预设轨迹纠偏函数对机器人的预定作业轨迹进行纠偏，获得实际作业轨迹，然后对实时作业位置的机器人位姿进行获取，将其作为第一时间下第一作业位置的机器人初始位姿，结合第一作业需求确定机器人完成任务的预设位姿，利用智能化的智能控制模块对机器人的机器作业机械组件逐一进行目标位姿和初始位姿的对比分析，获得第一控制决策，然后根据第一控制决策对第一作业位置的机器人进行作业控制。达到了提升对机器人进行控制的准确度，提高控制效率的技术效果。

实施例二

基于与前述实施例中一种多轴自由度机器人的控制方法相同的发明构思，如图4所示，本申请提供了一种多轴自由度机器人的控制系统，本申请实施例中的系统与方法实施例基于同样的发明构思。其中，所述系统包括：

作业轨迹获得单元11，所述作业轨迹获得单元11用于读取预定作业轨迹，并引入预设轨迹纠偏函数对所述预定作业轨迹进行分析，得到实际作业轨迹；

位姿信息获得单元12，所述位姿信息获得单元12用于获取机器人的实时作业位置，且所述机器人在所述实时作业位置时具备实时位姿信息；

第一作业位置获得单元13，所述第一作业位置获得单元13用于读取预定移动速度，并结合所述实际作业轨迹预判所述机器人在第一时间下的第一作业位置；

初始位姿设定单元14，所述初始位姿设定单元14用于将所述实时位姿信息作为所述机器人在所述第一作业位置上的初始位姿；

预设位姿生成单元15，所述预设位姿生成单元15用于分析所述机器人在所述第一作业位置的第一作业需求，并生成所述第一作业需求的预设位姿；

第一控制决策获得单元16，所述第一控制决策获得单元16用于将所述预设位姿作为目标位姿，并通过智能控制模块对所述目标位姿和所述初始位姿进行对比分析，得到第一控制决策；

作业控制单元17，所述作业控制单元17用于根据所述第一控制决策对所述第一作业位置上的所述机器人进行作业控制。

进一步的，所述作业轨迹获得单元11用于执行如下方法：

对预定作业车间进行多维度特征采集，得到预定车间特征信息；

根据所述预定车间特征信息构建所述预定作业车间的可视化模型；

对所述可视化模型进行网格划分，得到网格集合，并对所述网格集合中各网格依次进行路径与否标记，得到网格标记集合；

获取所述机器人的作业需求，其中，所述作业需求包括多个需求位置；

依次匹配所述多个需求位置中各需求位置对应的网格，得到多个位置网格；

对所述网格标记集合和所述多个位置网格进行分析，生成所述预定作业轨迹。

进一步的，所述作业轨迹获得单元11中的所述预设轨迹纠偏函数如下：；其中，/>是指所述实际作业轨迹中第i个轨迹点/>与所述预定作业轨迹中第i个轨迹点/>之间的所述预设轨迹纠偏函数，/>是指轨迹点偏差反馈调节系数，/>是指所述实际作业轨迹中第i个轨迹点/>的变量调节系数，且/>，其中，/>是指模型构建精度调节系数，/>是指网格划分准确性调节系数，/>是指实际轨迹点采集调节系数，n是指所述实际作业轨迹与所述预定作业轨迹中均包括n个轨迹点。

进一步的，所述作业轨迹获得单元11用于执行如下方法：

获取所述机器人的同类机器人产品；

采集所述同类机器人产品的历史作业轨迹记录，并提取所述历史作业轨迹记录中的第一历史记录，其中，所述第一历史记录包括第一历史预定轨迹和第一历史实际轨迹；

分别提取所述第一历史预定轨迹和所述第一历史实际轨迹中的第一历史预定轨迹点、第一历史实际轨迹点，且所述第一历史预定轨迹点和所述第一历史实际轨迹点均具备第一历史时刻的标识；

