DE112020007659T5 - Robot collision detection device - Google Patents
Robot collision detection device Download PDFInfo
- Publication number
- DE112020007659T5 DE112020007659T5 DE112020007659.8T DE112020007659T DE112020007659T5 DE 112020007659 T5 DE112020007659 T5 DE 112020007659T5 DE 112020007659 T DE112020007659 T DE 112020007659T DE 112020007659 T5 DE112020007659 T5 DE 112020007659T5
- Authority
- DE
- Germany
- Prior art keywords
- robot
- calculation means
- torque
- detection device
- estimation error
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 100
- 238000004364 calculation method Methods 0.000 claims abstract description 278
- 238000012549 training Methods 0.000 claims abstract description 96
- 230000001133 acceleration Effects 0.000 claims description 54
- 230000006870 function Effects 0.000 claims description 38
- 238000000034 method Methods 0.000 claims description 16
- 238000009529 body temperature measurement Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 34
- 238000006243 chemical reaction Methods 0.000 description 33
- 230000007246 mechanism Effects 0.000 description 28
- 238000010586 diagram Methods 0.000 description 19
- 230000000694 effects Effects 0.000 description 17
- 230000035945 sensitivity Effects 0.000 description 10
- 230000000875 corresponding effect Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 230000005484 gravity Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 241001416181 Axis axis Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
- B25J9/1676—Avoiding collision or forbidden zones
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/40—Robotics, robotics mapping to robotics vision
- G05B2219/40201—Detect contact, collision with human
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
Eine Roboterkollisionsdetektionsvorrichtung (1) beinhaltet Antriebsdrehmomentberechnungsmittel (3), die einen geschätzten Wert des Antriebsdrehmoments eines Roboters berechnen, Drehmomentschätzungsfehlermodelltrainingsmittel (5), die eine Differenz und eine Variation der Differenz erlernen, wobei die Differenz zwischen dem auf der Grundlage eines Motorstroms zum Antreiben des Roboters berechneten Antriebsdrehmoment und dem von den Antriebsdrehmomentberechnungsmitteln (3) berechneten geschätzten Wert vorliegt, Schwellenwertberechnungsmittel (8), die einen Schwellenwert auf der Grundlage eines von den Drehmomentschätzungsfehlermodelltrainingsmitteln (5) trainierten Drehmomentschätzungsfehlermodells berechnen, und Kollisionsbestimmungsmittel (9), die eine Bestimmung über das Auftreten einer Kollision des Roboters mit einem Objekt durch Vergleichen der Differenz mit dem von den Schwellenwertberechnungsmitteln (8) berechneten Schwellenwert treffen, wobei die Differenz zwischen dem auf der Grundlage des Motorstroms zum Antreiben des Roboters berechneten Antriebsdrehmoment und dem von den Antriebsdrehmomentberechnungsmitteln (3) berechneten geschätzten Wert vorliegt.A robot collision detection device (1) includes driving torque calculation means (3) that calculates an estimated value of the driving torque of a robot, torque estimation error model training means (5) that learns a difference and a variation of the difference, the difference between the based on a motor current for driving the robot calculated drive torque and the estimated value calculated by the drive torque calculation means (3), threshold value calculation means (8) that calculate a threshold value based on a torque estimation error model trained by the torque estimation error model training means (5), and collision determination means (9) that make a determination about the occurrence of a Collision of the robot with an object by comparing the difference with the threshold value calculated by the threshold calculation means (8), the difference between the driving torque calculated based on the motor current for driving the robot and the estimated value calculated by the driving torque calculation means (3). .
Description
GebietArea
Die vorliegende Offenbarung betrifft eine Roboterkollisionsdetektionsvorrichtung zum Detektieren einer Kollision eines Roboters mit einem roboternahen Objekt, wenn der Roboter mit dem Objekt kollidiert.The present disclosure relates to a robot collision detection device for detecting a collision of a robot with an object near the robot when the robot collides with the object.
Allgemeiner Stand der TechnikGeneral state of the art
Ein Roboter detektiert herkömmlicherweise den Kontakt oder eine Kollision des Roboters mit einer Vorrichtung oder einem Arbeiter in der Nähe des Roboters und stoppt seinen Betrieb, wenn der Roboter mit der Vorrichtung oder dem Arbeiter in Kontakt kommt oder damit kollidiert, um eine Beschädigung der Vorrichtung oder eine Verletzung des Arbeiters in der Nähe des Roboters und des Roboters selbst zu verhindern. Eine Robotersteuerung berechnet herkömmlicherweise den für den vom Roboter durchzuführenden Betrieb erforderlichen Drehmomentwert und leitet einen Drehmomentmesswert auf der Grundlage eines tatsächlichen Motorstromwerts oder eines Messwerts von einem in einer Antriebsmechanismuseinheit bereitgestellten Drehmomentsensor ab. Die Robotersteuerung vergleicht den Drehmomentmesswert mit dem Wert des erforderlichen Drehmoments und bestimmt, dass der Roboter mit einer Vorrichtung oder einem Arbeiter in der Nähe des Roboters kollidiert ist, wenn die Differenz zwischen dem Wert des erforderlichen Drehmoments und dem Drehmomentmesswert einen Schwellenwert überschreitet. Um eine Kollision eines Roboters mit einer Vorrichtung oder einem Arbeiter in der Nähe des Roboters mit hoher Empfindlichkeit zu detektieren, ist eine Technologie erforderlich, um den Schwellenwert so weit wie möglich zu senken, ohne eine Fehldetektion zu verursachen.A robot conventionally detects the contact or collision of the robot with a device or a worker in the vicinity of the robot, and stops its operation when the robot comes into contact with or collides with the device or worker to avoid damage to the device or a prevent injury to the worker near the robot and the robot itself. Conventionally, a robot controller calculates the torque value required for the operation to be performed by the robot and derives a measured torque value based on an actual motor current value or a measured value from a torque sensor provided in a drive mechanism unit. The robot controller compares the torque reading to the required torque value and determines that the robot has collided with a device or worker in the vicinity of the robot when the difference between the required torque value and the torque reading exceeds a threshold. In order to detect a collision of a robot with a device or a worker near the robot with high sensitivity, a technology is required to lower the threshold as much as possible without causing false detection.
Die Patentliteratur 1 offenbart eine Technologie zum Schätzen von Parametern, die sich auf eine Trägheitskraft und Reibungskraft eines Roboters beziehen, und zum Verbessern, unter Verwendung der geschätzten Parameter, der Genauigkeit der Berechnung oder der Genauigkeit der Schätzung des Drehmoments, das für den von dem Roboter durchgeführten Betrieb erforderlich ist. Die Patentliteratur 1 offenbart zudem eine Technologie zum Reduzieren des Effekts eines Faktors, der nicht von einer Berechnungseinheit zum Berechnen des erforderlichen Drehmoments modelliert wurde, unter Verwendung eines Hochpassfilters.Patent Literature 1 discloses a technology for estimating parameters related to an inertial force and frictional force of a robot and improving, using the estimated parameters, accuracy of calculation or accuracy of estimation of the torque required for the robot performed operation is required. Patent Literature 1 also discloses a technology for reducing the effect of a factor not modeled by a required torque calculation unit by using a high-pass filter.
Entgegenhaltungslistecitation list
Patentliteraturpatent literature
Patentliteratur 1: Japanische Übersetzung der internationalen PCT-Offenlegungsschrift Nr.
Kurzdarstellungabstract
Technisches ProblemTechnical problem
Die herkömmliche Technologie kann mit einer Variation eines Parameters umgehen, der sich auf die Dynamik eines Roboters bezieht, wie zum Beispiel einem Effekt einer Änderung eines Werkstücks, das von einer Hand gehalten wird, die an einem Armende des Roboters befestigt ist, berücksichtigt jedoch einen Effekt der Variation des Drehmoments während des Roboterbetriebs unter gleichen Bedingungen nicht. Das heißt, während eines Betriebs mit einer großen Drehmomentvariation kann die herkömmliche Technologie eine Fehldetektion des Auftretens einer Kollision auch dann verursachen, wenn der Roboter nicht mit einer Vorrichtung oder einem Arbeiter in der Nähe des Roboters kollidiert ist. Zusätzlich verwendet die herkömmliche Technologie ein Hochpassfilter, um den Effekt eines nicht modellierten Faktors, wie zum Beispiel einen Effekt von Elastizität oder Nicht-Linearität von Reibung, die durch den Getriebemechanismus verursacht wird, aufzuheben. Dies kann noch immer das Übersehen einer Kollision gestatten, die unter bloßer Berücksichtigung von Fehlern in einer Hochfrequenzregion schwer zu detektieren ist, wenn die Kollision auf eine solche Weise auftritt, dass zum Beispiel der Roboter langsam auf eine Vorrichtung oder einen Arbeiter in der Nähe des Roboters trifft.The conventional technology can deal with a variation of a parameter related to the dynamics of a robot, such as an effect of a change in a workpiece held by a hand attached to an arm end of the robot, but takes an effect into account the variation in torque during robot operation under the same conditions. That is, during an operation with a large torque variation, the conventional technology may cause misdetection of the occurrence of a collision even when the robot has not collided with a device or a worker near the robot. In addition, the conventional technology uses a high-pass filter to cancel the effect of an unmodeled factor such as an effect of elasticity or non-linearity of friction caused by the gear mechanism. This can still allow a collision to be overlooked, which is difficult to detect just considering errors in a high-frequency region, when the collision occurs in such a way that, for example, the robot slowly approaches a device or a worker near the robot meets.
Die vorliegende Offenbarung wurde in Anbetracht der vorstehenden Ausführungen entwickelt und eine Aufgabe der vorliegenden Offenbarung besteht darin, eine Roboterkollisionsdetektionsvorrichtung bereitzustellen, die eine Kollision eines Roboters mit einem Objekt in der Nähe des Roboters mit relativ hoher Empfindlichkeit detektiert, wenn der Roboter mit dem Objekt kollidiert, während der Effekt eines nicht modellierten Faktors berücksichtigt wird und gleichzeitig eine Fehldetektion verhindert wird.The present disclosure was developed in view of the foregoing, and an object of the present disclosure is to provide a robot collision detection device that detects a collision of a robot with an object near the robot with relatively high sensitivity when the robot collides with the object. while accounting for the effect of an unmodeled factor while preventing misdetection.
Lösung des Problemsthe solution of the problem
Um das Problem zu lösen und die vorstehend beschriebene Aufgabe zu lösen, beinhaltet eine Roboterkollisionsdetektionsvorrichtung gemäß der vorliegenden Offenbarung Antriebsdrehmomentberechnungsmittel, die einen geschätzten Wert des Antriebsdrehmoments eines Roboters berechnen, Drehmomentschätzungsfehlermodelltrainingsmittel, die eine Differenz und eine Variation der Differenz erlernen, wobei die Differenz zwischen dem auf der Grundlage eines Motorstroms zum Antreiben des Roboters berechneten Antriebsdrehmoment oder dem von einem Drehmomentsensor, der an einer Antriebseinheit bereitgestellt ist, abgeleiteten Antriebsdrehmoment und dem von den Antriebsdrehmomentberechnungsmitteln berechneten geschätzten Wert vorliegt, Schwellenwertberechnungsmittel, die einen Schwellenwert auf der Grundlage eines von den Drehmomentschätzungsfehlermodelltrainingsmitteln trainierten Drehmomentschätzungsfehlermodells berechnen, und Kollisionsbestimmungsmittel, die eine Bestimmung über das Auftreten einer Kollision des Roboters mit einem Objekt durch Vergleichen der Differenz mit dem von den Schwellenwertberechnungsmitteln berechneten Schwellenwert treffen, wobei die Differenz zwischen dem auf der Grundlage des Motorstroms zum Antreiben des Roboters berechneten Antriebsdrehmoment und dem von den Antriebsdrehmomentberechnungsmitteln berechneten geschätzten Wert vorliegt.In order to solve the problem and achieve the object described above, a robot collision detection device according to the present disclosure includes driving torque calculation means that calculates an estimated value of driving torque of a robot, torque estimation error model training means that calculates a difference and a variation of the difference learn, wherein the difference between the drive torque calculated on the basis of a motor current for driving the robot or the drive torque derived from a torque sensor provided on a drive unit and the estimated value calculated by the drive torque calculation means, threshold value calculation means that sets a threshold value on the based on a torque estimation error model trained by the torque estimation error model training means, and collision determination means that makes a determination on the occurrence of a collision of the robot with an object by comparing the difference with the threshold value calculated by the threshold calculation means, the difference between the based on the motor current for driving of the robot calculated drive torque and the estimated value calculated by the drive torque calculation means.
