DE112018006229T5 - Steuerungssystem und Steuerungsverfahren einer Manipulatoreinrichtung - Google Patents

Steuerungssystem und Steuerungsverfahren einer Manipulatoreinrichtung Download PDF

Info

Publication number
DE112018006229T5
DE112018006229T5 DE112018006229.5T DE112018006229T DE112018006229T5 DE 112018006229 T5 DE112018006229 T5 DE 112018006229T5 DE 112018006229 T DE112018006229 T DE 112018006229T DE 112018006229 T5 DE112018006229 T5 DE 112018006229T5
Authority
DE
Germany
Prior art keywords
point
manipulator device
control system
position data
neural network
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.)
Ceased
Application number
DE112018006229.5T
Other languages
English (en)
Inventor
Zongjie Tao
Dandan ZHANG
Roberto Francisco-Yi Lu
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tyco Electronics Shanghai Co Ltd
TE Connectivity Corp
Original Assignee
Tyco Electronics Shanghai Co Ltd
TE Connectivity Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tyco Electronics Shanghai Co Ltd, TE Connectivity Corp filed Critical Tyco Electronics Shanghai Co Ltd
Publication of DE112018006229T5 publication Critical patent/DE112018006229T5/de
Ceased legal-status Critical Current

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1602Programme controls characterised by the control system, structure, architecture
    • B25J9/161Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/02Sensing devices
    • B25J19/021Optical sensing devices
    • B25J19/023Optical sensing devices including video camera means
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/0081Programme-controlled manipulators with master teach-in means
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1628Programme controls characterised by the control loop
    • B25J9/163Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1628Programme controls characterised by the control loop
    • B25J9/1653Programme controls characterised by the control loop parameters identification, estimation, stiffness, accuracy, error analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/06Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/39Robotics, robotics to robotics hand
    • G05B2219/39064Learn kinematics by ann mapping, map spatial directions to joint rotations
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/40Robotics, robotics mapping to robotics vision
    • G05B2219/40595Camera to monitor deviation of each joint, due to bending of link

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Fuzzy Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Neurology (AREA)
  • Manipulator (AREA)
  • Numerical Control (AREA)

Abstract

Ein Steuerungssystem für eine Manipulatoreinrichtung beinhaltet: mindestens eine Positionsindikatoreinrichtung (210), die an einem zum Montieren eines Werkzeugs (150) der Manipulatoreinrichtung (100) vorgesehnen Flansch (140) vorgesehen ist; einen Positionsdetektor (220), der in der Nähe der Manipulatoreinrichtung vorgesehen und ausgebildet ist, eine Positionsinformation der Positionsindikatoreinrichtung (210) in Echtzeit zu erfassen; einen Computer (400), der ausgebildet ist, Positionsdaten der Positionsindikatoreinrichtung gemäß der erfassten Positionsinformation in Echtzeit zu berechnen; einen Cloud-Server (500), der ausgebildet ist, Arbeitsparameter jedes Gelenks (130) der Manipulatoreinrichtung durch ein neuronales Netzwerk für künstliche Intelligenz gemäß den berechneten Positionsdaten in Echtzeit zu berechnen; und eine Steuerung (300), die ausgebildet ist, jedes Gelenk auf der Grundlage der berechneten Arbeitsparameter in Echtzeit zu steuern. Das neuronale Netzwerk für künstliche Intelligenz ist ein selbstlernendes neuronales Netzwerk, das eine Gewichtung (W) zwischen Neuronen (N) auf der Grundlage der eingegebenen Positionsdaten berechnet und automatisch so verstellt, dass die Anpassungszeit, der stationäre Fehler bzw. Beharrungszustandsfehler und der Bahnfehler des Steuerungssystems minimal sind. Dadurch wird die Steuerungsgenauigkeit des Steuerungssystems verbessert.