依次获取所述第一历史预定轨迹点的第一历史位置坐标和所述第一历史实际轨迹点的第二历史位置坐标；

计算所述第一历史位置坐标和所述第二历史位置坐标的距离，得到第一轨迹点偏差；

根据所述第一轨迹点偏差计算得到历史平均轨迹点偏差，并将所述历史平均轨迹点偏差作为所述轨迹点偏差反馈调节系数。

进一步的，所述初始位姿设定单元14用于执行如下方法：

获取所述机器人的任意一个机器作业机械组件，并记作第一机器作业机械组件；

获取所述第一机器作业机械组件在所述第一作业位置上的第一状态特征参数；

将所述第一状态特征参数作为第一初始位姿，并组成所述初始位姿。

进一步的，所述初始位姿设定单元14用于执行如下方法：

所述第一机械臂包括第一机械关节和第二机械关节，且所述第二机械关节与第一机械手相连，其中，所述第一机械手包括第一机械手指和第二机械手指；

所述第一机械关节、所述第二机械关节、所述第一机械手指和所述第二机械手指共同组成所述机器人的机器作业机械组件集。

进一步的，所述第一控制决策获得单元16用于执行如下方法：

所述智能控制模块包括多个控制分析通道；

在所述多个控制分析通道中匹配所述第一机器作业机械组件的第一控制分析通道；

获取所述第一机器作业机械组件在所述第一作业位置上的第二状态特征参数，并将所述第二状态特征参数作为第一目标位姿；

通过所述第一控制分析通道对所述第一初始位姿和所述第一目标位姿进行对比分析，得到第一对比结果，其中，所述第一对比结果是指第一角度差，且所述第一角度差具备第一方向标识；

分析所述第一角度差确定第一组件控制决策，并组成所述第一控制决策。

需要说明的是，上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (5)

1.一种多轴自由度机器人的控制方法，其特征在于，包括：

读取预定作业轨迹，并引入预设轨迹纠偏函数对所述预定作业轨迹进行分析，得到实际作业轨迹；

获取机器人的实时作业位置，且所述机器人在所述实时作业位置时具备实时位姿信息；

读取预定移动速度，并结合所述实际作业轨迹预判所述机器人在第一时间下的第一作业位置；

将所述实时位姿信息作为所述机器人在所述第一作业位置上的初始位姿，包括：

获取所述机器人的任意一个机器作业机械组件，并记作第一机器作业机械组件；

获取所述第一机器作业机械组件在所述第一作业位置上的第一状态特征参数；

将所述第一状态特征参数作为第一初始位姿，并组成所述初始位姿；

其中，所述机器人具备第一机械臂，在所述获取所述机器人的任意一个机器作业机械组件，并记作第一机器作业机械组件之前，还包括：

所述第一机械臂包括第一机械关节和第二机械关节，且所述第二机械关节与第一机械手相连，其中，所述第一机械手包括第一机械手指和第二机械手指；

所述第一机械关节、所述第二机械关节、所述第一机械手指和所述第二机械手指共同组成所述机器人的机器作业机械组件集；

分析所述机器人在所述第一作业位置的第一作业需求，并生成所述第一作业需求的预设位姿；

将所述预设位姿作为目标位姿，并通过智能控制模块对所述目标位姿和所述初始位姿进行对比分析，得到第一控制决策，包括：

所述智能控制模块包括多个控制分析通道；

在所述多个控制分析通道中匹配所述第一机器作业机械组件的第一控制分析通道；

获取所述第一机器作业机械组件在所述第一作业位置上的第二状态特征参数，并将所述第二状态特征参数作为第一目标位姿；

通过所述第一控制分析通道对所述第一初始位姿和所述第一目标位姿进行对比分析，得到第一对比结果，其中，所述第一对比结果是指第一角度差，且所述第一角度差具备第一方向标识；

分析所述第一角度差确定第一组件控制决策，并组成所述第一控制决策；

根据所述第一控制决策对所述第一作业位置上的所述机器人进行作业控制。

2.根据权利要求1所述方法，其特征在于，所述读取预定作业轨迹，包括：

对预定作业车间进行多维度特征采集，得到预定车间特征信息；

根据所述预定车间特征信息构建所述预定作业车间的可视化模型；

对所述可视化模型进行网格划分，得到网格集合，并对所述网格集合中各网格依次进行路径与否标记，得到网格标记集合；

获取所述机器人的作业需求，其中，所述作业需求包括多个需求位置；

依次匹配所述多个需求位置中各需求位置对应的网格，得到多个位置网格；

对所述网格标记集合和所述多个位置网格进行分析，生成所述预定作业轨迹。

3.根据权利要求2所述方法，其特征在于，所述预设轨迹纠偏函数如下：

;