Vorteilhafte Effekte der ErfindungAdvantageous Effects of the Invention
Eine Roboterkollisionsdetektionsvorrichtung gemäß der vorliegenden Offenbarung stellt einen Vorteil dahingehend bereit, dass sie in der Lage ist, eine Kollision eines Roboters mit einem Objekt in der Nähe des Roboters mit relativ hoher Empfindlichkeit zu detektieren, wenn der Roboter mit dem Objekt kollidiert, während der Effekt eines nicht modellierten Faktors, einschließlich einer Variation davon, berücksichtigt wird und gleichzeitig eine Fehldetektion verhindert wird.A robot collision detection device according to the present disclosure provides an advantage of being able to detect a collision of a robot with an object in the vicinity of the robot with relatively high sensitivity when the robot collides with the object while the effect of a non-modeled factor, including a variation thereof, is taken into account while preventing false detection.
Figurenlistecharacter list
-
1 ist eine Darstellung, welche eine Konfiguration einer Roboterkollisionsdetektionsvorrichtung gemäß einer ersten Ausführungsform veranschaulicht.1 12 is a diagram illustrating a configuration of a robot collision detection device according to a first embodiment. -
2 ist eine Darstellung, welche eine Konfiguration einer Roboterkollisionsdetektionsvorrichtung gemäß einer zweiten Ausführungsform veranschaulicht.2 12 is a diagram illustrating a configuration of a robot collision detection device according to a second embodiment. -
3 ist eine Darstellung, welche eine Konfiguration einer Roboterkollisionsdetektionsvorrichtung gemäß einer fünften Ausführungsform veranschaulicht.3 12 is a diagram illustrating a configuration of a robot collision detection device according to a fifth embodiment. -
4 ist eine Darstellung, welche eine Konfiguration einer Roboterkollisionsdetektionsvorrichtung gemäß einer sechsten Ausführungsform veranschaulicht.4 12 is a diagram illustrating a configuration of a robot collision detection device according to a sixth embodiment. -
5 ist eine Darstellung, welche eine Konfiguration einer Roboterkollisionsdetektionsvorrichtung gemäß einer achten Ausführungsform veranschaulicht.5 12 is a diagram illustrating a configuration of a robot collision detection device according to an eighth embodiment. -
6 ist eine Darstellung, welche eine Konfiguration einer Roboterkollisionsdetektionsvorrichtung gemäß einer neunten Ausführungsform veranschaulicht.6 12 is a diagram illustrating a configuration of a robot collision detection device according to a ninth embodiment. -
7 ist eine Darstellung, welche einen Prozessor veranschaulicht, wenn mindestens ein Teil der Antriebsdrehmomentberechnungsmittel, Betriebszustandsberechnungsmittel, Drehmomentschätzungsfehlermodelltrainingsmittel, Umwandlungsmittel, Fehlerberechnungsmittel, Schwellenwertberechnungsmittel und Kollisionsbestimmungsmittel, die in der Roboterkollisionsdetektionsvorrichtung gemäß der ersten Ausführungsform enthalten sind, in dem Prozessor umgesetzt wird.7 12 is a diagram illustrating a processor when at least a part of the driving torque calculation means, operating state calculation means, torque estimation error model training means, conversion means, error calculation means, threshold value calculation means, and collision determination means included in the robot collision detection device according to the first embodiment is implemented in the processor. -
8 ist eine Darstellung, welche eine Verarbeitungsschaltung veranschaulicht, wenn mindestens ein Teil der Antriebsdrehmomentberechnungsmittel, der Betriebszustandsberechnungsmittel, der Drehmomentschätzungsfehlermodelltrainingsmittel, der Umwandlungsmittel, der Fehlerberechnungsmittel, der Schwellenwertberechnungsmittel und der Kollisionsbestimmungsmittel, die in der Roboterkollisionsdetektionsvorrichtung gemäß der ersten Ausführungsform enthalten sind, in der Verarbeitungsschaltung umgesetzt wird. 12 is a diagram illustrating a processing circuit when at least a part of the driving torque calculation means, the operating state calculation means, the torque estimation error model training means, the conversion means, the error calculation means, the threshold value calculation means, and the collision determination means included in the robot collision detection device according to the first embodiment is implemented in the processing circuit .8th
Beschreibung der AusführungsformenDescription of the embodiments
Eine Roboterkollisionsdetektionsvorrichtung gemäß Ausführungsformen wird nachstehend unter Bezugnahme auf die Zeichnungen detailliert beschrieben.A robot collision detection device according to embodiments will be described in detail below with reference to the drawings.
Erste Ausführungsform.First embodiment.
Die Robotersteuervorrichtung 2 beinhaltet Antriebsdrehmomentberechnungsmittel 3, die Informationen empfangen, welche die Motorposition entlang jeder Achse zum Antreiben des Roboters darstellen, und einen geschätzten Wert des Antriebsdrehmoments des Roboters berechnen. Die Antriebsdrehmomentberechnungsmittel 3 differenzieren die Motorposition zum Berechnen der Motorgeschwindigkeit und der Motorbeschleunigung entlang jeder Achse. Die Antriebsdrehmomentberechnungsmittel 3 berechnen das Antriebsdrehmoment des Roboters auf der Grundlage der Motorposition, der Motorgeschwindigkeit und der Motorbeschleunigung und der Bewegungsgleichung (1) des Roboters, wie nachstehend beschrieben.
In der Gleichung (1) ist „τ“ ein Vektor, der das Antriebsdrehmoment entlang jeder Achse des Roboters beinhaltet, und ist „q“ ein Vektor, der die Position entlang jeder Achse des Roboters beinhaltet, die äquivalent zur Motorposition entlang jeder Achse des Roboters ist, dargestellt in Form einer Ausgabeposition des Getriebemechanismus. Der Parameter „a“ ist ein Vektor, der die Beschleunigung entlang jeder Achse des Roboters beinhaltet, die äquivalent zu der Motorbeschleunigung ist und in Form einer Ausgabebeschleunigung des Getriebemechanismus entlang jeder Achse des Roboters dargestellt wird, und „v“ ist ein Vektor, der die Geschwindigkeit entlang jeder Achse des Roboters beinhaltet, die äquivalent zu der Motorgeschwindigkeit ist und in Form einer Ausgabegeschwindigkeit des Getriebemechanismus entlang jeder Achse des Roboters dargestellt wird.In Equation (1), "τ" is a vector containing the driving torque along each axis of the robot, and "q" is a vector containing the position along each axis of the robot, which is equivalent to the motor position along each axis of the robot is shown in the form of an output position of the gear mechanism. The parameter "a" is a vector containing the acceleration along each axis of the robot, which is equivalent to the motor acceleration and is represented in the form of an output acceleration of the gear mechanism along each axis of the robot, and "v" is a vector containing the speed along each axis of the robot, which is equivalent to the motor speed and is represented in terms of an output speed of the gear mechanism along each axis of the robot.
Der Term M(q)a stellt die Trägheitskraft entlang jeder Achse des Roboters dar. Der Term h(q,v) stellt die Coriolis-Zentrifugalkraft dar. Der Term g(q) stellt die Schwerkraft dar. Der Term f(v) stellt die Reibungskraft dar. Diese Terme sind Komponenten des Antriebsdrehmoments. Die Reibungskraft ist eine Summe aus Coulomb-Reibungskraft in Abhängigkeit von der Geschwindigkeitsrichtung und viskoser Reibungskraft in Abhängigkeit von der Richtung und dem Betrag der Geschwindigkeit. Das einfachste Modell der viskosen Reibungskraft ist ein Modell mit Proportionalität zur Geschwindigkeit und die erste Ausführungsform verwendet ein Modell der viskosen Reibung mit Proportionalität zur Geschwindigkeit. Das Modell der viskosen Reibungskraft kann ein Modell eines Polynoms der Geschwindigkeit oder ein Modell eines Exponentials der Geschwindigkeit sein.The term M(q)a represents the inertial force along each axis of the robot. The term h(q,v) represents the Coriolis centrifugal force. The term g(q) represents gravity. The term f(v) represents represents the frictional force. These terms are components of the drive torque. The frictional force is a sum of Coulomb frictional force versus velocity direction and viscous frictional force versus velocity direction and magnitude. The simplest viscous friction force model is a velocity proportional model, and the first embodiment uses a velocity proportional viscous friction model. The viscous frictional force model may be a velocity polynomial model or a velocity exponential model.
Die Kollisionsdetektionsvorrichtung 1 beinhaltet ferner außerhalb der Robotersteuervorrichtung 2 angeordnete Betriebszustandsberechnungsmittel 4. Die Betriebszustandsberechnungsmittel 4 berechnen eine Zustandsgröße, die sich auf den Betriebszustand des Roboters bezieht. Insbesondere berechnen die Betriebszustandsberechnungsmittel 4 eine Zustandsgröße, welche die gesamten oder einen Teil der Informationen über die Motorgeschwindigkeit, der Informationen über die Motorbeschleunigung und einen Teil der Komponenten des Antriebsdrehmoments des Roboters beinhalten. Der Ausdruck „Teil der Komponenten des Antriebsdrehmoments des Roboters“ bezieht sich auf eine von der Trägheitskraft M(q)a, der Coriolis-Zentrifugalkraft h(q,v), der Schwerkraft g(q) und der Reibungskraft f(v) oder eine Summe von Komponenten des Antriebsdrehmoments, wie etwa M(q)a+h(q,v). In der ersten Ausführungsform empfangen die Betriebszustandsberechnungsmittel 4 Informationen, welche die Motorposition darstellen, differenzieren die Motorposition zum Berechnen der Motorgeschwindigkeit und berechnen eine Betriebszustandsgröße, welche die Geschwindigkeit entlang jeder Achse des Roboters darstellt, die äquivalent zur Motorgeschwindigkeit ist und Form einer Ausgabegeschwindigkeit des Getriebemechanismus entlang jeder Achse des Roboters dargestellt ist.The collision detection device 1 further includes operational state calculation means 4 arranged outside the
Die Kollisionsdetektionsvorrichtung 1 beinhaltet ferner außerhalb der Robotersteuervorrichtung 2 angeordnete Drehmomentschätzungsfehlermodelltrainingsmittel 5. Die Drehmomentschätzungsfehlermodelltrainingsmittel 5 erlernen eine Differenz und eine Variation der Differenz, wobei die Differenz zwischen dem auf der Grundlage eines Motorstroms zum Antreiben des Roboters berechneten Antriebsdrehmoment und einem von den Antriebsdrehmomentberechnungsmitteln 3 berechneten geschätzten Wert des Antriebsdrehmoments vorliegt. Die Betriebszustandsberechnungsmittel 4 geben die Informationen, welche die Betriebszustandsgröße darstellen, an die Drehmomentschätzungsfehlermodelltrainingsmittel 5 aus. Die Drehmomentschätzungsfehlermodelltrainingsmittel 5 führen Lernen unter Verwendung der Zustandsgröße, die von den Betriebszustandsberechnungsmitteln 4 berechnet wurde, als ein Eingabesignal für eine Korrekturfunktion durch. Eines oder beide der Betriebszustandsberechnungsmittel 4 und der Drehmomentschätzungsfehlermodelltrainingsmittel 5 kann/können innerhalb der Robotersteuervorrichtung 2 angeordnet sein.The collision detection device 1 further includes torque estimation error model training means 5 arranged outside the
Die Robotersteuervorrichtung 2 beinhaltet ferner Umwandlungsmittel 6, welche das gemessene Drehmoment berechnen. Das gemessene Drehmoment ist ein Messwert des Antriebsdrehmoments entlang jeder Achse des Roboters, der durch Umrechnung des Motorstroms auf der Grundlage der Drehmomentkonstante des Motors und des Geschwindigkeitsverhältnisses des Getriebemechanismus erhalten wird. Die Kollisionsdetektionsvorrichtung 1 beinhaltet ferner außerhalb der Robotersteuervorrichtung 2 angeordnete Fehlerberechnungsmittel 7. Die Antriebsdrehmomentberechnungsmittel 3 geben Informationen, die das geschätzte Drehmoment darstellen, an die Fehlerberechnungsmittel 7 aus. Das geschätzte Drehmoment ist ein geschätzter Wert des Antriebsdrehmoments. Die Umwandlungsmittel 6 geben Informationen, die das gemessene Drehmoment darstellen, an die Fehlerberechnungsmittel 7 aus. Die Fehlerberechnungsmittel 7 subtrahieren das von den Antriebsdrehmomentberechnungsmitteln 3 berechnete geschätzte Drehmoment von dem von den Umwandlungsmitteln 6 erhaltenen gemessenen Drehmoment, um einen Drehmomentschätzungsfehler zu berechnen, der eine Differenz zwischen dem gemessenen Drehmoment und dem geschätzten Drehmoment ist. Die Fehlerberechnungsmittel 7 geben die Informationen, welche den Drehmomentschätzungsfehler darstellen, an die Drehmomentschätzungsfehlermodelltrainingsmittel 5 aus.The
Beim Durchführen des Lernens empfangen die Drehmomentschätzungsfehlermodelltrainingsmittel 5 die Informationen, welche die Betriebszustandsgröße darstellen und von den Betriebszustandsberechnungsmitteln 4 ausgegeben werden, und die Informationen, welche den Drehmomentschätzungsfehler darstellen und von den Fehlerberechnungsmitteln 7 ausgegeben werden. Die Drehmomentschätzungsfehlermodelltrainingsmittel 5 beinhalten Trainingsmittel 5a, die eine nicht parametrische Technik für jede Achse verwenden. Die Trainingsmittel 5a verwenden Gauß-Prozess-Regression. Die Trainingsmittel 5a, die von einem nicht parametrischen Typ sind, können zudem eine Kernel-Dichteschätzung oder einen k-Nearest-Neighbor-Algorithmus verwenden.When performing the learning, the torque estimation error model training means 5 receives the information representing the operation state quantity output from the operation state calculation means 4 and the information representing the torque estimation error and output from the error calculation means 7 . The torque estimation error model training means 5 includes training means 5a using a non-parametric technique for each axis. The training means 5a use Gaussian process regression. The training means 5a, which are of a non-parametric type, can also use kernel density estimation or a k-nearest neighbor algorithm.
