一种基于六维力传感器信息学习的工业机器人示教方法

文档序号:31750430发布日期:2022-10-11 21:19阅读:来源:国知局

技术特征:
1.一种基于六维力传感信息学习的工业机器人示教方法,其特征在于,包括以下步骤:步骤1、配备两台机器人设备,分别为六轴工业机器人和六轴协作机器人,六轴工业机器人末端和六轴协作机器人末端均连接六维力传感器;步骤2、建立神经网络模型,并通过对六轴协作机器人的多次示教获得机器人末端运动特性库,并利用该运动特性库对所建立的神经网络模型进行训练,具体步骤如下:步骤2a、设置六轴协作机器人示教采样周期t1,并由操作者拖动六轴协作机器人末端进行示教,示教过程中,每个采样周期,对六轴协作机器人关节角信号和末端的六维力信息采样一次,直至完成一次示教任务;步骤2b、重复执行步骤2a,完成多次示教任务,获得六轴协作机器人的多次示教任务所对应的关节角数据和末端力传感器数据;步骤2c、使用贝塞尔曲线对所获得的所有力传感器数据进行预处理,得到平滑力数据以及各个采样周期的力增量数据;并通过正运动学计算出六轴协作机器人的末端位姿及其对应采样周期的末端速度;步骤2d、建立机器人末端运动特性库,该运动特性库由步骤2c中获得的平滑力数据、各个采样周期的力增量数据和末端速度构成;步骤2e、构建以力传感器数据、各个周期力增量数据为输入,以末端速度为输出的神经网络;并使用步骤2d建立的运动特性库中的数据对神经网络进行训练,得到最终回归模型;步骤3、将训练得到的最终回归模型应用到六轴工业机器人示教过程中,具体步骤如下:步骤3a、设置六轴工业机器人示教采样周期t2,并由操作者拖动六轴工业机器人末端,同时由末端连接的六维力传感器实时采集末端六维力信息;步骤3b、在每个采样周期t2内,对采集到的末端六维力信息f
e
进行处理并生成末端驱动力f
d
和各个采样周期的力增量,并将其实时输入到所述的最终回归模型中,输出为每个采样周期t2对应的六轴工业机器人末端期望速度;步骤3c、利用所获得的六轴工业机器人末端期望速度,对六轴工业机器人末端的期望位姿进行求解,最后通过逆运动学求解,完成一次步进运动;步骤3d、重复步骤3b和3c,直至操作者停止拖动六轴工业机器人末端,示教完成。2.根据权利要求1中所述的一种基于六维力传感信息学习的工业机器人示教方法,其特征在于:所述步骤2c中,使用贝塞尔曲线对所获得的所有力传感器数据进行预处理,具体方法为,将力传感器数据代入n次贝塞尔曲线公式,n为示教过程总时长s与采样周期t1的商,得到贝塞尔曲线,则处理后的第i个样本点平滑力数据其中i是取值范围为[0,s/t1]的整数。3.根据权利要求1中所述的一种基于六维力传感信息学习的工业机器人示教方法,其特征在于:所述步骤3b中,对采集到的末端六维力信息f
e
进行处理并生成末端驱动力f
d
和各个采样周期的力增量,具体方法为,采用一个分段函数h(f
e
)对末端驱动力f
d
进行映射,即f
d
=h(f
e
),其中,h(f
e
)表达式如下:
其中,k
p
为增益系数,其取值范围为(0,+∞);k
t
为运动阈值,其取值与步骤2c中平滑力的最大值有关。4.根据权利要求1中所述的一种基于六维力传感信息学习的工业机器人示教方法,其特征在于:所述步骤3c中,对六轴工业机器人末端的期望位姿进行求解,具体为,将k时刻的期望位姿表示为k-1时刻估计的末端位姿p
k-1
和k时刻六轴工业机器人末端位姿变化量δp
k
之和,如式(3);而k-1时刻的估计末端位姿p
k-1
,则用k-1时刻的期望位姿与k-1时刻的测量位姿z
k-1
进行表征,如式(1),其中,k
w
为置信度系数,取值范围为[0,1],置信度越接近0,表明期望位姿越可信,置信度越接近1,表明测量位姿越可信;k时刻六轴工业机器人末端位姿变化量δp
k
可由式(2)求解,其中v
k
与v
k-1
分别为k时刻与k-1时刻最终回归模型输出的六轴工业机器人末端速度,采样周期t2为已知量;以上过程的数学模型如下:δp
k
=(v
k
+v
k-1
)
·
t2/2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)在实际示教过程中,首先获得k-1时刻的期望位姿与测量位姿z
k-1
,计算出k-1时刻的估计末端位姿p
k-1
;然后对k时刻采集的六轴工业机器人末端的六维力传感器信号进行处理,得到末端驱动力f
d
后将其输入最终回归模型得到六轴工业机器人末端速度v
k
,计算出k时刻六轴工业机器人末端位姿变化量δp
k
;将k-1时刻的估计末端位姿p
k-1
与k时刻六轴工业机器人末端位姿变化量δp
k
相加,得到k时刻的期望位姿完成一次迭代;再重复以上步骤,直到示教结束,逐次计算p
k
,p
k+1

p
n
,其中n为示教过程中采样周期的个数。

技术总结
本发明公开了一种基于六维力传感信息学习的工业机器人示教方法,属于智能制造领域。本发明通过机器学习的方法,以六轴协作机器人示教过程中末端受力情况为输入,末端速度为输出训练神经网络,并将完成训练的神经网络应用到工业机器人示教过程中,让工业机器人末端具备协作机器人末端的运动特性。通过本发明可以实现通过拖动工业机器人末端进行示教,改善了工业机器人示教过程中人机交互性差和示教过程繁琐的问题。程繁琐的问题。


技术研发人员:李明富 杨承霖 张黎明 赵文权 罗威
受保护的技术使用者:湘潭大学
技术研发日:2022.05.23
技术公布日:2022/10/10
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1