JPH09258814A - 組み立てロボットの位置決め制御装置及び位置決め制御方法 - Google Patents
組み立てロボットの位置決め制御装置及び位置決め制御方法Info
- Publication number
- JPH09258814A JPH09258814A JP8066494A JP6649496A JPH09258814A JP H09258814 A JPH09258814 A JP H09258814A JP 8066494 A JP8066494 A JP 8066494A JP 6649496 A JP6649496 A JP 6649496A JP H09258814 A JPH09258814 A JP H09258814A
- Authority
- JP
- Japan
- Prior art keywords
- work
- hand
- force
- robot
- correction
- 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
Landscapes
- Control Of Position Or Direction (AREA)
- Numerical Control (AREA)
- Manipulator (AREA)
- Feedback Control In General (AREA)
Abstract
(57)【要約】
【課題】 熟練を要することなく組み立て条件の変更を
迅速かつ容易に行う。 【解決手段】 ロボット１に取り付けられて第１のワー
ク５を把持可能なハンド４を所定の組み立て位置へ変位
させて前記第１ワーク５を第２ワーク６へ挿入ないし嵌
合して組み立てるようにロボット１を駆動する制御手段
５０と、第１ワーク５または第２ワーク６に加わる力を
検出する力センサ２と、この力センサ２の出力に応じて
前記ロボット１またはハンド４の位置を補正する補正手
段５１とを備え、この補正手段５１は、力センサ２が検
出した直交３軸方向の力と各軸回りの力と、予め学習し
たずれ量と力の関係から補正量を想起するニューラルネ
ットワーク５２と、このニューラルネットワーク５２が
想起した補正量に基づいてハンド４の目標補正位置を演
算する補正位置演算手段５３とを備える。
迅速かつ容易に行う。 【解決手段】 ロボット１に取り付けられて第１のワー
ク５を把持可能なハンド４を所定の組み立て位置へ変位
させて前記第１ワーク５を第２ワーク６へ挿入ないし嵌
合して組み立てるようにロボット１を駆動する制御手段
５０と、第１ワーク５または第２ワーク６に加わる力を
検出する力センサ２と、この力センサ２の出力に応じて
前記ロボット１またはハンド４の位置を補正する補正手
段５１とを備え、この補正手段５１は、力センサ２が検
出した直交３軸方向の力と各軸回りの力と、予め学習し
たずれ量と力の関係から補正量を想起するニューラルネ
ットワーク５２と、このニューラルネットワーク５２が
想起した補正量に基づいてハンド４の目標補正位置を演
算する補正位置演算手段５３とを備える。
Description
【０００１】
【発明の属する技術分野】本発明は、組み立てロボット
の位置決め制御に関し、特に挿入または嵌合工程に適し
た位置決め制御方法及び制御装置に関する。
の位置決め制御に関し、特に挿入または嵌合工程に適し
た位置決め制御方法及び制御装置に関する。
【０００２】
【従来の技術】機械部品などの組み立てでは、柱状部材
等のワークを穴部等へ挿入あるいは嵌合させる工程を、
ワークを把持するロボットハンドにより自動化を図るも
のが従来から知られており、例えば、特開平５−２１２
６３１号公報や特開平６−４７６８７号公報等が知られ
ている。
等のワークを穴部等へ挿入あるいは嵌合させる工程を、
ワークを把持するロボットハンドにより自動化を図るも
のが従来から知られており、例えば、特開平５−２１２
６３１号公報や特開平６−４７６８７号公報等が知られ
ている。
【０００３】前者は、ワークの位置ずれに応じてロボッ
トハンドの手首まわりに発生する直交３軸方向の力を検
知して、この力の大きさから場合分けによってサーチ動
作と位置決め補正を繰り返し、ワークを所定の挿入位置
へ位置決めするものである。
トハンドの手首まわりに発生する直交３軸方向の力を検
知して、この力の大きさから場合分けによってサーチ動
作と位置決め補正を繰り返し、ワークを所定の挿入位置
へ位置決めするものである。
【０００４】また後者は、ワークの位置ずれに応じてロ
ボットハンドの手首まわりに発生する直交３軸方向の力
を検知して、これら力データからファジー制御によって
位置決め補正量を決定し、ワークを所定の挿入位置へ位
置決めするものである。
ボットハンドの手首まわりに発生する直交３軸方向の力
を検知して、これら力データからファジー制御によって
位置決め補正量を決定し、ワークを所定の挿入位置へ位
置決めするものである。
【０００５】
【発明が解決しようとする課題】しかしながら、上記前
者の従来例では、場合分けの組み合わせることで力デー
タと補正量の関係を予め設定するため、ワークの形状変
更等の組み立て条件が変更される場合にはこの場合分け
の設定を変更する必要があり、この場合分けの設定には
多大な熟練と労力を要し、迅速に組み立て条件の変更に
対応することができず、また、力データと補正量の関係
が非線形となる場合では、場合分けの組み合わせだけで
は容易に対応することができず、さらに、検知する力デ
ータは直交３軸のみであるため、実際にワークに加わる
力（軸回りのトルク）を正確に把握していないため、正
確な組み立てが行えない場合があった。
者の従来例では、場合分けの組み合わせることで力デー
タと補正量の関係を予め設定するため、ワークの形状変
更等の組み立て条件が変更される場合にはこの場合分け
の設定を変更する必要があり、この場合分けの設定には
多大な熟練と労力を要し、迅速に組み立て条件の変更に
対応することができず、また、力データと補正量の関係
が非線形となる場合では、場合分けの組み合わせだけで
は容易に対応することができず、さらに、検知する力デ
ータは直交３軸のみであるため、実際にワークに加わる
力（軸回りのトルク）を正確に把握していないため、正
確な組み立てが行えない場合があった。
【０００６】また、上記後者の従来例では、ファジー制
御によって力データと補正量の関係を設定しているが、
この関係を決定するファジー制御のメンバーシップ関数
を得るために、実験などによる試行錯誤を必要とするた
め、容易に組み立て条件の変更に対応することができな
いばかりか、制御則の設定に熟練を要するため、前者と
同様に組み立て条件の変更を迅速に行うことができない
という問題があった。
御によって力データと補正量の関係を設定しているが、
この関係を決定するファジー制御のメンバーシップ関数
を得るために、実験などによる試行錯誤を必要とするた
め、容易に組み立て条件の変更に対応することができな
いばかりか、制御則の設定に熟練を要するため、前者と
同様に組み立て条件の変更を迅速に行うことができない
という問題があった。
【０００７】そこで本発明は、熟練を要することなく組
み立て条件の変更を迅速かつ容易に行うとともに、力デ
ータと補正量の関係が非線形であっても正確な組み立て
を行うことを目的とする。
み立て条件の変更を迅速かつ容易に行うとともに、力デ
ータと補正量の関係が非線形であっても正確な組み立て
を行うことを目的とする。
【０００８】
【課題を解決するための手段】第１の発明は、図１２に
示すように、３次元空間の所定の位置へ変位可能なロボ
ット１に取り付けられて第１のワーク５を把持可能なハ
ンド４と、所定の位置に載置された第２のワーク６と、
前記ハンド４を所定の組み立て位置へ変位させて前記第
１ワーク５を第２ワーク６へ挿入ないし嵌合して組み立
てるようにロボット１を駆動する制御手段５０と、前記
第１ワーク５または第２ワーク６に加わる力を検出する
力センサ２と、この力センサ２の出力に応じて前記ロボ
ット１またはハンド４の位置を補正する補正手段５１と
を備えた組み立てロボットの位置決め制御装置におい
て、前記補正手段５１は、力センサ２が検出した直交３
軸方向の力と各軸回りの力と、予め学習したずれ量と力
の関係から補正量を想起するニューラルネットワーク５
２と、このニューラルネットワーク５２が想起した補正
量に基づいて前記ハンド４の目標補正位置を演算する補
正位置演算手段５３とを備える。
示すように、３次元空間の所定の位置へ変位可能なロボ
ット１に取り付けられて第１のワーク５を把持可能なハ
ンド４と、所定の位置に載置された第２のワーク６と、
前記ハンド４を所定の組み立て位置へ変位させて前記第
１ワーク５を第２ワーク６へ挿入ないし嵌合して組み立
てるようにロボット１を駆動する制御手段５０と、前記
第１ワーク５または第２ワーク６に加わる力を検出する
力センサ２と、この力センサ２の出力に応じて前記ロボ
ット１またはハンド４の位置を補正する補正手段５１と
を備えた組み立てロボットの位置決め制御装置におい
て、前記補正手段５１は、力センサ２が検出した直交３
軸方向の力と各軸回りの力と、予め学習したずれ量と力
の関係から補正量を想起するニューラルネットワーク５
２と、このニューラルネットワーク５２が想起した補正
量に基づいて前記ハンド４の目標補正位置を演算する補
正位置演算手段５３とを備える。
【０００９】また、第２の発明は、前記第１の発明にお
いて、前記力センサは、第２ワークに加わる力を検出す
る。
いて、前記力センサは、第２ワークに加わる力を検出す
る。
【００１０】また、第３の発明は、前記第１の発明にお
いて、前記補正手段は、力センサの検出値に加えて、温
度を検出する温度センサを備え、前記ニューラルネット
ワークは、入力された力及び温度に基づいて、予め学習
したずれ量と力及び温度の関係から補正量を想起する。
いて、前記補正手段は、力センサの検出値に加えて、温
度を検出する温度センサを備え、前記ニューラルネット
ワークは、入力された力及び温度に基づいて、予め学習
したずれ量と力及び温度の関係から補正量を想起する。
【００１１】また、第４の発明は、前記第１の発明にお
いて、前記ハンドとロボットの間には弾性部材が介装さ
れ、前記補正手段は、力センサの検出値に加えて、ハン
ドの傾斜を検出する傾斜センサを備え、前記ニューラル
ネットワークは、入力された力及び傾斜に基づいて、予
め学習したずれ量と力及び傾斜の関係から補正量を想起
する。
いて、前記ハンドとロボットの間には弾性部材が介装さ
れ、前記補正手段は、力センサの検出値に加えて、ハン
ドの傾斜を検出する傾斜センサを備え、前記ニューラル
ネットワークは、入力された力及び傾斜に基づいて、予
め学習したずれ量と力及び傾斜の関係から補正量を想起
する。
【００１２】また、第５の発明は、３次元空間の所定の
位置へ変位可能なロボットに取り付けられたハンドで第
１のワークを把持し、このハンドを駆動して所定の位置
に載置された第２のワークへ第１ワークを挿入ないし嵌
合して組み立てるようにロボットを駆動するとともに、
前記第１ワークまたは第２ワークに加わる力を検出する