In Bezug auf das von den Drehmomentschätzungsfehlermodelltrainingsmitteln 5 durchgeführte Lernen sei mit x1, x2, ..., xn jeweils die Ausgabe der aus den Betriebszustandsberechnungsmitteln 4 und mit yi die Differenz zwischen dem gemessenen Drehmoment, entsprechend xi, und dem geschätzten Drehmoment, berechnet von den Antriebsdrehmomentberechnungsmitteln 3, bezeichnet, wobei n eine ganze Zahl größer oder gleich 2 ist und i eine ganze Zahl im Bereich von 1 bis n ist. Die Drehmomentschätzungsfehlermodelltrainingsmittel 5 führen das Lernen über einen Hyperparameter einer Kernel-Funktion, die bei der Gauß-Prozess-Regression verwendet wird, unter Verwendung von n Paaren mit einer Eingabe von jeweils x und einer Ausgabe y, d. h. D={(x1,y1), (x2,y2), ..., (xn, yn)} , als Lerndaten durch. Beliebte Kernel-Funktionen für die Gauß-Prozess-Regression beinhalten Gauß-Kernel und Kernel der radialen Basisfunktion (RBF). Die Drehmomentschätzungsfehlermodelltrainingsmittel 5 verwenden eine RBF als Kernel-Funktion. Die Drehmomentschätzungsfehlermodelltrainingsmittel 5 können zudem eine andere Kernel-Funktion als eine RBF verwenden, z. B. einen exponentiellen Kernel oder einen periodischen Kernel.Regarding the learning performed by the torque estimation error model training means 5, let x1, x2, ..., xn be the output from the operating state calculation means 4, respectively, and yi be the difference between the measured torque corresponding to xi and the estimated torque calculated by the Driving torque calculating means 3, where n is an integer greater than or equal to 2 and i is an integer ranging from 1 to n. The torque estimation error model training means 5 performs learning over a hyperparameter of a kernel function used in Gaussian process regression using n pairs each with an input of x and an output of y, i.e. H. D={(x1,y1), (x2,y2), ..., (xn,yn)} , as learning data. Popular kernel functions for Gaussian process regression include Gaussian and radial basis function (RBF) kernels. The torque estimation error model training means 5 uses an RBF as a kernel function. The torque estimation error model training means 5 can also use a kernel function other than an RBF, e.g. B. an exponential kernel or a periodic kernel.
Nach dem Abschluss des Lernens erhalten die Drehmomentschätzungsfehlermodelltrainingsmittel 5 ein Drehmomentschätzungsfehlermodell zum Berechnen einer vorhergesagten Verteilung von y* auf der Grundlage einer neuen Eingabe x*. Die nachfolgende Gleichung (2) gibt ein Beispiel für das Drehmomentschätzungsfehlermodell.
Der Faktor k* der Gleichung (2) wird durch die nachstehende Gleichung (3) ausgedrückt und der Faktor k** der Gleichung (2) wird durch die nachstehende Gleichung (4) ausgedrückt.
Die Robotersteuervorrichtung 2 beinhaltet ferner Schwellenwertberechnungsmittel 8, die Informationen empfangen, welche die Motorposition darstellen. Die Drehmomentschätzungsfehlermodelltrainingsmittel 5 geben Informationen, die das Drehmomentschätzungsfehlermodell darstellen, an die Schwellenwertberechnungsmittel 8 aus. Die Schwellenwertberechnungsmittel 8 berechnen einen Schwellenwert auf der Grundlage des von den Drehmomentschätzungsfehlermodelltrainingsmitteln 5 trainierten Drehmomentschätzungsfehlermodells. Insbesondere führen die Schwellenwertberechnungsmittel 8 die gleiche Berechnung wie die Berechnung durch, die durch die Betriebszustandsberechnungsmittel 4 durchgeführt wurde. Wenn die Betriebszustandsberechnungsmittel 4 eine Berechnung der Motorgeschwindigkeit durchgeführt haben, führen die Schwellenwertberechnungsmittel 8 eine Berechnung der Motorgeschwindigkeit durch. Wenn die Betriebszustandsberechnungsmittel 4 eine Berechnung der Motorbeschleunigung durchgeführt haben, führen die Schwellenwertberechnungsmittel 8 eine Berechnung der Motorbeschleunigung durch. Wenn die Betriebszustandsberechnungsmittel 4 eine Berechnung der eines Teils der Komponenten des Antriebsdrehmoments, z. B. der Trägheitskraft M(q)a, durchgeführt haben, führen die Schwellenwertberechnungsmittel 8 eine Berechnung der Trägheitskraft M(q)a durch. In der ersten Ausführungsform differenzieren die Schwellenwertberechnungsmittel 8 die Motorposition zum Berechnen der Motorgeschwindigkeit und berechnen die Geschwindigkeit entlang jeder Achse des Roboters, die äquivalent zur Motorgeschwindigkeit ist und Form einer Ausgabegeschwindigkeit des Getriebemechanismus entlang jeder Achse des Roboters dargestellt ist. Die Schwellenwertberechnungsmittel 8 führen die Berechnung der Gleichung (2) unter Verwendung der Geschwindigkeit entlang jeder Achse als x* der Gleichung (2) durch.The
Die Robotersteuervorrichtung 2 beinhaltet ferner Kollisionsbestimmungsmittel 9. Nach der Berechnung der Gleichung (2) bestimmen die Schwellenwertberechnungsmittel 8 einen oberen Grenzwert und einen unteren Grenzwert eines Bereichs von ±2σ als Schwellenwerte und geben Informationen, welche die Schwellenwerte darstellen, an die Kollisionsbestimmungsmittel 9 aus. Bei der Berechnung der Gleichung (2) können die Schwellenwertberechnungsmittel 8 eine Berechnung, wie bestimmt, durchführen oder ein Verfahren zum Reduzieren des Betrags der Berechnung der Gauß-Prozess-Regression, beispielsweise ein Verfahren mit induzierender Variable, verwenden. Die Kollisionsbestimmungsmittel 9 bestimmen, ob eine Kollision zwischen dem Roboter und einem Objekt aufgetreten, durch Vergleichen einer Differenz mit jedem der durch die Schwellenwertberechnungsmittel 8 berechneten Schwellenwerte, wobei die Differenz zwischen dem auf der Grundlage eines Motorstroms zum Antreiben des Roboters berechneten Antriebsdrehmoment und dem von den Antriebsdrehmomentberechnungsmitteln 3 berechneten geschätzten Wert vorliegt.The
Die Antriebsdrehmomentberechnungsmittel 3 geben Informationen, die das berechnete geschätzte Drehmoment darstellen, an die Kollisionsbestimmungsmittel 9 aus. Die Umwandlungsmittel 6 geben die Informationen, die das gemessene Drehmoment darstellen, an die Kollisionsbestimmungsmittel 9 aus. Die Kollisionsbestimmungsmittel 9 empfangen die Informationen, die von den Antriebsdrehmomentberechnungsmitteln 3, von den Umwandlungsmitteln 6 und von den Schwellenwertberechnungsmitteln 8 ausgegeben werden. Die Kollisionsbestimmungsmittel 9 bestimmen, dass der Roboter mit einem Objekt kollidieren wird oder kollidiert ist, und stoppen den Roboter, wenn die Differenz zwischen dem von den Umwandlungsmitteln 6 erhaltenen gemessenen Drehmoment und dem von den Antriebsdrehmomentberechnungsmitteln 3 berechneten geschätzten Drehmoment größer oder gleich dem oberen Grenzwert oder kleiner oder gleich dem unteren Grenzwert ist.The driving torque calculation means 3 outputs information representing the calculated estimated torque to the collision determination means 9 . The conversion means 6 outputs the information representing the measured torque to the collision determination means 9 . The
Die Roboterkollisionsdetektionsvorrichtung 1 gemäß der ersten Ausführungsform trifft eine Bestimmung über das Auftreten einer Kollision eines Roboters mit einem Objekt durch Vergleichen einer Differenz mit jedem der durch die Schwellenwertberechnungsmittel 8 berechneten Schwellenwerte, wobei die Differenz zwischen dem auf der Grundlage eines Motorstroms zum Antreiben des Roboters berechneten Antriebsdrehmoment und dem von den Antriebsdrehmomentberechnungsmitteln 3 berechneten geschätzten Wert vorliegt. Die Schwellenwertberechnungsmittel 8 berechnen die Schwellenwerte auf der Grundlage des von den Drehmomentschätzungsfehlermodelltrainingsmitteln 5 trainierten Drehmomentschätzungsfehlermodells. Dadurch wird es der Roboterkollisionsdetektionsvorrichtung 1 ermöglicht, einen Schwellenwert unter Berücksichtigung eines Effekts festzulegen, der durch den Drehmomentschätzungsfehler verursacht wird, der nicht von den Antriebsdrehmomentberechnungsmitteln 3 modelliert wurde, wie etwa der Elastizität oder Nicht-Linearität der Reibung des Getriebemechanismus, und ebenfalls unter Berücksichtigung der Variation des Drehmomentschätzungsfehlers. Wenn der Roboter mit einem Objekt kollidiert, kann die Roboterkollisionsdetektionsvorrichtung 1 die Kollision des Roboters mit dem Objekt somit mit relativ hoher Empfindlichkeit bestimmen, während eine Fehldetektion verhindert wird.The robot collision detection device 1 according to the first embodiment makes a determination on the occurrence of a collision of a robot with an object by comparing a difference with each of the threshold values calculated by the threshold value calculation means 8, the difference between the drive torque calculated based on a motor current for driving the robot and the estimated value calculated by the drive torque calculation means 3. The threshold calculation means 8 calculates the threshold values based on the torque estimation error model trained by the torque estimation error model training means 5 . This allows the robot collision detection device 1 to set a threshold value considering an effect caused by the torque estimation error not modeled by the driving torque computing means 3, such as the elasticity or non-linearity of the friction of the gear mechanism, and also considering the Variation of the torque estimation error. Thus, when the robot collides with an object, the robot collision detection device 1 can determine the collision of the robot with the object with relatively high sensitivity while preventing misdetection.