其中，是指所述实际作业轨迹中第i个轨迹点/>与所述预定作业轨迹中第i个轨迹点/>之间的所述预设轨迹纠偏函数，/>是指轨迹点偏差反馈调节系数，/>是指所述实际作业轨迹中第i个轨迹点/>的变量调节系数，且/>，其中，/>是指模型构建精度调节系数，/>是指网格划分准确性调节系数，/>是指实际轨迹点采集调节系数，n是指所述实际作业轨迹与所述预定作业轨迹中均包括n个轨迹点。

4.根据权利要求3所述方法，其特征在于，所述方法包括：

获取所述机器人的同类机器人产品；

采集所述同类机器人产品的历史作业轨迹记录，并提取所述历史作业轨迹记录中的第一历史记录，其中，所述第一历史记录包括第一历史预定轨迹和第一历史实际轨迹；

分别提取所述第一历史预定轨迹和所述第一历史实际轨迹中的第一历史预定轨迹点、第一历史实际轨迹点，且所述第一历史预定轨迹点和所述第一历史实际轨迹点均具备第一历史时刻的标识；

依次获取所述第一历史预定轨迹点的第一历史位置坐标和所述第一历史实际轨迹点的第二历史位置坐标；

计算所述第一历史位置坐标和所述第二历史位置坐标的距离，得到第一轨迹点偏差；

根据所述第一轨迹点偏差计算得到历史平均轨迹点偏差，并将所述历史平均轨迹点偏差作为所述轨迹点偏差反馈调节系数。

5.一种多轴自由度机器人的控制系统，其特征在于，所述系统包括：

作业轨迹获得单元，所述作业轨迹获得单元用于读取预定作业轨迹，并引入预设轨迹纠偏函数对所述预定作业轨迹进行分析，得到实际作业轨迹；

位姿信息获得单元，所述位姿信息获得单元用于获取机器人的实时作业位置，且所述机器人在所述实时作业位置时具备实时位姿信息；

第一作业位置获得单元，所述第一作业位置获得单元用于读取预定移动速度，并结合所述实际作业轨迹预判所述机器人在第一时间下的第一作业位置；

初始位姿设定单元，所述初始位姿设定单元用于将所述实时位姿信息作为所述机器人在所述第一作业位置上的初始位姿；

预设位姿生成单元，所述预设位姿生成单元用于分析所述机器人在所述第一作业位置的第一作业需求，并生成所述第一作业需求的预设位姿；

第一控制决策获得单元，所述第一控制决策获得单元用于将所述预设位姿作为目标位姿，并通过智能控制模块对所述目标位姿和所述初始位姿进行对比分析，得到第一控制决策；

作业控制模块单元，所述作业控制单元用于根据所述第一控制决策对所述第一作业位置上的所述机器人进行作业控制；

初始位姿设定单元用于执行如下方法：

获取所述机器人的任意一个机器作业机械组件，并记作第一机器作业机械组件；

获取所述第一机器作业机械组件在所述第一作业位置上的第一状态特征参数；

将所述第一状态特征参数作为第一初始位姿，并组成所述初始位姿；

第一机械臂包括第一机械关节和第二机械关节，且所述第二机械关节与第一机械手相连，其中，所述第一机械手包括第一机械手指和第二机械手指；

所述第一机械关节、所述第二机械关节、所述第一机械手指和所述第二机械手指共同组成所述机器人的机器作业机械组件集；

所述第一控制决策获得单元用于执行如下方法：

所述智能控制模块包括多个控制分析通道；

在所述多个控制分析通道中匹配所述第一机器作业机械组件的第一控制分析通道；

获取所述第一机器作业机械组件在所述第一作业位置上的第二状态特征参数，并将所述第二状态特征参数作为第一目标位姿；

通过所述第一控制分析通道对所述第一初始位姿和所述第一目标位姿进行对比分析，得到第一对比结果，其中，所述第一对比结果是指第一角度差，且所述第一角度差具备第一方向标识；

分析所述第一角度差确定第一组件控制决策，并组成所述第一控制决策。