CN115026820A - 人机协作装配机器人控制系统及控制方法 - Google Patents
人机协作装配机器人控制系统及控制方法 Download PDFInfo
- Publication number
- CN115026820A CN115026820A CN202210654071.8A CN202210654071A CN115026820A CN 115026820 A CN115026820 A CN 115026820A CN 202210654071 A CN202210654071 A CN 202210654071A CN 115026820 A CN115026820 A CN 115026820A
- Authority
- CN
- China
- Prior art keywords
- control
- module
- human
- layer
- control system
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000006854 communication Effects 0.000 claims abstract description 47
- 238000004891 communication Methods 0.000 claims abstract description 43
- 230000003993 interaction Effects 0.000 claims abstract description 40
- 230000002787 reinforcement Effects 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 230000008878 coupling Effects 0.000 claims description 9
- 238000010168 coupling process Methods 0.000 claims description 9
- 238000005859 coupling reaction Methods 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 4
- 238000011161 development Methods 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 23
- 230000002452 interceptive effect Effects 0.000 description 16
- 230000009471 action Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 9
- 230000001133 acceleration Effects 0.000 description 8
- 238000013016 damping Methods 0.000 description 8
- 230000000007 visual effect Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000006073 displacement reaction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000005538 encapsulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009429 electrical wiring Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000001360 synchronised effect Effects 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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/02—Sensing devices
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种人机协作装配机器人控制系统及控制方法,其控制系统包括网络主控层,网络主控层与主从驱控层通讯相连,主从驱控层接收PC上位机的控制指令并采集反馈执行部件层的数据信息,主从驱控层与执行部件层通讯相连,执行部件层完成装配机器人整体运动控制,同时执行部件层反馈数据信息;其控制方法,包括以下步骤:人机交互软件界面模块与控制柜操作面板模块接收控制指令信息;力/力矩传感器模块接收协作控制指令;解算出目标运动信息;计算对应伺服电机的编码器码盘值;发送控制信号至电机;精确调节末端动平台位姿直至完成装配作业,本发明开发难度小、成本低,满足便携性要求;实时性高、可靠性好;实现人机协作装配自适应控制。
Description
技术领域
本发明属于装配机器人控制技术领域,具体涉及一种人机协作装配机器人控制系统及控制方法。
背景技术
采用人机协作半自动的装配技术与设备,对于保证装配质量、提高装配效率具有重要意义。协作机器人出现的根本原因与传统工业机器人无法满足纷繁复杂的生产制造要求有着密切的关系。通过人机协作,可以进一步保证作业质量,同时改善工人作业的舒适性,最终实现人机协同的安全、柔性、高效的装配作业,解决传统工业机器人难以应对的低成本、高效率、柔性化、复杂作业自动化的应用需求。