Darüber hinaus beinhaltet die Roboterkollisionsdetektionsvorrichtung 1 die Betriebszustandsberechnungsmittel 4, die eine Zustandsgröße berechnen, die sich auf den Betriebszustand des Roboters bezieht; die Drehmomentschätzungsfehlermodelltrainingsmittel 5, die das Lernen unter Verwendung der Zustandsgröße, die durch die Betriebszustandsberechnungsmittel 4 berechnet wurde, als Eingabesignal für die Korrekturfunktion durchführen; und die Schwellenwertberechnungsmittel 8, die einen Schwellenwert auf der Grundlage des Drehmomentschätzungsfehlermodells berechnen, das von den Drehmomentschätzungsfehlermodelltrainingsmitteln 5 trainiert wurde. Dadurch wird es der Roboterkollisionsdetektionsvorrichtung 1 ermöglicht, einen Schwellenwert unter Berücksichtigung eines Effekts festzulegen, der durch den Drehmomentschätzungsfehler verursacht wird, der mit der Zustandsgröße, die sich auf den Betriebszustand des Roboters bezieht, korreliert und nicht von den Antriebsdrehmomentberechnungsmitteln 3 modelliert wurde, und ebenfalls unter Berücksichtigung der Variation des Drehmomentschätzungsfehlers. Wenn der Roboter mit einem Objekt in der Nähe des Roboters kollidiert, kann die Roboterkollisionsdetektionsvorrichtung 1 die Kollision des Roboters mit dem Objekt somit mit relativ hoher Empfindlichkeit detektieren, während der Effekt eines Faktors, der nicht modelliert wurde, berücksichtigt wird und gleichzeitig eine Fehldetektion verhindert wird.Furthermore, the robot collision detection device 1 includes the operational state calculation means 4 which calculates a state quantity related to the operational state of the robot; the torque estimation error model training means 5 which performs the learning using the state quantity calculated by the operating state calculation means 4 as an input signal for the correction function; and the threshold value calculation means 8 which calculates a threshold value based on the torque estimation error model trained by the torque estimation error model training means 5 . This allows the robot collision detection device 1 to set a threshold value considering an effect caused by the torque estimation error correlated with the state quantity related to the operating state of the robot and not modeled by the drive torque calculation means 3, and also under Considering the variation of the torque estimation error. Thus, when the robot collides with an object near the robot, the robot collision detection device 1 can detect the collision of the robot with the object with relatively high sensitivity while taking into account the effect of a factor that has not been modeled and at the same time preventing misdetection .
Es ist anzumerken, dass in der ersten Ausführungsform die Betriebszustandsberechnungsmittel 4 und die Schwellenwertberechnungsmittel 8 die Geschwindigkeit entlang jeder Achse berechnen, die äquivalent zu der Motorgeschwindigkeit ist und in Form der Ausgabegeschwindigkeit des Getriebemechanismus dargestellt ist. Die Roboterkollisionsdetektionsvorrichtung 1 kann anstelle der Geschwindigkeit entlang jeder Achse, die in Form der Ausgabegeschwindigkeit des Getriebemechanismus dargestellt ist, die Motorgeschwindigkeit als die Werte x1, x2, ..., xn und x* verwenden. Die Roboterkollisionsdetektionsvorrichtung 1 kann anstelle der Motorgeschwindigkeit entlang jeder Achse die Norm der Motorgeschwindigkeit entlang jeder Achse oder die Norm der Geschwindigkeit entlang jeder Achse, die äquivalent zu der Motorgeschwindigkeit ist und in Form der Ausgabegeschwindigkeit des Getriebemechanismus dargestellt ist, als die Werte x1, x2, ..., xn und x* verwenden.It is to be noted that in the first embodiment, the operating state calculation means 4 and the threshold value calculation means 8 calculate the speed along each axis, which is equivalent to the engine speed and is represented in terms of the output speed of the gear mechanism. The robot collision detection device 1 may be calculated in the form of the output speed of the gear mechanism instead of the speed along each axis , use the engine speed as the values x1, x2, ..., xn and x*. The robot collision detection apparatus 1 may use the norm of the motor speed along each axis or the norm of the speed along each axis which is equivalent to the motor speed and is represented in terms of the output speed of the gear mechanism as the values x1, x2, . .., use xn and x*.
Zweite Ausführungsform.Second embodiment.
In der zweiten Ausführungsform wird das gemessene Drehmoment, das ein Messwert des Antriebsdrehmoments entlang jeder Achse des Roboters ist, von einem Drehmomentsensor gemessen, der an einer Antriebseinheit des Roboters bereitgestellt ist. Die Antriebseinheit und der Drehmomentsensor sind in
In Gleichung (5) ist ML(q) die Trägheitsmatrix des Roboters ohne die Trägheit entlang jeder Achse des Abschnitts, der sich näher am Motor als der Drehmomentsensor befindet. Die vorstehende Trägheit beinhaltet die Trägheit des Motors selbst.In Equation (5), M L (q) is the inertia matrix of the robot excluding the inertia along each axis of the portion closer to the motor than the torque sensor. The above inertia includes the inertia of the motor itself.
Die Drehmomentschätzungsfehlermodelltrainingsmittel 5 erlernen eine Differenz und eine Variation der Differenz, wobei die Differenz zwischen dem von dem Drehmomentsensor gemessenen Antriebsdrehmoment und einem von den Antriebsdrehmomentberechnungsmitteln 3 berechneten geschätzten Wert des Antriebsdrehmoments vorliegt. Die Kollisionsbestimmungsmittel 9 treffen eine Bestimmung über das Auftreten einer Kollision des Roboters mit einem Objekt durch Vergleichen der Differenz mit jedem der von den Schwellenwertberechnungsmitteln 8 berechneten Schwellenwerten, wobei die Differenz zwischen dem von dem Drehmomentsensor gemessenen Antriebsdrehmoment und dem von den Antriebsdrehmomentberechnungsmitteln 3 berechneten geschätzten Wert vorliegt.The torque estimation error model training means 5 learns a difference and a variation of the difference, which is the difference between the driving torque measured by the torque sensor and an estimated value of the driving torque calculated by the driving torque calculation means 3 . The collision determination means 9 makes a determination about the occurrence of a collision of the robot with an object by comparing the difference with each of the threshold values calculated by the threshold value calculation means 8, the difference between the driving torque measured by the torque sensor and the estimated value calculated by the driving torque calculation means 3 .
Die Roboterkollisionsdetektionsvorrichtung 1A gemäß der zweiten Ausführungsform kann einen Schwellenwert unter Berücksichtigung eines Effekts eines Faktors des Drehmomentschätzungsfehlers festlegen, der nicht von den Antriebsdrehmomentberechnungsmitteln 3 modelliert wurde, wie etwa der Elastizität des Getriebemechanismus und der Spannung von einem Kabel, das mit dem Roboter verbunden ist, und ebenfalls unter Berücksichtigung der Variation des Drehmomentschätzungsfehlers, auf der Grundlage des gemessenen Drehmoments, das von dem Drehmomentsensor erhalten wird, der nicht durch den Motor und durch den Getriebemechanismus beeinflusst ist. Wenn der Roboter mit einem Objekt kollidiert, kann die Roboterkollisionsdetektionsvorrichtung 1A die Kollision des Roboters mit dem Objekt somit mit relativ hoher Empfindlichkeit bestimmen, während der Effekt eines Faktors, der nicht modelliert wurde, berücksichtigt wird und gleichzeitig eine Fehldetektion verhindert wird.The robot
Dritte Ausführungsform.Third embodiment.
Nach dem Empfang der Informationen, welche die Motorposition darstellen, führen die Schwellenwertberechnungsmittel 8 die gleiche Berechnung wie die Berechnung durch, die durch die Betriebszustandsberechnungsmittel 4 durchgeführt wurde. Insbesondere führen die Schwellenwertberechnungsmittel 8 eine Differenzierung zweiter Ordnung der Motorposition zum Berechnen der Motorbeschleunigung durch und berechnen die Beschleunigung entlang jeder Achse, die äquivalent zu der Motorbeschleunigung ist und in Form der Ausgabebeschleunigung des Getriebemechanismus dargestellt ist. Als Nächstes führen die Schwellenwertberechnungsmittel 8 die Berechnung der Gleichung (2) unter Verwendung der Beschleunigung entlang jeder Achse, die für jede Achse abgeleitet ist, als x* der Gleichung (2) durch. Die Details außer den vorstehenden Details sind die gleichen wie die in der ersten Ausführungsform beschriebenen und auf eine Beschreibung der Details außer den vorstehenden Details wird daher verzichtet.After receiving the information representing the motor position, the thresholds drive
Die Roboterkollisionsdetektionsvorrichtung gemäß der dritten Ausführungsform kann den Effekt des Drehmomentschätzungsfehlers entlang jeder Achse, der mit der Beschleunigung entlang jeder Achse oder der Beschleunigungsnorm korreliert, mit relativ hoher Genauigkeit korrigieren.The robot collision detection apparatus according to the third embodiment can correct the effect of the torque estimation error along each axis, which correlates with the acceleration along each axis or the acceleration norm, with relatively high accuracy.
Es ist anzumerken, dass die Betriebszustandsberechnungsmittel 4 und die Schwellenwertberechnungsmittel 8 die Beschleunigung entlang jeder Achse berechnen, die äquivalent zu der Motorbeschleunigung ist und in Form der Ausgabebeschleunigung des Getriebemechanismus dargestellt ist. Die Motorbeschleunigung kann bei der Berechnung der Gleichung (2) oder bei dem Lernen verwendet werden, das in den Drehmomentschätzungsfehlermodelltrainingsmitteln 5 durchgeführt wird. Anstelle der Motorbeschleunigung entlang jeder Achse kann die Norm der Motorbeschleunigung entlang jeder Achse oder die Norm der Beschleunigung entlang jeder Achse, die äquivalent zu der Motorbeschleunigung ist und in Form der Ausgabebeschleunigung des Getriebemechanismus dargestellt ist, als die Werte x1, x2, ..., xn und x* verwendet werden.It should be noted that the operating state calculation means 4 and the threshold value calculation means 8 calculate the acceleration along each axis, which is equivalent to the motor acceleration and is represented in terms of the output acceleration of the transmission mechanism. The engine acceleration can be used in the calculation of the equation (2) or in the learning performed in the torque estimation error model training means 5 . Instead of the engine acceleration along each axis, the norm of the engine acceleration along each axis or the norm of the acceleration along each axis that is equivalent to the engine acceleration and is represented in terms of the output acceleration of the gear mechanism as the values x1, x2, ..., xn and x* are used.
Vierte Ausführungsform.Fourth embodiment.
Nach dem Empfang der Informationen, welche die Motorposition darstellen, berechnen die Schwellenwertberechnungsmittel 8 die Motorgeschwindigkeit und die Motorbeschleunigung auf ähnliche Weise wie die Betriebszustandsberechnungsmittel 4. Die Schwellenwertberechnungsmittel 8 berechnen die Geschwindigkeit entlang jeder Achse, die äquivalent zu der Motorgeschwindigkeit ist und in Form der Ausgabegeschwindigkeit des Getriebemechanismus dargestellt ist, und die Beschleunigung entlang jeder Achse, die äquivalent zu der Motorbeschleunigung ist und in Form der Ausgabebeschleunigung des Getriebemechanismus dargestellt ist, und führen die Berechnung der Gleichung (2) unter Verwendung der Komponente entlang jeder Achse der Betriebszustandsgröße τ, die auf der Grundlage von Gleichung (6) berechnet wurde, als x* von Gleichung (2) durch. Die Details außer den vorstehenden Details sind die gleichen wie die in der ersten Ausführungsform beschriebenen und auf eine Beschreibung der Details außer den vorstehenden Details wird daher verzichtet.After receiving the information representing the engine position, the threshold calculation means 8 calculates the engine speed and the engine acceleration in a similar manner to the operating state calculation means 4. The threshold calculation means 8 calculates the speed along each axis, which is equivalent to the engine speed and in the form of the output speed of the gear mechanism, and the acceleration along each axis which is equivalent to the motor acceleration and is expressed in terms of the output acceleration of the gear mechanism, and carry out the calculation of equation (2) using the component along each axis of the operating state quantity τ given on the based on Equation (6) was calculated as x* of Equation (2) by. The details other than the above details are the same as those described in the first embodiment, and the description of the details other than the above details is therefore omitted.
Die Roboterkollisionsdetektionsvorrichtung gemäß der vierten Ausführungsform kann den Effekt des Antriebsdrehmoments entlang jeder Achse oder des Drehmomentschätzungsfehlers entlang jeder Achse in Korrelation mit dem Antriebsdrehmoment, mit relativ hoher Genauigkeit korrigieren.The robot collision detection device according to the fourth embodiment can correct the effect of the driving torque along each axis, or the torque estimation error along each axis in correlation with the driving torque, with relatively high accuracy.