力センサの出力に応じて前記ロボットまたはハンドの位
置を補正する組み立てロボットの位置決め制御方法にお
いて、前記第１ワークを第２ワークへ挿入したときに直
交３軸方向の力と各軸回りの力を検出する検出処理と、
ニューラルネットワークによって予め学習したずれ量と
直交３軸方向及び各軸回りの力との関係から補正量を想
起する想起処理と、このニューラルネットワークが想起
した補正量に基づいて前記ハンドの目標補正位置を演算
する補正位置演算処理とを含む。
位置へ変位可能なロボットに取り付けられたハンドで第
１のワークを把持し、このハンドを駆動して所定の位置
に載置された第２のワークへ第１ワークを挿入ないし嵌
合して組み立てるようにロボットを駆動するとともに、
前記第１ワークまたは第２ワークに加わる力を検出する
力センサの出力に応じて前記ロボットまたはハンドの位
置を補正する組み立てロボットの位置決め制御方法にお
いて、前記第１ワークを第２ワークへ挿入したときに直
交３軸方向の力と各軸回りの力を検出する検出処理と、
ニューラルネットワークによって予め学習したずれ量と
直交３軸方向及び各軸回りの力との関係から補正量を想
起する想起処理と、このニューラルネットワークが想起
した補正量に基づいて前記ハンドの目標補正位置を演算
する補正位置演算処理とを含む。
【００１３】また、第６の発明は、前記第５の発明にお
いて、前記検出処理は、第２ワークに加わる力を検出す
る。
いて、前記検出処理は、第２ワークに加わる力を検出す
る。
【００１４】また、第７の発明は、前記第１の発明にお
いて、前記検出処理は、力センサの検出値に加えて温度
を検出し、前記想起処理は、ニューラルネットワークに
よって予め学習したずれ量と直交３軸方向及び各軸回り
の力及び温度の関係から補正量を想起する。
いて、前記検出処理は、力センサの検出値に加えて温度
を検出し、前記想起処理は、ニューラルネットワークに
よって予め学習したずれ量と直交３軸方向及び各軸回り
の力及び温度の関係から補正量を想起する。
【００１５】また、第８の発明は、前記第５の発明にお
いて、前記ハンドはロボットとの間に弾性部材を介装す
る一方、前記検出処理は、力センサの検出値に加えて、
ハンドの傾斜を検出し、前記想起処理は、ニューラルネ
ットワークによって予め学習したずれ量と直交３軸方向
及び各軸回りの力及びハンドの傾斜の関係から補正量を
想起する。
いて、前記ハンドはロボットとの間に弾性部材を介装す
る一方、前記検出処理は、力センサの検出値に加えて、
ハンドの傾斜を検出し、前記想起処理は、ニューラルネ
ットワークによって予め学習したずれ量と直交３軸方向
及び各軸回りの力及びハンドの傾斜の関係から補正量を
想起する。
【００１６】また、第９の発明は、前記第５の発明にお
いて、前記ニューラルネットワークの学習は、第１及び
第２のワークの形状または寸法公差に応じて設定された
所定の範囲内の多数の位置において、前記ハンドを前記
多数の位置へ順次駆動して第１ワークを第２ワークへ当
接させる処理と、第１ワークが第２ワークに当接したと
きの位置に応じた力センサの検出値を学習する処理とを
含む。
いて、前記ニューラルネットワークの学習は、第１及び
第２のワークの形状または寸法公差に応じて設定された
所定の範囲内の多数の位置において、前記ハンドを前記
多数の位置へ順次駆動して第１ワークを第２ワークへ当
接させる処理と、第１ワークが第２ワークに当接したと
きの位置に応じた力センサの検出値を学習する処理とを
含む。
【００１７】また、第１０の発明は、前記第５の発明に
おいて、前記ニューラルネットワークの学習は、第１及
び第２のワークの形状または寸法公差に応じて設定され
た所定の範囲内の多数の位置で、前記ハンドを前記多数
の位置へ順次駆動して第１ワークを所定の軸回りに所定
の角度毎に順次回動させて第２ワークへ当接させる処理
と、第１ワークが第２ワークに当接したときの位置及び
角度に対応した力センサの検出値を学習する処理とを含
み、前記想起処理は、直交３軸方向のずれ量と所定の軸
回りのずれ角度を想起するとともに、前記補正位置演算
処理は、直交３軸方向の位置及び所定の軸回りの角度を
演算する。
おいて、前記ニューラルネットワークの学習は、第１及
び第２のワークの形状または寸法公差に応じて設定され
た所定の範囲内の多数の位置で、前記ハンドを前記多数
の位置へ順次駆動して第１ワークを所定の軸回りに所定
の角度毎に順次回動させて第２ワークへ当接させる処理
と、第１ワークが第２ワークに当接したときの位置及び
角度に対応した力センサの検出値を学習する処理とを含
み、前記想起処理は、直交３軸方向のずれ量と所定の軸
回りのずれ角度を想起するとともに、前記補正位置演算
処理は、直交３軸方向の位置及び所定の軸回りの角度を
演算する。
【００１８】
【作用】したがって、第１の発明は、ロボットに取り付
けられたハンドで把持された第１のワークを所定の位置
に載置された第２のワークへ挿入ないし嵌合して組み立
てる際に、ワークの成形誤差や位置決め誤差などにより
挿入ないし嵌合が行われず第１ワークが第２ワークに係
止されると、補正手段は力センサの検出値に応じてハン
ドの位置決め補正を行うが、この位置決め補正は、入力
された直交３軸方向の力及び各軸回りの力と、予め学習
したずれ量と力の関係からニューラルネットワークが想
起した補正量に応じてハンドの目標補正位置を演算し、
この目標補正位置へ向けてロボットの位置決め補正が行
われる。ニューラルネットワークは、第１または第２の
ワークに加わる直交３軸方向及び各軸回りの力に基づい
て補正量を演算するため、挿入ないし嵌合位置からのず
れ量を正確に演算することができ、また、ニューラルネ
ットワークを用いることで、ワークの変更などの組み立
て条件の変更を容易かつ迅速に行うことができ、さら
に、力とずれ量の関係が非線形となる場合でも正確に位
置決め補正を行うことができ、幅広い組み立て条件に対
応することができる。
けられたハンドで把持された第１のワークを所定の位置
に載置された第２のワークへ挿入ないし嵌合して組み立
てる際に、ワークの成形誤差や位置決め誤差などにより
挿入ないし嵌合が行われず第１ワークが第２ワークに係
止されると、補正手段は力センサの検出値に応じてハン
ドの位置決め補正を行うが、この位置決め補正は、入力
された直交３軸方向の力及び各軸回りの力と、予め学習
したずれ量と力の関係からニューラルネットワークが想
起した補正量に応じてハンドの目標補正位置を演算し、
この目標補正位置へ向けてロボットの位置決め補正が行
われる。ニューラルネットワークは、第１または第２の
ワークに加わる直交３軸方向及び各軸回りの力に基づい
て補正量を演算するため、挿入ないし嵌合位置からのず
れ量を正確に演算することができ、また、ニューラルネ
ットワークを用いることで、ワークの変更などの組み立
て条件の変更を容易かつ迅速に行うことができ、さら
に、力とずれ量の関係が非線形となる場合でも正確に位
置決め補正を行うことができ、幅広い組み立て条件に対
応することができる。
【００１９】また、第２の発明は、力センサが第２ワー
クに加わる力を検出するため、力センサをロボット側に
配置できないような場合でも、第１ワークと第２ワーク
が当接したときの力に基づいて位置決め補正を行うこと
ができる。
クに加わる力を検出するため、力センサをロボット側に
配置できないような場合でも、第１ワークと第２ワーク
が当接したときの力に基づいて位置決め補正を行うこと
ができる。
【００２０】また、第３の発明は、力センサの検出値と
温度に基づいて、ニューラルネットワークは、予め学習
したずれ量と力及び温度の関係から補正量を想起するた
め、温度による力センサのドリフトやワークの変形を加
味して高精度の位置決め補正を行うことができる。
温度に基づいて、ニューラルネットワークは、予め学習
したずれ量と力及び温度の関係から補正量を想起するた
め、温度による力センサのドリフトやワークの変形を加
味して高精度の位置決め補正を行うことができる。
【００２１】また、第４の発明は、ハンドはロボットと
の間に弾性部材を介装したため、第１ワークが第２ワー
クへ当接すると弾性部材の変形に応じて傾斜するが、ニ
ューラルネットワークは力センサの検出値に加えて、ハ
ンドの傾斜をに基づいて、予め学習したずれ量と力及び
傾斜の関係から補正量を想起することができ、正確な位
置決め補正を行うことができる。
の間に弾性部材を介装したため、第１ワークが第２ワー
クへ当接すると弾性部材の変形に応じて傾斜するが、ニ
ューラルネットワークは力センサの検出値に加えて、ハ
ンドの傾斜をに基づいて、予め学習したずれ量と力及び
傾斜の関係から補正量を想起することができ、正確な位
置決め補正を行うことができる。
【００２２】また、第５の発明は、ロボットに取り付け
られたハンドで把持した第１のワーク所定の位置に載置
された第２のワークへ挿入ないし嵌合する際に、第１ワ
ークを第２ワークへ挿入したときに直交３軸方向の力と
各軸回りの力を検出し、これら力の検出を入力として、
ニューラルネットワークは予め学習したずれ量と直交３
軸方向及び各軸回りの力との関係から補正量を想起し
て、ハンドの目標補正位置を演算するため、挿入ないし
嵌合位置からのずれ量を正確に演算することができ、ま
た、ニューラルネットワークを用いることで、ワークの
変更などの組み立て条件の変更を容易かつ迅速に行うこ
とができ、さらに、力とずれ量の関係が非線形となる場
合でも正確に位置決め補正を行うことができ、幅広い組
み立て条件に対応することができる。
られたハンドで把持した第１のワーク所定の位置に載置
された第２のワークへ挿入ないし嵌合する際に、第１ワ
ークを第２ワークへ挿入したときに直交３軸方向の力と
各軸回りの力を検出し、これら力の検出を入力として、
ニューラルネットワークは予め学習したずれ量と直交３
軸方向及び各軸回りの力との関係から補正量を想起し
て、ハンドの目標補正位置を演算するため、挿入ないし
嵌合位置からのずれ量を正確に演算することができ、ま
た、ニューラルネットワークを用いることで、ワークの
変更などの組み立て条件の変更を容易かつ迅速に行うこ
とができ、さらに、力とずれ量の関係が非線形となる場
合でも正確に位置決め補正を行うことができ、幅広い組
み立て条件に対応することができる。
【００２３】また、第６の発明は、第１または第２のワ
ークに加わる力の検出は、第２ワークに加わる力を検出
するため、力センサをロボット側に配置できないような
場合でも、第１ワークと第２ワークが当接したときの力
に基づいて位置決め補正を行うことができる。
ークに加わる力の検出は、第２ワークに加わる力を検出
するため、力センサをロボット側に配置できないような
場合でも、第１ワークと第２ワークが当接したときの力
に基づいて位置決め補正を行うことができる。
【００２４】また、第７の発明は、力センサの検出値と
温度に基づいて、ニューラルネットワークは、予め学習
したずれ量と力及び温度の関係から補正量を想起するた
め、温度による力センサのドリフトやワークの変形を加
味して高精度の位置決め補正を行うことができる。
温度に基づいて、ニューラルネットワークは、予め学習
