CN117182910A - 一种智能装配机器人装配控制方法及控制系统 - Google Patents
一种智能装配机器人装配控制方法及控制系统 Download PDFInfo
- Publication number
- CN117182910A CN117182910A CN202311250958.1A CN202311250958A CN117182910A CN 117182910 A CN117182910 A CN 117182910A CN 202311250958 A CN202311250958 A CN 202311250958A CN 117182910 A CN117182910 A CN 117182910A
- Authority
- CN
- China
- Prior art keywords
- assembly
- robot
- sequence
- intelligent
- action flow
- 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 78
- 230000009471 action Effects 0.000 claims abstract description 46
- 230000008569 process Effects 0.000 claims abstract description 45
- 230000033001 locomotion Effects 0.000 claims abstract description 32
- 230000007246 mechanism Effects 0.000 claims abstract description 7
- 230000003993 interaction Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000008447 perception Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 2
- 239000000178 monomer Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- 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
- Manipulator (AREA)
Abstract
一种智能装配机器人装配控制方法及控制系统,控制方法包括:导入先验信息;生成装配顺序与工艺;依据先验信息以及装配顺序与工艺,生成每个零件的装配动作流程;进行装配动作流程拆解,使得每个动作流程对应到一个或多个机械臂的运动控制上;将每个机械臂的运动控制统一使用状态机模型来进行。本发明同时将多机器人底层设计统一控制模型为路径规划、运动、作业状态机模型,采用区块链式消息共享机制同步各自状态信息,最后采用具身智能框架进行信息收集与反馈处理,收集的信息包括三维点云数据、传感器数据、机器人反馈状态数据、系统历史记录数据,最终完成智能装配决策。本发明可以实现自主决策作业,智能化适配多种不同装配需求的高精度标准。
Description
技术领域
本发明属于机器人控制领域,具体涉及一种智能装配机器人装配控制方法及控制系统。
背景技术
智能装配生产线的信息化集成过程就是将物理对象(智能装配装备、产品)等与信息系统(如MES和ERP)进行集成,通过计算机集成控制产品的装配过程。通过智能人机交互将机器和人的优势充分发挥,实现产品装配过程的智能化、高效化。总装智能生产线融合智能装备、智能配送、物联网、人工智能、数据挖掘、信息系统集成以及计算机仿真等先进技术。利用现代信息技术和网络技术,以“产品加工与装配”为主线,将由计算机、网络、数据库、设备、软件等所组成的系统平台构建成一个高速信息网,从而实现计划快速下达、作业调度控制、工艺指导、生产统计、设备状态监控、质量全面管控及追溯、生产信息协同(物料协同、准时配送、生产准备协同)等,最终实现设备的智能化、生产管理的信息化。
智能化装备单体虽然具备智能特征,但其功能和效率始终是优先的,无法满足现代制造业规模化发展的需求,因此,需要将智能化装备进一步发展,从而建立智能装配系统。
目前底层的多台智能化装备组成数字化装配生产线,实现智能化装备间的连接;多条数字化装配线进一步组成数字化车间,实现数字化生产线的连接;最终,数字化车间组成了智能化工厂,实现各数字化车间的连接。而顶层的应用层由物联网、云计算、大数据、机器学习、远程运维等使能技术组成,为智能装配系统提供技术支撑与服务。