Description

  • QUERVERWEIS AUF VERWANDTE ANMELDUNG
  • Diese Anmeldung beansprucht die Priorität der chinesischen Patentanmeldung mit der Nr. 201711285789 .X, die am 7. Dezember 2017 im Chinesischen Patentamt eingereicht wurde und deren gesamte Offenbarung hiermit durch Bezugnahme miteingeschlossen ist.
  • HINTERGRUND DER ERFINDUNG
  • Gebiet der Erfindung
  • Mindestens eine Ausführungsform der vorliegenden Offenbarung betrifft ein Steuerungssystem und ein Steuerungsverfahren für eine Manipulatoreinrichtung bzw. einen Roboter.
  • Beschreibung des Stands der Technik
  • Um im Stand der Technik die Bearbeitungsgenauigkeit einer Manipulatoreinrichtung bzw. eines Roboters zu erhöhen, besitzt jeder Arm der Manipulatoreinrichtung eine sehr hohe Steifigkeit, sodass es keinen elastischen Verformungsfehler in jedem Arm der Manipulatoreinrichtung gibt. Daher wird häufig ein spezielles Metall verwendet, um die Steifigkeit des Arms zu gewährleisten, wodurch Gewicht und Kosten der gesamten Manipulatoreinrichtungen ansteigen
  • Um ferner die Bearbeitungsgenauigkeit der Manipulatoreinrichtung zu gewährleisten, ist es erforderlich, dass ein Übersetzungsgetriebe in jedem Gelenk der Manipulatoreinrichtung eine sehr hohe Genauigkeit besitzt, und dass ein Zahnabstand zwischen den Getriebezahnrädern sehr klein ist. Ferner sollten andere Komponenten der Manipulatoreinrichtung eine hohe Genauigkeit haben, wodurch die Kosten ebenfalls anwachsen.
  • Die herkömmliche starre Manipulatoreinrichtung wird für gewöhnlich durch ein Steuerungssystem mit festen kinematischen Parametern gesteuert. Jedoch ist das Steuerungssystem mit festen strukturellen Parametern für eine elastische Manipulatoreinrichtung nicht geeignet, da die elastische Manipulatoreinrichtung einen großen elastischen Verformungsfehler besitzt und die strukturellen Parameter der elastischen Manipulatoreinrichtung sich ständig ändern.
  • ÜBERBLICK ÜBER DIE ERFINDUNG
  • Die vorliegende Erfindung wurde erdacht, um zumindest einen Aspekt der zuvor genannten Nachteile zu überwinden oder zu reduzieren.
  • Gemäß einem Aspekt der vorliegenden Offenbarung wird ein Steuerungssystem für eine Manipulatoreinrichtung bzw. einen Roboter bereitgestellt, mit: mindestens einer Positionsindikatoreinrichtung, die an einem zum Montieren eines Werkzeugs der Manipulatoreinrichtung vorgesehenen Flansch vorgesehen ist; einem Positionsdetektor, der in der Nähe der Manipulatoreinrichtung vorgesehen und ausgebildet ist, eine Positionsinformation der Positionsindikatoreinrichtung in Echtzeit zu erfassen; einem Computer bzw. einem Rechner, der ausgebildet ist, Positionsdaten der Positionsindikatoreinrichtung entsprechend der erfassten Positionsinformation in Echtzeit zu berechnen; einem Cloud-Server, der ausgebildet ist, Arbeitsparameter für jedes Gelenk der Manipulatoreinrichtung durch ein neuronales Netzwerk für künstliche Intelligenz gemäß den berechneten Positionsdaten in Echtzeit zu berechnen; und einer Steuerung, die ausgebildet ist, jedes Gelenk auf der Grundlage der berechneten Arbeitsparameter in Echtzeit zu steuern, wobei das neuronale Netzwerk für künstliche Intelligenz ein selbstlernendes neuronales Netzwerk umfasst, das eine Gewichtung zwischen Neuronen auf der Grundlage der eingegebenen Positionsdaten berechnet und automatisch so verstellt, dass die Anpassungszeit, der stationäre Fehler bzw. Beharrungszustandsfehler und der Bahnfehler bzw. Trajektoriefehler des Steuerungssystems minimal sind.
  • Gemäß einer anschaulichen Ausführungsform der vorliegenden Offenbarung ist die Positionsindikatoreinrichtung eine visuelle Markiereinrichtung, der Positionsdetektor ist eine Kamera und die Positionsinformation umfasst ein Bild der visuellen Markiereinrichtung, das durch die Kamera erfasst wird; und der Computer ist ausgebildet, das von der Kamera erfasste Bild so zu verarbeiten, dass die Positionsdaten der Positionsindikatoreinrichtung gewonnen werden.
  • Gemäß einer weiteren anschaulichen Ausführungsform der vorliegenden Offenbarung ist die Positionsindikatoreinrichtung ein Sender für Ultraweitband, der Positionsdetektor ist ein Empfänger für Ultraweitband und die Positionsinformation umfasst eine relative Position des Senders für Ultraweitband in Bezug auf den Empfänger für Ultraweitband, wobei die Position durch den Empfänger für Ultraweitband erhalten wird; und der Computer ist ausgebildet, die Positionsdaten der Positionsindikatoreinrichtung gemäß der relativen Position, die durch den Empfänger für Ultraweitband erhalten wird, zu berechnen.
  • Gemäß einer weiteren anschaulichen Ausführungsform der vorliegenden Offenbarung ist mindestens eine Positionsindikatoreinrichtung auf einem Basiselement, jedem Arm oder jedem Gelenk der Manipulatoreinrichtung vorgesehen.
  • Gemäß einer weiteren anschaulichen Ausführungsform der vorliegenden Offenbarung ist mindestens ein Arm der Manipulatoreinrichtung elastisch bzw. nachgiebig, und die Manipulatoreinrichtung besitzt einen elastischen Verformungsfehler, wenn eine Kraft darauf ausgeübt wird.
  • Gemäß einer weiteren anschaulichen Ausführungsform der vorliegenden Offenbarung ist die Genauigkeit bzw. Präzision der Manipulatoreinrichtung geringer als eine standardmäßige Präzision für aktuelle industrielle Gestaltungsformen einer starren Manipulatoreinrichtung.
  • Gemäß einer weiteren anschaulichen Ausführungsform der vorliegenden Offenbarung beinhalten die Arbeitsparameter einen Drehwinkel, eine Drehgeschwindigkeit und eine Beschleunigung eines antreibenden Motors, der an jedem Gelenk der Manipulatoreinrichtung vorgesehen ist.
  • Gemäß einem weiteren Aspekt der vorliegenden Offenbarung wird ein Verfahren zur Steuerung einer Manipulatoreinrichtung bzw. eines Roboters bereitgestellt, wobei das Verfahren die Schritte umfasst:
    • S100: Bereitstellen des vorhergehenden Steuerungssystems;
    • S200: Steuern eines Werkzeugmittelpunkts der Manipulatoreinrichtung durch ein manuelles Anlernverfahren, sodass der Werkzeugmittelpunkt entlang mehrerer unterschiedlicher Bahnen entsprechend zu einem ersten Punkt und einem zweiten Punkt bewegt wird, und Berechnen der Positionsdaten der Positionsindikatoreinrichtung an dem ersten Punkt und dem zweiten Punkt;
    • S300: Eingeben der berechneten Positionsdaten in das neuronale Netzwerk für künstliche Intelligenz, das in dem Cloud-Server betrieben wird, wobei das neuronale Netzwerk für künstliche Intelligenz die Gewichtung zwischen Neuronen auf der Grundlage der eingegebenen Positionsdaten berechnet und automatisch verstellt derart, dass die Anpassungszeit, der stationäre Fehler bzw. Beharrungszustandsfehler und der Bahnfehler des Steuerungssystems minimal werden.
  • Gemäß einer anschaulichen Ausführungsform der vorliegenden Offenbarung umfasst das vorhergehende Verfahren ferner die Schritte:
    • S400: Steuern des Werkzeugmittelpunkts der Manipulatoreinrichtung durch das manuelle Anlernverfahren derart, dass der Werkzeugmittelpunkt entlang mehrerer unterschiedlicher Bahnen entsprechend von dem zweiten Punkt zu einem dritten Punkt bewegt wird, und Berechnen der Positionsdaten der Positionsindikatoreinrichtung an dem zweiten Punkt und an dem dritten Punkt; und
    • S500: Eingeben der berechneten Positionsdaten in das neuronale Netzwerk für künstliche Intelligenz, das in dem Cloud-Server betrieben wird, wobei das neuronale Netzwerk für künstliche Intelligenz die Gewichtung zwischen den Neuronen auf der Grundlage der eingegebenen Positionsdaten berechnet und automatisch verstellt derart, dass die Anpassungszeit, der stationäre Fehler bzw. Beharrungszustandsfehler und der Bahnfehler des Steuerungssystems minimal werden.
  • Gemäß einer weiteren anschaulichen Ausführungsform der vorliegenden Offenbarung umfasst das vorhergehende Verfahren ferner die Schritte:
    • S600: Steuern des Werkzeugmittelpunkts der Manipulatoreinrichtung durch das manuelle Anlernverfahren derart, dass der Werkzeugmittelpunkt entlang mehrerer unterschiedlicher Bahnen entsprechend von einem aktuellen Punkt zu einem nächsten Punkt bewegt wird, und Berechnen der Positionsdaten der Positionsindikatoreinrichtung an dem aktuellen Punkt und dem nächsten Punkt; und
    • S700: Eingeben der berechneten Positionsdaten in das neuronale Netzwerk für künstliche Intelligenz, das in dem Cloud-Server betrieben wird, wobei das neuronale Netzwerk für künstliche Intelligenz die Gewichtung zwischen den Neuronen auf der Basis der eingegebenen Positionsdaten berechnet und automatisch derart verstellt, dass die Anpassungszeit, der stationäre Fehler bzw. Beharrungszustandsfehler und der Bahnfehler in dem Steuerungssystem minimal werden.
  • Gemäß einer weiteren anschaulichen Ausführungsform der vorliegenden Offenbarung gibt es mehrere Schlüsselpunkte bzw. wesentliche Punkte in einem Arbeitsbereich der Manipulatoreinrichtung, wobei die Schlüsselpunkte zumindest den ersten Punkt und den zweiten Punkt, den dritten Punkt, den aktuellen Punkt und den nächsten Punkt umfassen; wobei das Verfahren ferner den Schritt umfasst:
    • S800: Wiederholen der Schritte S600 und S700, bis die Manipulatoreinrichtung sich zu allen Schlüsselpunkten bewegt hat.
  • Gemäß einer weiteren anschaulichen Ausführungsform der vorliegenden Offenbarung bleibt in dem Verfahren die Lage des Werkzeugs unverändert, während sich der Werkzeugmittelpunkt der Manipulatoreinrichtung von einem Punkt zu einem weiteren Punkt entlang einer einzelnen Bahn bewegt wird; und sich die Lage des Werkzeugs während der Bewegung des Werkzeugmittelpunkts der Manipulatoreinrichtung von einem Punkt zu einem weiteren Punkt entlang einer einzelnen Bahn bewegt wird, unterscheidet sich von der Lage des Werkzeugs während der Bewegung des Werkzeugmittelpunkts der Manipulatoreinrichtung von dem einen Punkt zu einem weiteren Punkt entlang einer weiteren Bahn, die sich von der einen Bahn unterscheidet.
  • Gemäß einer weiteren anschaulichen Ausführungsform der vorliegenden Offenbarung ist in dem vorhergehenden Verfahren die Lage des Werkzeugs veränderbar, während der Werkzeugmittelpunkt der Manipulatoreinrichtung von einem Punkt zu einem weiteren Punkt entlang einer einzelnen Bahn bewegt wird.
  • Gemäß einer weiteren anschaulichen Ausführungsform der vorliegenden Offenbarung ist in dem vorhergehenden Verfahren das an der Manipulatoreinrichtung montierte Werkzeug in einem unbelasteten Zustand, ohne dass ein Werkstück in den vorhergehenden Schritten S100 - S800 ergriffen wird.
  • Gemäß einer weiteren anschaulichen Ausführungsform der vorliegenden Offenbarung ist in dem vorhergehenden Verfahren nach Beendigung der Schritte S100∼S800 das an der Manipulatoreinrichtung montierte Werkzeug in einem beladenen bzw. belasteten Zustand, in welchem ein Werkstück ergriffen wird, und das Verfahren umfasst ferner den Schritt:
    • S900: Wiederholen der Schritte S200 und S300.
  • In den vorhergehenden diversen anschaulichen Ausführungsformen der vorliegenden Offenbarung kann das neuronale Netzwerk für künstliche Intelligenz in dem Steuerungssystem eine Gewichtung zwischen Neuronen auf der Grundlage der eingegebenen Positionsdaten automatisch verstellen, sodass die Akkommodationszeit bzw. Anpassungszeit, der stationäre Fehler bzw. Beharrungszustandsfehler und der Bahnfehler des Steuerungssystems minimal werden. Dadurch kann das neuronale Netzwerk für künstliche Intelligenz die Steuerungsgenauigkeit des Steuerungssystems verbessern.
  • Figurenliste
  • Die vorhergehenden und weitere Merkmale der vorliegenden Offenbarung ergeben sich deutlicher durch die detaillierte Beschreibung anschaulicher Ausführungsformen, wobei auf die begleitenden Zeichnungen Bezug genommen wird, in denen:
    • 1 eine anschauliche Ansicht eines Steuerungssystems für eine Manipulatoreinrichtung gemäß einer anschaulichen Ausführungsform der vorliegenden Offenbarung ist;
    • 2 einen Vorgang zum Bewegen der in 1 gezeigten Manipulatoreinrichtung durch ein manuelles Anlernverfahren gemäß einer anschaulichen Ausführungsform der vorliegenden Offenbarung zeigt;
    • 3 ein anschauliches einfaches schematisches Modell eines neuronalen Netzwerks für künstliche Intelligenz gemäß einer anschaulichen Ausführungsform der vorliegenden Offenbarung zeigt.
  • DETAILLIERTE BESCHREIBUNG BEVORZUGTER AUSFÜHRUNGSFORMEN DER ERFINDUNG
  • Im Weiteren werden detailliert anschauliche Ausführungsformen der vorliegenden Offenbarung mit Verweis auf die angefügten Zeichnungen beschrieben, wobei gleiche Bezugszeichen gleiche Elemente bezeichnen. Die vorliegende Offenbarung kann jedoch auf viele unterschiedliche Arten umgesetzt werden und diese sollten daher nicht als Beschränkung der Ausführungsformen, die hierin angegeben sind, betrachtet werden; vielmehr sind diese Ausführungsformen dazu vorgesehen, dass die vorliegende Offenbarung gründlich und vollständig ist und das Konzept der Offenbarung für den Fachmann vollständig nachvollziehbar machen.
  • In der folgenden detaillierten Beschreibung sind zum Zwecke der Erläuterung zahlreiche spezifische Details angegeben, um ein gründliches Verständnis der offenbarten Ausführungsformen zu ermöglichen. Es ist jedoch ersichtlich, dass eine oder mehrere Ausführungsformen ohne diese speziellen Details umgesetzt werden können. In anderen Fällen sind bekannte Strukturen und Einrichtungen nur schematisch gezeigt, um die Zeichnungen zu vereinfachen.
  • Gemäß einem allgemeinen Konzept der vorliegenden Offenbarung wird ein Steuerungssystem für eine Manipulatoreinrichtung bzw. einen Roboter bereitgestellt, mit: mindestens einer Indikatoreinrichtung, die an einem Flansch zum Montieren eines Werkzeugs der Manipulatoreinrichtung vorgesehen ist; einem Positionsdetektor, der in der Nähe der Manipulatoreinrichtung vorgesehen und ausgebildet ist, eine Positionsinformation der Positionsindikatoreinrichtung in Echtzeit zu erfassen; einem Computer, der ausgebildet ist, Positionsdaten der Positionsindikatoreinrichtung gemäß der erfassten Positionsinformation in Echtzeit zu berechnen; einem Cloud-Server, der ausgebildet ist, Arbeitsparameter jedes Gelenks der Manipulatoreinrichtung durch ein neuronales Netzwerk für künstliche Intelligenz entsprechend den berechneten Positionsdaten zu berechnen; und einer Steuerung, die ausgebildet ist, jedes Gelenk auf der Grundlage der berechneten Arbeitsparameter in Echtzeit zu steuern, wobei das neuronale Netzwerk für künstliche Intelligenz ein selbstlernendes neuronales Netzwerk ist, das eine Gewichtung zischen Neuronen auf der Grundlage der eingegebenen Positionsdaten berechnet und automatisch derart verstellt, dass die Akkommodationszeit bzw. Anpassungszeit, der stationäre Fehler bzw. Beharrungszustandsfehler und der Bahnfehler des Steuerungssystems minimal sind.
  • Gemäß einem weiteren allgemeinen Konzept der vorliegenden Offenbarung wird ein Verfahren zum Steuern einer Manipulatoreinrichtung bzw. eines Roboters bereitgestellt, mit den Schritten: Bereitstellen des vorhergehenden Steuerungssystems; Steuern eines Werkzeugmittelpunkts der Manipulatoreinrichtung durch ein manuelles Anlernverfahren, sodass der Werkzeugmittelpunkt entlang mehrerer unterschiedlicher Bahnen von einem ersten Punkt zu einem zweiten Punkt bewegt wird, und Berechnen der Positionsdaten der Positionsindikatoreinrichtung an dem ersten Punkt und an dem zweiten Punkt; Eingeben der berechneten Positionsdaten in das neuronale Netzwerk für künstliche Intelligenz, das in dem Cloud-Server betrieben wird, wobei das neuronale Netzwerk für künstliche Intelligenz die Gewichtung zwischen Neuronen auf der Grundlage der eingegebenen Positionsdaten berechnet und automatisch so verstellt, dass die Anpassungszeit, der stationäre Fehler bzw. Beharrungszustandsfehler und der Bahnfehler des Steuerungssystems minimal werden.
  • 1 ist eine anschauliche Ansicht eines Steuerungssystems für eine Manipulatoreinrichtung bzw. einen Roboter gemäß einer anschaulichen Ausführungsform der vorliegenden Offenbarung.
  • Wie in 1 gezeigt ist, umfasst in einer Ausführungsform das Steuerungssystem für eine Manipulatoreinrichtung im Wesentlichen mindestens eine Positionsindikatoreinrichtung 210, einen Positionsdetektor 220, eine Steuerung 300, einen Computer 400 und ein Cloud-Server 500.
  • Wie in 1 gezeigt ist, ist in einer Ausführungsform die mindestens eine Positionsindikatoreinrichtung 210 an einem Flansch 140 zum Befestigen eines Werkzeugs 150 der Manipulatoreinrichtung 100 vorgesehen. Der Positionsdetektor 220 ist in der Nähe der Manipulatoreinrichtung 100 vorgesehen und ausgebildet, Positionsinformation der Positionsindikatoreinrichtung 210 in Echtzeit zu erfassen. Der Computer 400 ist ausgebildet, Positionsdaten der Positionsindikatoreinrichtung 210 gemäß der erfassten Positionsinformation in Echtzeit zu berechnen. Der Cloud-Server 500 ist ausgebildet, Arbeitsparameter jedes Gelenks 130 der Manipulatoreinrichtung 100 durch ein neuronales Netzwerk für künstliche Intelligenz entsprechend den berechneten Positionsdaten in Echtzeit zu berechnen. Die Arbeitsparameter können einen Drehwinkel, eine Drehgeschwindigkeit und eine Beschleunigung eines antreibenden Motors, der an jedem Gelenk der Manipulatoreinrichtung 100 vorgesehen ist, umfassen. Die Steuerung 300 ist ausgebildet, jedes Gelenk 130 auf der Grundlage der berechneten Arbeitsparameter in Echtzeit zu steuern.