したずれ量と力及び温度の関係から補正量を想起するた
め、温度による力センサのドリフトやワークの変形を加
味して高精度の位置決め補正を行うことができる。
【００２５】また、第８の発明は、ハンドはロボットと
の間に弾性部材を介装したため、第１ワークが第２ワー
クへ当接すると弾性部材の変形に応じて傾斜するが、ニ
ューラルネットワークは力センサの検出値に加えて、ハ
ンドの傾斜をに基づいて、予め学習したずれ量と力及び
傾斜の関係から補正量を想起することができ、正確な位
置決め補正を行うことができる。
の間に弾性部材を介装したため、第１ワークが第２ワー
クへ当接すると弾性部材の変形に応じて傾斜するが、ニ
ューラルネットワークは力センサの検出値に加えて、ハ
ンドの傾斜をに基づいて、予め学習したずれ量と力及び
傾斜の関係から補正量を想起することができ、正確な位
置決め補正を行うことができる。
【００２６】また、第９の発明は、ニューラルネットワ
ークは、第１及び第２のワークの形状または寸法公差に
応じて設定された所定の範囲内の多数の位置において、
前記ハンドを前記多数の位置へ順次駆動して第１ワーク
を第２ワークへ当接させて、そのときの、力センサの検
出値を位置に応じて学習することにより、第１及び第２
のワークの形状や寸法公差等の組み立て条件に対応して
位置決め補正量の想起を行うことができ、力とずれ量の
関係が非線形となる場合でも正確に対応することができ
る。
ークは、第１及び第２のワークの形状または寸法公差に
応じて設定された所定の範囲内の多数の位置において、
前記ハンドを前記多数の位置へ順次駆動して第１ワーク
を第２ワークへ当接させて、そのときの、力センサの検
出値を位置に応じて学習することにより、第１及び第２
のワークの形状や寸法公差等の組み立て条件に対応して
位置決め補正量の想起を行うことができ、力とずれ量の
関係が非線形となる場合でも正確に対応することができ
る。
【００２７】また、第１０の発明は、ニューラルネット
ワークは、第１及び第２のワークの形状または寸法公差
に応じて設定された所定の範囲内の多数の位置におい
て、前記ハンドを前記多数の位置へ順次駆動して第１ワ
ークを第２ワークへ所定の軸回りに所定の角度毎に順次
回動させながら当接させて、そのときの、力センサの検
出値を位置に応じて学習することにより、ずれ量を直交
３軸方向と所定の軸回りの角度として得ることができ、
柱状部材等の所定の軸回りの変位によって挿入の可否が
決定されるワークに対応することができる。
ワークは、第１及び第２のワークの形状または寸法公差
に応じて設定された所定の範囲内の多数の位置におい
て、前記ハンドを前記多数の位置へ順次駆動して第１ワ
ークを第２ワークへ所定の軸回りに所定の角度毎に順次
回動させながら当接させて、そのときの、力センサの検
出値を位置に応じて学習することにより、ずれ量を直交
３軸方向と所定の軸回りの角度として得ることができ、
柱状部材等の所定の軸回りの変位によって挿入の可否が
決定されるワークに対応することができる。
【００２８】
【発明の実施の形態】図１〜図２に本発明の一実施形態
を示す。
を示す。
【００２９】図１において、１はコントローラ１１に制
御される直交３軸タイプのロボットで、ハンド部７を図
中Ｘ−Ｙ−Ｚ軸方向へ駆動して３次元空間内の任意の位
置へ位置決めするもので、ハンド部７で把持した第１ワ
ークとしての柱状のワーク５を、ベッド１Ａに載置した
第２ワークとしての被挿入部品６の孔部６Ａへ挿入する
工程に本発明を適用した場合を示す。
御される直交３軸タイプのロボットで、ハンド部７を図
中Ｘ−Ｙ−Ｚ軸方向へ駆動して３次元空間内の任意の位
置へ位置決めするもので、ハンド部７で把持した第１ワ
ークとしての柱状のワーク５を、ベッド１Ａに載置した
第２ワークとしての被挿入部品６の孔部６Ａへ挿入する
工程に本発明を適用した場合を示す。
【００３０】ハンド部７は柱状のワーク５を選択的に把
持するとともに、図中Ｚ軸（鉛直方向）回りに回動可能
なハンド４と、ハンド４を支持する弾性部材３、そし
て、弾性部材３とロボット１との間に介装されて、ワー
ク５に加わる力を検出する力センサ２が介装される。な
お、ワーク５としては、図５に示すように楕円形断面の
柱部材とし、被挿入部品６の孔部６Ａは、ワーク５を挿
入可能な楕円形の断面を備える。
持するとともに、図中Ｚ軸（鉛直方向）回りに回動可能
なハンド４と、ハンド４を支持する弾性部材３、そし
て、弾性部材３とロボット１との間に介装されて、ワー
ク５に加わる力を検出する力センサ２が介装される。な
お、ワーク５としては、図５に示すように楕円形断面の
柱部材とし、被挿入部品６の孔部６Ａは、ワーク５を挿
入可能な楕円形の断面を備える。
【００３１】ハンド４は一対の爪を図中Ｘ−Ｙ平面（水
平面）内で相対変位させてワーク５を把持、解放するも
ので、図１において、Ｘ軸は左右方向、Ｙ軸は紙面の貫
通方向となる。
平面）内で相対変位させてワーク５を把持、解放するも
ので、図１において、Ｘ軸は左右方向、Ｙ軸は紙面の貫
通方向となる。
【００３２】そして、力センサ２はハンド４、弾性部材
３を介してワーク５に加わる３軸方向の力ＦＸ、ＦＹ、
ＦＺに加えて、各軸回りの力＝トルクＴＸ、ＴＹ、ＴＺ
を検出し、コントローラ１１へ検出信号を送出する。
３を介してワーク５に加わる３軸方向の力ＦＸ、ＦＹ、
ＦＺに加えて、各軸回りの力＝トルクＴＸ、ＴＹ、ＴＺ
を検出し、コントローラ１１へ検出信号を送出する。
【００３３】コントローラ１１はマイクロプロセッサ等
を主体に構成されており、力センサ２の出力にＡ／Ｄ変
換処理等を行うセンサ制御部８と、ロボット１の駆動を
制御するロボット制御部９と、ロボット制御部９へ所定
の動作を行うための指令を送出するとともに、センサ制
御部８からの力データに応じてロボット１の駆動位置を
補正する演算制御部１０とから構成される。
を主体に構成されており、力センサ２の出力にＡ／Ｄ変
換処理等を行うセンサ制御部８と、ロボット１の駆動を
制御するロボット制御部９と、ロボット制御部９へ所定
の動作を行うための指令を送出するとともに、センサ制
御部８からの力データに応じてロボット１の駆動位置を
補正する演算制御部１０とから構成される。
【００３４】演算制御部１０は、図２（Ａ）に示すよう
に、センサ制御部８を介して入力された力データＦＸ〜
ＦＺ、ＴＸ〜ＴＺから、予め学習した力データに基づい
て、Ｘ−Ｙ平面内のずれΔＸ、ΔＹと、Ｚ軸回りのずれ
Δθを想起するニューラルネットワーク１０１と、これ
らずれΔＸ、Ｙ、θからワーク５の目標補正位置Ｘ、
Ｙ、θを演算する補正位置演算部１０２を備え、演算し
た目標補正位置をロボット制御部９へ指令するものであ
る。
に、センサ制御部８を介して入力された力データＦＸ〜
ＦＺ、ＴＸ〜ＴＺから、予め学習した力データに基づい
て、Ｘ−Ｙ平面内のずれΔＸ、ΔＹと、Ｚ軸回りのずれ
Δθを想起するニューラルネットワーク１０１と、これ
らずれΔＸ、Ｙ、θからワーク５の目標補正位置Ｘ、
Ｙ、θを演算する補正位置演算部１０２を備え、演算し
た目標補正位置をロボット制御部９へ指令するものであ
る。
【００３５】ここで、ニューラルネットワーク１０１
は、人体の神経細胞におけるニューロンの情報処理を模
擬した演算手段で、階層的あるいは相互に接続した多数
のニューロン（演算素子）が並列的に情報を処理するも
ので、各ニューロンの接続の強さを変えることで、入力
信号あるいは前段のニューロンの出力信号の重み係数を
決定し、この重み係数に応じて入力に対する出力を定性
的、感覚的に「想起」するもので、重み係数は「学習」
によって設定されるものである。
は、人体の神経細胞におけるニューロンの情報処理を模
擬した演算手段で、階層的あるいは相互に接続した多数
のニューロン（演算素子）が並列的に情報を処理するも
ので、各ニューロンの接続の強さを変えることで、入力
信号あるいは前段のニューロンの出力信号の重み係数を
決定し、この重み係数に応じて入力に対する出力を定性
的、感覚的に「想起」するもので、重み係数は「学習」
によって設定されるものである。
【００３６】このような、人体の神経細胞の情報処理を
模擬したニューラルネットワークの理論については従来
から知られており、例えば、「油圧と空気圧 Vol23.No
1 1992/1」（平成４年１月 日本油空圧学会 発行）
の第２１頁〜第２６頁等に開示されるとおりであり、こ
こでは詳述しない。
模擬したニューラルネットワークの理論については従来
から知られており、例えば、「油圧と空気圧 Vol23.No
1 1992/1」（平成４年１月 日本油空圧学会 発行）
の第２１頁〜第２６頁等に開示されるとおりであり、こ
こでは詳述しない。
【００３７】演算制御部１０のニューラルネットワーク
１０１は、上記のようなニューロンの結合を数学モデル
として設定したもので、演算制御部１０で行われる制御
は、まず、図２（Ｂ）のように、ワーク５のずれΔＸ、
ΔＹ、Δθに応じた力データを学習させて上記重み係数
を決定するティーチング処理と、ワーク５を被挿入部品
６の孔部６Ａに挿入して、ワーク５に加わる力データか
らロボット１の目標補正位置を想起する位置決め補正処
理の２つの処理から構成される。
１０１は、上記のようなニューロンの結合を数学モデル
として設定したもので、演算制御部１０で行われる制御
は、まず、図２（Ｂ）のように、ワーク５のずれΔＸ、
ΔＹ、Δθに応じた力データを学習させて上記重み係数
を決定するティーチング処理と、ワーク５を被挿入部品
６の孔部６Ａに挿入して、ワーク５に加わる力データか
らロボット１の目標補正位置を想起する位置決め補正処
理の２つの処理から構成される。
【００３８】すなわち、図２（Ｂ）のように、ワーク５
と被挿入部品６の形状や相対位置関係等の組み立て条件
に応じて、ニューラルネットワーク１０１にずれと力デ
ータの関係を予め学習させて、重み係数を決定してか
ら、図２（Ａ）のように実際の組み立て工程を実行し、
力センサ２が検出した力データＦＸ〜ＦＺ、ＴＸ〜ＴＺ
に応じてニューラルネットワーク１０１が想起したずれ
ΔＸ、ΔＹ、Δθにより目標補正位置Ｘ、Ｙ、θへロボ
ット１を駆動して位置決め補正を行うものである。
と被挿入部品６の形状や相対位置関係等の組み立て条件
に応じて、ニューラルネットワーク１０１にずれと力デ
ータの関係を予め学習させて、重み係数を決定してか
ら、図２（Ａ）のように実際の組み立て工程を実行し、
力センサ２が検出した力データＦＸ〜ＦＺ、ＴＸ〜ＴＺ
に応じてニューラルネットワーク１０１が想起したずれ
ΔＸ、ΔＹ、Δθにより目標補正位置Ｘ、Ｙ、θへロボ
ット１を駆動して位置決め補正を行うものである。
【００３９】次に、演算制御部１０で行われる上記ティ
ーチング処理と、位置決め補正処理について、図３、図
４のフローチャートを参照しながら詳述する。
ーチング処理と、位置決め補正処理について、図３、図
４のフローチャートを参照しながら詳述する。
【００４０】まず、図３は実際の組み立てを行う以前に
実行されるティーチング処理を示し、ハンド４で把持し
たワーク５を、実際の組み立て工程と同様に載置された
被挿入部品６に対して、図５に示す既知のずれ位置（Ｘ
i0、Ｙj0、θｋ0）〜（Ｘin、Ｙjm、θｋm）へ駆動する
とともに、図６のように被挿入部品６へ挿入する挿入動
作を行って、既知のずれΔＸi、ΔＹi、Δθiに対応し
た力データＦＸ〜ＦＺ、ＴＸ〜ＴＺを学習し、上記重み
係数を設定する。
実行されるティーチング処理を示し、ハンド４で把持し
たワーク５を、実際の組み立て工程と同様に載置された
被挿入部品６に対して、図５に示す既知のずれ位置（Ｘ
i0、Ｙj0、θｋ0）〜（Ｘin、Ｙjm、θｋm）へ駆動する
とともに、図６のように被挿入部品６へ挿入する挿入動
作を行って、既知のずれΔＸi、ΔＹi、Δθiに対応し
た力データＦＸ〜ＦＺ、ＴＸ〜ＴＺを学習し、上記重み
係数を設定する。
【００４１】このティーチング処理で行うハンド４の駆
動は、図５、図６に示すように、所定の挿入位置
（Ｘ0、Ｙ0、θ0）に対して、所定の範囲、例えば予想
される位置決め誤差やワーク５及び被挿入部品６の寸法
公差等に応じて、楕円形断面のワーク５に応じた格子状
の既知のずれ位置Ｘi、Ｙjをそれぞれ設定し、各ずれ位
置ではワーク５をＺ軸回りに所定の角度おきに変位させ
て軸回りの既知のずれθkを設定したものである。
動は、図５、図６に示すように、所定の挿入位置
（Ｘ0、Ｙ0、θ0）に対して、所定の範囲、例えば予想
される位置決め誤差やワーク５及び被挿入部品６の寸法
公差等に応じて、楕円形断面のワーク５に応じた格子状
の既知のずれ位置Ｘi、Ｙjをそれぞれ設定し、各ずれ位
置ではワーク５をＺ軸回りに所定の角度おきに変位させ
て軸回りの既知のずれθkを設定したものである。
【００４２】まず、ステップＳ１でワーク５をハンド４
で把持してから、ステップＳ２で予め設定したティーチ
ング開始位置（Ｘi0、Ｙj0、θｋ0）へロボット１を駆
動する。
で把持してから、ステップＳ２で予め設定したティーチ
ング開始位置（Ｘi0、Ｙj0、θｋ0）へロボット１を駆
動する。
【００４３】そして、ステップＳ３でロボット１をＺ軸
方向に駆動してワーク５を被挿入部品６の孔部６Ａに挿
入する。
方向に駆動してワーク５を被挿入部品６の孔部６Ａに挿
入する。
【００４４】このとき、ワーク５は図６のように、所定
の挿入位置（Ｘ0、Ｙ0、θ0）からずれた位置にあるた
め被挿入部品６の端面に係止され、ステップＳ４、Ｓ５
では、ワーク５に加わる力を力センサ２の検出値から各
軸方向の力データＦＸ、ＦＹ、ＦＺと各軸回りのトルク
ＴＸ、ＴＹ、ＴＺを読み込むとともに学習記憶する。さ
らに、ワーク５を上昇させてからハンド４を所定角度θ
1づつ軸回りに変位させた後、再び上記力データの読み
込み及び学習記憶を行い、この軸回りのずれθｋは、所
定のずれΔθ2となるまで所定のずれ角θ1°毎に力デー
タの学習記憶を行う。
の挿入位置（Ｘ0、Ｙ0、θ0）からずれた位置にあるた
め被挿入部品６の端面に係止され、ステップＳ４、Ｓ５
では、ワーク５に加わる力を力センサ２の検出値から各
軸方向の力データＦＸ、ＦＹ、ＦＺと各軸回りのトルク
ＴＸ、ＴＹ、ＴＺを読み込むとともに学習記憶する。さ
らに、ワーク５を上昇させてからハンド４を所定角度θ
1づつ軸回りに変位させた後、再び上記力データの読み
込み及び学習記憶を行い、この軸回りのずれθｋは、所
定のずれΔθ2となるまで所定のずれ角θ1°毎に力デー
タの学習記憶を行う。
【００４５】次に、ステップＳ７で力データの学習を所
定の範囲（Ｘin、Ｙjm、θｋm）まで続けた後、ステッ
プＳ６ですべてのずれ位置の学習が終了すると、ステッ
プＳ８でハンド４を所定の原点位置に復帰させてティー
チング処理を終了する。
定の範囲（Ｘin、Ｙjm、θｋm）まで続けた後、ステッ
プＳ６ですべてのずれ位置の学習が終了すると、ステッ
プＳ８でハンド４を所定の原点位置に復帰させてティー
チング処理を終了する。
【００４６】こうして、予め設定した既知のずれ位置
（Ｘi0、Ｙj0）〜（Ｘin、Ｙjm）において、それぞれＺ
軸回りのずれΔθ0〜θkに対応した力データＦＸ〜Ｆ
Ｚ、ＴＸ〜ＴＺが学習され、演算制御部１０のニューラ
ルネットワーク１０１では、ずれ位置（ΔＸ、ΔＹ、Δ
θ）と力データに対応した重み係数が設定される。
（Ｘi0、Ｙj0）〜（Ｘin、Ｙjm）において、それぞれＺ
軸回りのずれΔθ0〜θkに対応した力データＦＸ〜Ｆ
Ｚ、ＴＸ〜ＴＺが学習され、演算制御部１０のニューラ
ルネットワーク１０１では、ずれ位置（ΔＸ、ΔＹ、Δ
θ）と力データに対応した重み係数が設定される。
【００４７】次に、実際の組み立て工程で行われる位置
決め補正処理についてずれとして図４のフローチャート
を参照しながら詳述する。
決め補正処理についてずれとして図４のフローチャート
を参照しながら詳述する。
【００４８】まず、ステップＳ１１で所定の変数ＣＯＵ
ＮＴをリセットしてから、ステップＳ１２で上記ステッ
プＳ１と同様にワーク５を把持した後、ステップＳ１３
では、図５に示したように、ロボット１のティーチング
位置である所定の挿入位置（Ｘ0、Ｙ0）へロボット１を
駆動する。
ＮＴをリセットしてから、ステップＳ１２で上記ステッ
プＳ１と同様にワーク５を把持した後、ステップＳ１３
では、図５に示したように、ロボット１のティーチング
位置である所定の挿入位置（Ｘ0、Ｙ0）へロボット１を
駆動する。
【００４９】そして、ステップＳ１４では、図６に示し
たように、ワーク５を被挿入部品６の孔部６Ａに挿入す
るため、ハンド４をＺ軸方向へ下降させる。
たように、ワーク５を被挿入部品６の孔部６Ａに挿入す
るため、ハンド４をＺ軸方向へ下降させる。
【００５０】ステップＳ１５で、ワーク５が所定の位置
まで下降したかを判定することで、ワーク５の挿入が完
了したか否かを判定する。
まで下降したかを判定することで、ワーク５の挿入が完
了したか否かを判定する。
【００５１】ワーク５が挿入されなかった場合には、ス
テップＳ１８以降の処理を行う一方、ワーク５の挿入が
完了した場合にはステップＳ１６へ進んで、ハンド４を
解放するとともに、ステップＳ１７でハンド４が所定の
原点に復帰するようロボット１を駆動して次のワーク５
に備え、処理を終了する。
テップＳ１８以降の処理を行う一方、ワーク５の挿入が
完了した場合にはステップＳ１６へ進んで、ハンド４を
解放するとともに、ステップＳ１７でハンド４が所定の
原点に復帰するようロボット１を駆動して次のワーク５
に備え、処理を終了する。
【００５２】一方、挿入が完了しない場合には、ステッ
プＳ１８でＣＯＵＮＴが所定値を超えたか否かにより、
ステップＳ１７以降の位置決め補正が所定回数を超えて
行われたかを判定する。
プＳ１８でＣＯＵＮＴが所定値を超えたか否かにより、
ステップＳ１７以降の位置決め補正が所定回数を超えて
行われたかを判定する。
【００５３】上記位置決め補正が所定回数を超えて行わ
れた場合には、異常が発生したと判定して、ステップＳ
３０へ進んで図示しない表示装置などに異常の発生を表
示するとともに、ステップＳ３１でロボット１の駆動を
停止させて処理を終了する。
れた場合には、異常が発生したと判定して、ステップＳ
３０へ進んで図示しない表示装置などに異常の発生を表
示するとともに、ステップＳ３１でロボット１の駆動を
停止させて処理を終了する。
【００５４】ステップＳ１８で位置決め補正の回数＝Ｃ
ＯＵＮＴが所定値以下の場合には、ステップＳ１９へ進
んでワーク５とロボット１の間に介装した力センサ２の
出力に応じた３軸方向及び３軸回りの力データＦＸ〜Ｆ
Ｚ、ＴＸ〜ＴＺを読み込む。
ＯＵＮＴが所定値以下の場合には、ステップＳ１９へ進
んでワーク５とロボット１の間に介装した力センサ２の
出力に応じた３軸方向及び３軸回りの力データＦＸ〜Ｆ
Ｚ、ＴＸ〜ＴＺを読み込む。
【００５５】そして、ステップＳ２０ではニューラルネ
ットワーク１０１へ、上記ステップＳ１９で読み込んだ
力データＦＸ〜ＦＺ、ＴＸ〜ＴＺを入力として与え、上
記ステップＳ１〜Ｓ８のティーチング処理で学習した力
データから目標補正位置（Ｘ、Ｙ、θ）を想起させる。
ットワーク１０１へ、上記ステップＳ１９で読み込んだ
力データＦＸ〜ＦＺ、ＴＸ〜ＴＺを入力として与え、上
記ステップＳ１〜Ｓ８のティーチング処理で学習した力
データから目標補正位置（Ｘ、Ｙ、θ）を想起させる。
【００５６】ステップＳ２１では、ワーク５を所定位置
まで上昇させて、挿入されなかったワーク５を被挿入部
品６から離すとともに、ニューラルネットワーク１０１
が想起した目標補正位置へハンド４を駆動する。
まで上昇させて、挿入されなかったワーク５を被挿入部
品６から離すとともに、ニューラルネットワーク１０１
が想起した目標補正位置へハンド４を駆動する。
【００５７】そして、補正回数を示す変数ＣＯＵＮＴを
インクリメントしてから再びステップＳ１２の処理へ復
帰して、再度ワーク５の挿入を実行するのである。
インクリメントしてから再びステップＳ１２の処理へ復
帰して、再度ワーク５の挿入を実行するのである。
【００５８】こうして、ハンド４を所定位置（Ｘ0、
Ｙ0）へ位置決めしても、ワーク５が孔部６Ａに挿入さ
れない場合には、力センサ２からの力データに基づいて
ニューラルネットワーク１０１が想起した目標補正位置
（Ｘ、Ｙ、θ）へハンド４を補正してワーク５の挿入を
完了することができ、万一、ワーク５が挿入できない場
合、例えば、被挿入部品６の不備などでは、ロボット１
及びハンド４を停止させるとともに、表示手段等を介し
て異常を知らせるのである。
Ｙ0）へ位置決めしても、ワーク５が孔部６Ａに挿入さ
れない場合には、力センサ２からの力データに基づいて
ニューラルネットワーク１０１が想起した目標補正位置
（Ｘ、Ｙ、θ）へハンド４を補正してワーク５の挿入を
完了することができ、万一、ワーク５が挿入できない場
合、例えば、被挿入部品６の不備などでは、ロボット１
及びハンド４を停止させるとともに、表示手段等を介し
て異常を知らせるのである。
【００５９】この目標補正位置の演算は、ニューラルネ
ットワーク１０１による目標補正位置の想起によって行
われるため、上記ステップＳ１〜Ｓ８のティーチング処
理を行うだけで、幅広いワークに対応することができ、
ティーチング処理の際に設定する既知のずれ位置ΔＸ、
ΔＹ、Δθの設定は、ワーク５及び被挿入部品６の形状
や寸法公差等の組み立て条件に応じた範囲に設定するだ
けであるため、前記従来例のようにプログラミングの変
更や実験など、熟練及び多大な労力を要する修正工程を
不要にして熟練技術者を必要とすることがなくなって、
前記従来例に比して迅速かつ容易に組み立て条件の変更
を行うことが可能となるのである。
ットワーク１０１による目標補正位置の想起によって行
われるため、上記ステップＳ１〜Ｓ８のティーチング処
理を行うだけで、幅広いワークに対応することができ、
ティーチング処理の際に設定する既知のずれ位置ΔＸ、
ΔＹ、Δθの設定は、ワーク５及び被挿入部品６の形状
や寸法公差等の組み立て条件に応じた範囲に設定するだ
けであるため、前記従来例のようにプログラミングの変
更や実験など、熟練及び多大な労力を要する修正工程を
不要にして熟練技術者を必要とすることがなくなって、
前記従来例に比して迅速かつ容易に組み立て条件の変更
を行うことが可能となるのである。
【００６０】そして、前記前者の従来例では、ずれ量と
力データの関係が線形のものでなければ対応できない
が、本実施形態のようにニューラルネットワークによる
演算を用いることで、非線形のデータを迅速かつ正確に
処理することができ、ワーク５の形状や組み立て条件に
拘わらず、常時確実な組み立てを実現することができる
のである。
力データの関係が線形のものでなければ対応できない
が、本実施形態のようにニューラルネットワークによる
演算を用いることで、非線形のデータを迅速かつ正確に
処理することができ、ワーク５の形状や組み立て条件に
拘わらず、常時確実な組み立てを実現することができる
のである。
【００６１】さらに、前記従来例においては、力データ
として３軸方向の力ＦＸ、ＦＹ、ＦＺのみから目標補正
位置の演算を行っていたが、各軸回りのトルクＴＸ、Ｔ
Ｙ、ＴＺを加味することにより、より正確な目標補正位
置の想起、演算を行うことができ、前記従来例に比して
高精度の位置決め補正を行うことが可能となって、位置
決め補正の実行回数を低減することで、タクトタイムを
短縮して生産性をさらに向上させることが可能となるの
である。
として３軸方向の力ＦＸ、ＦＹ、ＦＺのみから目標補正
位置の演算を行っていたが、各軸回りのトルクＴＸ、Ｔ
Ｙ、ＴＺを加味することにより、より正確な目標補正位
置の想起、演算を行うことができ、前記従来例に比して
高精度の位置決め補正を行うことが可能となって、位置
決め補正の実行回数を低減することで、タクトタイムを
短縮して生産性をさらに向上させることが可能となるの
である。
【００６２】図７は第２の実施形態を示し、上記第１実
施形態の力センサ２をベッド１Ａと被挿入部品６との間
に介装したもので、その他は上記第１実施形態と同様で
ある。
施形態の力センサ２をベッド１Ａと被挿入部品６との間
に介装したもので、その他は上記第１実施形態と同様で
ある。
【００６３】この場合では、ハンド４側に力センサ２を
取り付けられない場合でも前記第１実施形態と同様に力
データによる位置決め補正を行うことができるととも
に、ハンド４を高速で駆動する場合では、慣性質量を低
減して位置決め誤差を低減できるのに加え、力センサ２
の配線を短縮することでノイズの混入等を抑制すること
が可能となり、さらに高精度の位置決め及び位置決め補
正を実現できるものである。
取り付けられない場合でも前記第１実施形態と同様に力
データによる位置決め補正を行うことができるととも
に、ハンド４を高速で駆動する場合では、慣性質量を低
減して位置決め誤差を低減できるのに加え、力センサ２
の配線を短縮することでノイズの混入等を抑制すること
が可能となり、さらに高精度の位置決め及び位置決め補
正を実現できるものである。
【００６４】図８、図９は第３の実施形態を示し、上記
第１実施形態に加えて、温度センサ１２を付加したもの
で、その他の構成は上記第１実施形態と同様である。
第１実施形態に加えて、温度センサ１２を付加したもの
で、その他の構成は上記第１実施形態と同様である。
【００６５】温度センサ１２が検出した温度Ｔは、コン
トローラ１１の演算制御部１０へ入力され、上記図３の
ティーチング処理では、図９（Ｂ）に示すように、ステ
ップＳ４の力データとともに温度Ｔがニューラルネット
ワーク１０１によって学習され、同じく図４の位置決め
補正処理では、図９（Ａ）のように、ニューラルネット
ワーク１０１は力データに加えて、そのときの温度Ｔに
応じて目標補正位置を想起する。
トローラ１１の演算制御部１０へ入力され、上記図３の
ティーチング処理では、図９（Ｂ）に示すように、ステ
ップＳ４の力データとともに温度Ｔがニューラルネット
ワーク１０１によって学習され、同じく図４の位置決め
補正処理では、図９（Ａ）のように、ニューラルネット
ワーク１０１は力データに加えて、そのときの温度Ｔに
応じて目標補正位置を想起する。
【００６６】したがって、力データに加えて温度Ｔを加
味することにより、力センサ２の検出値のドリフト、ワ
ーク５、被挿入部品６の寸法変化による嵌め合い精度の
変化に対応しながら位置決め補正処理を行うことがで
き、さらに精度の高い位置決め補正処理を実現すること
ができるのである。
味することにより、力センサ２の検出値のドリフト、ワ
ーク５、被挿入部品６の寸法変化による嵌め合い精度の
変化に対応しながら位置決め補正処理を行うことがで
き、さらに精度の高い位置決め補正処理を実現すること
ができるのである。
【００６７】なお、温度センサ１２は、ハンド４の力セ
ンサ２近傍や被挿入部品６側等に単一あるいはそれぞれ
設けてもよく、両者に設けることによりさらに制御精度
を向上させることができる。
ンサ２近傍や被挿入部品６側等に単一あるいはそれぞれ
設けてもよく、両者に設けることによりさらに制御精度
を向上させることができる。
【００６８】図１０、図１１は第４の実施形態を示し、
上記第１実施形態に加えて、傾斜センサ１３を付加した
もので、その他の構成は上記第１実施形態と同様であ
る。
上記第１実施形態に加えて、傾斜センサ１３を付加した
もので、その他の構成は上記第１実施形態と同様であ
る。
【００６９】傾斜センサ１３は、ハンド４に取り付けら
れてＺ軸に対するハンド４の傾斜を検出し、この検出値
はコントローラ１１の演算制御部１０へ入力される。
れてＺ軸に対するハンド４の傾斜を検出し、この検出値
はコントローラ１１の演算制御部１０へ入力される。
【００７０】そして、図１１（Ｂ）に示すように、上記
図３のティーチング処理では、ステップＳ４の力データ
とともにハンド４の傾斜がニューラルネットワーク１０
１によって学習され、図１１（Ａ）のように、同じく図
４の位置決め補正処理では、ニューラルネットワーク１
０１は力データに加えて、そのときのハンド４の傾斜に
応じて目標補正位置を想起する。
図３のティーチング処理では、ステップＳ４の力データ
とともにハンド４の傾斜がニューラルネットワーク１０
１によって学習され、図１１（Ａ）のように、同じく図
４の位置決め補正処理では、ニューラルネットワーク１
０１は力データに加えて、そのときのハンド４の傾斜に
応じて目標補正位置を想起する。
【００７１】したがって、ハンド部７の力センサ２以下
は弾性部材３を介して支持されており、ワーク５が被挿
入部品６に当接した場合、すなわち、挿入未完の場合に
は弾性部材３が変形してハンド４がＺ軸に対して傾斜す
る場合があるが、傾斜センサ１３によってハンド４の傾
斜を把握することにより、ニューラルネットワーク１０
１による目標補正位置の想起をより高精度で行うことが
できるのである。
は弾性部材３を介して支持されており、ワーク５が被挿
入部品６に当接した場合、すなわち、挿入未完の場合に
は弾性部材３が変形してハンド４がＺ軸に対して傾斜す
る場合があるが、傾斜センサ１３によってハンド４の傾
斜を把握することにより、ニューラルネットワーク１０
１による目標補正位置の想起をより高精度で行うことが
できるのである。
【００７２】なお、上記実施形態において、ロボット１
を直交３軸型としたが、６自由度のロボットなどにも同
様に適用することができる。
を直交３軸型としたが、６自由度のロボットなどにも同
様に適用することができる。
【００７３】また、上記実施形態において、ワーク５を
被挿入部品６へ挿入する場合について説明したが、これ
に限定されることはなく、ハンド４でワーク５をベッド
上などに載置された第２のワークへ挿入あるいは嵌合し
て組み立てるものであれば上記と同様に適用することが
でき、例えば、一対のケーシングやカバー等を相互に嵌
合させて組み立てる場合にも同様に適用することができ
る。
被挿入部品６へ挿入する場合について説明したが、これ
に限定されることはなく、ハンド４でワーク５をベッド
上などに載置された第２のワークへ挿入あるいは嵌合し
て組み立てるものであれば上記と同様に適用することが
でき、例えば、一対のケーシングやカバー等を相互に嵌
合させて組み立てる場合にも同様に適用することができ
る。
【００７４】また、ワーク５を楕円形断面の柱状部材と
し、被挿入部品６の孔部６Ａを楕円形楕円形の穴とした
が、円柱状や角柱状の部材等にも適用することができ、
円柱部材の場合ではＺ軸まわりのずれΔθ及びハンド４
のＺ軸まわりの駆動機構を省略することができる。
し、被挿入部品６の孔部６Ａを楕円形楕円形の穴とした
が、円柱状や角柱状の部材等にも適用することができ、
円柱部材の場合ではＺ軸まわりのずれΔθ及びハンド４
のＺ軸まわりの駆動機構を省略することができる。
【００７５】
【発明の効果】以上のように第１の発明によれば、ロボ
ットに取り付けられたハンドで把持された第１のワーク
を所定の位置に載置された第２のワークへ挿入ないし嵌
合して組み立てる際に、ワークの成形誤差や位置決め誤
差などにより挿入ないし嵌合が行われず第１ワークが第
２ワークに係止されると、補正手段は力センサの検出値
に応じてハンドの位置決め補正を行うが、この位置決め
補正は、入力された直交３軸方向の力及び各軸回りの力
と、予め学習したずれ量と力の関係からニューラルネッ
トワークが想起した補正量に応じてハンドの目標補正位
置を演算し、この目標補正位置へ向けてロボットの位置
決め補正が行われ、ニューラルネットワークは、第１ま
たは第２のワークに加わる直交３軸方向及び各軸回りの
力に基づいて補正量を演算するため、挿入ないし嵌合位
置からのずれ量を正確に演算することができ、また、ニ
ューラルネットワークを用いることで、ワークの変更な
どの組み立て条件の変更の際には、前記従来例のように
プログラミングの変更や実験など、熟練及び多大な労力
を要する修正工程を不要にして熟練技術者を必要とする
ことがなくなって、前記従来例に比して迅速かつ容易に
組み立て条件の変更を行うことが可能となり、前記前者
の従来例では、ずれ量と力データの関係が線形のもので
なければ対応できないが、ニューラルネットワークによ
る想起演算を用いることで、非線形のデータを迅速かつ
正確に処理することができ、ワークの形状や組み立て条
件に拘わらず、常時確実な組み立てを実現することがで
き、さらに、前記従来例においては、力データとして３
軸方向の力ＦＸ、ＦＹ、ＦＺのみから目標補正位置の演
算を行っていたが、各軸回りのトルクＴＸ、ＴＹ、ＴＺ
を加味することにより、より正確な目標補正位置の想
起、演算を行うことができ、前記従来例に比して高精度
の位置決め補正を行うことが可能となって、位置決め補
正の実行回数を低減することで、タクトタイムを短縮し
て生産性をさらに向上させることが可能となるのであ
る。
ットに取り付けられたハンドで把持された第１のワーク
を所定の位置に載置された第２のワークへ挿入ないし嵌
合して組み立てる際に、ワークの成形誤差や位置決め誤
差などにより挿入ないし嵌合が行われず第１ワークが第
２ワークに係止されると、補正手段は力センサの検出値
に応じてハンドの位置決め補正を行うが、この位置決め
補正は、入力された直交３軸方向の力及び各軸回りの力
と、予め学習したずれ量と力の関係からニューラルネッ
トワークが想起した補正量に応じてハンドの目標補正位
置を演算し、この目標補正位置へ向けてロボットの位置
決め補正が行われ、ニューラルネットワークは、第１ま
たは第２のワークに加わる直交３軸方向及び各軸回りの
力に基づいて補正量を演算するため、挿入ないし嵌合位
置からのずれ量を正確に演算することができ、また、ニ
ューラルネットワークを用いることで、ワークの変更な
どの組み立て条件の変更の際には、前記従来例のように
プログラミングの変更や実験など、熟練及び多大な労力
を要する修正工程を不要にして熟練技術者を必要とする
ことがなくなって、前記従来例に比して迅速かつ容易に
組み立て条件の変更を行うことが可能となり、前記前者
の従来例では、ずれ量と力データの関係が線形のもので
なければ対応できないが、ニューラルネットワークによ
る想起演算を用いることで、非線形のデータを迅速かつ
正確に処理することができ、ワークの形状や組み立て条
件に拘わらず、常時確実な組み立てを実現することがで
き、さらに、前記従来例においては、力データとして３
軸方向の力ＦＸ、ＦＹ、ＦＺのみから目標補正位置の演
算を行っていたが、各軸回りのトルクＴＸ、ＴＹ、ＴＺ
を加味することにより、より正確な目標補正位置の想
起、演算を行うことができ、前記従来例に比して高精度
の位置決め補正を行うことが可能となって、位置決め補
正の実行回数を低減することで、タクトタイムを短縮し
て生産性をさらに向上させることが可能となるのであ
る。
【００７６】また、第２の発明は、力センサが第２ワー
クに加わる力を検出するため、力センサをロボット側に
配置できないような場合でも、第１ワークと第２ワーク
が当接したときの力に基づいて位置決め補正を行うこと
ができ、ハンドを高速で駆動する場合では、慣性質量を
低減して位置決め誤差を低減できるのに加え、力センサ
と制御手段間の配線を短縮することでノイズの混入等を
抑制することが可能となり、さらに高精度の位置決め及
び位置決め補正を実現できるものである。
クに加わる力を検出するため、力センサをロボット側に
配置できないような場合でも、第１ワークと第２ワーク
が当接したときの力に基づいて位置決め補正を行うこと
ができ、ハンドを高速で駆動する場合では、慣性質量を
低減して位置決め誤差を低減できるのに加え、力センサ
と制御手段間の配線を短縮することでノイズの混入等を
抑制することが可能となり、さらに高精度の位置決め及
び位置決め補正を実現できるものである。
【００７７】また、第３の発明は、力センサの検出値と
温度に基づいて、ニューラルネットワークは、予め学習
したずれ量と力及び温度の関係から補正量を想起するた
め、温度による力センサのドリフトやワークの変形を加
味することで、位置決め補正の精度を向上させることが
できる。
温度に基づいて、ニューラルネットワークは、予め学習
したずれ量と力及び温度の関係から補正量を想起するた
め、温度による力センサのドリフトやワークの変形を加
味することで、位置決め補正の精度を向上させることが
できる。
【００７８】また、第４の発明は、ハンドはロボットと
の間に弾性部材を介装したため、第１ワークが第２ワー
クへ当接すると弾性部材の変形に応じて傾斜するが、ニ
ューラルネットワークは力センサの検出値に加えて、ハ
ンドの傾斜に基づいて、予め学習したずれ量と力及び傾
斜の関係から補正量を想起することができ、位置決め補
正の精度を向上させることができる。
の間に弾性部材を介装したため、第１ワークが第２ワー
クへ当接すると弾性部材の変形に応じて傾斜するが、ニ
ューラルネットワークは力センサの検出値に加えて、ハ
ンドの傾斜に基づいて、予め学習したずれ量と力及び傾
斜の関係から補正量を想起することができ、位置決め補
正の精度を向上させることができる。
【００７９】また、第５の発明は、ロボットに取り付け
られたハンドで把持した第１のワーク所定の位置に載置
された第２のワークへ挿入ないし嵌合する際に、第１ワ
ークを第２ワークへ挿入したときに直交３軸方向の力と
各軸回りの力を検出し、これら力の検出を入力として、
ニューラルネットワークは予め学習したずれ量と直交３
軸方向及び各軸回りの力との関係から補正量を想起し
て、ハンドの目標補正位置を演算するため、挿入ないし
嵌合位置からのずれ量を正確に演算することができ、ま
た、ニューラルネットワークを用いることで、ワークの
変更などの組み立て条件の変更の際には、前記従来例の
ようにプログラミングの変更や実験など、熟練及び多大
な労力を要する修正工程を不要にして熟練技術者を必要
とすることがなくなって、前記従来例に比して迅速かつ
容易に組み立て条件の変更を行うことが可能となり、ま
た、前記前者の従来例では、ずれ量と力データの関係が
線形のものでなければ対応できないが、ニューラルネッ
トワークによる想起演算を用いることで、非線形のデー
タを迅速かつ正確に処理することができ、ワークの形状
や組み立て条件に拘わらず、常時確実な組み立てを実現
することが可能となり、さらに、前記従来例において
は、力データとして３軸方向の力ＦＸ、ＦＹ、ＦＺのみ
から目標補正位置の演算を行っていたが、各軸回りのト
ルクＴＸ、ＴＹ、ＴＺを加味することにより、より正確
な目標補正位置の想起、演算を行うことができ、前記従
来例に比して高精度の位置決め補正を行うことが可能と
なって、位置決め補正の実行回数を低減することで、タ
クトタイムを短縮して生産性をさらに向上させることが
可能となるのである。
られたハンドで把持した第１のワーク所定の位置に載置
された第２のワークへ挿入ないし嵌合する際に、第１ワ
ークを第２ワークへ挿入したときに直交３軸方向の力と
各軸回りの力を検出し、これら力の検出を入力として、
ニューラルネットワークは予め学習したずれ量と直交３
軸方向及び各軸回りの力との関係から補正量を想起し
て、ハンドの目標補正位置を演算するため、挿入ないし
嵌合位置からのずれ量を正確に演算することができ、ま
た、ニューラルネットワークを用いることで、ワークの
変更などの組み立て条件の変更の際には、前記従来例の
ようにプログラミングの変更や実験など、熟練及び多大
な労力を要する修正工程を不要にして熟練技術者を必要
とすることがなくなって、前記従来例に比して迅速かつ
容易に組み立て条件の変更を行うことが可能となり、ま
た、前記前者の従来例では、ずれ量と力データの関係が
線形のものでなければ対応できないが、ニューラルネッ
トワークによる想起演算を用いることで、非線形のデー
タを迅速かつ正確に処理することができ、ワークの形状
や組み立て条件に拘わらず、常時確実な組み立てを実現
することが可能となり、さらに、前記従来例において
は、力データとして３軸方向の力ＦＸ、ＦＹ、ＦＺのみ
から目標補正位置の演算を行っていたが、各軸回りのト
ルクＴＸ、ＴＹ、ＴＺを加味することにより、より正確
な目標補正位置の想起、演算を行うことができ、前記従
来例に比して高精度の位置決め補正を行うことが可能と
なって、位置決め補正の実行回数を低減することで、タ
クトタイムを短縮して生産性をさらに向上させることが
可能となるのである。
【００８０】また、第６の発明は、第１または第２のワ
ークに加わる力の検出は、第２ワークに加わる力を検出
するため、力センサをロボット側に配置できないような
場合でも、第１ワークと第２ワークが当接したときの力
に基づいて位置決め補正を行うことができ、ハンドを高
速で駆動する場合では、慣性質量を低減して位置決め誤
差を低減できるのに加え、力センサと制御手段間の配線
を短縮することでノイズの混入等を抑制することが可能
となり、さらに位置決め精度を向上させることができ
る。
ークに加わる力の検出は、第２ワークに加わる力を検出
するため、力センサをロボット側に配置できないような
場合でも、第１ワークと第２ワークが当接したときの力
に基づいて位置決め補正を行うことができ、ハンドを高
速で駆動する場合では、慣性質量を低減して位置決め誤
差を低減できるのに加え、力センサと制御手段間の配線
を短縮することでノイズの混入等を抑制することが可能
となり、さらに位置決め精度を向上させることができ
る。
【００８１】また、第７の発明は、力センサの検出値と
温度に基づいて、ニューラルネットワークは、予め学習
したずれ量と力及び温度の関係から補正量を想起するた
め、温度による力センサのドリフトやワークの変形を加
味することで、位置決め精度の向上をはかることができ
る。
温度に基づいて、ニューラルネットワークは、予め学習
したずれ量と力及び温度の関係から補正量を想起するた
め、温度による力センサのドリフトやワークの変形を加
味することで、位置決め精度の向上をはかることができ
る。
【００８２】また、第８の発明は、ハンドはロボットと
の間に弾性部材を介装したため、第１ワークが第２ワー
クへ当接すると弾性部材の変形に応じて傾斜するが、ニ
ューラルネットワークは力センサの検出値に加えて、ハ
ンドの傾斜に基づいて、予め学習したずれ量と力及び傾
斜の関係から補正量を想起することができ、位置決め精
度の向上をはかることができる。
の間に弾性部材を介装したため、第１ワークが第２ワー
クへ当接すると弾性部材の変形に応じて傾斜するが、ニ
ューラルネットワークは力センサの検出値に加えて、ハ
ンドの傾斜に基づいて、予め学習したずれ量と力及び傾
斜の関係から補正量を想起することができ、位置決め精
度の向上をはかることができる。
【００８３】また、第９の発明は、ニューラルネットワ
ークは、第１及び第２のワークの形状または寸法公差に
応じて設定された所定の範囲内の多数の位置において、
前記ハンドを前記多数の位置へ順次駆動して第１ワーク
を第２ワークへ当接させて、そのときの、力センサの検
出値を位置に応じて学習することにより、第１及び第２
のワークの形状や寸法公差等の組み立て条件に対応して
位置決め補正量の想起を行うことができ、熟練技術者を
要することなくティーチングの設定を行うことが可能と
なって、ワークや組み立て条件の変更を容易かつ迅速に
行うことができる。
ークは、第１及び第２のワークの形状または寸法公差に
応じて設定された所定の範囲内の多数の位置において、
前記ハンドを前記多数の位置へ順次駆動して第１ワーク
を第２ワークへ当接させて、そのときの、力センサの検
出値を位置に応じて学習することにより、第１及び第２
のワークの形状や寸法公差等の組み立て条件に対応して
位置決め補正量の想起を行うことができ、熟練技術者を
要することなくティーチングの設定を行うことが可能と
なって、ワークや組み立て条件の変更を容易かつ迅速に
行うことができる。
【００８４】また、第１０の発明は、ニューラルネット
ワークは、第１及び第２のワークの形状または寸法公差
に応じて設定された所定の範囲内の多数の位置におい
て、前記ハンドを前記多数の位置へ順次駆動して第１ワ
ークを第２ワークへ所定の軸回りに所定の角度毎に順次
回動させながら当接させて、そのときの、力センサの検
出値を位置に応じて学習することにより、ずれ量を直交
３軸方向と所定の軸回りの角度として得ることができ、
角柱や楕円断面の柱状部材等の所定の軸回りの変位によ
って挿入の可否が決定されるワークに対応することが可
能となるとともに、熟練技術者を要することなくティー
チングの設定を行うことが可能となって、ワークや組み
立て条件の変更を容易かつ迅速に行うことができる。