现有技术中,在智能装配领域,流水线式产线作业十分常见,这种场景下的机器人运动模式固化,无法通过分析环境、对象与自身的状态关系,实现自主决策作业,装配零件单一,也就无法做到智能化适配多种不同装配需求的高精度标准。
发明内容
本发明的目的在于针对上述现有技术中的问题,提供一种智能装配机器人装配控制方法及控制系统,实现自主决策作业,智能化适配多种不同装配需求的高精度标准,采用区块链式消息共享机制在各个机器人间同步各自状态,并行协同控制各个机器人,提高作业效率。
为了实现上述目的,本发明有如下的技术方案:
一种智能装配机器人装配控制方法,包括:
导入先验信息;
生成装配顺序与工艺;
依据先验信息以及装配顺序与工艺,生成每个零件的装配动作流程;
进行装配动作流程拆解,使得每个动作流程对应到一个或多个机械臂的运动控制上;
将每个机械臂的运动控制统一使用状态机模型来进行。
作为一种优选的方案,所述导入先验信息的步骤中,先验信息包括产品模型、零件模型、装配台模型与环境模型。
作为一种优选的方案,所述生成装配顺序与工艺的步骤中,装配顺序分析的输出通过树的结构表达,树的结构包括一棵或多棵树,其中在每棵树的结构中,叶子结点为初始零件,非叶子节点为装配形成的局部零件,每个装配动作均为将多个零件组装成部件,所述的零件为初始零件或者是部件。
作为一种优选的方案,所述导入先验信息的步骤中,首先提取零件的结构特征,通过结构特征间的关系,确定装配关系;
再通过结构特征分解其中关键的特征要素,对位置及姿态尺寸偏差情况微观统计得到位置公差,对形状尺寸偏差情况进行微观统计得到形状公差。
作为一种优选的方案,在所述依据先验信息以及装配顺序与工艺,生成每个零件的装配动作流程的步骤,以及进行装配动作流程拆解,使得每个动作流程对应到一个或多个机械臂的运动控制上的步骤中,依据元操作层级逐级拆解,一级元操作节点通过拆解业务流程得到,二级元操作节点通过分析机器人能做到的基础操作得到;每一个一级元操作均对应若干个二级元操作,级元操作是可复用的节点集。
作为一种优选的方案,在一级元操作生成时,核心算法为矩阵/模型决策,收集现场数据形成输入特征,依次迭代,形成一级元操作序列;收集的现场数据包括:三维点云数据、传感器数据、机器人反馈状态数据以及系统历史记录数据,通过不断的感知,不断的运动与环境交互,从中获取更新后的信息。
作为一种优选的方案,若二级元操作库涵盖机器人单次指令下发能做到的所有动作,则无论一级元操作定义为什么样的任务,只要是机器人能够完成的,均能够从二级元操作库中查到,并形成对应的二级元操作解法。
作为一种优选的方案,所述将每个机械臂的运动控制统一使用状态机模型来进行的步骤,每个机器人对应一个独立的状态机,每个状态机中包括6个状态:开始、结束、异常、路径规划、运动、作业。
作为一种优选的方案,路径规划内容为:机器人从起始位置运动至待作业操作点位序列路径,视觉确认与待作业操作位姿偏差,确认进行作业或重新进行路径规划以及运动调整;
两个机器人同时运动,无论是否有共同的作业对象,都为连续协同,依靠路径规划依照时间或位置给出的约束来分别控制机器人运动;离散协同使用协同条件进行触发或结束;
多机器人同时运动时,属于协同控制,考虑基于时间或位置进行路径规划;多机器人操作同一目标时,属于协同中的协作作业,在状态机控制时,产生多次交互;机器人之间数据状态共享,采用区块链式消息共享机制同步各自状态信息,属于分布式控制系统。
一种智能装配机器人装配控制系统,包括:
先验信息导入模块,用于导入先验信息;
装配顺序与工艺生成模块,用于生成装配顺序与工艺;
装配动作流程生成模块,用于依据先验信息以及装配顺序与工艺,生成每个零件的装配动作流程;
装配动作流程拆解模块,用于进行装配动作流程拆解,使得每个动作流程对应到一个或多个机械臂的运动控制上;
状态机表达模块,用于将每个机械臂的运动控制统一使用状态机模型来进行。
相较于现有技术,本发明至少具有如下的有益效果:
通过对环境、对象、本体模型进行分析,可以智能的生成装配顺序与装配流程,同时将多机器人底层设计统一控制模型为路径规划、运动、作业状态机模型,采用区块链式消息共享机制同步各自状态信息,最后采用具身智能框架进行信息收集与反馈处理,收集的信息包括三维点云数据、传感器数据、机器人反馈状态数据、系统历史记录数据,最终完成智能装配决策。本发明通过对总装模型和零件模型进行分析,获取装配关系和装配方式集合,形成零件装配关系与安装位置表,依据此推导零件装配顺序与零件装配工艺,遍历零件装配顺序,对每一个零件自动生成装配流程,然后调用状态机结合装配工艺完成具体的机械臂控制动作。本发明可以实现机器人自主装配决策作业,智能化适配多种不同装配需求,采用区块链式消息共享机制在各个机器人间同步各自状态,并行协同控制各个机器人,提高了作业效率。
附图说明