Es ist anzumerken, dass die vorstehende Beschreibung davon ausgeht, dass die Betriebszustandsberechnungsmittel 4 die Summe der Komponenten M(q)a, h(q,v) und g(q) von Gleichung (6) als Betriebszustandsgröße verwenden. Jede der Komponenten M(q)a, h(q,v) und g(q) ist Teil der Komponenten des Antriebsdrehmoments und die Reibungskraft f(v) ist nicht enthalten. Die Summe aus M(q)a, h(q,v) und g(q) ist daher zudem ein Beispiel für einen Teil der Komponenten des Antriebsdrehmoments. Die Betriebszustandsberechnungsmittel 4 können jedoch eines von M(q)a, h(q,v) und g(q) als Betriebszustandsgröße verwenden. Dies stellt ebenfalls ein Beispiel für die Verwendung eines Teils der Komponenten des Antriebsdrehmoments bereit. Die Schwellenwertberechnungsmittel 8 können die Berechnung der Gleichung (6) durchführen oder das Berechnungsergebnis von den Antriebsdrehmomentberechnungsmitteln 3 verwenden. Zusätzlich kann anstelle der Summe der Komponenten M(q)a, h(q,v) und g(q) von Gleichung (6) ebenfalls ein gleicher Betrag wie das Ergebnis der Berechnung von Gleichung (1), die ebenfalls die Reibungskraft f(v) addiert, als Betriebszustandsgröße verwendet werden. Auch wenn ein gleicher Betrag wie das Ergebnis der Berechnung von Gleichung (1) als Betriebszustandsgröße verwendet wird, können die Schwellenwertberechnungsmittel 8 die Berechnung der Gleichung (1) durchführen oder das Berechnungsergebnis von den Antriebsdrehmomentberechnungsmitteln 3 verwenden.It should be noted that the above description assumes that the operating state calculation means 4 uses the sum of the components M(q)a, h(q,v) and g(q) of equation (6) as the operating state variable. Each of the components M(q)a, h(q,v) and g(q) is part of the components of driving torque, and the frictional force f(v) is not included. The sum of M(q)a, h(q,v) and g(q) is therefore also an example of a Part of the drive torque components. However, the operating state calculation means 4 can use one of M(q)a, h(q,v) and g(q) as the operating state variable. This also provides an example of using a portion of the drive torque components. The threshold calculation means 8 can perform the calculation of Equation (6) or use the calculation result from the driving torque calculation means 3 . In addition, instead of the sum of the components M(q)a, h(q,v) and g(q) of Equation (6), an equal amount as the result of the calculation of Equation (1), which also calculates the frictional force f( v) added, used as the operating state variable. Even if an amount equal to the result of the calculation of Equation (1) is used as the operating state quantity, the threshold calculation means 8 can perform the calculation of Equation (1) or use the calculation result from the drive torque calculation means 3 .
Fünfte Ausführungsform.Fifth embodiment.
Die Parameteridentifizierungsmittel 10 identifizieren einen Wert eines Parameters der Bewegungsgleichung, die von den Antriebsdrehmomentberechnungsmitteln 3B verwendet wird, auf der Grundlage von vorab gemessenen Daten. Das heißt, die Parameteridentifizierungsmittel 10 identifizieren alle oder einen Teil der Parameter der Bewegungsgleichung des Roboters, die durch Gleichung (1) ausgedrückt ist. Wenn alle Parameter der Bewegungsgleichung des Roboters, die durch Gleichung (1) ausgedrückt ist, zu identifizieren sind, transformieren die Parameteridentifizierungsmittel 10 die Gleichung (1) unter Verwendung eines Vektors p in die nachfolgende Gleichung (7). Der Vektor p beinhaltet die Parameter selbst, wie etwa die Masse, die Position des Schwerpunkts und den Reibungskoeffizienten, oder was als neuer Parameter betrachtet wird, der ein Ergebnis einer Berechnung ist, die unter Verwendung von zwei oder mehr Parametern, wie etwa „Masse × Position des Schwerpunkts“, erhalten wird. Die Parameteridentifizierungsmittel 10 berechnen dann den Parameter p unter Verwendung eines Verfahrens der kleinsten Quadrate auf der Grundlage eines Vektors Yp, der von der Position, von der Geschwindigkeit und von der Beschleunigung zu jedem entsprechenden Zeitpunkt abgeleitet ist, und des Antriebsdrehmoments τ zum Zeitpunkt der Ableitung des Vektors Yp. Der berechnete Parameter p wird bei der Berechnung verwendet, die von den Antriebsdrehmomentberechnungsmitteln 3B unter Verwendung von Gleichung (1) durchgeführt wird. Das heißt die Antriebsdrehmomentberechnungsmittel 3B berechnen einen geschätzten Wert des Antriebsdrehmoments unter Verwendung der Werte der von den Parameteridentifizierungsmitteln 10 identifizierten Parameter.
Wenn ein Teil der Parameter der Bewegungsgleichung des Roboters, die durch Gleichung (1) ausgedrückt ist, zu identifizieren ist, transformieren die Parameteridentifizierungsmittel 10 die Bewegungsgleichung aus Gleichung (1) in die nachstehende Gleichung (8), wobei M0(q), h0(q,v), g0(q) bzw. f0(v) eine Trägheitsmatrix, Zentrifugalkraft, Schwerkraft und Reibungskraft darstellen, die auf der Grundlage der nicht zu identifizierenden Parameter berechnet werden, da bekannte Parameterwerte vorhanden sind, und p1 einen Vektor darstellt, der die zu identifizierenden Parameter beinhaltet.
Mit τ0 sein ein Wert bezeichnet, der durch die nachstehende Gleichung (9) definiert ist.
Die Parameteridentifizierungsmittel 10 berechnen τ1 = τ - τ0 auf der Grundlage von τ0, das von der Position, von der Geschwindigkeit und von der Beschleunigung zu jedem entsprechenden Zeitpunkt abgeleitet ist, und des Antriebsdrehmoments τ zum Zeitpunkt der Ableitung von τ0 und berechnen den Parameter P1 unter Verwendung eines Verfahrens der kleinsten Quadrate zusammen mit Yp1, das von der Position, von der Geschwindigkeit und von der Beschleunigung zu jedem entsprechenden Zeitpunkt abgeleitet ist. Der berechnete Parameter p1 wird bei der Berechnung verwendet, die von den Antriebsdrehmomentberechnungsmitteln 3B unter Verwendung von Gleichung (1) durchgeführt wird. Die Antriebsdrehmomentberechnungsmittel 3B unterscheiden sich von den Antriebsdrehmomentberechnungsmitteln 3 dadurch, dass die Antriebsdrehmomentberechnungsmittel 3B den berechneten Parameter p oder den berechneten Parameter p1 verwenden.The parameter identifying means 10 calculates τ 1 =τ - τ 0 based on τ 0 derived from the position, from the speed and from the acceleration at each corresponding time and the driving torque τ at the time of deriving τ 0 and calculates the parameter P 1 using a least squares method together with Y p1 , the is derived from the position, from the velocity and from the acceleration at each corresponding point in time. The calculated parameter p 1 is used in the calculation performed by the driving torque calculation means 3B using Equation (1). The driving torque calculating means 3B differs from the driving torque calculating means 3 in that the driving torque calculating means 3B uses the calculated parameter p or the calculated parameter p 1 .
Die Roboterkollisionsdetektionsvorrichtung 1B gemäß der fünften Ausführungsform verbessert die Genauigkeit der Parameterwerte eines Modells, das sich auf ein dynamisches Merkmal des Roboters bezieht, und wenn der Roboter mit einem Objekt kollidiert, kann sie die Kollision des Roboters mit dem Objekt mit einer relativ hohen Empfindlichkeit detektieren, während eine Fehldetektion verhindert wird. Wenn der Roboter mit einem Objekt kollidiert, kann die Roboterkollisionsdetektionsvorrichtung 1B darüber hinaus die Kollision des Roboters mit dem Objekt mit relativ hoher Empfindlichkeit detektieren, während eine Fehldetektion auch dann verhindert wird, wenn die vorstehenden Parameterwerte unbekannt sind.The robot
Sechste Ausführungsform.Sixth embodiment.
Die Online-Parameteridentifizierungsmittel 11 identifizieren einen Wert eines Parameters der Bewegungsgleichung, die von den Antriebsdrehmomentberechnungsmitteln 3C verwendet wird, auf der Grundlage von Daten während des Betriebs des Roboters. Beispielsweise verwendet die Online-Parameteridentifizierungsmittel 11 eine adaptive Identifizierungstechnik, um während des Betriebs des Roboters unter den Parametern der Bewegungsgleichung der Gleichung (1) einen Wert eines Parameters mit einem unbekannten Wert und einen Wert eines Parameters mit einem während des Betriebs des Roboters variablen Wert zu identifizieren. Die Online-Parameteridentifizierungsmittel 11 identifizieren alle oder einen Teil der Parameter der Bewegungsgleichung des Roboters, die durch Gleichung (1) ausgedrückt ist.The online
Wenn alle Parameter der Bewegungsgleichung des Roboters, die durch die Gleichung (1) ausgedrückt ist, zu identifizieren sind, führen die Online-Parameteridentifizierungsmittel 11 eine Identifizierung auf der Grundlage der nachstehenden Gleichungen (10), (11) und (12) durch, wobei τ[k] bzw. Yp[k] τ und Yp von Gleichung (7) in einer k-ten Identifizierungsperiode darstellen, p[k] den identifizierten Wert von p in der k-ten Identifizierungsperioden darstellt und moit die Identifizierungsperiode darstellt. Es ist anzumerken, dass k eine ganze Zahl im Bereich von 1 bis n ist.
Wenn ein Teil der Parameter der Bewegungsgleichung des Roboters, die durch die Gleichung (1) ausgedrückt ist, zu identifizieren ist, verwenden die Online-Parameteridentifizierungsmittel 11 in den Gleichungen (10), (11) und (12) τ1 anstelle von τ und Yp1 anstelle von Yp, um den Parameter p1 anstelle von p zu identifizieren. Die Online-Parameteridentifizierungsmittel 11 geben Informationen, welche die identifizierten Parameterwerte darstellen, an die Antriebsdrehmomentberechnungsmittel 3C aus. Die Antriebsdrehmomentberechnungsmittel 3C empfangen die Informationen, die von den Online-Parameteridentifizierungsmitteln 11 ausgegeben wurden, und verwenden die in den empfangenen Informationen dargestellten Parameterwerte bei der Berechnung der Bewegungsgleichung. Das heißt, die Antriebsdrehmomentberechnungsmittel 3C verwenden die Werte, die von den Online-Parameteridentifizierungsmitteln 11 identifiziert wurden, um einen geschätzten Wert des Antriebsdrehmoments zu berechnen. Die Antriebsdrehmomentberechnungsmittel 3C unterscheiden sich von den Antriebsdrehmomentberechnungsmitteln 3 dadurch, dass die Antriebsdrehmomentberechnungsmittel 3C die Werte, die von den Online-Parameteridentifizierungsmitteln 11 identifiziert wurden, verwenden, um einen geschätzten Wert des Antriebsdrehmoments zu berechnen. Es ist anzumerken, dass die Online-Parameteridentifizierungsmittel 11 Informationen, welche sequenziell aktualisierte Parameterwerte darstellen, an die Antriebsdrehmomentberechnungsmittel 3C ausgeben.When a part of the parameters of the robot's equation of motion expressed by the equation (1) is to be identified, the online parameter identifying means 11 uses τ 1 in the equations (10), (11) and ( 12 ) instead of τ and Y p1 instead of Y p to identify the parameter p 1 instead of p. The on-line parameter identification means 11 outputs information representing the identified parameter values to the driving torque calculation means 3C. The driving torque calculating means 3C receives the information outputted from the online
Die Roboterkollisionsdetektionsvorrichtung 1C gemäß der sechsten Ausführungsform verbessert die Genauigkeit der Parameterwerte eines Modells, das sich auf ein dynamisches Merkmal des Roboters bezieht, und wenn der Roboter mit einem Objekt kollidiert, kann sie die Kollision des Roboters mit dem Objekt mit einer relativ hohen Empfindlichkeit detektieren, während eine Fehldetektion auch dann verhindert wird, wenn der Wert des Parameters, der sich auf ein dynamisches Merkmal des Roboters bezieht, während des Betriebs des Roboters variiert.The robot
Siebte Ausführungsform.Seventh embodiment.
Im Gegensatz zur ersten Ausführungsform, bei der die Eingabe für die Kernel-Funktion, die von den Drehmomentschätzungsfehlermodelltrainingsmitteln 5 und von den Schwellenwertberechnungsmitteln 8 verwendet wird, Elemente einer skalaren Größe aufweist, sind die entsprechenden Elemente in der siebten Ausführungsform jeweils eine Vektorgröße. Die Roboterkollisionsdetektionsvorrichtung gemäß der siebten Ausführungsform kann den Effekt des Drehmomentschätzungsfehlers entlang jeder Achse, der sowohl mit der Beschleunigung als auch der Geschwindigkeit entlang jeder Achse korreliert, mit relativ hoher Genauigkeit korrigieren.In contrast to the first embodiment, where the input to the kernel function used by the torque estimation error model training means 5 and by the threshold calculation means 8 has elements of a scalar quantity, in the seventh embodiment the corresponding elements are each a vector quantity. The robot collision detection device according to the seventh embodiment can correct the effect of the torque estimation error along each axis, which correlates with both the acceleration and the velocity along each axis, with relatively high accuracy.
Die vektorielle Beschleunigung kann durch einen Wert ersetzt werden, der durch Multiplikation mit einen Gewichtungsfaktor der Beschleunigung entlang jeder Achse, die äquivalent zu der Motorbeschleunigung ist und in Form der Ausgabebeschleunigung des Getriebemechanismus dargestellt ist, erhalten wird. Die Betriebszustandsberechnungsmittel 4 können als Betriebszustandsgröße einen Vektor berechnen, der nicht nur die Geschwindigkeit und die Beschleunigung jeder zu erlernenden Achse, sondern auch die Geschwindigkeiten und Beschleunigungen entlang aller Achsen beinhaltet. Die Betriebszustandsberechnungsmittel 4 können als Betriebszustandsgröße einen Vektor berechnen, der die Positionen entlang aller Achsen, die Geschwindigkeiten entlang aller Achsen und die Ergebnisse der Multiplikation der Beschleunigungen entlang aller Achsen mit einer Gewichtung beinhaltet.The vectorial acceleration may be replaced with a value obtained by multiplying by a weighting factor the acceleration along each axis which is equivalent to the engine acceleration and is represented in terms of the output acceleration of the gear mechanism. The operating state calculation means 4 can calculate a vector as the operating state variable, which contains not only the speed and the acceleration of each axis to be learned, but also the speeds and accelerations along all axes. The operating state calculation means 4 can calculate a vector as the operating state variable, which contains the positions along all axes, the speeds along all axes and the results of the multiplication of the accelerations along all axes with a weighting.
Achte Ausführungsform.Eighth embodiment.
Die Näherungsfunktionstrainingsmittel 12 trainieren eine Näherungsfunktion auf der Grundlage des von den Drehmomentschätzungsfehlermodelltrainingsmitteln 5 trainierten Drehmomentschätzungsfehlermodells. Insbesondere empfangen die Näherungsfunktionstrainingsmittel 12 Gleichung (2) zum Berechnen einer vorhergesagten Verteilung und von Daten, die zum Ableiten von Gleichung (2) verwendet werden. Wenn zusätzliche Daten hinzugefügt werden, empfangen die Näherungsfunktionstrainingsmittel 12 zudem eine Ausgabe von den Betriebszustandsberechnungsmitteln 4. Die Näherungsfunktionstrainingsmittel 12 erhalten durch Lernen eine Näherungsfunktion, die einen oberen Grenzwert und einen unteren Grenzwert eines Bereichs von ±2σ eines geschätzten Werts des Drehmomentschätzungsfehlers ausgibt, unter Verwendung der Funktion und der Parameter, die in Gleichung (2) enthalten sind, der Daten, die für das Lernen durch die Drehmomentschätzungsfehlermodelltrainingsmittel 5 verwendet werden, und der neu hinzugefügten Daten von den Betriebszustandsberechnungsmitteln 4. Beispielsweise ist die Näherungsfunktion ein vorwärtsgekoppeltes neuronales Netz oder ein rekurrentes neuronales Netz.The approximate function training means 12 trains an approximate function based on the torque estimation error model trained by the torque estimation error model training means 5 . In particular, the approximate function training means 12 receives Equation (2) for calculating a predicted distribution and data used to derive Equation (2). When additional data is added, the approximate function training means 12 also receives an output from the operation state calculation means 4. The approximate function training means 12 obtains, through learning, an approximate function that outputs an upper limit value and a lower limit value of a range of ±2σ of an estimated value of the torque estimation error using the Function and the parameter included in Equation (2), the data used for learning by the torque estimation error model training means 5, and the newly added data from the operating state calculation means 4. For example, the approximate function is a feedforward neural network or a recurrent neural network Network.
Nach dem Durchführen des Trainings geben die Näherungsfunktionstrainingsmittel 12 Informationen, welche die trainierte Näherungsfunktion darstellen, an die Schwellenwertberechnungsmittel 8D aus. Die Schwellenwertberechnungsmittel 8D berechnen die Schwellenwerte unter Verwendung der von den Näherungsfunktionstrainingsmitteln 12 trainierten Näherungsfunktion. Das heißt, die Schwellenwertberechnungsmittel 8D berechnen die Schwellenwerte unter Verwendung der von den Näherungsfunktionstrainingsmitteln 12 abgeleiteten Näherungsfunktion. Nach dem Empfang der Informationen, welche die Motorposition darstellen, führen die Schwellenwertberechnungsmittel 8D insbesondere die gleiche Berechnung wie die Berechnung durch, die durch die Betriebszustandsberechnungsmittel 4 durchgeführt wurde, geben das Berechnungsergebnis in die von den Näherungsfunktionstrainingsmitteln 12 erhaltene Näherungsfunktion ein und geben das Berechnungsergebnis der Näherungsfunktion an die Kollisionsbestimmungsmittel 9 als den höheren und den unteren Schwellenwert aus. Der höhere Schwellenwert ist der vorstehende obere Grenzwert und der untere Schwellenwert ist der vorstehende untere Grenzwert. Die Details außer den vorstehenden Details sind die gleichen wie die in der ersten Ausführungsform beschriebenen und auf eine Beschreibung der Details außer den vorstehenden Details wird daher verzichtet.After performing the training, the approximate function training means 12 outputs information representing the trained approximate function to the threshold value calculating means 8D. The threshold calculation means 8D calculates the threshold values using the approximate function trained by the approximate function training means 12 . That is, the threshold value calculation means 8D calculates the threshold values using the approximate function derived by the approximate function training means 12 . Specifically, after receiving the information representing the motor position, the threshold calculation means 8D performs the same calculation as the calculation performed by the operating condition calculation means 4, inputs the calculation result into the approximate function obtained from the approximate function training means 12, and inputs the calculation result of the approximate function to the collision determination means 9 as the higher and lower thresholds. The higher threshold is the above upper limit and the lower threshold is the above lower limit. The details other than the above details are the same as those described in the first embodiment, and the description of the details other than the above details is therefore omitted.
Die Roboterkollisionsdetektionsvorrichtung 1D gemäß der achten Ausführungsform verwendet eine Näherungsfunktion anstelle eines Drehmomentschätzungsfehlermodells zum Berechnen der Schwellenwerte und kann somit den Betrag der Berechnung der Schwellenwerte auf ein relative geringes Niveau reduzieren, wodurch es ermöglicht wird, die Schwellenwerte in einer relativ kurzen Zeit zu berechnen.The robot
Neunte Ausführungsform.Ninth embodiment.
Wenn die Roboterkollisionsdetektionsvorrichtung 1E das Lernen durchführt, geben die Temperaturmessmittel 13 Informationen, die eine gemessene Temperatur darstellen, an die Drehmomentschätzungsfehlermodelltrainingsmittel 5E aus. Die Drehmomentschätzungsfehlermodelltrainingsmittel 5E führen das Lernen unter Verwendung der von den Temperaturmessmitteln 13 gemessenen Temperatur durch. In der ersten Ausführungsform verwenden die Drehmomentschätzungsfehlermodelltrainingsmittel 5 beim Durchführen des Lernens die Geschwindigkeit entlang jeder Achse des Roboters als Eingabe für die Gauß-Prozess-Regression. Die Drehmomentschätzungsfehlermodelltrainingsmittel 5E verwenden einen Vektor, der die Geschwindigkeit entlang jeder Achse und die Temperatur jeder Achse beinhaltet, als Eingabe für die Gauß-Prozess-Regression für jede Achse des Roboters. Die Drehmomentschätzungsfehlermodelltrainingsmittel 5E unterscheiden sich von den Drehmomentschätzungsfehlermodelltrainingsmitteln 5 dadurch, dass die Drehmomentschätzungsfehlermodelltrainingsmittel 5E einen Vektor, der die Geschwindigkeit entlang jeder Achse und die Temperatur jeder Achse beinhaltet, als Eingabe für die Gauß-Prozess-Regression für jede Achse des Roboters verwenden. Die vorstehende Temperatur jeder Achse kann durch einen Wert ersetzt werden, der durch Multiplikation der vorstehenden Temperatur jeder Achse mit einem Gewichtungsfaktor erhalten wird.When the robot
Wenn die Roboterkollisionsdetektionsvorrichtung 1E bestimmt, ob eine Kollision zwischen dem Roboter und einem Objekt während des Betriebs des Roboters aufgetreten ist, geben die Temperaturmessmittel 13 Informationen, welche die gemessene Temperatur darstellen, an die Schwellenwertberechnungsmittel 8E aus. Die Schwellenwertberechnungsmittel 8E berechnen die Schwellenwerte unter Verwendung der von den Temperaturmessmitteln 13 gemessenen Temperatur. Im Gegensatz zu der ersten Ausführungsform, bei welcher die Eingabe für die Kernel-Funktion, die von den Schwellenwertberechnungsmitteln 8 verwendet wird, Elemente der Geschwindigkeit entlang jeder Achse aufweist, verwenden die Schwellenwertberechnungsmittel 8E einen Vektor, der die Geschwindigkeit entlang jeder Achse und die Temperatur jeder Achse beinhaltet. Die Schwellenwertberechnungsmittel 8E berechnen die Schwellenwerte unter Verwendung der von den Temperaturmessmitteln 13 gemessenen Temperatur. Die Schwellenwertberechnungsmittel 8E unterscheiden sich von den Schwellenwertberechnungsmitteln 8 dadurch, dass die Schwellenwertberechnungsmittel 8E die von den Temperaturmessmitteln 13 gemessene Temperatur zum Berechnen der Schwellenwerte verwenden. Wenn die Drehmomentschätzungsfehlermodelltrainingsmittel 5E einen Wert, der durch Multiplikation der Temperatur jeder Achse mit einem Gewichtungsfaktor erhalten wird, zum Durchführen des Lernens verwenden, verwenden die Schwellenwertberechnungsmittel 8E einen Vektor, der die Geschwindigkeit entlang jeder Achse und den durch Multiplikation der Temperatur jeder Achse mit einem Gewichtungsfaktor erhaltenen Wert beinhaltet. Die Details außer den vorstehenden Details sind die gleichen wie die in der ersten Ausführungsform beschriebenen und auf eine Beschreibung der Details außer den vorstehenden Details wird daher verzichtet.When the robot
Die Roboterkollisionsdetektionsvorrichtung 1E gemäß der neunten Ausführungsform kann den Effekt des Drehmomentschätzungsfehlers entlang jeder Achse, der mit der Temperatur jeder Achse korreliert, mit relativ hoher Genauigkeit verbessern und wenn der Roboter mit einem Objekt kollidiert, kann sie somit die Kollision des Roboters mit dem Objekt mit einer relativ hohen Empfindlichkeit detektieren, während eine Fehldetektion verhindert wird.The robot
Der Prozessor 71 ist eine zentrale Verarbeitungseinheit (central processing unit - CPU), eine Verarbeitungseinheit, eine Recheneinheit, ein Mikroprozessor oder ein digitaler Signalprozessor (DSP). In
Wenn die Funktionalität von mindestens einem Teil der Antriebsdrehmomentberechnungsmittel 3, der Betriebszustandsberechnungsmittel 4, der Drehmomentschätzungsfehlermodelltrainingsmittel 5, der Umwandlungsmittel 6, der Fehlerberechnungsmittel 7, der Schwellenwertberechnungsmittel 8 und der Kollisionsbestimmungsmittel 9 in dem Prozessor 71 umgesetzt ist, ist die Funktionalität von mindestens dem Teil in dem Prozessor 71 durch Software, Firmware oder eine Kombination aus Software und Firmware umgesetzt. Die Software oder Firmware ist als ein Programm beschrieben und ist im Speicher 72 gespeichert. Der Prozessor 71 liest ein Programm, das in dem Speicher 72 gespeichert ist, aus und führt es aus und setzt dadurch die Funktionalität von mindestens einem Teil der Antriebsdrehmomentberechnungsmittel 3, der Betriebszustandsberechnungsmittel 4, der Drehmomentschätzungsfehlermodelltrainingsmittel 5, der Umwandlungsmittel 6, der Fehlerberechnungsmittel 7, der Schwellenwertberechnungsmittel 8 und der Kollisionsbestimmungsmittel 9 um.If the functionality of at least part of the driving torque calculation means 3, the operating state calculation means 4, the torque estimation error model training means 5, the conversion means 6, the error calculation means 7, the threshold calculation means 8 and the collision determination means 9 is implemented in the processor 71, the functionality of at least the part in the Processor 71 implemented by software, firmware, or a combination of software and firmware. The software or firmware is described as a program and is stored in
Wenn die Funktionalität von mindestens einem Teil der Antriebsdrehmomentberechnungsmittel 3, der Betriebszustandsberechnungsmittel 4, der Drehmomentschätzungsfehlermodelltrainingsmittel 5, der Umwandlungsmittel 6, der Fehlerberechnungsmittel 7, der Schwellenwertberechnungsmittel 8 und der Kollisionsbestimmungsmittel 9 in dem Prozessor 71 umgesetzt ist, beinhaltet die Roboterkollisionsdetektionsvorrichtung 1 den Speicher 72 zum Speichern eines Programms, das den Prozessor 71 dazu veranlasst, mindestens einen Teil der Schritte durchzuführen, die von den Antriebsdrehmomentberechnungsmitteln 3, den Betriebszustandsberechnungsmittel 4, den Drehmomentschätzungsfehlermodelltrainingsmitteln 5, den Umwandlungsmitteln 6, den Fehlerberechnungsmitteln 7, den Schwellenwertberechnungsmitteln 8 und den Kollisionsbestimmungsmitteln 9 durchzuführen sind. Es kann auch gesagt werden, dass das Programm, das in dem Speicher 72 gespeichert ist, einen Computer dazu veranlasst, mindestens einen Teil des Vorgangs oder Verfahrens durchzuführen, der/das von den Antriebsdrehmomentberechnungsmitteln 3, den Betriebszustandsberechnungsmittel 4, den Drehmomentschätzungsfehlermodelltrainingsmitteln 5, den Umwandlungsmitteln 6, den Fehlerberechnungsmitteln 7, den Schwellenwertberechnungsmitteln 8 und den Kollisionsbestimmungsmitteln 9 durchzuführen ist.If the functionality of at least part of the driving torque calculation means 3, the operating state calculation means 4, the torque estimation error model training means 5, the conversion means 6, the error calculation means 7, the threshold calculation means 8 and the collision determination means 9 is implemented in the processor 71, the robot collision detection device 1 includes the
Der Speicher 72 ist zum Beispiel ein nicht flüchtiger oder flüchtiger Halbleiterspeicher, wie etwa ein Direktzugriffsspeicher (random access memory - RAM), ein Festwertspeicher (read-only memory - ROM), ein Flash-Speicher, ein löschbarer programmierbarer Festwertspeicher (erasable programmable read-only memory - EPROM) oder ein elektrisch löschbarer programmierbarer Festwertspeicher (electrically erasable programmable read-only memory - EEPROM) (eingetragenes Warenzeichen); eine Magnetplatte, eine flexible Platte, eine optische Platte, eine Compact Disc, eine MiniDisc, eine Digital Versatile Disk (DVD) oder dergleichen.The
Die Verarbeitungsschaltung 81 ist ein dediziertes Hardwareelement. Die Verarbeitungsschaltung 81 ist zum Beispiel eine Einzelschaltung, ein Satz mehrerer Schaltungen, ein programmierter Prozessor, ein parallel programmierter Prozessor, eine anwendungsspezifische integrierte Schaltung (application specific integrated circuit - ASIC), eine feldprogrammierbare Gatter-Anordnung (field-programmable gate array - FPGA) oder eine Kombination daraus.The processing circuit 81 is a dedicated hardware element. The processing circuit 81 is, for example, a single circuit, a set of multiple circuits, a programmed processor, a parallel programmed processor, an application specific integrated circuit (ASIC), a field-programmable gate array (FPGA) or a combination thereof.
Ein Teil der Antriebsdrehmomentberechnungsmittel 3, der Betriebszustandsberechnungsmittel 4, der Drehmomentschätzungsfehlermodelltrainingsmittel 5, der Umwandlungsmittel 6, der Fehlerberechnungsmittel 7, der Schwellenwertberechnungsmittel 8 und der Kollisionsbestimmungsmittel 9 kann in einem dedizierten Hardwareelement umgesetzt sein, das von einem dedizierten Hardwareelement des Rests getrennt ist.A part of the driving torque calculation means 3, the operating state calculation means 4, the torque estimation error model training means 5, the conversion means 6, the error calculation means 7, the threshold calculation means 8 and the collision determination means 9 can be implemented in a dedicated hardware element that is separate from a dedicated hardware element of the rest.
Mehrere Funktionalitäten der Antriebsdrehmomentberechnungsmittel 3, der Betriebszustandsberechnungsmittel 4, der Drehmomentschätzungsfehlermodelltrainingsmittel 5, der Umwandlungsmittel 6, der Fehlerberechnungsmittel 7, der Schwellenwertberechnungsmittel 8 und der Kollisionsbestimmungsmittel 9 können so umgesetzt sein, dass ein Teil der mehreren Funktionalitäten in Software oder Firmware umgesetzt ist und der Rest der mehreren Funktionalitäten in einem dedizierten Hardwareelement umgesetzt ist. Somit können mehrere Funktionalitäten der Antriebsdrehmomentberechnungsmittel 3, der Betriebszustandsberechnungsmittel 4, der Drehmomentschätzungsfehlermodelltrainingsmittel 5, der Umwandlungsmittel 6, der Fehlerberechnungsmittel 7, der Schwellenwertberechnungsmittel 8 und der Kollisionsbestimmungsmittel 9 in Hardware, Software, Firmware oder einer Kombination daraus umgesetzt sein.Several functionalities of the driving torque calculation means 3, the operating state calculation means 4, the torque estimation error model training means 5, the conversion means 6, the error calculation means 7, the threshold calculation means 8 and the collision determination means 9 can be implemented such that a part of the several functionalities is implemented in software or firmware and the rest of the several functionalities is implemented in a dedicated hardware element. Thus, several functionalities of the driving torque calculation means 3, the operating state calculation means 4, the torque estimation error model training means 5, the conversion means 6, the error calculation means 7, the threshold calculation means 8 and the collision determination means 9 can be implemented in hardware, software, firmware or a combination thereof.
Die Funktionalität von mindestens einem Teil der Antriebsdrehmomentberechnungsmittel 3, der Betriebszustandsberechnungsmittel 4, der Drehmomentschätzungsfehlermodelltrainingsmittel 5, der Fehlerberechnungsmittel 7, der Schwellenwertberechnungsmittel 8 und der Kollisionsbestimmungsmittel 9, die in der Roboterkollisionsdetektionsvorrichtung 1A gemäß der zweiten Ausführungsform enthalten sind, kann in einem Prozessor umgesetzt sein, der ein in einem Speicher gespeichertes Programm ausführt. Ein solcher Speicher ist ein dem Speicher 72 ähnlicher Speicher, und ein solcher Prozessor ist ein dem Prozessor 71 ähnlicher Prozessor. Mindestens ein Teil der vorstehend beschriebenen Antriebsdrehmomentberechnungsmittel 3, der Betriebszustandsberechnungsmittel 4, der Drehmomentschätzungsfehlermodelltrainingsmittel 5, der Fehlerberechnungsmittel 7, der Schwellenwertberechnungsmittel 8 und der Kollisionsbestimmungsmittel 9 kann in einer Verarbeitungsschaltung umgesetzt sein. Eine solche Verarbeitungsschaltung ist eine der Verarbeitungsschaltung 81 ähnliche Verarbeitungsschaltung.The functionality of at least part of the driving torque calculation means 3, the operating state calculation means 4, the torque estimation error model training means 5, the error calculation means 7, the threshold calculation means 8 and the collision determination means 9 included in the robot
Die Funktionalität von mindestens einem Teil der Antriebsdrehmomentberechnungsmittel 3, der Betriebszustandsberechnungsmittel 4, der Drehmomentschätzungsfehlermodelltrainingsmittel 5, der Umwandlungsmittel 6, der Fehlerberechnungsmittel 7, der Schwellenwertberechnungsmittel 8 und der Kollisionsbestimmungsmittel 9, die in jeder der Roboterkollisionsdetektionsvorrichtungen gemäß der dritten, vierten und siebten Ausführungsform enthalten sind, kann in einem Prozessor umgesetzt sein, der ein in einem Speicher gespeichertes Programm ausführt. Ein solcher Speicher ist ein dem Speicher 72 ähnlicher Speicher, und ein solcher Prozessor ist ein dem Prozessor 71 ähnlicher Prozessor. Mindestens ein Teil der Antriebsdrehmomentberechnungsmittel 3, der Betriebszustandsberechnungsmittel 4, der Drehmomentschätzungsfehlermodelltrainingsmittel 5, der Umwandlungsmittel 6, der Fehlerberechnungsmittel 7, der Schwellenwertberechnungsmittel 8 und der Kollisionsbestimmungsmittel 9, die in jeder der Roboterkollisionsdetektionsvorrichtungen gemäß der dritten, vierten und siebten Ausführungsform enthalten sind, kann in einer Verarbeitungsschaltung umgesetzt sein. Eine solche Verarbeitungsschaltung ist eine der Verarbeitungsschaltung 81 ähnliche Verarbeitungsschaltung.The functionality of at least part of the driving torque calculation means 3, the operating state calculation means 4, the torque estimation error model training means 5, the conversion means 6, the error calculation means 7, the threshold value calculation means 8 and the collision determination means 9 included in each of the robot collision detection devices according to the third, fourth and seventh embodiments, may be implemented in a processor executing a program stored in memory. Such memory is memory similar to
Die Funktionalität von mindestens einem Teil der Antriebsdrehmomentberechnungsmittel 3B, der Betriebszustandsberechnungsmittel 4, der Drehmomentschätzungsfehlermodelltrainingsmittel 5, der Umwandlungsmittel 6, der Fehlerberechnungsmittel 7, der Schwellenwertberechnungsmittel 8, der Kollisionsbestimmungsmittel 9 und der Parameteridentifizierungsmittel 10, die in der Roboterkollisionsdetektionsvorrichtung 1B gemäß der fünften Ausführungsform enthalten sind, kann in einem Prozessor umgesetzt sein, der ein in einem Speicher gespeichertes Programm ausführt. Ein solcher Speicher ist ein dem Speicher 72 ähnlicher Speicher, und ein solcher Prozessor ist ein dem Prozessor 71 ähnlicher Prozessor. Mindestens ein Teil der vorstehend beschriebenen Antriebsdrehmomentberechnungsmittel 3B, der Betriebszustandsberechnungsmittel 4, der Drehmomentschätzungsfehlermodelltrainingsmittel 5, der Umwandlungsmittel 6, der Fehlerberechnungsmittel 7, der Schwellenwertberechnungsmittel 8, der Kollisionsbestimmungsmittel 9 und der Parameteridentifizierungsmittel 10 kann in einer Verarbeitungsschaltung umgesetzt sein. Eine solche Verarbeitungsschaltung ist eine der Verarbeitungsschaltung 81 ähnliche Verarbeitungsschaltung.The functionality of at least a part of the driving torque calculation means 3B, the operating state calculation means 4, the torque estimation error model training means 5, the conversion means 6, the error calculation means 7, the threshold value calculation means 8, the collision determination means 9 and the parameter identification means 10 included in the robot
Die Funktionalität von mindestens einem Teil der Antriebsdrehmomentberechnungsmittel 3C, der Betriebszustandsberechnungsmittel 4, der Drehmomentschätzungsfehlermodelltrainingsmittel 5, der Umwandlungsmittel 6, der Fehlerberechnungsmittel 7, der Schwellenwertberechnungsmittel 8, der Kollisionsbestimmungsmittel 9 und der Online-Parameteridentifizierungsmittel 11, die in der Roboterkollisionsdetektionsvorrichtung 1C gemäß der sechsten Ausführungsform enthalten sind, kann in einem Prozessor umgesetzt sein, der ein in einem Speicher gespeichertes Programm ausführt. Ein solcher Speicher ist ein dem Speicher 72 ähnlicher Speicher, und ein solcher Prozessor ist ein dem Prozessor 71 ähnlicher Prozessor. Mindestens ein Teil der vorstehend beschriebenen Antriebsdrehmomentberechnungsmittel 3C, der Betriebszustandsberechnungsmittel 4, der Drehmomentschätzungsfehlermodelltrainingsmittel 5, der Umwandlungsmittel 6, der Fehlerberechnungsmittel 7, der Schwellenwertberechnungsmittel 8, der Kollisionsbestimmungsmittel 9 und der Online-Parameteridentifizierungsmittel 11 kann in einer Verarbeitungsschaltung umgesetzt sein. Eine solche Verarbeitungsschaltung ist eine der Verarbeitungsschaltung 81 ähnliche Verarbeitungsschaltung.The functionality of at least part of the driving torque calculation means 3C, the operating state calculation means 4, the torque estimation error model training means 5, the conversion means 6, the error calculation means 7, the threshold calculation means 8, the collision determination means 9 and the online parameter identification means 11 included in the robot
Die Funktionalität von mindestens einem Teil der Antriebsdrehmomentberechnungsmittel 3, der Betriebszustandsberechnungsmittel 4, der Drehmomentschätzungsfehlermodelltrainingsmittel 5, der Umwandlungsmittel 6, der Fehlerberechnungsmittel 7, der Schwellenwertberechnungsmittel 8D, der Kollisionsbestimmungsmittel 9 und der Näherungsfunktionstrainingsmittel 12, die in der Roboterkollisionsdetektionsvorrichtung 1D gemäß der achten Ausführungsform enthalten sind, kann in einem Prozessor umgesetzt sein, der ein in einem Speicher gespeichertes Programm ausführt. Ein solcher Speicher ist ein dem Speicher 72 ähnlicher Speicher, und ein solcher Prozessor ist ein dem Prozessor 71 ähnlicher Prozessor. Mindestens ein Teil der vorstehend beschriebenen Antriebsdrehmomentberechnungsmittel 3, der Betriebszustandsberechnungsmittel 4, der Drehmomentschätzungsfehlermodelltrainingsmittel 5, der Umwandlungsmittel 6, der Fehlerberechnungsmittel 7, der Schwellenwertberechnungsmittel 8D, der Kollisionsbestimmungsmittel 9 und der Näherungsfunktionstrainingsmittel 12 kann in einer Verarbeitungsschaltung umgesetzt sein. Eine solche Verarbeitungsschaltung ist eine der Verarbeitungsschaltung 81 ähnliche Verarbeitungsschaltung.The functionality of at least a part of the driving torque calculation means 3, the operating state calculation means 4, the torque estimation error model training means 5, the conversion means 6, the error calculation means 7, the threshold value calculation means 8D, the collision determination means 9 and the approximate function training means 12 included in the robot
Die Funktionalität von mindestens einem Teil der Antriebsdrehmomentberechnungsmittel 3, der Betriebszustandsberechnungsmittel 4, der Drehmomentschätzungsfehlermodelltrainingsmittel 5E, der Umwandlungsmittel 6, der Fehlerberechnungsmittel 7, der Schwellenwertberechnungsmittel 8E, der Kollisionsbestimmungsmittel 9 und der Temperaturmessmittel 13, die in der Roboterkollisionsdetektionsvorrichtung 1E gemäß der neunten Ausführungsform enthalten sind, kann in einem Prozessor umgesetzt sein, der ein in einem Speicher gespeichertes Programm ausführt. Ein solcher Speicher ist ein dem Speicher 72 ähnlicher Speicher, und ein solcher Prozessor ist ein dem Prozessor 71 ähnlicher Prozessor. Mindestens ein Teil der vorstehend beschriebenen Antriebsdrehmomentberechnungsmittel 3, der Betriebszustandsberechnungsmittel 4, der Drehmomentschätzungsfehlermodelltrainingsmittel 5E, der Umwandlungsmittel 6, der Fehlerberechnungsmittel 7, der Schwellenwertberechnungsmittel 8E, der Kollisionsbestimmungsmittel 9 und der Temperaturmessmittel 13 kann in einer Verarbeitungsschaltung umgesetzt sein. Eine solche Verarbeitungsschaltung ist eine der Verarbeitungsschaltung 81 ähnliche Verarbeitungsschaltung.The functionality of at least part of the driving torque calculation means 3, the operating state calculation means 4, the torque estimation error model training means 5E, the conversion means 6, the error calculation means 7, the threshold calculation means 8E, the collision determination means 9 and the temperature measurement means 13 used in the robot collision
Die in den vorstehenden Ausführungsformen beschriebenen Konfigurationen sind lediglich Beispiele. Diese Konfigurationen können mit einer anderen bekannten Technologie kombiniert werden und es können Konfigurationen unterschiedlicher Ausführungsform miteinander kombiniert werden. Darüber hinaus kann ein Teil der Konfigurationen weggelassen und/oder modifiziert werden, ohne vom Geist davon abzuweichen.The configurations described in the above embodiments are just examples. These configurations can be combined with other known technology, and configurations of different embodiments can be combined with each other. Moreover, part of the configurations can be omitted and/or modified without departing from the spirit.
BezugszeichenlisteReference List
- 1, 1A, 1B, 1C, 1D, 1E1, 1A, 1B, 1C, 1D, 1E
- Roboterkollisionsdetektionsvorrichtung;robot collision detection device;
- 2, 2A, 2B, 2C, 2D,2E2, 2A, 2B, 2C, 2D, 2E
- Robotersteuervorrichtung;robot control device;
- 3, 3B, 3C3, 3B, 3C
- Antriebsdrehmomentberechnungsmittel;drive torque calculation means;
- 44
- Betriebszustandsberechnungsmittel;operating condition calculation means;
- 5, 5E5, 5E
- Drehmomentschätzungsfehlermodelltrainingsmittel;torque estimation error model training means;
- 5a5a
- Trainingsmittel;training aids;
- 66
- Umwandlungsmittel;conversion agents;
- 77
- Fehlerberechnungsmittel;error calculation means;
- 8, 8D, 8E8, 8D, 8E
- Schwellenwertberechnungsmittel;threshold calculation means;
- 99
- Kollisionsbestimmungsmittel;collision determination means;
- 1010
- Parameteridentifizierungsmittel;parameter identification means;
- 1111
- Online-Parameteridentifizierungsmittel;online parameter identification means;
- 1212
- Näherungsfunktionstrainingsmittel;approximate function training aids;
- 1313
- Temperaturmessmittel;temperature measuring means;
- 7171
- Prozessor;Processor;
- 7272
- Speicher;Storage;
- 8181
- Verarbeitungsschaltung.processing circuit.
ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDED IN DESCRIPTION
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.This list of documents cited by the applicant was generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte PatentliteraturPatent Literature Cited
- JP 2016511699 [0004]JP 2016511699 [0004]
Claims (12)
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/037680 WO2022074703A1 (en) | 2020-10-05 | 2020-10-05 | Collision sensing device for robot |
Publications (1)
Publication Number | Publication Date |
---|---|
DE112020007659T5 true DE112020007659T5 (en) | 2023-08-03 |
Family
ID=81126753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE112020007659.8T Pending DE112020007659T5 (en) | 2020-10-05 | 2020-10-05 | Robot collision detection device |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP7325656B2 (en) |
CN (1) | CN116018244A (en) |
DE (1) | DE112020007659T5 (en) |
WO (1) | WO2022074703A1 (en) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI764377B (en) * | 2020-11-16 | 2022-05-11 | 達明機器人股份有限公司 | System and method for safely compensating weight of robot |
JP7398024B1 (en) | 2023-07-04 | 2023-12-13 | 株式会社ユーシン精機 | Collision detection method and collision detection system |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016511699A (en) | 2013-02-14 | 2016-04-21 | コミサリヤ・ア・レネルジ・アトミク・エ・オ・エネルジ・アルテルナテイブ | Method for improving detection of collision between robot and its environment, system and computer program product for implementing the method |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5902425B2 (en) * | 2011-09-21 | 2016-04-13 | 株式会社東芝 | Robot control apparatus, disturbance determination method, and actuator control method |
JP2014018941A (en) * | 2012-07-23 | 2014-02-03 | Daihen Corp | Control device and control method |
JP6572265B2 (en) * | 2017-06-30 | 2019-09-04 | ファナック株式会社 | Control device and machine learning device |
CN107253196B (en) * | 2017-08-01 | 2021-05-04 | 中科新松有限公司 | Mechanical arm collision detection method, device, equipment and storage medium |
JP7105646B2 (en) * | 2018-08-02 | 2022-07-25 | 株式会社神戸製鋼所 | ROBOT CONTROL DEVICE, ROBOT CONTROL METHOD AND PROGRAM |
-
2020
- 2020-10-05 DE DE112020007659.8T patent/DE112020007659T5/en active Pending
- 2020-10-05 JP JP2022554978A patent/JP7325656B2/en active Active
- 2020-10-05 CN CN202080103192.2A patent/CN116018244A/en active Pending
- 2020-10-05 WO PCT/JP2020/037680 patent/WO2022074703A1/en active Application Filing
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016511699A (en) | 2013-02-14 | 2016-04-21 | コミサリヤ・ア・レネルジ・アトミク・エ・オ・エネルジ・アルテルナテイブ | Method for improving detection of collision between robot and its environment, system and computer program product for implementing the method |
Also Published As
Publication number | Publication date |
---|---|
JP7325656B2 (en) | 2023-08-14 |
CN116018244A (en) | 2023-04-25 |
WO2022074703A1 (en) | 2022-04-14 |
JPWO2022074703A1 (en) | 2022-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE112020007659T5 (en) | Robot collision detection device | |
DE102018006024A1 (en) | Controller and machine learning device | |
DE102018003266B4 (en) | CONTROLLER AND MACHINE LEARNING DEVICE | |
DE102019001948A1 (en) | Control and machine learning device | |
DE102018108779A1 (en) | Estimator of an automatic machining error factor | |
DE102018108778A1 (en) | Acceleration and deceleration control unit | |
EP3297792B1 (en) | Control and regulation of actuators of a robot by taking into consideration ambient contacts | |
DE102018113656A1 (en) | LEARNING DEVICE, CONTROL AND CONTROL SYSTEM | |
DE112017002846T5 (en) | Apparatus for abnormality diagnosis and abnormality diagnosis method | |
DE112019007222T5 (en) | ENGINE CONTROL DEVICE | |
EP1715352A2 (en) | Method and apparatus for diagnosing failures in a mechatronic system | |
DE102018126434B4 (en) | Test device and machine learning device | |
DE102018002423B4 (en) | Robot controller, machine learning apparatus and machine learning method | |
DE102018220941A1 (en) | Evaluation of measured variables with AI modules taking into account measurement uncertainties | |
DE102018200249A1 (en) | Robot control device | |
DE112019006928T5 (en) | MODEL PREDICTIVE CONTROL DEVICE, MODEL PREDICTIVE CONTROL PROGRAM, MODEL PREDICTIVE CONTROL SYSTEM AND MODEL PREDICTIVE CONTROL PROCEDURE | |
DE112020006948B4 (en) | MONITORING DEVICE FOR A SYSTEM STATE AND METHOD FOR MONITORING A SYSTEM STATE | |
DE102019104922A1 (en) | COLLISION POSITION ESTIMATOR AND MACHINE LEARNING DEVICE | |
EP2947035B1 (en) | Method for determining the load on a working machine and working machine, in particular a crane | |
DE112020006315B4 (en) | ROBOT CONTROL DEVICE, ROBOT CONTROL METHOD AND DEVICE FOR GENERATING LEARNING MODELS | |
DE112020006606B4 (en) | Friction compensation device, collision detection device, torque feedforward calculation device and robot control device and friction compensation method | |
EP2175330A1 (en) | Method and device for operating crush guard function in an electric sealing machine | |
DE112020001795T5 (en) | NUMERICAL CONTROL DEVICE AND LEARNING DEVICE | |
DE112017002881T5 (en) | Servo control device | |
DE112021006961T5 (en) | Numerical control device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R084 | Declaration of willingness to licence |