目前机器人的控制系统类型中的软件型开放式结构,以PC机为基础,在计算机操作系统下运行软件平台化的伺服控制,实现了控制方案的软件化,具有强大的开放性,能够满足用户多元化需求,有着十分广阔的发展应用前景。
然而,由于人机协作装配作业领域对于机器人系统的便携性、可靠性和先进控制技术等高要求,现有协作装配机器人的控制系统及控制方法仍然存在以下不足:
其一、开发成本高、便携性要求难满足。如专利CN109202722A所述的机器人控制系统,选用购置的运动控制卡作为主控制器来实现相应功能,控制系统成本较高,同时这类系统体积较大、便捷性低。
其二、难以保证系统实时性,可靠性较差。如专利CN110757460A所述的基于串口通讯协议的机器人控制系统,这种通信方式通常以主站轮询的方式进行,系统存在的延时特性会严重影响系统实时性,且可靠性较差。
其三、缺乏人机协作装配的一体化控制技术及方法,如专利CN109249394B所述的导纳控制算法,仅单纯地基于引导力和速度来实现机器人的协作控制,且根据简单地划分区间的方式选择导纳系数,缺乏自适应性与柔顺性。
发明内容
本发明为解决现有技术存在的问题而提出,其目的是提供一种人机协作装配机器人控制系统及控制方法。
本发明的技术方案是:一种人机协作装配机器人控制系统,包括网络主控层,所述网络主控层与主从驱控层通讯相连,所述主从驱控层接收执行网络主控层中PC上位机的控制指令并采集反馈执行部件层的数据信息,所述主从驱控层与执行部件层通讯相连,所述执行部件层完成装配机器人整体运动控制,同时执行部件层反馈数据信息。
更进一步的,所述网络主控层包括实现人机界面交互的人机交互软件界面模块,所述人机交互软件界面模块与PLC主控系统模块相连,所述PLC主控系统模块实现系统硬件的通讯连接配置和数据交互,以及对硬件进行实时控制,所述PLC主控系统模块与协作运动控制算法模块相连。
更进一步的,所述主从驱控层包括通讯耦合模块,所述通讯耦合模块与输入输出模块相连,所述输入输出模块将外部输入输出变量连接至EtherCAT现场总线网络,所述输入输出模块与力/力矩传感器模块、驱动器模块、控制柜操作面板模块相连,所述驱动器模块实现伺服电机高精度的定位运动,接收并解析外部控制电机的相关指令,并发送控制信号至对应电机。
更进一步的,所述网络主控层中PC上位机为EtherCAT主站,所述主从驱控层为EtherCAT从站。
更进一步的,所述驱动器模块用于伺服电机高精度的定位运动,驱动器模块的输入端口接收并解析外部控制电机的相关指令,驱动器模块的输出发送控制信号至对应驱动器。
更进一步的,所述力/力矩传感器模块用于获取人机协作时操作者施加的力/力矩信息,力/力矩传感器模块的输出端将力/力矩信息传送至输入输出模块。
更进一步的,所述执行部件层包括电机,所述电机接收驱动器的控制信息并执行,所述电机与伺服电机模块相连。
一种人机协作装配机器人控制系统的控制方法,包括以下步骤:
ⅰ.人机交互软件界面模块与控制柜操作面板模块接收操作者的控制指令信息;
ⅱ.力/力矩传感器模块接收操作者的协作控制指令;
ⅲ.接收的控制指令信息、协作控制指令,根据对应算法解算出机器人末端动平台的目标运动信息;
ⅵ.通过机器人机构运动学逆解算法得到机器人各支链的杆长,根据滚珠丝杠的导程螺距关系换算至对应伺服电机的编码器码盘值;
ⅴ.驱动器模块根据当前选择的控制模式,接收编码器的目标值,发送控制信号至对应电机;
ⅵ.机器人末端动平台经操作者直接式接触拖动至目标位置附近,根据实际作业工况选择通过人机交互软件界面模块与控制柜操作面板模块进一步精确调节末端动平台位姿直至完成装配作业;
ⅶ.协作装配期间,操作者视具体工况随时按下所述人机交互软件界面模块与控制柜操作面板模块中包含的急停保护按钮,或停止与所述力/力矩传感器模块的接触,使机器人停止运动。
更进一步的,所述PLC主控系统模块为ADS服务器,所述协作运动控制算法模块为ADS客户端,ADS客户端向ADS服务器发送ADS请求,在通讯过程中客户端程序停止执行,直至获得ADS服务器返回的响应。
更进一步的,所述协作运动控制算法模块包括关节空间轨迹规划控制算法和人机协作自适应导纳控制算法;
所述关节空间轨迹规划控制算法基于三次多项式插值的轨迹规划控制算法实现;
所述人机协作自适应导纳控制算法基于机器强化学习的变导纳控制算法实现。
本发明的有益效果如下:
本发明开发难度小、成本低,且满足便携性要求,本发明的开放式结构,清晰合理,操作简便,运行安全,省去运动控制卡的空间,减小成本,赋予上位机实时运算能力,采用模块化思维加强系统整体封装性,降低开发难度,通过网线传输数据,系统便携。
本发明实时性高、可靠性好,本发明相较传统的现场总线,具有高实时性与良好的时间确定性,传送信息多为短帧信息,信息交换频繁,且容错能力强,可靠性好。
本发明可实现人机协作装配自适应控制,本发明自适应导纳控制算法,用于人机协作装配作业时,系统根据末端安装的力/力矩传感器采集到的交互力信息以及机器人末端运动等信息实时调整导纳参数以加强协作的柔顺性以及舒适性,从而提高协作装配效率,减轻工人劳动强度。
附图说明
图1是本发明中控制系统的系统结构框图;
图2是本发明中人机交互软件界面模块的结构框图;
图3是本发明中机器人强化学习算法架构图;
图4是本发明中基于机器强化学习的变导纳控制算法流程框图;
其中:
1 网络主控层 2主从驱控层