为了更清楚地说明本发明申请中的技术方案,下面将对申请描述中所需要使用的附图作简单地介绍,下面描述中的附图仅仅是本申请的一些实施例,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是本发明实施例智能装配机器人装配控制方法的系统层级图;
图2是本发明实施例智能装配机器人装配控制系统的工作流程图;
图3是本发明实施例装配关系与形位公差拆解示意图;
图4是本发明实施例装配树示意图;
图5是本发明实施例智能装配机器人装配控制方法的装配流程生成流程图;
图6是本发明实施例一级元操作与二级元操作映射关系示意图;
图7是本发明实施例单个状态机设计示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,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。
请参阅图1,本发明实施例的智能装配机器人装配控制方法,包括以下步骤:
S1、导入先验信息;
S2、生成装配顺序与工艺;
S3、依据先验信息以及装配顺序与工艺,生成每个零件的装配动作流程;
S4、进行装配动作流程拆解,使得每个动作流程对应到一个或多个机械臂的运动控制上;
S5、将每个机械臂的运动控制统一使用状态机模型来进行。
对应上述本发明实施例的智能装配机器人装配控制方法,控制系统由上及下包括5个层级,层级1先验信息导入,导入的先验信息包括产品模型、零件模型、装配台模型与环境模型;层级2装配顺序与工艺生成,通过对各种模型的分析,生成装配树、联接语义、工艺参数与工艺方法;层级3装配工作流程生成,依据前两个层级信息与作业常识,生成每个零件的装配动作流程;层级4过程动作拆解,每个动作流程需对应到一个或多个机械臂的运动控制上;层级5模块动作拆解,将每个机械臂的运动控制统一使用状态机模型来进行。
如图2所示,在本发明实施例智能装配机器人装配控制系统的工作流程中,首先对系统模型中的总装模型和零件模型进行分析,获取装配关系和装配方式集合,形成零件装配关系与安装位置表,依据此进一步推导零件装配顺序与零件装配工艺,遍历零件装配顺序,对每一个零件自动生成装配流程,然后调用状态机结合装配工艺完成具体的机械臂控制动作。
需要说明的是,在控制系统的层级1中,零件装配关系与安装位置的分析过程如图3所示,首先,提取零件的结构特征,通过结构特征间的关系,确定装配关系。再通过结构特征分解其中关键的特征要素,对位置及姿态尺寸偏差情况微观统计得到位置公差,对形状尺寸偏差情况微观统计得到形状公差。
需要进一步说明的是,装配顺序往往都不是串行的,如图4所示,装配顺序分析的输出通过树的结构表达(顺序为一棵或多棵树,其中每棵树的结构如图4所示,叶子结点为初始零件,非叶子节点为装配形成的局部零件(以下称为部件),每个装配动作均为多个零件组装成部件,其中零件或者是初始零件,或者是部件),主要原因如下:
1、从整个装配顺序考虑,可能存在一个或多个互不影响的局部装配工作,可表示为多个树,多个状态机执行装配,需要考虑多状态机资源竞争问题,实现任务的阻塞、就绪、执行;
2、装配某几个零件为一个部件时,没有严格顺序要求,故某结点的子结点无顺序要求,则某部件的装配可用多叉树表示;
3、具体某几个零件如何装配是由三维算法分析形态,根据装配工艺先验知识分析得到的,需要考虑如何将装配方式通过状态机运作;
4、同层不同部件或零件可并行装配,如果是非叶子节点,则需要递归至下一层先完成该部件装配,装配过程相当于从叶子到根的逆生长过程,逐步完成装配。
在层级3和层级4向下传递过程中,依据元操作层级逐级拆解,如图5所示。一级元操作节点通过拆解业务流程得到。二级元操作节点通过分析机器人能做到的基础操作得到。
在一级元操作生成时,核心算法为矩阵/模型决策,收集现场数据形成输入特征,依次迭代,形成一级元操作序列。收集的现场数据包括:三维点云数据、传感器数据、机器人反馈状态数据、系统历史记录数据,通过不断的感知,不断的运动与环境交互,从中获取更新后的信息。在不断决策、运动过程中体现其具身性。每一个一级元操作都会对应若干个二级元操作,级元操作是可复用的节点集。假设二级元操作库可以涵盖机器人单次指令下发(一轮状态机跳转)能做到的所有动作之后。则无论一级元操作定义为什么样的任务,只要是机器人能完成的,必然都可以从二级元操作库中查到,并形成对应的二级元操作解法。
这样知识库的扩充逻辑就变成了:
(1)当面临新的业务问题(组装新产品,组装新零件,工艺有更新等等)时,一级元操作知识库会随之增加。
(2)按业务需要或按动作类型,分析机器人能完成的工作,并扩充二级元操作知识库。
如此知识库会发展成类似知识图谱,如图6所示。后续经过知识节点属性的扩充和分类等操作扩充知识库。在数据积累到一定程度之后,就可以进行知识的推理,即智能生成二级元操作序列的操作,人工对生成的序列进行校正,从而提升了工作效率。
进一步,在层级5最底层模块动作拆解中,每个机器人对应一个独立的状态机,如图7所示,每个状态机中包括6个状态:开始、结束、异常、路径规划、运动、作业。前3个状态比较容易理解,路径规划内容为:机器人从起始位置运动至待作业操作点位序列路径,视觉确认与待作业操作位姿偏差,确认进行作业或重新进行路径规划到运动调整。作业过程主要为IO控制过程,如需机器人控制,采用线性插值方法,无需路径规划。
两个机器人同时运动,无论是否有共同的作业对象,都为连续协同,依靠路径规划依照时间或位置给出的约束来分别控制机器人运动即可,无需进行节点条件的判断;离散协同,需使用协同条件进行触发或结束。
在多机器人组成的整体系统中,支持多线程并行执行,多状态机线程之间,只在作业状态可能有先后要求。多机器人同时运动时,属于协同控制,需考虑基于时间或位置进行路径规划。多机器人操作同一目标时,属于协同中的协作作业,在状态机控制时,会产生多次交互。机器人之间数据状态共享,采用区块链式消息共享机制同步各自状态信息,属于分布式控制系统。
本发明实施例还提出一种智能装配机器人装配控制系统,包括:
先验信息导入模块,用于导入先验信息;
装配顺序与工艺生成模块,用于生成装配顺序与工艺;
装配动作流程生成模块,用于依据先验信息以及装配顺序与工艺,生成每个零件的装配动作流程;
装配动作流程拆解模块,用于进行装配动作流程拆解,使得每个动作流程对应到一个或多个机械臂的运动控制上;
状态机表达模块,用于将每个机械臂的运动控制统一使用状态机模型来进行。
本发明实施例还提出一种电子设备,包括:存储器,存储至少一个指令;及处理器,执行所述存储器中存储的指令以实现本发明所述智能装配机器人装配控制方法。
本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现本发明所述智能装配机器人装配控制方法。
示例性的,所述存储器中存储的指令可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在计算机可读存储介质中,并由所述处理器执行,以完成本发明所述智能装配机器人装配控制方法。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段,该指令段用于描述所述计算机程序在服务器中的执行过程。
所述电子设备可以是智能手机、笔记本、掌上电脑及云端服务器等计算设备。所述电子设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述电子设备还可以包括更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可以是所述服务器的内部存储单元,例如服务器的硬盘或内存。所述存储器也可以是所述服务器的外部存储设备,例如所述服务器上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器还可以既包括所述服务器的内部存储单元也包括外部存储设备。所述存储器用于存储所述计算机可读指令以及所述服务器所需的其他程序和数据。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是,上述模块单元之间的信息交互、执行过程等内容,由于与方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,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计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种智能装配机器人装配控制方法,其特征在于,包括:
导入先验信息;
生成装配顺序与工艺;
依据先验信息以及装配顺序与工艺,生成每个零件的装配动作流程;
进行装配动作流程拆解,使得每个动作流程对应到一个或多个机械臂的运动控制上;
将每个机械臂的运动控制统一使用状态机模型来进行。
2.根据权利要求1所述智能装配机器人装配控制方法,其特征在于,所述导入先验信息的步骤中,先验信息包括产品模型、零件模型、装配台模型与环境模型。
3.根据权利要求1所述智能装配机器人装配控制方法,其特征在于,所述生成装配顺序与工艺的步骤中,装配顺序分析的输出通过树的结构表达,树的结构包括一棵或多棵树,其中在每棵树的结构中,叶子结点为初始零件,非叶子节点为装配形成的局部零件,每个装配动作均为将多个零件组装成部件,所述的零件为初始零件或者是部件。
4.根据权利要求1所述智能装配机器人装配控制方法,其特征在于,所述导入先验信息的步骤中,首先提取零件的结构特征,通过结构特征间的关系,确定装配关系;
再通过结构特征分解其中关键的特征要素,对位置及姿态尺寸偏差情况微观统计得到位置公差,对形状尺寸偏差情况进行微观统计得到形状公差。
5.根据权利要求1所述智能装配机器人装配控制方法,其特征在于,在所述依据先验信息以及装配顺序与工艺,生成每个零件的装配动作流程的步骤,以及进行装配动作流程拆解,使得每个动作流程对应到一个或多个机械臂的运动控制上的步骤中,依据元操作层级逐级拆解,一级元操作节点通过拆解业务流程得到,二级元操作节点通过分析机器人能做到的基础操作得到;每一个一级元操作均对应若干个二级元操作,级元操作是可复用的节点集。
6.根据权利要求5所述智能装配机器人装配控制方法,其特征在于,在一级元操作生成时,核心算法为矩阵/模型决策,收集现场数据形成输入特征,依次迭代,形成一级元操作序列;收集的现场数据包括:三维点云数据、传感器数据、机器人反馈状态数据以及系统历史记录数据,通过不断的感知,不断的运动与环境交互,从中获取更新后的信息。
7.根据权利要求5所述智能装配机器人装配控制方法,其特征在于,若二级元操作库涵盖机器人单次指令下发能做到的所有动作,则无论一级元操作定义为什么样的任务,只要是机器人能够完成的,均能够从二级元操作库中查到,并形成对应的二级元操作解法。
8.根据权利要求1所述智能装配机器人装配控制方法,其特征在于,所述将每个机械臂的运动控制统一使用状态机模型来进行的步骤,每个机器人对应一个独立的状态机,每个状态机中包括6个状态:开始、结束、异常、路径规划、运动、作业。
9.根据权利要求8所述智能装配机器人装配控制方法,其特征在于,路径规划内容为:机器人从起始位置运动至待作业操作点位序列路径,视觉确认与待作业操作位姿偏差,确认进行作业或重新进行路径规划以及运动调整;
两个机器人同时运动,无论是否有共同的作业对象,都为连续协同,依靠路径规划依照时间或位置给出的约束来分别控制机器人运动;离散协同使用协同条件进行触发或结束;
多机器人同时运动时,属于协同控制,考虑基于时间或位置进行路径规划;多机器人操作同一目标时,属于协同中的协作作业,在状态机控制时,产生多次交互;机器人之间数据状态共享,采用区块链式消息共享机制同步各自状态信息,属于分布式控制系统。
10.一种智能装配机器人装配控制系统,其特征在于,包括:
先验信息导入模块,用于导入先验信息;
装配顺序与工艺生成模块,用于生成装配顺序与工艺;
装配动作流程生成模块,用于依据先验信息以及装配顺序与工艺,生成每个零件的装配动作流程;
装配动作流程拆解模块,用于进行装配动作流程拆解,使得每个动作流程对应到一个或多个机械臂的运动控制上;
状态机表达模块,用于将每个机械臂的运动控制统一使用状态机模型来进行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311250958.1A CN117182910A (zh) | 2023-09-26 | 2023-09-26 | 一种智能装配机器人装配控制方法及控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311250958.1A CN117182910A (zh) | 2023-09-26 | 2023-09-26 | 一种智能装配机器人装配控制方法及控制系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117182910A true CN117182910A (zh) | 2023-12-08 |
Family
ID=88990485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311250958.1A Pending CN117182910A (zh) | 2023-09-26 | 2023-09-26 | 一种智能装配机器人装配控制方法及控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117182910A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117656082A (zh) * | 2024-01-29 | 2024-03-08 | 青岛创新奇智科技集团股份有限公司 | 基于多模态大模型的工业机器人控制方法及装置 |
-
2023
- 2023-09-26 CN CN202311250958.1A patent/CN117182910A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117656082A (zh) * | 2024-01-29 | 2024-03-08 | 青岛创新奇智科技集团股份有限公司 | 基于多模态大模型的工业机器人控制方法及装置 |
CN117656082B (zh) * | 2024-01-29 | 2024-05-14 | 青岛创新奇智科技集团股份有限公司 | 基于多模态大模型的工业机器人控制方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111562769B (zh) | 用于工业数字孪生的ai扩展和智能模型验证 | |
Li et al. | Preventive maintenance scheduling optimization based on opportunistic production-maintenance synchronization | |
JP6901243B2 (ja) | プロセス環境のための制御システムを最適化するためのシステムおよび方法 | |
US7962440B2 (en) | Adaptive industrial systems via embedded historian data | |
US20210389738A1 (en) | Control system database systems and methods | |
US20210356949A1 (en) | Industrial automation asset modeling and synchronization | |
US11314808B2 (en) | Hybrid flows containing a continous flow | |
Meski et al. | Integrated data and knowledge management as key factor for Industry 4.0 | |
CN117182910A (zh) | 一种智能装配机器人装配控制方法及控制系统 | |
CN108009258A (zh) | 一种可在线配置的数据采集与分析平台 | |
CN113822585A (zh) | 一种智能冶炼工厂信息化管理系统 | |
van der Aalst et al. | Removing operational friction using process mining: challenges provided by the internet of production (IoP) | |
EP2610695A1 (en) | Method and web application for OEE - analysis | |
Strube et al. | Risk minimization in modernization projects of plant automation—A knowledge-based approach by means of semantic web technologies | |
Brochado et al. | A data-driven model with minimal information for bottleneck detection-application at Bosch thermotechnology | |
CN111736568A (zh) | 一种实时数据库的故障快速诊断方法及系统 | |
CN114819925B (zh) | 基于事件序列分析预测的工业物联网系统及其控制方法 | |
Ostermeyer et al. | An ontology-based framework for the management of machining information in a data mining perspective | |
CN116956994A (zh) | 业务平台扩容预测方法及装置 | |
CN115794078A (zh) | 无代码ai模型开发系统和方法 | |
CN115314300A (zh) | 飞行训练模拟机数据分析系统 | |
CN107451283A (zh) | 数据的分析方法及装置 | |
Semmler | Data-driven transfer optimizations for big data in the industrial internet of things | |
CN112346727B (zh) | 一种生产系统中离散随机问题与连续问题统一建模的方法 | |
CN118311914B (zh) | 一种智能化车间的生产线数据采集控制方法及系统 |
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 |