  • 3 zeigt ein anschauliches einfaches schematisches Modell eines neuronalen Netzwerks für künstliche Intelligenz gemäß einer anschaulichen Ausführungsform der vorliegenden Offenbarung.
  • Wie in 1 und 3 gezeigt ist, ist in einer Ausführungsform das neuronale Netzwerk für künstliche Intelligenz ein selbstlernendes neuronales Netzwerk, das eine Gewichtung bzw. Gewichtsfaktoren W zwischen Neuronen N auf der Grundlage der eingegebenen Positionsdaten berechnet und automatisch derart verstellt, dass die Anpassungszeit bzw. Akkommodationszeit, der stationäre Fehler bzw. Beharrungszustandsfehler und der Bahnfehler des Steuerungssystems minimal werden.
  • Wie in 1 gezeigt ist, kann in einer Ausführungsform die Positionsindikatoreinrichtung 210 einen Sender für Ultraweitband (UWB) umfassen, der Positionsdetektor 220 kann einen Empfänger für Ultraweitband umfassen und die Positionsinformation umfasst eine relative Position des Senders für Ultraweitband in Bezug auf den Empfänger für Ultraweitband, wobei die Position durch den Empfänger für Ultraweitband erhalten wird. Der Computer 400 ist ausgebildet, die Positionsdaten der Positionsindikatoreinrichtung 210 gemäß der durch den Empfänger für Ultraweitband erhaltenen relativen Position zu berechnen.
  • Jedoch ist die vorliegende Offenbarung nicht darauf beschränkt, und beispielsweise kann in einer weiteren Ausführungsform die Positionsindikatoreinrichtung 210 eine visuelle Markiereinrichtung umfassen, der Positionsdetektor 220 kann eine Kamera umfassen, und die Positionsinformation umfasst ein Bild der visuellen Markiereinrichtung, das von der Kamera aufgenommen wird. Der Computer 400 ist ausgebildet, das von der Kamera erfasste Bild so zu verarbeiten, dass die Positionsdaten der Positionsindikatoreinrichtung 210 gewonnen werden.
  • Um die Menge an Positionsdaten zu erhöhen, wie in 1 gezeigt ist, ist in einer Ausführungsform mindestens eine Positionsindikatoreinrichtung 210 an einem Basiselement 110, an jedem Arm 120 und jedem Gelenk 130 der Manipulatoreinrichtung 100 vorgesehen.
  • Wie in 1 gezeigt ist, ist in einer Ausführungsform mindestens ein Arm 120 der Positionsindikatoreinrichtung 100 elastisch bzw. nachgiebig, und die Manipulatoreinrichtung 100 besitzt einen elastischen Verformungsfehler, wenn eine Kraft ausgeübt wird.
  • In einer Ausführungsform der vorliegenden Offenbarung ist die mechanische Genauigkeit bzw. Präzision der Manipulatoreinrichtung 100 geringer als eine Standardpräzision für aktuelle Industrieversionen einer starren Manipulatoreinrichtung. Beispielsweise dürfen die Getriebezahnräder der zuvor genannten Manipulatoreinrichtung 100 große Zahnabstände haben, und die Komponenten der Manipulatoreinrichtung 100 können große Dimensionierungsfehler besitzen. Auf diese Weise können die Herstellungskosten der Manipulatoreinrichtung 100 deutlich verringert werden.
  • 2 zeigt einen Vorgang zum Bewegen der in 1 gezeigten Manipulatoreinrichtung durch ein manuelles Anlernverfahren gemäß einer anschaulichen Ausführungsform der vorliegenden Offenbarung.
  • Im Weiteren wird ein Verfahren zur Steuerung einer Manipulatoreinrichtung mit Verweis auf 1-3 gemäß einer anschaulichen Ausführungsform der vorliegenden Offenbarung beschrieben. Das Verfahren kann die Schritte umfassen:
    • S100: wie in 1 gezeigt ist, Bereitstellen des Steuerungssystems gemäß einer beliebigen Ausführungsform, wie sie zuvor benannt ist;
    • S200: wie in 2 gezeigt ist, Steuern eines Werkzeugmittelpunkts TCP der Manipulatoreinrichtung 100 mittels eines manuellen Anlernverfahrens, sodass der Werkzeugmittelpunkt entlang mehrerer unterschiedlicher Bahnen LAB1, LAB2, von einem ersten Punkt A zu einem zweiten Punkt B bewegt wird, und Berechnen der Positionsdaten der Positionsindikatoreinrichtung 210 an dem ersten Punkt A und dem zweiten Punkt B;
    • S300: wie in 2 und 3 gezeigt ist, Eingeben der berechneten Positionsdaten in das neuronale Netzwerk für künstliche Intelligenz, das in dem Cloud-Server 500 betrieben wird, wobei das neuronale Netzwerk für künstliche Intelligenz die Gewichtung W zwischen Neuronen N auf der Grundlage der eingegebenen Positionsdaten berechnet und automatisch so verstellt, dass die Anpassungszeit, der stationäre Fehler bzw. Beharrungszustandsfehler und der Bahnfehler des Steuerungssystems minimal werden.
  • Wie in 3 gezeigt ist, sind in einer Ausführungsform lediglich zwei Bahnen LAB1, LAB2 gezeigt. Der Fachmann erkennt jedoch, dass die Häufigkeit, mit der die Manipulatoreinrichtung 100 von dem ersten Punkt A zu dem zweiten Punkt B bewegt wird, eine gewisse Größe annehmen sollte, sodass die Gewichtungen W zwischen den Neuronen des neuronalen Netzwerks für künstliche Intelligenz so verstellt werden, dass sie optimal sind, um damit die Akkommodationszeit bzw. Anpassungszeit, den stationären Fehler bzw. Beharrungszustandsfehler und den Bahnfehler des Steuerungssystems zu minimieren. Daher ist die Häufigkeit, mit der die Manipulatoreinrichtung 100 von dem ersten Punkt A zu dem zweiten Punkt B entlang der Bahnen LAB1, LAB2 bewegt wird, für gewöhnlich nicht kleiner als 10.
  • Wie in 2-3 gezeigt ist, umfasst in einer Ausführungsform das vorhergehende Verfahren weitere Schritte:
    • S400: Steuern des Werkzeugmittelpunkts TCP der Manipulatoreinrichtung 100 durch das manuelle Anlernverfahren derart, dass der Werkzeugmittelpunkt entlang mehrerer unterschiedlicher Bahnen LAC1, LAC2 von der zweiten Punkt B zu einem dritten Punkt C bewegt wird, und Berechnen der Positionsdaten der Positionsindikatoreinrichtung 210 an dem zweiten Punkt B und dem dritten Punkt C;
    • S500: Eingeben der berechneten Positionsdaten in das neuronale Netzwerk für künstliche Intelligenz, das in dem Cloud-Server 500 betrieben wird, wobei das neuronale Netzwerk für künstliche Intelligenz die Gewichtung W zwischen den Neuronen N auf der Grundlage der eingegebenen Positionsdaten berechnet und automatisch so verstellt bzw. justiert, dass die Anpassungszeit, der stationäre Fehler bzw. Beharrungszustandsfehler und der Bahnfehler des Steuerungssystems minimal werden.
  • Wie in 2-3 gezeigt ist, umfasst in einer Ausführungsform das vorhergehende Verfahren ferner die Schritte:
    • S600: Steuern des Werkzeugmittelpunkts TCP der Manipulatoreinrichtung 100 durch das manuelle Anlernverfahren derart, dass der Werkzeugmittelpunkt entlang mehrerer unterschiedlicher Bahnen von einem aktuellen Punkt zu einem nächsten Punkt bewegt wird, und Berechnen der Positionsdaten der Positionsindikatoreinrichtung 210 an dem aktuellen Punkt und dem nächsten Punkt;
    • S700: Eingeben der berechneten Positionsdaten in das neuronale Netzwerk für künstliche Intelligenz, das in dem Cloud-Server 500 betrieben wird, wobei das neuronale Netzwerk für künstliche Intelligenz die Gewichtung W zwischen den Neuronen N auf der Grundlage der eingegebenen Positionsdaten berechnet und automatisch so verstellt, dass die Anpassungszeit, der stationäre Fehler bzw. Beharrungszustandsfehler und der Bahnfehler des Steuerungssystems minimal sind.
  • Wie in 2-3 gezeigt ist, gibt es in einer Ausführungsform mehrere Schlüsselpunkte in einem Arbeitsbereich der Manipulatoreinrichtung 100, wobei die Schlüsselpunkte zumindest den ersten Punkt A, den zweiten Punkt B, den dritten Punkt C, den aktuellen Punkt und den nächsten Punkt umfassen. Das vorhergehende Verfahren kann ferner einen Schritt umfassen:
    • S800: Wiederholen der Schritte S600 und S700, bis die Manipulatoreinrichtung 100 zu allen Schlüsselpunkten bewegt worden ist.
  • Wie in 2 gezeigt ist, bleibt die Lage des Werkzeugs unverändert, während der Werkzeugmittelpunkt der Manipulatoreinrichtung 100 von einem Punkt A zu einem weiteren Punkt B entlang einer Bahn LAB1 oder LAB2 bewegt wird. Während der Bewegung des Werkzeugmittelpunkts der Manipulatoreinrichtung 100 von einem Punkt A zu einem weiteren Punkt B entlang einer Bahn LAB1 unterscheidet sich die Lage des Werkzeugs von der Lage des Werkzeugs während der Bewegung des Werkzeugmittelpunkts der Manipulatoreinrichtung 100 von einem Punkt A zu einem weiteren Punkt B entlang einer weiteren Bahn LAB2, die sich von der einen Bahn LAB1 unterscheidet.
  • Jedoch ist die vorliegende Offenbarung nicht darauf beschränkt, und in einer weiteren Ausführungsform kann die Lage des Werkzeugs veränderbar sein, während der Werkzeugmittelpunkt der Manipulatoreinrichtung 100 von einem Punkt A zu einem weiteren Punkt B entlang einer Bahn LAB1, LAB2 bewegt wird.
  • Wie in 2 gezeigt ist, ist in einer Ausführungsform das Werkzeug 150, das an der Manipulatoreinrichtung 100 montiert ist, in einem unbelasteten Zustand, ohne dass ein Werkstück in den vorhergehenden Schritten S100-S800 ergriffen wird.
  • Obwohl dies nicht gezeigt ist, ist in einer Ausführungsform das an der Manipulatoreinrichtung 100 montierte Werkzeug 150 in einem belasteten Zustand durch Ergreifen eines Werkstücks, um das neuronale Netzwerk für künstliche Intelligenz des Manipulatoreinrichtungssteuerungssystems in die Lage zu versetzen, sich besser an einen belasteten Zustand nach dem Abschluss der Schritte S100 - S800 anzupassen, und das vorhergehende Verfahren kann ferner den Schritt umfassen:
    • S900: Wiederholen der Schritte S200 und S300.
  • Es sollte vom Fachmann beachtet werden, dass die vorhergehenden Ausführungsformen als anschaulich und nicht als beschränkend zu verstehen sind. Beispielsweise können viele Modifizierungen an den vorhergehenden Ausführungsformen durch den Fachmann vorgenommen werden, und diverse in unterschiedlichen Ausführungsformen beschriebene Merkmale können in beliebiger Weise miteinander kombiniert werden, ohne dass sie mit dem Aufbau oder dem Wirkungsprinzip in Konflikt stehen.
  • Obwohl einige anschauliche Ausführungsformen gezeigt und beschrieben sind, sollte vom Fachmann beachtet werden, dass diverse Änderungen und Modifizierungen an diesen Ausführungsformen vorgenommen werden können, ohne von den Prinzipien und dem Grundgedanken der Offenbarung abzuweichen, deren Schutzbereich durch die angefügten Patentansprüche und ihre Äquivalente definiert ist.
  • Im hierin verwendeten Sinne soll bei einem Element, das im Singular angegeben ist und dem das Wort „einer, eine, ein“ vorangestellt ist, der Plural der Elemente oder Schritte nicht ausgeschlossen sein, sofern ein derartiger Ausschluss nicht explizit genannt ist. Ferner sollen Verweise auf „eine“ der vorliegenden Offenbarung nicht so aufgefasst werden, dass damit die Existenz weiterer Ausführungsformen ausgeschlossen ist, in denen ebenfalls die genannten Merkmale enthalten sind. Sofern nicht explizit eine andere Angabe vorliegt, können Ausführungsformen, die ein Element oder mehrere Elemente mit einer speziellen Eigenschaft „umfassen“ oder „haben“ weitere derartige Elemente, die diese Eigenschaft nicht besitzen, enthalten.
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Patentliteratur
    • CN 201711285789 [0001]

Claims (15)

  1. Ein Steuerungssystem für eine Manipulatoreinrichtung, dadurch gekennzeichnet, dass das Steuerungssystem aufweist: mindestens eine Positionsindikatoreinrichtung (210), die an einem zum Montieren eines Werkzeugs (150) der Manipulatoreinrichtung (100) vorgesehenen Flansch (140) vorgesehen ist; einen Positionsdetektor (220), der in der Nähe der Manipulatoreinrichtung (100) vorgesehen und ausgebildet ist, eine Positionsinformation der Positionsindikatoreinrichtung (210) in Echtzeit zu erfassen; einen Computer (400), der ausgebildet ist, Positionsdaten der Positionsindikatoreinrichtung (210) gemäß der erfassten Positionsinformation in Echtzeit zu berechnen; einen Cloud-Server (500), der ausgebildet ist, Arbeitsparameter jedes Gelenks (130) der Manipulatoreinrichtung (100) durch ein neuronales Netzwerk für künstliche Intelligenz gemäß den berechneten Positionsdaten in Echtzeit zu berechnen; und eine Steuerung (300), die ausgebildet ist, jedes Gelenk (130) auf der Grundlage der berechneten Arbeitsparameter in Echtzeit zu steuern, wobei das neuronale Netzwerk für künstliche Intelligenz ein selbstlernendes neuronales Netzwerk umfasst, das eine Gewichtung (W) zwischen Neuronen (N) auf der Grundlage der eingegebenen Positionsdaten berechnet und automatisch derart verstellt, dass die Anpassungszeit, der Beharrungszustandsfehler und der Bahnfehler des Steuerungssystems minimal sind.
  2. Das Steuerungssystem nach Anspruch 1, wobei die Positionsindikatoreinrichtung (210) eine visuelle Markiereinrichtung umfasst, der Positionsdetektor (220) eine Kamera umfasst und die Positionsinformation ein Bild der visuellen Markiereinrichtung, das von der Kamera erfasst wird, umfasst; und wobei der Computer (400) ausgebildet ist, das von der Kamera erfasste Bild so zu verarbeiten, dass die Positionsdaten der Positionsindikatoreinrichtung (210) gewonnen werden.
  3. Das Steuerungssystem nach Anspruch 1 oder 2, wobei die Positionsindikatoreinrichtung (210) einen Sender für Ultraweitband umfasst, der Positionsdetektor (220) einen Empfänger für Ultraweitband umfasst, und die Positionsinformation eine relative Position des Senders für Ultraweitband in Bezug auf den Empfänger für Ultraweitband, die durch den Empfänger für Ultraweitband erhalten wird, umfasst; und wobei der Computer (400) ausgebildet ist, die Positionsdaten der Positionsindikatoreinrichtung (210) gemäß der durch den Empfänger für Ultraweitband erhaltenen relativen Position zu berechnen.
  4. Das Steuerungssystem nach einem der Ansprüche 1-3, wobei mindestens eine Positionsindikatoreinrichtung (210) an einem Basiselement (110), jedem Arm (120) oder jedem Gelenk (130) der Manipulatoreinrichtung (100) vorgesehen ist.
  5. Das Steuerungssystem nach einem der Ansprüche 1-4, wobei mindestens ein Arm (120) der Manipulatoreinrichtung (100) nachgiebig ist, und die Manipulatoreinrichtung (100) einen elastischen Verformungsfehler hat, wenn eine Kraft einwirkt.
  6. Das Steuerungssystem nach einem der Ansprüche 1-5, wobei die Präzision der Manipulatoreinrichtung (100) geringer ist als eine standardmäßige Präzision aktueller Industrieversionen einer starren Manipulatoreinrichtung.
  7. Das Steuerungssystem nach einem der Ansprüche 1-6, wobei die Arbeitsparameter einen Drehwinkel, eine Drehgeschwindigkeit und eine Beschleunigung eines antreibenden Motors, der an jedem Gelenk der Manipulatoreinrichtung (100) vorgesehen ist, umfassen.
  8. Ein Verfahren zur Steuerung einer Manipulatoreinrichtung, mit den Schritten: S100: Bereitstellen eines Steuerungssystems gemäß einer der vorhergehenden Ausführungsformen; S200: Steuern eines Werkzeugmittelpunkts (TCP) der Manipulatoreinrichtung (100) durch ein manuelles Anlernverfahren derart, dass der Werkzeugmittelpunkt entlang mehrerer unterschiedlicher Bahnen (LAB1, LAB2) von einem ersten Punkt (A) zu einem zweiten Punkt (B) bewegt wird, und Berechnen der Positionsdaten der Positionsindikatoreinrichtung (210) an dem ersten Punkt (A) und an dem zweiten Punkt (B); und S300: Eingeben der berechneten Positionsdaten in das neuronale Netzwerk für künstliche Intelligenz, das in dem Cloud-Server (500) betrieben wird, wobei das neuronale Netzwerk für künstliche Intelligenz die Gewichtung (W) zwischen den Neuronen (N) auf der Grundlage der eingegebenen Positionsdaten berechnet und automatisch so verstellt, dass die Anpassungszeit, der Beharrungszustandsfehler und der Bahnfehler des Steuerungssystems minimal werden.
  9. Das Verfahren nach Anspruch 8, das ferner die Schritte umfasst: S400: Steuern des Werkzeugmittelpunkts (TCP) der Manipulatoreinrichtung (100) durch das manuelle Anlernverfahren derart, dass der Werkzeugmittelpunkt entlang mehrerer unterschiedlicher Bahnen (LAC1, LAC2) von dem zweiten Punkt (B) zu einem dritten Punkt (C) bewegt wird, und Berechnen der Positionsdaten der Positionsindikatoreinrichtung (210) an dem zweiten Punkt (B) und an dem dritten Punkt (C); und S500: Eingeben der berechneten Positionsdaten in das neuronale Netzwerk für künstliche Intelligenz, das in dem Cloud-Server (500) betrieben wird, wobei das neuronale Netzwerk für künstliche Intelligenz die Gewichtung (W) zwischen den Neuronen (N) auf der Grundlage der eingegebenen Positionsdaten berechnet und automatisch so verstellt, dass die Anpassungszeit, der Beharrungszustandsfehler und der Bahnfehler des Steuerungssystems minimal werden.
  10. Das Verfahren nach Anspruch 9, das ferner die Schritte umfasst: S600: Steuern des Werkzeugmittelpunkts (TCP) der Manipulatoreinrichtung (100) durch das manuelle Anlernverfahren derart, dass der Werkzeugmittelpunkt entlang unterschiedlicher Bahnen von einem aktuellen Punkt zu einem nächsten Punkt bewegt wird, und Berechnen der Positionsdaten der Positionsindikatoreinrichtung (210) an dem aktuellen Punkt und an dem nächsten Punkt; und S700: Eingeben der berechneten Positionsdaten in das neuronale Netzwerk für künstliche Intelligenz, das in dem Cloud-Server (500) betrieben wird, wobei das neuronale Netzwerk für künstliche Intelligenz die Gewichtung (W) zwischen den Neuronen (N) auf der Grundlage der eingegebenen Positionsdaten berechnet und automatisch derart verstellt, dass die Anpassungszeit, der Beharrungszustandsfehler und der Bahnfehler des Steuerungssystems minimal werden.
  11. Das Verfahren nach Anspruch 10, wobei es mehrere Schlüsselpunkte in einem Arbeitsbereich der Manipulatoreinrichtung (100) gibt, wobei die Schlüsselpunkte zumindest den ersten Punkt (A), den zweiten Punkt (B), den dritten Punkt (C), den aktuellen Punkt und den nächsten Punkt beinhalten; und wobei das Verfahren ferner einen Schritt umfasst: S800: Wiederholen der Schritte S600 und S700, bis sich die Manipulatoreinrichtung (100) zu allen Schlüsselpunkten bewegt hat.
  12. Das Verfahren nach Anspruch 11, wobei die Lage des Werkzeugs unverändert bleibt, während der Werkzeugmittelpunkt der Manipulatoreinrichtung (100) entlang einer Bahn (LAB1 oder LAB2) von einem Punkt (A) zu einem weiteren Punkt (B) bewegt wird; und wobei die Lage des Werkzeugs während der Bewegung des Werkzeugmittelpunkts der Manipulatoreinrichtung (100) entlang einer Bahn (LAB1) von einem Punkt (A) zu einem weiteren Punkt (B) unterschiedlich ist zu der Lage des Werkzeugs während der Bewegung des Werkzeugmittelpunkts der Manipulatoreinrichtung (100) von einem Punkt (A) zu einem weiteren Punkt (B) entlang einer weiteren Bahn (LAB2), die sich von der einen Bahn (LAB1) unterscheidet.
  13. Das Verfahren nach Anspruch 11 oder 12, wobei die Lage des Werkzeugs während der Bewegung des Werkzeugmittelpunkts der Manipulatoreinrichtung (100) entlang einer Bahn (LAB1, LAB2) von einem Punkt (A) zu einem weiteren Punkt (B) veränderbar ist.
  14. Das Verfahren nach einem der Ansprüche 11-13, wobei das an der Manipulatoreinrichtung (100) montierte Werkzeug in einem unbelasteten Zustand ohne Ergreifen eines Werkstücks in den vorhergehenden Schritten S100-S800 ist.
  15. Das Verfahren nach Anspruch 14, wobei nach der Beendigung der Schritte S100 - S800 das an der Manipulatoreinrichtung (100) montierte Werkzeug in einem belasteten Zustand mit Ergreifen eines Werkstücks ist, und wobei das Verfahren ferner den Schritt umfasst: S900: Wiederholen der Schritte S200 und S300.
DE112018006229.5T 2017-12-07 2018-12-04 Steuerungssystem und Steuerungsverfahren einer Manipulatoreinrichtung Ceased DE112018006229T5 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201711285789.XA CN109895121A (zh) 2017-12-07 2017-12-07 机械臂控制系统和方法
CN201711285789.X 2017-12-07
PCT/EP2018/083461 WO2019110577A1 (en) 2017-12-07 2018-12-04 Control system and control method of manipulator

Publications (1)

Publication Number Publication Date
DE112018006229T5 true DE112018006229T5 (de) 2020-09-03

Family

ID=64664715

Family Applications (1)

Application Number Title Priority Date Filing Date
DE112018006229.5T Ceased DE112018006229T5 (de) 2017-12-07 2018-12-04 Steuerungssystem und Steuerungsverfahren einer Manipulatoreinrichtung

Country Status (5)

Country Link
US (1) US20200298400A1 (de)
JP (1) JP2021505416A (de)
CN (1) CN109895121A (de)
DE (1) DE112018006229T5 (de)
WO (1) WO2019110577A1 (de)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111673739B (zh) * 2020-05-15 2021-08-03 成都飞机工业(集团)有限责任公司 一种基于rbf神经网络的机器人位姿可达性判断的方法
KR102277162B1 (ko) * 2021-04-02 2021-07-14 주식회사 스누아이랩 산업 로봇 감시장치 및 그 장치의 구동방법
CN113125463B (zh) * 2021-04-25 2023-03-10 济南大学 一种用于汽车轮毂焊缝缺陷检测的示教方法及装置
CN113211443B (zh) * 2021-05-18 2022-09-09 广州市香港科大霍英东研究院 一种协作机器人柔顺控制方法、系统及装置
CN114132745A (zh) * 2021-11-30 2022-03-04 北京新风航天装备有限公司 一种基于agv及机器视觉进行工件自动上下料系统及方法
CN115157257A (zh) * 2022-07-22 2022-10-11 山东大学 基于uwb导航和视觉识别的智能植物管理机器人及系统

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4853771A (en) * 1986-07-09 1989-08-01 The United States Of America As Represented By The Secretary Of The Navy Robotic vision system
JPH04336303A (ja) * 1991-05-13 1992-11-24 Daikin Ind Ltd ロボット制御方法およびその装置
JPH09319420A (ja) * 1996-05-31 1997-12-12 Ricoh Co Ltd 組立ロボット
JP3754340B2 (ja) * 2001-10-15 2006-03-08 株式会社デンソーウェーブ 位置検出装置
JP4267005B2 (ja) * 2006-07-03 2009-05-27 ファナック株式会社 計測装置及びキャリブレーション方法
CN102501251A (zh) * 2011-11-08 2012-06-20 北京邮电大学 带有动态摩擦补偿的机械臂关节定位控制方法
KR20160087687A (ko) * 2015-01-14 2016-07-22 부산대학교 산학협력단 자기 엔코더 자이로를 이용한 모바일 로봇의 위치측정 방법
TWI558121B (zh) * 2015-05-21 2016-11-11 金寶電子工業股份有限公司 燈標裝置的自動識別方法
JP6676954B2 (ja) * 2015-12-17 2020-04-08 富士通株式会社 処理装置、処理方法及び処理プログラム
CN106113040B (zh) * 2016-07-19 2018-03-16 浙江工业大学 基于串并联估计模型的柔性机械臂系统模糊控制方法
CN107160398B (zh) * 2017-06-16 2019-07-12 华南理工大学 基于确定学习的全状态受限刚性机械臂安全可靠控制方法

Also Published As

Publication number Publication date
WO2019110577A1 (en) 2019-06-13
JP2021505416A (ja) 2021-02-18
US20200298400A1 (en) 2020-09-24
CN109895121A (zh) 2019-06-18

Similar Documents

Publication Publication Date Title
DE112018006229T5 (de) Steuerungssystem und Steuerungsverfahren einer Manipulatoreinrichtung
DE102016000105B4 (de) Simulationsvorrichtung für robotersystem
DE102017128652A1 (de) Robotersystem mit einer mehrzahl von robotern, robotersteuerung und robotersteuerverfahren
DE102016012065A1 (de) Robotersystem mit Funktion zum Berechnen von Position und Ausrichtung eines Sensors
DE102015007524A1 (de) Mehrgelenkroboter mit einer Funktion zum Repositionieren des Arms
DE102012104194A1 (de) Roboter und Punktschweißverfahren mit selbstlernender Steuerfunktion
DE102006055917B4 (de) Industrieroboter und Verfahren zum Erkennen eines ungenau parametrierten Robotermodells
DE102018133349A1 (de) Verfahren und Vorrichtung zur Momentschätzung
DE102016211129A1 (de) Verfahren zum Überprüfen einer Kollision zwischen zwei fahrerlosen Transportfahrzeugen, fahrerloses Transportfahrzeug und System mit mehreren fahrerlosen Transportfahrzeugen
DE102019102470A1 (de) Einlernvorgang für ein Robotersystem bestehend aus zwei Robotermanipulatoren
DE102013017425A1 (de) Verfahren für die Erkennung von Gesten eines menschlichen Körpers
DE2226566A1 (de) Flugbahn Uberwachungs und Korrektur vorrichtung
DE102017213824A1 (de) Greifervorrichtung zum Handhaben eines Werkstückes, Handhabungsanordnung und Verfahren zum Handhaben des Werkstücks mit der Greifervorrichtung
DE102014011852A1 (de) Verfahren zum Verfolgen wenigstens einer an einem Bauteil vorgesehenen Arbeitsposition für zumindest einen Roboter
DE102019216262A1 (de) Roboteranordnung, Verfahren zum Betreiben der Roboteranordnung Computerprogramm sowie maschinenlesbares Speichermedium
DE102015012344A1 (de) Verfahren zum Kalibrieren einer Kamera
DE102020200165A1 (de) Robotersteuereinrichtung und Verfahren zum Steuern eines Roboters
DE112017002881T5 (de) Servosteuervorrichtung
EP4061585B1 (de) Kalibrierung einer impendanzregelung eines robotermanipulators
DE102014012670A1 (de) Verfahren zum Kalibrieren eines zumindest einfach kinematisch redundanten Roboters
DE102017204629A1 (de) System mit einem werkzeug und verfahren zum führen eines benutzers eines werkzeugs bei einer behandlung mindestens eines werkstücks
DE102018125434B4 (de) Verfahren zur Prüfung der Transferfreigängigkeit
DE102014214861A1 (de) Verfahren zum Betreiben eines medizinisch-robotischen Geräts sowie medizinisch-robotisches Gerät
WO2021099454A1 (de) Kraftmessung und krafterzeugung in redundanten robotermanipulatoren
DE102015015678A1 (de) Montageeinrichtung zum Bearbeiten wenigstens eines Bauteils eines Kraftwagens

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R002 Refusal decision in examination/registration proceedings
R016 Response to examination communication
R003 Refusal decision now final