3 执行部件层
11 PLC主控系统模块 12人机交互软件界面模块
13 协作运动控制算法模块
21 通讯耦合模块 22输入输出模块
23 力/力矩传感器模块 24驱动器模块
25 控制柜操作面板模块 26驱动器
27 电气元器件模块
31 电机 32伺服电机模块
33 装配机器人
121 数据交互通讯功能 122机器人运动控制功能
123 信息采集反馈功能
1211 伺服驱动器通讯接口
1212 力/力矩传感器通讯接口
1231 伺服电机动作信息采集
1232 力/力矩传感器信息采集处理
1233 机器人末端动平台运动信息反馈。
具体实施方式
以下,参照附图和实施例对本发明进行详细说明:
如图1至图4所示,一种人机协作装配机器人控制系统,包括网络主控层1,所述网络主控层1与主从驱控层2通讯相连,所述主从驱控层2接收执行网络主控层1中PC上位机的控制指令并采集反馈执行部件层的数据信息,所述主从驱控层2与执行部件层3通讯相连,所述执行部件层3完成装配机器人整体运动控制,同时执行部件层3反馈数据信息。
所述网络主控层1包括实现人机界面交互的人机交互软件界面模块12,所述人机交互软件界面模块12与PLC主控系统模块11相连,所述PLC主控系统模块11实现系统硬件的通讯连接配置和数据交互,以及对硬件进行实时控制,所述PLC主控系统模块11与协作运动控制算法模块13相连。
所述主从驱控层2包括通讯耦合模块21,所述通讯耦合模块21与输入输出模块22相连,所述输入输出模块22将外部输入输出变量连接至EtherCAT现场总线网络,所述输入输出模块22与力/力矩传感器模块23、驱动器模块24、控制柜操作面板模块25相连,所述驱动器模块24实现伺服电机高精度的定位运动,接收并解析外部控制电机的相关指令,并发送控制信号至对应电机。
所述网络主控层1中PC上位机为EtherCAT主站,所述主从驱控层2为EtherCAT从站。
所述驱动器模块24用于伺服电机高精度的定位运动,驱动器模块24的输入端口接收并解析外部控制电机的相关指令,驱动器模块24的输出发送控制信号至对应驱动器26。
所述力/力矩传感器模块23用于获取人机协作时操作者施加的力/力矩信息,力/力矩传感器模块23的输出端将力/力矩信息传送至输入输出模块22。
所述执行部件层3包括电机31,所述电机31接收驱动器26的控制信息并执行,所述电机31与伺服电机模块32相连。
具体的,网络主控层1基于上位机的控制软件平台设计开发,具体由PC上位机、PLC主控系统模块11、协作运动控制算法模块13和人机交互软件界面模块12四部分组成。
所述PC上位机为EtherCAT主站,安装有Beckhoff TwinCAT3自动化工控软件平台。
所述PLC主控系统模块11内嵌装配机器人的机构运动学正逆解算法。
所述协作运动控制算法模块13基于Visual Studio软件环境开发设计,用于系统根据反馈数据实时解算机器人末端的运动信息,内嵌运动轨迹规划控制算法和人机协作自适应导纳控制算法。
所述人机交互软件界面模块12基于Beckhoff TwinCAT3平台中HMI模块实现,用于人机信息交互。
同时,所述PLC主控系统模块11、人机交互软件界面模块12与协作运动控制算法模块13均位于所述PC上位机主站中,属于本地通讯,TwinCAT3平台与Visual Studio软件环境之间采用基于TCP/IP的ADS(Automation Device Specification)通讯协议进行数据交换。
具体的,所述主从驱控层2用于接收执行PC上位机的控制指令并采集反馈执行部件层的数据信息,具体由通讯耦合模块21、输入输出模块22、驱动器模块24、力/力矩传感器模块23、控制柜操作面板模块25和电气元器件模块27六部分组成。
所述输入输出模块22将外部输入输出变量连接至EtherCAT现场总线网络,输入输出模块22具体包括模拟量类型模块和数字量类型模块。
所述驱动器模块24用于伺服电机高精度的定位运动,接收并解析外部控制电机的相关指令,并发送控制信号至对应驱动器26。
更为具体的,驱动器模块24包括六套伺服电机驱动器。
所述力/力矩传感器模块23用于获取人机协作时操作者施加的力/力矩信息,具体包括一套六维力/力矩传感器。
所述控制柜操作面板模块25用于接收操作者的操控指令,具体包括自锁型/自复位型按钮、二档/三档旋钮等控制硬件。
所述电气元器件模块27用于实现完善控制硬件系统的逻辑控制电路,包括接触器、直流电源供应器、直流断路器、中间继电器、接线端子和线缆等控制硬件。
具体的,所述执行部件层3用于机器人整体完成运动控制并反馈数据信息,具体由装配机器人33和伺服电机模块32两部分组成:
所述装配机器人33为一台六自由度并联机器人,具体包括动平台、静平台、六条运动支链,每一条运动支链由两个球铰运动副、一个滚珠丝杠直线运动副组成。
所述伺服电机模块32具体包括六套伺服电机及对应配套的电机制动器和绝对式编码器。
所述人机交互软件界面模块12包括数据交互通讯功能121、机器人运动控制功能122、信息采集反馈功能123。
所述数据交互通讯功能121包括伺服驱动器通讯接口1211、力/力矩传感器通讯接口1212。伺服驱动器通讯接口1211、力/力矩传感器通讯接口1212实现对应接口的连通。
所述信息采集反馈功能123包括伺服电机动作信息采集1231、力/力矩传感器信息采集处理1232、机器人末端动平台运动信息反馈1233。伺服电机动作信息采集1231、力/力矩传感器信息采集处理1232、机器人末端动平台运动信息反馈1233实现对应数据的采集。
一种人机协作装配机器人控制系统的控制方法,包括以下步骤:
ⅰ.人机交互软件界面模块与控制柜操作面板模块接收操作者的控制指令信息;
ⅱ.力/力矩传感器模块接收操作者的协作控制指令;
ⅲ.接收的控制指令信息、协作控制指令,根据对应算法解算出机器人末端动平台的目标运动信息;
ⅵ.通过机器人机构运动学逆解算法得到机器人各支链的杆长,根据滚珠丝杠的导程螺距关系换算至对应伺服电机的编码器码盘值;
ⅴ.驱动器模块根据当前选择的控制模式,接收编码器的目标值,发送控制信号至对应电机;
ⅵ.机器人末端动平台经操作者直接式接触拖动至目标位置附近,根据实际作业工况选择通过人机交互软件界面模块与控制柜操作面板模块进一步精确调节末端动平台位姿直至完成装配作业;
ⅶ.协作装配期间,操作者视具体工况随时按下所述人机交互软件界面模块与控制柜操作面板模块中包含的急停保护按钮,或停止与所述力/力矩传感器模块的接触,使机器人停止运动。
所述PLC主控系统模块为ADS服务器,所述协作运动控制算法模块为ADS客户端,ADS客户端向ADS服务器发送ADS请求,在通讯过程中客户端程序停止执行,直至获得ADS服务器返回的响应。
为方便计算机高级语言Visual C++及其环境使用ADS通讯,Beckhoff TwinCAT3提供TcAdsDll.dll组件,在Visual C++中进行链接和程序开发时所需要的文件具体包括动态链接库TcAdsDll.dll,函数库TcAdsDll.lib,声明ADS的头文件TcAdsApi.h以及声明结构和常数的头文件TcAdsDef.h。
具体的,所述控制系统采用ADS通讯同步读写方式,可即时返回数据交互结果。PLC主控系统模块11作为ADS服务器,协作运动控制算法模块13作为ADS客户端,ADS客户端向ADS服务器发送ADS请求,在通讯过程中客户端程序停止执行,直至获得ADS服务器返回的响应。
同时,特此说明,所述ADS客户端和ADS服务器均设计在同一PC上位机中,属于本地通讯。
PLC主控系统模块11与协作运动控制算法模块13进行数据信息交互,具体过程如下:
a.在Visual Studio环境中定义端口变量、端口地址变量和AMS地址变量。
b.通过调用AdsPortOpen()指令打开ADS通讯端口,并调用AdsGetLocalAddress()指令自动获取本地地址,由此建立PLC主控系统模块11与协作运动控制算法模块13之间的通讯。
c.将端口地址指针指向TwinCAT3的851端口。
d.在Visual Studio环境中创建句柄变量,定义需读取/写入的控制系统变量以及所述该控制系统变量对应的字符串变量。
e.通过调用AdsSyncReadWriteReq()指令可实现同步写数据到ADS服务器并从ADS设备接收数据,根据ADS服务器地址以及所需读取/写入的控制系统变量,自动生成该变量对应句柄大小。
f.通过调用AdsSyncReadReq()指令可从ADS服务器同步读取数据。
g.通过调用AdsSyncWriteReq()指令可向ADS服务器同步写入数据。
具体的,协作运动控制算法模块13具体包括关节空间轨迹规划控制算法和人机协作自适应导纳控制算法。
所述关节空间轨迹规划控制算法基于三次多项式插值的轨迹规划控制算法实现,所述人机协作自适应导纳控制算法基于机器强化学习的变导纳控制算法实现。
具体的,所述关节空间轨迹规划控制算法,包括以下步骤:
a.控制系统根据所选当前工作模式,接收操作者控制指令,得到装配机器人末端动平台中心点期望到达目标点的关键点过程的位姿信息;
b.通过PLC主控系统模块11中内嵌的机构运动学逆解算法,将末端操作空间的关键点位姿信息依次解算为六个电机对应的关节空间路径点信息,以保证电机运行平滑无冲击。
c.各个电机根据对应的关节空间关键的路径点信息,基于三次多项式插值轨迹规划算法进行轨迹插值,得到此次运动过程中该电机的运动位置、速度、加速度曲线。
d.伺服电机均工作在位置控制模式下,根据PLC主控系统模块11运行的时钟周期实时发送每一周期时刻各个电机需运动到达的位置,直至末端动平台运动至期望目标点。
具体的,人机协作自适应导纳控制算法,包括以下步骤:
a.根据机器人末端动平台中心点的速度信息、速度变化率信息、末端六维力/力矩传感器的人机交互力信息和交互力变化率信息作为可观测状态输入强化学习控制器;
b.根据变导纳参数调节的马尔科夫决策过程,基于所选择机器强化学习算法实时调整输出导纳参数阻尼值,并将该参数值传至系统导纳控制器中;
c.根据导纳控制器解算得出末端动平台中心点在人机交互力的作用下产生的协作位移、速度及加速度信息;
d.协作位移、速度及加速度信息作为机器人控制系统的输入控制机器人运动,完成协作装配作业。
又一实施例
如附图1所示,一种人机协作装配机器人的控制系统,包括网络主控层1、主从驱控层2、执行部件层3三个方面。
所述网络主控层1基于上位机工控软件平台设计开发,具体由PC上位机主站、PLC主控系统模块11、协作运动控制算法模块13和人机交互软件界面模块12四部分组成:
所述PC上位机主站安装有Beckhoff TwinCAT3自动化工控软件平台,PC机内核为Windows10操作系统且须安插有TwinCAT3支持的网卡。
所述PLC主控系统模块11基于TwinCAT3工控平台实现,用于实现系统硬件资源的通讯连接配置和数据交互,同时实现对硬件资源进行实时控制,采用分布式时钟技术实现运动控制和IO控制功能,是机器人系统的主控核心所在,其内嵌装配机器人的机构运动学正逆解算法。
所述协作运动控制算法模块13基于Visual Studio软件环境实现,用于系统根据反馈数据实时解算机器人之后的运动信息,内嵌运动轨迹规划控制算法和人机协作自适应导纳控制算法,该模块随整体控制系统启动/关闭自动运行/停止。
所述人机交互软件界面模块12基于Beckhoff TwinCAT3平台中HMI模块实现,用于人机信息交互,操作者通过点击触碰所述软件界面为机器人整体系统上电使能,依据运动轨迹控制的逻辑算法,选择机器人的不同工作模式,控制机器人来更好地进行装配作业。同时可实时采集机器人运动信息并记录反馈,方便操作者对装配过程进展情况的评估判断。
同时,所述PLC主控系统模块11、协作运动控制算法模块13与人机交互软件界面模块12均位于PC上位机主站中,属于本地通讯,TwinCAT3平台与Visual Studio软件环境之间采用基于TCP/IP的ADS(Automation Device Specification)通讯协议进行数据交换。
所述主从驱控层2用于接收执行PC上位机的控制指令并采集反馈执行部件层的数据信息,具体由通讯耦合模块21、输入输出模块22、驱动器模块24、力/力矩传感器模块23、控制柜操作面板模块25和电气元器件模块27组成。
所述通讯耦合模块21用于将多个输入输出模块耦合在一起,并共同接入EtherCAT现场总线网络,通讯耦合模块21与输入输出模块22以及连接的其他控制系统硬件可视为一个EtherCAT从站,简化电气接线从而节省控制柜空间。
所述输入输出模块22用于将外部输入输出变量连接至EtherCAT现场总线网络,从而在PLC主控系统模块11中进行输入数据处理和输出指令下达,具体包括模拟量类型模块和数字量类型模块。
所述驱动器模块24用于伺服电机高精度的定位运动,接收并解析外部控制电机的相关指令,并发送电机控制信号至对应电机,采用绝对式编码器作为测速传感器,可通过位置、速度和力矩三种控制模式对伺服电机进行控制,具体包括六套伺服电机驱动器。
同时,基于EtherCAT总线通讯协议,网络主控层的PC上位机主站通过网线与主从驱控层的通讯耦合模块21、输入输出模块22、驱动器模块24依次相连接,采用总线型拓扑结构。
所述力/力矩传感器模块23用于获取人机协作时操作者施加的力/力矩信息,可将模拟量信号通过内嵌的数据采集系统转为数字量信号,从而在网络主控层中做出相应处理,实现人机协作控制,具体包括一套六维力/力矩传感器。
同时,输入输出模块22与力/力矩传感器模块23连接,对操作者施加的力/力矩信号进行输入数据采集。
所述控制柜操作面板模块25用于接收操作者的操控指令,可实现与人机交互软件界面模块12相同的功能,与软件界面同步使用或单独使用从而完成机器人的运动控制,具体包括自锁型/自复位型按钮、二档/三档旋钮等控制硬件。
同时,输入输出模块22与控制柜操作面板模块25所包含的设备连接,对其进行输入采集及输出控制。
所述电气元器件模块27用于实现完善控制硬件系统的逻辑控制电路,包括接触器、直流电源供应器、直流断路器、中间继电器、接线端子和线缆等控制硬件。
所述执行部件层3用于机器人整体完成运动作业并反馈信息至其他两层,具体由装配机器人33和伺服电机模块32两部分组成:
所述装配机器人33为一台六自由度并联机器人,具体包括动平台、静平台、六条运动支链,每一条运动支链由两个球铰运动副、一个滚珠丝杠直线运动副组成。
所述伺服电机模块32具体包括六套伺服电机及对应配套的电机制动器和绝对式编码器。
同时,所述伺服电机模块32安装于装配机器人的六条运动支链直线运动副底端,并通过电机外部框架与静平台上固连的球铰运动副连接,直线运动副另一端与动平台上固连的球铰运动副连接。
如附图2所示,所述人机交互软件界面模块12的功能结构包括数据交互通讯功能121、信息采集反馈功能123和机器人运动控制功能122。
所述数据交互通讯功能121包括:伺服驱动器通讯接口1211、力/力矩传感器通讯接口1212。
所述信息采集反馈功能123包括:伺服电机动作信息采集1231。力/力矩传感器信息采集处理1232、机器人末端动平台运动信息反馈1233。
所述机器人运动控制功能122包括:机器人初始位姿回零、系统使能/失能、机器人空间轴单自由度步进控制、机器人空间轴单自由度点动控制、系统急停、空间轨迹规划控制。
如图3所示,本发明的基于机器强化学习的变导纳控制方法,具体基于Deep Q-Learning Network(下文简称DQN)算法,包括如下几个步骤:
a.获取所述力/力矩传感器模块23采集得到的交互力Fh信息、通过上位机处理得到交互力变化率dFh信息、机器人末端动平台中心点运动速度V和运动速度变化率dV信息,对人机协作控制环境进行搭建。
b.构建人机协作装配过程中变导纳参数的马尔可夫决策过程(MDP),具体包括状态空间、动作空间和奖励函数。
首先、确定装配机器人的状态空间,其中当前状态s由交互力Fh、交互力变化率dFh、动平台中心点速度V和速度变化率dV组成。
其次、确定人机协作的动作空间,根据训练的决策网络选择离散动作a,其中动作空间离散成小幅度增加阻尼值、小幅度减小阻尼值、大幅度增加阻尼值和大幅度减小阻尼值四个动作。
最后,确定奖励函数,定义瞬时奖励函数r为实时解算获得的机器人末端动平台中心点运动加速度的变化率平方的相反数。
c.给定起始参考阻尼值、起始点和目标点的空间位姿信息,设定DQN算法的批大小(Batch_size)、学习率(Learning_rate)、训练次数(Episode)、衰减因子(Gamma)、记忆回放单元大小(Memory_size)的数值和神经网络的层数。
d.根据当前状态s,使用当前值的神经网络求得近似值函数Q(s,a;θ),之后根据Epsilon-Greedy策略选择动作a,机器人在运动期间反馈回基于此动作的瞬时奖励r,系统进入下一个状态s′,上述过程为一步;
e.将每一时间步的经验样本数据(s,a,r,s′)存储至经验池记忆回放单元中,对网络训练时,从经验池记忆回放单元中随机抽取批量的样本数据用于更新当前值的网络参数,打破数据间的关联性,解决非静态分布的问题,DQN误差函数采用梯度下降法进行更新,具体表示为:
L(θ)=E[(r+γmaxaQ(s′,a′;θ)-Q(s,a;θ))2]
之后每隔N时间步,将当前值网络的参数拷贝至目标值网络;
f.根据所述变导纳参数的MDP过程,最终依据终止条件,使目标值网络迭代直至收敛,训练完毕。
如图4所示,所述基于机器强化学习的变导纳控制过程具体包括以下步骤:
a.在导纳控制外环中,根据所述力/力矩传感器模块采集所得交互力Fh信息、数据处理所得交互力变化率dFh信息、解算所得机器人末端动平台中心点运动速度V和运动速度变化率dV信息作为强化学习的环境输入项;
b.根据所述变导纳参数调节的MDP过程,基于DQN算法实时调整输出导纳参数阻尼值B,并将该参数值传至系统设计的导纳控制器中;
c.根据所述导纳控制器解算得出末端动平台中心点在人机交互力的作用下产生的协作位移、速度及加速度信息;
d.可选地,所述导纳模型表达式为:
其中,分别为机器人预设的笛卡尔空间目标参考轨迹位置、速度和加速度,分别为机器人收到操作者施加交互力之后的笛卡尔空间目标实际轨迹位置、速度和加速度,为通过所述力/力矩传感器模块采集到的交互力信息,分别为协作装配机器人导纳模型的惯性、阻尼和刚度对角矩阵。
在本发明人机协作装配工况下,机器人实际运动轨迹即目标轨迹,且操作者撤去人机交互力之后机器人并不回到初始位姿,即可消去刚度对角矩阵,所以此处导纳模型表达式变形为:
e.所述协作位移、速度及加速度信息作为机器人控制系统位置控制内环的输入,传至TwinCAT3控制器中解算出伺服电机的控制指令,控制装配机器人完成运动。
本发明开发难度小、成本低,且满足便携性要求,本发明的开放式结构,清晰合理,操作简便,运行安全,省去运动控制卡的空间,减小成本,赋予上位机实时运算能力,采用模块化思维加强系统整体封装性,降低开发难度,通过网线传输数据,系统便携。
本发明实时性高、可靠性好,本发明相较传统的现场总线,具有高实时性与良好的时间确定性,传送信息多为短帧信息,信息交换频繁,且容错能力强,可靠性好。
本发明可实现人机协作装配自适应控制,本发明自适应导纳控制算法,用于人机协作装配作业时,系统根据末端安装的力/力矩传感器采集到的交互力信息以及机器人末端运动等信息实时调整导纳参数以加强协作的柔顺性以及舒适性,从而提高协作装配效率,减轻工人劳动强度。
Claims (10)
1.一种人机协作装配机器人控制系统,包括网络主控层(1),其特征在于:所述网络主控层(1)与主从驱控层(2)通讯相连,所述主从驱控层(2)接收执行网络主控层(1)中PC上位机的控制指令并采集反馈执行部件层的数据信息,所述主从驱控层(2)与执行部件层(3)通讯相连,所述执行部件层(3)完成装配机器人整体运动控制,同时执行部件层(3)反馈数据信息。
2.根据权利要求1所述的一种人机协作装配机器人控制系统,其特征在于:所述网络主控层(1)包括实现人机界面交互的人机交互软件界面模块(12),所述人机交互软件界面模块(12)与PLC主控系统模块(11)相连,所述PLC主控系统模块(11)实现系统硬件的通讯连接配置和数据交互,以及对硬件进行实时控制,所述PLC主控系统模块(11)与协作运动控制算法模块(13)相连。
3.根据权利要求1所述的一种人机协作装配机器人控制系统,其特征在于:所述主从驱控层(2)包括通讯耦合模块(21),所述通讯耦合模块(21)与输入输出模块(22)相连,所述输入输出模块(22)将外部输入输出变量连接至EtherCAT现场总线网络,所述输入输出模块(22)与力/力矩传感器模块(23)、驱动器模块(24)、控制柜操作面板模块(25)相连,所述驱动器模块(24)实现伺服电机高精度的定位运动,接收并解析外部控制电机的相关指令,并发送控制信号至对应电机。
4.根据权利要求1所述的一种人机协作装配机器人控制系统,其特征在于:所述网络主控层(1)中 PC上位机为EtherCAT主站,所述主从驱控层(2)为EtherCAT从站。
5.根据权利要求3所述的一种人机协作装配机器人控制系统,其特征在于:所述驱动器模块(24)用于伺服电机高精度的定位运动,驱动器模块(24)的输入端口接收并解析外部控制电机的相关指令,驱动器模块(24)的输出发送控制信号至对应驱动器(26)。
6.根据权利要求3所述的一种人机协作装配机器人控制系统,其特征在于:所述力/力矩传感器模块(23)用于获取人机协作时操作者施加的力/力矩信息,力/力矩传感器模块(23)的输出端将力/力矩信息传送至输入输出模块(22)。
7.根据权利要求1所述的一种人机协作装配机器人控制系统,其特征在于:所述执行部件层(3)包括电机(31),所述电机(31)接收驱动器(26)的控制信息并执行,所述电机(31)与伺服电机模块(32)相连。
8.一种人机协作装配机器人控制系统的控制方法,其特征在于:包括以下步骤:
(ⅰ)人机交互软件界面模块与控制柜操作面板模块接收操作者的控制指令信息;
(ⅱ)力/力矩传感器模块接收操作者的协作控制指令;
(ⅲ)接收的控制指令信息、协作控制指令,根据对应算法解算出机器人末端动平台的目标运动信息;
(ⅵ)通过机器人机构运动学逆解算法得到机器人各支链的杆长,根据滚珠丝杠的导程螺距关系换算至对应伺服电机的编码器码盘值;
(ⅴ)驱动器模块根据当前选择的控制模式,接收编码器的目标值,发送控制信号至对应电机;
(ⅵ)机器人末端动平台经操作者直接式接触拖动至目标位置附近,根据实际作业工况选择通过人机交互软件界面模块与控制柜操作面板模块进一步精确调节末端动平台位姿直至完成装配作业;
(ⅶ)协作装配期间,操作者视具体工况随时按下所述人机交互软件界面模块与控制柜操作面板模块中包含的急停保护按钮,或停止与所述力/力矩传感器模块的接触,使机器人停止运动。
9.根据权利要求8所述的一种人机协作装配机器人控制系统的控制方法,其特征在于:所述PLC主控系统模块为ADS服务器,所述协作运动控制算法模块为ADS客户端,ADS客户端向ADS服务器发送ADS请求,在通讯过程中客户端程序停止执行,直至获得ADS服务器返回的响应。
10.根据权利要求8所述的一种人机协作装配机器人控制系统的控制方法,其特征在于:
所述协作运动控制算法模块包括关节空间轨迹规划控制算法和人机协作自适应导纳控制算法;
所述关节空间轨迹规划控制算法基于三次多项式插值的轨迹规划控制算法实现;
所述人机协作自适应导纳控制算法基于机器强化学习的变导纳控制算法实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210654071.8A CN115026820B (zh) | 2022-06-09 | 2022-06-09 | 人机协作装配机器人控制系统及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210654071.8A CN115026820B (zh) | 2022-06-09 | 2022-06-09 | 人机协作装配机器人控制系统及控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115026820A true CN115026820A (zh) | 2022-09-09 |
CN115026820B CN115026820B (zh) | 2024-12-13 |
Family
ID=83122323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210654071.8A Active CN115026820B (zh) | 2022-06-09 | 2022-06-09 | 人机协作装配机器人控制系统及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115026820B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115755751A (zh) * | 2022-11-22 | 2023-03-07 | 上海智能制造功能平台有限公司 | 一种快速部署系统的架构 |
CN116533269A (zh) * | 2023-07-04 | 2023-08-04 | 珞石(北京)科技有限公司 | 一种协作机器人功能安全硬件架构 |
CN118024318A (zh) * | 2024-04-01 | 2024-05-14 | 上海如身机器人科技有限公司 | 一种模块化的机器人应用模块的安装方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3255590A1 (en) * | 2016-06-09 | 2017-12-13 | Rockwell Automation Technologies, Inc. | Scalable analytics architecture for automation control systems |
CN208100376U (zh) * | 2018-05-05 | 2018-11-16 | 深圳市越疆科技有限公司 | 交互式驱控一体装置和模块式机器人 |
CN108858195A (zh) * | 2018-07-16 | 2018-11-23 | 睿尔曼智能科技(北京)有限公司 | 一种双足机器人的三层分布式控制系统 |
CN110666802A (zh) * | 2018-11-07 | 2020-01-10 | 宁波赛朗科技有限公司 | 一种具有双核运动控制器工业机器人平台 |
US20200405417A1 (en) * | 2019-06-27 | 2020-12-31 | Ethicon Llc | Cooperative operation of robotic arms |
CN114126693A (zh) * | 2019-05-16 | 2022-03-01 | 瑞思迈私人有限公司 | 医疗装置中的双向通信 |
-
2022
- 2022-06-09 CN CN202210654071.8A patent/CN115026820B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3255590A1 (en) * | 2016-06-09 | 2017-12-13 | Rockwell Automation Technologies, Inc. | Scalable analytics architecture for automation control systems |
CN208100376U (zh) * | 2018-05-05 | 2018-11-16 | 深圳市越疆科技有限公司 | 交互式驱控一体装置和模块式机器人 |
CN108858195A (zh) * | 2018-07-16 | 2018-11-23 | 睿尔曼智能科技(北京)有限公司 | 一种双足机器人的三层分布式控制系统 |
CN110666802A (zh) * | 2018-11-07 | 2020-01-10 | 宁波赛朗科技有限公司 | 一种具有双核运动控制器工业机器人平台 |
CN114126693A (zh) * | 2019-05-16 | 2022-03-01 | 瑞思迈私人有限公司 | 医疗装置中的双向通信 |
US20200405417A1 (en) * | 2019-06-27 | 2020-12-31 | Ethicon Llc | Cooperative operation of robotic arms |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115755751A (zh) * | 2022-11-22 | 2023-03-07 | 上海智能制造功能平台有限公司 | 一种快速部署系统的架构 |
CN116533269A (zh) * | 2023-07-04 | 2023-08-04 | 珞石(北京)科技有限公司 | 一种协作机器人功能安全硬件架构 |
CN116533269B (zh) * | 2023-07-04 | 2023-09-01 | 珞石(北京)科技有限公司 | 一种协作机器人功能安全硬件架构 |
CN118024318A (zh) * | 2024-04-01 | 2024-05-14 | 上海如身机器人科技有限公司 | 一种模块化的机器人应用模块的安装方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115026820B (zh) | 2024-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115026820A (zh) | 人机协作装配机器人控制系统及控制方法 | |
CN107901039B (zh) | 基于Python的桌面级机器人离线编程仿真系统 | |
CN106502095B (zh) | 一种多工业机器人的协同控制方法 | |
CN101592951B (zh) | 分布式仿人机器人通用控制系统 | |
CN110549334A (zh) | 一种四自由度机械手臂的控制方法 | |
CN114102590B (zh) | 一种工业机器人仿真方法、系统及应用 | |
CN104786221A (zh) | 一种基于以太网的开放式机械手控制方法 | |
CN111797521A (zh) | 一种自动化生产线三维仿真调试及监控方法 | |
CN110328663A (zh) | 基于虚拟仿真与Linux操作系统的机器人硬实时控制系统 | |
CN104260093A (zh) | 一种delta并联机械手控制系统 | |
CN111739170B (zh) | 一种工业机器人工作站可视化平台 | |
CN1641503A (zh) | 加工状态控制策略集成的嵌入式数控平台及其控制方法 | |
CN103246253A (zh) | 无线网络下的多电机分布式控制系统及多电机分布式控制方法 | |
CN215006354U (zh) | 一种集成plc、视觉或力反馈的一体化执行机构 | |
CN111026037B (zh) | 基于windows平台工业机器人运动控制器及控制方法 | |
CN106774178B (zh) | 一种自动化控制系统及方法、机械设备 | |
CN110647120A (zh) | 一种适用于极端应用条件的运动控制方法 | |
Overmars et al. | Application of DSP technology to closed-position-loop servo drive systems | |
CN1405674A (zh) | 一种数控系统下位机的软件实现方法 | |
CN1382565A (zh) | 便携式机器人仿真开发器 | |
CN115314534A (zh) | 一种基于EtherCAT通信协议的实时性优化模拟机器人系统 | |
US20210229286A1 (en) | Cyber-physical system-based remote control framework for robots | |
Gu et al. | Control system design of 6-DOFs serial manipulator based on real-time ethernet | |
CN2763862Y (zh) | 加工状态控制策略集成的嵌入式数控平台 | |
CN1586829A (zh) | 基于分布式控制的即插即用机械臂系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |