爱吧机器人网 » 技术 > 机器学习 > 正文

工业机器人四种编程技术

\
 
工业机器人四种编程技术
 
1.示教编程技术
 
(1)在线示教编程通常由操作人员通过示教盒控制机械手工具末端到达指定的姿态和位置,记录机器人位姿数据并编写机器人运动指令,完成机器人在正常加工中的轨迹规划、位姿等关节数据信息的采集、记录。示教盒示教具有在线示教的优势,操作简便直观。示教盒主要有编程式和遥感式两种。例如,采用机器人对汽车车身进行点焊,首先由操作人员控制机器人达到各个焊点对各个点焊轨迹通过人工示教,在焊接过程中通过示教再现的方式,再现示教的焊接轨迹,从而实现车身各个位置各个焊点的焊接。但在焊接中车身的位置很难保证每次都完全一样,故在实际焊接中,通常还需要增加激光传感器等对焊接路径进行纠偏和校正(2)激光传感辅助示教在空间探索、水下施工、核电站修复等极限环境下,操作者不能身临现场,焊接任务的完成必须借助于遥控方式。环境的光照条件差,视觉信息不能完全地反馈现场的情况,采用立体视觉作为视觉反馈手段,示教周期长。激光视觉传感能够获取焊缝轮廓信息,反馈给机器人控制器实时调整焊枪位姿跟踪焊缝。哈尔滨工业大学高洪明等提出了用于遥控焊接的激光视觉传感辅助遥控示教技术,克服了基于立体视觉显示遥控示教的缺点。通过激光视觉传感提取焊缝特征点作为示教点,提高了识别精度,实现了对平面曲线焊缝和复杂空间焊缝的遥控示教。
 
(3)力觉传感辅助示教由于视觉误差,立体视觉示教精度低,激光视觉传感能够获取焊缝轮廓信息,反馈给机器人控制器实时调整焊枪位姿跟踪焊缝。但也无法适应所有遥控焊接环境,如工件表面状态对激光辅助示教有一定影响,不规则焊缝特征点提取困难,为此哈尔滨工业大学高洪明等提出了“遥控焊接力觉遥示教技术”,采用力传感器对焊缝进行辨识,系统结构简单,成本低,反应灵敏度高,力觉传感与焊缝直接接触,示教精度高。通过力觉遥示教焊缝辨识模型和自适应控制模型,实现遥示教局部自适应控制,通过共享技术和视觉临场感实现人对遥控焊接遥示教宏观全局监控。
 
(4)专用工具辅助示教为了使得机器人在三维空间示教过程更直观,一些辅助示教工具被引入在线示教过程,辅助示教工具包括位置测量单元和姿态测量单元,分别来测量空间位置和姿态。由两个手臂和一个手腕组成,有6个自由度,通过光电编码器来记录每个关键的角度。操作时,由操作人员手持该设备的手腕,对加工路径进行示教,记录下路径上每个点的位置和姿态,再通过坐标转换为机器人的加工路径值,实现示教编程,操作简便,精度高,不需要操作者实际操作机器人,这对很多非专业的操作人员来说是非常方便的。??借助激光等装置进行辅助示教,提高了机器人使用的柔性和灵活性,降低了操作的难度,提高了机器人加工的精度和效率,这在很多场合是非常实用的。
 
2.离线编程技术
 
与在线编程相比,离线编程具有如下优点:
 
①减少停机的时间,当对下一个任务进行编程时,机器人可仍在生产线上工作。
 
②使编程者远离危险的工作环境,改善了编程环境。
 
③使用范围广,可以对各种机器人进行编程,并能方便地实现优化编程。
 
④便于和CAD/CAM系统结合,做到CAD/CAM/ROBOTICS一体化。
 
⑤可使用高级计算机编程语言对复杂任务进行编程。
 
3.自主编程技术
 
随着技术的发展,各种跟踪测量传感技术日益成熟,人们开始研究以焊缝的测量信息为反馈,由计算机控制焊接机器人进行焊接路径的自主示教技术。
 
(1)基于激光结构光的自主编程基于结构光的路径自主规划其原理是将结构光传感器安装在机器人的末端,形成“眼在手上”的工作方式,利用焊缝跟踪技术逐点测量焊缝的中心坐标,建立起焊缝轨迹数据库,在焊接时作为焊枪的路径。图6基于结构光的路径自主编程韩国PyunghyunKim将线结构光视觉传感器安装在6自由度焊接机器人末端,对结构化环境下的自由表面焊缝进行了自主示教。在焊缝上建立了一个随焊缝轨迹移动的坐标来表达焊缝的位置和方向,并与连接类型(搭接、对接、V形)结合形成机器人焊接路径,其中还采用了3次样条函数对空间焊缝轨迹进行拟合,避免了常规的直线连接造成的误差,传感器扫描焊缝为获取焊接路径。
 
(2)基于双目视觉的自主编程基于视觉反馈的自主示教是实现机器人路径自主规划的关键技术,其主要原理是:在一定条件下,由主控计算机通过视觉传感器沿焊缝自动跟踪、采集并识别焊缝图像,计算出焊缝的空间轨迹和方位(即位姿),并按优化焊接要求自动生成机器人焊枪(Torch)的位姿参数。
 
(3)多传感器信息融合自主编程有研究人员采用力控制器,视觉传感器以及位移传感器构成一个高精度自动路径生成系统,该系统集成了位移、力、视觉控制,引入视觉伺服,可以根据传感器反馈信息来执行动作。该系统中机器人能够根据记号笔所绘制的线自动生成机器人路径,位移控制器用来保持机器人TCP点的位姿,视觉传感器用来使得机器人自动跟随曲线,力传感器用来保持TCP点与工件表面距离恒定。基于视觉、力和位置传感器的路径自动生成系统
 
4.基于增强现实的编程技术
 
增强现实技术源于虚拟现实技术,是一种实时地计算摄像机影像的位置及角度并加上相应图像的技术,这种技术的目标是在屏幕上把虚拟世界套在现实世界并互动,增强现实技术使得计算机产生的三维物体融合到现实场景中,加强了用户同现实世界的交互。将增强现实技术用于机器人编程具有革命性意义。增强现实技术融合了真实的现实环境和虚拟的空间信息,它在现实环境中发挥了动画仿真的优势并提供了现实环境与虚拟空间信息的交互通道。例如一台虚拟的飞机清洗机器人模型被应用于按比例缩小的飞机模型。控制虚拟的机器人针对飞机模型沿着一定的轨迹运动,进而生成机器人程序,之后对现实机器人进行标定和编程。基于增强现实的机器人编程技术(RPAR)能够在虚拟环境中没有真实工件模型的情况下进行机器人离线编程。由于能够将虚拟机器人添加到现实环境中,所以当需要原位接近的时候该技术是一种非常有效的手段,这样能够避免在标定现实环境和虚拟环境中可能碰到的技术难题。增强现实编程的架构如图9所示,由虚拟环境、操作空间、任务规划以及路径规划的虚拟机器人仿真和现实机器人验证等环节组成。
 
以上就是工业机器人四种编程技术。


上一篇:解放人类的双手 机器人尝试自主学习抓取物体
下一篇:深度学习不是终点 机器人变聪明还需增强五感
精选推荐
改变保险市场的格局:无人机如何通过更快的估算、响应时间和利益交付来使消费者受益
改变保险市场的格局:无人机如何通过更快的估算、响应时间和利益交付来

[2018-12-08]  市场研究公司IHS Markit预测,到2020年,专业无人机市场将通过农业,能源和建筑等行业利用测量,制图,规划等技术实现77 1%的复合年增长率(CAGR)。与此同时,消费者无人......

可编辑神经网络,有望简化深度学习?
可编辑神经网络,有望简化深度学习?

[2019-10-04]  深度学习是一个计算繁重的过程。 降低成本一直是 Data curation 的一大挑战。 关于深度学习神经网络大功耗的训练过程,已经有研究人员 ...

九台“猎豹”机器人组队踢球,麻省理工高材生们的高级趣味
九台“猎豹”机器人组队踢球,麻省理工高材生们的高级趣味

[2019-11-09]  本周,在麻省理工学院10号楼外草坪上展开了一场别开生面的足球比赛。在绿草如茵的基利安球场上,一群由人工智能驱动的机器人就是这场比赛的 ...

这些人型机器人是如此真实,你的肉眼几乎无法区分
这些人型机器人是如此真实,你的肉眼几乎无法区分

[2017-09-03]   我们生活在一个区分现实与幻想变得越来越困难的世界。由于机器人技术的进步,创造人工的人类正在逐渐接近完美的最终目标。我们现在看到的机器人不再只是一块发光二极管,......

谷歌宣布搜索算法重大升级,用BERT模型理解用户搜索意图
谷歌宣布搜索算法重大升级,用BERT模型理解用户搜索意图

[2019-10-26]  谷歌刚刚宣布,其搜索引擎的核心算法正在进行一项重大升级,这项升级可能会改变10%的搜索结果排序。此项升级应用了自然语言处理技术(BERT ...

麻省理工又秀神技:推出如魔法般跳跃的方块机器人集群
麻省理工又秀神技:推出如魔法般跳跃的方块机器人集群

[2019-10-31]  几天前,小编向大家介绍过麻省理工(MIT)研发的一种自组装机器人集群(点此阅览),它们可以用统一标准的小单元自动组装出各种大型结构。 ...

人工智能民主化能否实现取决于科技巨头
人工智能民主化能否实现取决于科技巨头

[2017-12-29]  我们经常听到像谷歌和微软这样的公司说他们希望人工智能民主化。这是一个很好的词,民主化。 但这些公司如何界定“民主化”还不清楚,像AI本身一样,它似乎有点炒作的味道...

[2017-03-21]  虽然有很多关于机器人取代工人的担心,但哈佛经济学家James Bessen的论文指出,在过去的67年里机器人仅仅淘汰掉人类工作中的一个。在1950 ...

本周栏目热点

顶级AI会议NIPS压轴2017(附PPT、视频、代码大汇总)

[2017-12-19]  NIPS,全称神经信息处理系统大会(Conference and Workshop on Neural Information Processing Systems),是一个关于机器学习和计算神经科学的国际会议。该会议固定在每年的12月举行...

机器学习选择深层模型的原因

[1970-01-01]   深度学习采用的模型为深层神经网络(Deep Neural Networks,DNN)模型,即包含多个隐藏层(Hidden Layer,也称隐含层)的神经网络(Ne ...

机器学习—自由编码器

[1970-01-01]   一种常见的深层模型是由自编码器(Auto-Encoder)构造的。自编码器可以利用一组无标签的训练数据{x(1), x(2), &hellip }(其中x(i)是一个n ...

【NIPS最佳论文出炉】冷扑大师能战胜AlphaZero吗?No(Science论文)

[2017-12-19]  拿下NIPS2017 最佳论文,登上Science,“冷扑大师”最近有点热。18日,两位作者,CMU博士生Noam Brown和Tuomas Sandholm教授在Reddit上回答问题。对“为什么不使用深度学习......

日本开发团队给机器人嵌入神经网络

[2016-08-18]    近日在日本国立科学博物馆展出的 机器人 Alter,可谓是目前世界上最为先进的机器人之一,因为它是一款嵌入了神经网络的机器人,来自日本 ...