ワークは、第１及び第２のワークの形状または寸法公差
に応じて設定された所定の範囲内の多数の位置におい
て、前記ハンドを前記多数の位置へ順次駆動して第１ワ
ークを第２ワークへ所定の軸回りに所定の角度毎に順次
回動させながら当接させて、そのときの、力センサの検
出値を位置に応じて学習することにより、ずれ量を直交
３軸方向と所定の軸回りの角度として得ることができ、
角柱や楕円断面の柱状部材等の所定の軸回りの変位によ
って挿入の可否が決定されるワークに対応することが可
能となるとともに、熟練技術者を要することなくティー
チングの設定を行うことが可能となって、ワークや組み
立て条件の変更を容易かつ迅速に行うことができる。
【図１】本発明の一実施形態を示す組み立てロボットの
概略構成図である。
概略構成図である。
【図２】同じく演算制御部のブロック図で、（Ａ）はロ
ボットの駆動時を、（Ｂ）はティーチング時を示す。
ボットの駆動時を、（Ｂ）はティーチング時を示す。
【図３】コントローラで行われる制御の一例を示すフロ
ーチャートで、位置ずれに応じた力データのティーチン
グ処理を示す。
ーチャートで、位置ずれに応じた力データのティーチン
グ処理を示す。
【図４】同じくコントローラで行われる組み立てロボッ
トの駆動処理のフローチャートである。
トの駆動処理のフローチャートである。
【図５】ティーチング処理の一例を示し、Ｘ−Ｙ平面内
のロボットハンドのパスである。
のロボットハンドのパスである。
【図６】同じく、Ｘ−Ｚ平面から見た位置ずれの様子を
示す。
示す。
【図７】第２の実施形態を示す組み立てロボットの概略
構成図である。
構成図である。
【図８】第３の実施形態を示す組み立てロボットの概略
構成図である。
構成図である。
【図９】同じく演算制御部のブロック図で、（Ａ）はロ
ボットの駆動時を、（Ｂ）はティーチング時を示す。
ボットの駆動時を、（Ｂ）はティーチング時を示す。
【図１０】第４の実施形態を示す組み立てロボットの概
略構成図である。
略構成図である。
【図１１】同じく演算制御部のブロック図で、（Ａ）は
ロボットの駆動時を、（Ｂ）はティーチング時を示す。
ロボットの駆動時を、（Ｂ）はティーチング時を示す。
【図１２】第１ないし第４の発明に対応するクレーム対
応図である。
応図である。
１ ロボット １Ａ ベッド ２ 力センサ ３ 弾性支持手段 ４ ハンド ５ ワーク ６ 被挿入部品 ６Ａ 孔部 ７ ハンド部 ８ センサ制御部 ９ ロボット駆動部 １０ 演算制御部 １１ コントローラ １２ 温度センサ １３ 傾斜センサ ５０ 制御手段 ５１ 補正手段 ５２ ニューラルネットワーク ５３ 補正位置演算手段 １００ 演算部 １０１ ニューラルネットワーク １０２ 補正位置演算部
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.6 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ０５Ｄ 3/00 Ｇ０５Ｄ 3/12 Ｗ 3/12 ３０５Ｖ ３０５ Ｇ０５Ｂ 19/18 Ｋ 19/403 Ｖ
Claims (10)
- 【請求項１】 ３次元空間の所定の位置へ変位可能なロ
ボットに取り付けられて第１のワークを把持可能なハン
ドと、所定の位置に載置された第２のワークと、前記ハ
ンドを所定の組み立て位置へ変位させて前記第１ワーク
を第２ワークへ挿入ないし嵌合して組み立るようにロボ
ットを駆動する制御手段と、前記第１ワークまたは第２
ワークに加わる力を検出する力センサと、この力センサ
の出力に応じて前記ロボットまたはハンドの位置を補正
する補正手段とを備えた組み立てロボットの位置決め制
御装置において、前記補正手段は、力センサが検出した
直交３軸方向の力と各軸回りの力と、予め学習したずれ
量と力の関係から補正量を想起するニューラルネットワ
ークと、このニューラルネットワークが想起した補正量
に基づいて前記ハンドの目標補正位置を演算する補正位
置演算手段とを備えたことを特徴とする組み立てロボッ
トの位置決め制御装置。 - 【請求項２】 前記力センサは、第２ワークに加わる力
を検出することを特徴とする請求項１に記載の組み立て
ロボットの位置決め制御装置。 - 【請求項３】 前記補正手段は、力センサの検出値に加
えて、温度を検出する温度センサを備え、前記ニューラ
ルネットワークは、入力された力及び温度に基づいて、
予め学習したずれ量と力及び温度の関係から補正量を想
起することを特徴とする請求項１に記載の組み立てロボ
ットの位置決め制御装置。 - 【請求項４】 前記ハンドとロボットの間には弾性部材
が介装され、前記補正手段は、力センサの検出値に加え
て、ハンドの傾斜を検出する傾斜センサを備え、前記ニ
ューラルネットワークは、入力された力及び傾斜に基づ
いて、予め学習したずれ量と力及び傾斜の関係から補正
量を想起することを特徴とする請求項１に記載の組み立
てロボットの位置決め制御装置。 - 【請求項５】 ３次元空間の所定の位置へ変位可能なロ
ボットに取り付けられたハンドで第１のワークを把持
し、このハンドを駆動して所定の位置に載置された第２
のワークへ第１ワークを挿入ないし嵌合して組み立てる
ようにロボットを駆動するとともに、前記第１ワークま
たは第２ワークに加わる力を検出する力センサの出力に
応じて前記ロボットまたはハンドの位置を補正する組み
立てロボットの位置決め制御方法において、前記第１ワ
ークを第２ワークへ挿入したときに直交３軸方向の力と
各軸回りの力を検出する検出処理と、ニューラルネット
ワークによって予め学習したずれ量と直交３軸方向及び
各軸回りの力との関係から補正量を想起する想起処理
と、このニューラルネットワークが想起した補正量に基
づいて前記ハンドの目標補正位置を演算する補正位置演
算処理とを含むことを特徴とする組み立てロボットの位
置決め制御方法。 - 【請求項６】 前記検出処理は、第２ワークに加わる力
を検出することを特徴とする請求項５に記載の組み立て
ロボットの位置決め制御方法。 - 【請求項７】 前記検出処理は、力センサの検出値に加
えて温度を検出し、前記想起処理は、ニューラルネット
ワークによって予め学習したずれ量と直交３軸方向及び
各軸回りの力及び温度の関係から補正量を想起すること
を特徴とする請求項５に記載の組み立てロボットの位置
決め制御方法。 - 【請求項８】 前記ハンドはロボットとの間に弾性部材
を介装する一方、前記検出処理は、力センサの検出値に
加えて、ハンドの傾斜を検出し、前記想起処理は、ニュ
ーラルネットワークによって予め学習したずれ量と直交
３軸方向及び各軸回りの力及びハンドの傾斜の関係から
補正量を想起することを特徴とする請求項５に記載の組
み立てロボットの位置決め制御方法。 - 【請求項９】 前記ニューラルネットワークの学習は、
第１及び第２のワークの形状または寸法公差に応じて設
定された所定の範囲内の多数の位置において、前記ハン
ドを前記多数の位置へ順次駆動して第１ワークを第２ワ
ークへ当接させる処理と、第１ワークが第２ワークに当
接したときの位置に応じた力センサの検出値を学習する
処理とを含むことを特徴とする請求項５に記載の組み立
てロボットの位置決め制御方法。 - 【請求項１０】 前記ニューラルネットワークの学習
は、第１及び第２のワークの形状または寸法公差に応じ
て設定された所定の範囲内の多数の位置において、前記
ハンドを前記多数の位置へ順次駆動して第１ワークを所
定の軸回りに所定の角度毎に順次回動させて第２ワーク
へ当接させる処理と、第１ワークが第２ワークに当接し
たときの位置及び角度に対応した力センサの検出値を学
習する処理とを含み、前記想起処理は、直交３軸方向の
ずれ量と所定の軸回りのずれ角度を想起するとともに、
前記補正位置演算処理は、直交３軸方向の位置及び所定
の軸回りの角度を演算することを特徴とする請求項５に
記載の組み立てロボットの位置決め制御方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8066494A JPH09258814A (ja) | 1996-03-22 | 1996-03-22 | 組み立てロボットの位置決め制御装置及び位置決め制御方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8066494A JPH09258814A (ja) | 1996-03-22 | 1996-03-22 | 組み立てロボットの位置決め制御装置及び位置決め制御方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH09258814A true JPH09258814A (ja) | 1997-10-03 |
Family
ID=13317427
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP8066494A Pending JPH09258814A (ja) | 1996-03-22 | 1996-03-22 | 組み立てロボットの位置決め制御装置及び位置決め制御方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH09258814A (ja) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102189549A (zh) * | 2010-03-18 | 2011-09-21 | 发那科株式会社 | 使用机器人的嵌合装置 |
| JP2011200943A (ja) * | 2010-03-24 | 2011-10-13 | Canon Inc | 力制御ロボット |
| JP2012000746A (ja) * | 2010-05-20 | 2012-01-05 | Canon Inc | 力制御ロボット |
| CN104192384A (zh) * | 2014-05-26 | 2014-12-10 | 上海大学 | 一种冲击力可控的上提式纸箱脱箱装置及其控制方法 |
| JP2015221490A (ja) * | 2014-04-28 | 2015-12-10 | キヤノン株式会社 | ロボット装置の制御方法及びロボット装置 |
| JP2018024049A (ja) * | 2016-08-10 | 2018-02-15 | ファナック株式会社 | 組立ロボットのロボット制御装置 |
| WO2018096902A1 (ja) * | 2016-11-22 | 2018-05-31 | パナソニックＩｐマネジメント株式会社 | ピッキングシステム及びその制御方法 |
| KR20180060052A (ko) * | 2016-11-28 | 2018-06-07 | 한국기계연구원 | 수동 강성 그리퍼를 이용한 조립 교시 방법 |
| CN108241296A (zh) * | 2016-12-26 | 2018-07-03 | 发那科株式会社 | 学习组装动作的机器学习装置以及部件组装系统 |
| CN109002012A (zh) * | 2017-06-07 | 2018-12-14 | 发那科株式会社 | 控制装置以及机器学习装置 |
| JP6505341B1 (ja) * | 2018-07-06 | 2019-04-24 | 三菱電機株式会社 | 機械学習装置、数値制御装置、工作機械および機械学習方法 |
| US10369703B2 (en) | 2015-08-31 | 2019-08-06 | Seiko Epson Corporation | Robot, control device, and robot system |
| WO2019150726A1 (ja) * | 2018-02-01 | 2019-08-08 | 本田技研工業株式会社 | ロボットシステム及びロボットの制御方法 |
| JP2020052473A (ja) * | 2018-09-21 | 2020-04-02 | 富士ゼロックス株式会社 | 設計支援装置、プログラム |
| JP2020157380A (ja) * | 2019-03-25 | 2020-10-01 | Ntn株式会社 | 嵌合作業装置 |
| JP2021091079A (ja) * | 2019-12-10 | 2021-06-17 | 富士フイルム株式会社 | ロボットの制御装置、制御方法、及びプログラム |
| JP2021531177A (ja) * | 2018-07-19 | 2021-11-18 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 傾きが未知のペグ・イン・ホール・タスクの実行 |
-
1996
- 1996-03-22 JP JP8066494A patent/JPH09258814A/ja active Pending
Cited By (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102189549A (zh) * | 2010-03-18 | 2011-09-21 | 发那科株式会社 | 使用机器人的嵌合装置 |
| JP2011194499A (ja) * | 2010-03-18 | 2011-10-06 | Fanuc Ltd | ロボットを用いた嵌合装置 |
| US8424182B2 (en) | 2010-03-18 | 2013-04-23 | Fanuc Corporation | Fitting device using robot |
| JP2011200943A (ja) * | 2010-03-24 | 2011-10-13 | Canon Inc | 力制御ロボット |
| JP2012000746A (ja) * | 2010-05-20 | 2012-01-05 | Canon Inc | 力制御ロボット |
| JP2015221490A (ja) * | 2014-04-28 | 2015-12-10 | キヤノン株式会社 | ロボット装置の制御方法及びロボット装置 |
| CN104192384A (zh) * | 2014-05-26 | 2014-12-10 | 上海大学 | 一种冲击力可控的上提式纸箱脱箱装置及其控制方法 |
| US10369703B2 (en) | 2015-08-31 | 2019-08-06 | Seiko Epson Corporation | Robot, control device, and robot system |
| JP2018024049A (ja) * | 2016-08-10 | 2018-02-15 | ファナック株式会社 | 組立ロボットのロボット制御装置 |
| US10350758B2 (en) | 2016-08-10 | 2019-07-16 | Fanuc Corporation | Robot control unit for assembly robot |
| WO2018096902A1 (ja) * | 2016-11-22 | 2018-05-31 | パナソニックＩｐマネジメント株式会社 | ピッキングシステム及びその制御方法 |
| JP2018083246A (ja) * | 2016-11-22 | 2018-05-31 | パナソニックＩｐマネジメント株式会社 | ピッキングシステム及びその制御方法 |
| KR20180060052A (ko) * | 2016-11-28 | 2018-06-07 | 한국기계연구원 | 수동 강성 그리퍼를 이용한 조립 교시 방법 |
| CN108241296A (zh) * | 2016-12-26 | 2018-07-03 | 发那科株式会社 | 学习组装动作的机器学习装置以及部件组装系统 |
| JP2018103309A (ja) * | 2016-12-26 | 2018-07-05 | ファナック株式会社 | 組付動作を学習する機械学習装置および部品組付システム |
| US10502253B2 (en) | 2016-12-26 | 2019-12-10 | Fanuc Corporation | Machine learning device for learning assembly operation and component assembly system |
| JP2018202564A (ja) * | 2017-06-07 | 2018-12-27 | ファナック株式会社 | 制御装置及び機械学習装置 |
| CN109002012B (zh) * | 2017-06-07 | 2020-05-29 | 发那科株式会社 | 控制装置以及机器学习装置 |
| US10668619B2 (en) | 2017-06-07 | 2020-06-02 | Fanuc Corporation | Controller and machine learning device |
| CN109002012A (zh) * | 2017-06-07 | 2018-12-14 | 发那科株式会社 | 控制装置以及机器学习装置 |
| JPWO2019150726A1 (ja) * | 2018-02-01 | 2020-11-26 | 本田技研工業株式会社 | ロボットシステム及びロボットの制御方法 |
| WO2019150726A1 (ja) * | 2018-02-01 | 2019-08-08 | 本田技研工業株式会社 | ロボットシステム及びロボットの制御方法 |
| CN111670094A (zh) * | 2018-02-01 | 2020-09-15 | 本田技研工业株式会社 | 机器人系统和机器人的控制方法 |
| CN111670094B (zh) * | 2018-02-01 | 2022-12-06 | 本田技研工业株式会社 | 机器人系统和机器人的控制方法 |
| WO2020008633A1 (ja) * | 2018-07-06 | 2020-01-09 | 三菱電機株式会社 | 機械学習装置、数値制御装置、工作機械および機械学習方法 |
| JP6505341B1 (ja) * | 2018-07-06 | 2019-04-24 | 三菱電機株式会社 | 機械学習装置、数値制御装置、工作機械および機械学習方法 |
| JP2021531177A (ja) * | 2018-07-19 | 2021-11-18 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 傾きが未知のペグ・イン・ホール・タスクの実行 |
| JP2020052473A (ja) * | 2018-09-21 | 2020-04-02 | 富士ゼロックス株式会社 | 設計支援装置、プログラム |
| JP2020157380A (ja) * | 2019-03-25 | 2020-10-01 | Ntn株式会社 | 嵌合作業装置 |
| JP2021091079A (ja) * | 2019-12-10 | 2021-06-17 | 富士フイルム株式会社 | ロボットの制御装置、制御方法、及びプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH09258814A (ja) | 組み立てロボットの位置決め制御装置及び位置決め制御方法 | |
| US6124693A (en) | Robot controller | |
| US7177722B2 (en) | Assembling method and apparatus | |
| US4659971A (en) | Robot controlling system | |
| US4771222A (en) | Tool coordinate system setting system | |
| KR100522653B1 (ko) | 로봇 핸들링 장치 | |
| EP0383944B1 (en) | Action teaching method and control apparatus for a robot | |
| US5194792A (en) | Tool center point setting method in a robot | |
| EP0400154B1 (en) | Robot operation method that can be manually corrected | |
| JP2015155126A (ja) | ロボットシステムのツール座標系補正方法、およびロボットシステム | |
| EP0411139A1 (en) | Positioning correction for robots | |
| CN110549338B (zh) | 一种圆-长方形复合孔类零件的机器人自动装配方法 | |
| JPH04233602A (ja) | ロボットのたわみ補正方法及びたわみ認識方法 | |
| JPH1133960A (ja) | ロボット制御方法 | |
| JP3287153B2 (ja) | 組立用ロボットによるワーク自動組付方法およびその装置 | |
| JPH09136279A (ja) | 力制御ロボットを用いた位相合わせ嵌合方法 | |
| JP3193878B2 (ja) | 嵌合作業を行なうための協調ロボットシステム | |
| JP3577124B2 (ja) | 力制御ロボットを用いて嵌合データを取得する方法 | |
| EP0383951A1 (en) | Vertical articulated robot | |
| JP3287151B2 (ja) | 組立用ロボットの力制御装置 | |
| JPH06304893A (ja) | 位置決め機構のキャリブレーション方式 | |
| JPH06315881A (ja) | 力制御作業機械の力制御装置 | |
| JPH0991026A (ja) | 力制御ロボットの姿勢誤差修正方法 | |
| JPH05305591A (ja) | 組立ロボット | |
| JPH08174459A (ja) | 組立用ロボットによるワーク自動組付方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |