CN116047920A - 多机器人多码头的高精度对接的参数优化方法及系统 - Google Patents
多机器人多码头的高精度对接的参数优化方法及系统 Download PDFInfo
- Publication number
- CN116047920A CN116047920A CN202310342623.6A CN202310342623A CN116047920A CN 116047920 A CN116047920 A CN 116047920A CN 202310342623 A CN202310342623 A CN 202310342623A CN 116047920 A CN116047920 A CN 116047920A
- Authority
- CN
- China
- Prior art keywords
- wharf
- docking
- errors
- precision
- result
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 47
- 210000001503 joint Anatomy 0.000 title claims abstract description 27
- 238000003032 molecular docking Methods 0.000 claims abstract description 81
- 230000007246 mechanism Effects 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 description 6
- 230000004927 fusion Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种多机器人多码头的高精度对接的参数优化方法及系统,该方法包括:将移动机器人ID、码头ID、控制结果P以及每次对接后产生的反馈结果,输入设计好的参数优化模型,输出优化后的所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT,满足:根据所有移动机器人的传感器外参误差PL和码头目标点的标定误差PT,计算得到的控制结果P对应的真实的控制结果Pr在精度区间[p1,p2]内,且所有的反馈结果均为成功。本发明对每个移动机器人的传感器外参和每个对接码头目标点标定结果进行优化计算,提高对接定位精度。
Description
技术领域
本发明涉及移动机器人的对接技术领域,尤其涉及一种多机器人多码头的高精度对接的参数优化方法及系统。
背景技术
移动机器人应用于光伏行业时,需要将各个工序的光伏板进行机台流转。具体实现为,通过每个机台码头的传送带,将物料送到机器人上装的传送带上,机器人移动到下一道工序的机台码头上,并将物料送到下一道工序的机台中。每个机器人都可以实现所有机台之间的物料上下料动作,可以通过任务系统指派任意机器人实现当前需要的物料流转动作。类似的应用还产生在3C行业、汽车行业以及各类智能制造业等生产线流转,生产线到仓库流转等。
由于移动机器人的广泛应用以及用户对高效率的需求,移动机器人的高精度对接要求越来越高,而传感器精度是有限的,为了利用受限的传感器精度实现移动机器人的高精度对接需求,需要压缩其余误差。
现有的移动机器人的对接定位算法主要集中于提高传感器数据精度以获取更真实的感知数据,通过多传感器数据融合提高感知定位精度等方面。但是提高传感器数据精度必然会提高元器件成本;采用多传感器融合也会增加移动机器人物料成本,同时会增加对于算力的要求,对于处理器物料成本也可能增加。
目前没有通过对大量对接数据的优化,获取一个更合理的参数值来提高对接精度的相关方法。
发明内容
(一)要解决的技术问题
鉴于现有技术的上述缺点、不足,本发明提供一种多机器人多码头的高精度对接的参数优化方法及系统,其解决了现有的移动机器人的对接定位算法通过提高传感器数据精度或者采用多传感器融合以提高对接精度的方式成本较高的技术问题。
(二)技术方案
为了达到上述目的,本发明采用的主要技术方案包括:
第一方面,本发明实施例提供一种多机器人多码头的高精度对接的参数优化方法,包括以下步骤:
接收移动机器人在每次对接后产生的对应的控制结果P和执行机构的反馈结果,反馈结果包括成功或失败;
将移动机器人ID、码头ID、控制结果P以及反馈结果作为每次对接任务的信息,输入设计好的参数优化模型,输出优化后的所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT,优化后的所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT满足:
根据传感器外参误差PL和码头目标点的标定误差PT,计算得到的控制结果P对应的真实的控制结果Pr在精度区间[p1,p2]内,且所有的反馈结果均为成功。
其中,精度区间[p1,p2]是指对接系统设计时候对移动机器人的对接精度要求。例如机器人传送带和机台传送带对接,要求两个传送带的左右偏差不大于5mm。因此区间是根据实际项目给出的,在完成优化后(消灭了定位误差)如果控制结果在区间内,则此次反馈结果必然是成功的。
本发明实施例提出的多机器人多码头的高精度对接的参数优化方法,无需对多传感器进行数据融合,也无需提高传感器的精度,从而能够在现有的设备和传感器的基础上优化控制参数来提高对接精度,能显著提高对接定位的成功率。
可选地,参数优化模型,通过以下步骤设计得到:
获取历史数据:
收集多次对接任务的历史信息,包括:移动机器人ID、码头ID、移动机器人在历史一段时间内每次对接后产生的对应的控制结果P和执行机构的反馈结果,反馈结果包括成功或失败;以及对应的不同的传感器外参误差PL和不同的码头目标点的标定误差PT,和控制结果P对应的真实的控制结果Pr;
以每次对接任务的信息作为输入,以所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT作为输出,设计参数优化模型;模型的优化方式为,输出的真实的控制结果Pr在精度区间[p1,p2]范围内时,所有的反馈结果均为成功。
本发明实施例可降低传感器外参的出厂标定要求,只需要标定一个低精度外参值,后续可以通过在线运行数据更新参数优化模型进行优化(通常情况下,通过一次对接任务是无法产生比较好的优化结果的,需要累积一定数量的对接任务及反馈结果的历史数据,例如说至少十次,数量越多效果越好,才能获得更好的优化参数)。另一方面,降低了现场工位点部署精度要求,由于码头实际执行机构往往无法成为传感器感知观测对象,在高精度对接过程中,传感器需要感知工位点特征,特征可以是原码头有的,也可以是人为辅助张贴的;而工位特征和执行机构的相对位姿关系是存在误差的,而人为确定这个精度误差很困难,哪怕依赖特制工装,也只能把误差压缩到mm级别。而通过本发明只需要标定一个低精度码头目标点,后续可以通过在线运行数据更新参数优化模型进行优化。
可选地,采用优化后的所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT标定传感器外参以及码头目标点;
执行对接任务时,如果在一个设定周期内接收到反馈结果为失败的数量超过数量阈值;统计反馈结果为失败的频率最高的机器人ID和码头ID,产生对应的传感器告警信息或码头告警信息;以用于通知工作人员检查移动机器人和传感器是否发生故障,或者检查码头是否发生变化。
第二方面,本发明实施例提供一种多机器人多码头的高精度对接的参数优化系统,包括:
服务器,用于接收移动机器人在每次对接后产生的对应的控制结果P和执行机构的反馈结果,反馈结果包括成功或失败;还用于将移动机器人ID、码头ID、控制结果P以及反馈结果作为每次对接任务的信息,输入设计好的参数优化模型,输出优化后的所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT,优化后的所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT满足:根据传感器外参误差PL和码头目标点的标定误差PT,计算得到的控制结果P对应的真实的控制结果Pr在精度区间[p1,p2]内,且所有的反馈结果均为成功;
移动机器人,用于接收来自服务器的对接指令,并执行与目标点的对接,通过自身定位装置以及感知装置测量得到的与目标点的误差作为控制结果P,将执行机构的成功或失败的执行结果作为反馈结果,一同发送至服务器。
本发明实施例提出的多机器人多码头的高精度对接的参数优化系统,通过服务器与移动机器人的配合,通过收集传感器外参与码头目标点标定值和对应的控制结果P和执行机构的成功或失败的反馈结果,设计参数优化模型,通过参数优化模型,优化移动机器人的传感器外参和每个对接码头目标点标定结果,能显著提高对接定位的成功率。
可选地,参数优化模型,包括:数据库,用于存储以下历史数据:移动机器人ID、码头ID、移动机器人在历史一段时间内每次对接后产生的对应的控制结果P和执行机构的反馈结果,反馈结果包括成功或失败;以及对应的不同的传感器外参误差PL和不同的码头目标点的标定误差PT,和控制结果P对应的真实的控制结果Pr;
参数优化模型基于数据库内的历史数据完成设计,以每次对接任务的信息作为输入,以所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT作为输出,设计参数优化模型;模型的优化方式为,输出的真实的控制结果Pr在精度区间[p1,p2]范围内时,所有的反馈结果均为成功。
可选地,采用优化后的所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT标定传感器外参以及码头目标点;
服务器,还用于在执行对接任务时,当接收到反馈结果为失败的数量超过阈值时;统计反馈结果为失败的频率最高的机器人ID和码头ID,产生对应的传感器告警信息或码头告警信息;以用于通知工作人员检查移动机器人和传感器是否发生故障,或者检查码头是否发生变化。
第三方面,本发明实施例提供一种计算机系统,包括存储器和处理器;存储器,用于存储计算机程序;处理器,用于当执行计算机程序时,实现上述的多机器人多码头的高精度对接的参数优化方法。
(三)有益效果
本发明的有益效果是:本发明的多机器人多码头的高精度对接的参数优化方法及系统,通过对接反馈结果,即执行机构反馈的成功/失败信号,对每个移动机器人的传感器外参和每个对接码头目标点标定结果进行优化计算,提高对接定位精度。
可降低传感器外参的出厂标定要求,只需要标定一个低精度外参值,后续可以通过在线运行数据更新参数优化模型进行优化。
可降低现场工位点部署精度要求,由于码头实际执行机构往往无法成为传感器感知观测对象,在高精度对接过程中,传感器需要感知工位点特征(特征可以是原码头有的也可以是人为辅助张贴的),而工位特征和执行机构的相对位姿关系是存在误差的,而人为确定这个精度误差是很困难的,哪怕依赖特制工装,也只能把误差压缩到mm级别。而通过本发明只需要标定一个低精度码头目标点,后续可以通过在线运行数据更新参数优化模型进行优化。
附图说明
图1为本发明实施例的多机器人多码头的高精度对接的参数优化方法的流程示意图;
图2为本发明实施例的多机器人多码头的高精度对接的参数优化系统的结构示意图。
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。
本发明实施例提出的多机器人多码头的高精度对接的参数优化方法及系统,通过对接反馈结果,即执行机构反馈的成功/失败信号,对每个移动机器人的传感器外参和每个对接码头目标点标定结果进行优化计算,提高对接定位精度。可降低传感器外参的出厂标定要求以及现场工位点的部署精度要求,只需要标定一个低精度初始值,后续可以通过在线运行数据更新参数优化模型进行优化。
为了更好的理解上述技术方案,下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更清楚、透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
本发明实施例所称的码头,为任意对接的目标点,包括码头、机台、货架、栈板以及其他的工位等。
本发明实施例所称的机器人或者移动机器人,为任意可以完成对接任务的执行机构,包括移动机器人、移动接驳车、运输或者传送机构、机械臂以及其他的可被控制对接的执行机构等。
实施例一
参见图1,本发明实施例是一种多机器人多码头的高精度对接的参数优化方法,包括以下步骤:
S1:接收移动机器人在每次对接后产生的对应的控制结果P和执行机构的反馈结果,反馈结果包括成功或失败;
S2:将移动机器人ID、码头ID、控制结果P以及反馈结果作为每次对接任务的信息,输入设计好的参数优化模型,输出优化后的所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT,优化后的所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT满足:
根据所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT,计算得到的控制结果P对应的真实的控制结果Pr在精度区间[p1,p2]内,且所有的反馈结果均为成功
其中,精度区间[p1,p2]是指对接系统设计时候对移动机器人的对接精度要求。例如机器人传送带和机台传送带对接,要求两个传送带的左右偏差不大于5mm。因此区间是根据实际项目给出的,在完成优化后(消灭了定位误差)如果控制结果在区间内,则此次反馈结果必然是成功的。
实施时,参数优化模型,可通过以下步骤设计得到:
获取历史数据:
收集多次对接任务的历史信息,包括:移动机器人ID、码头ID、移动机器人在历史一段时间内每次对接后产生的对应的控制结果P和执行机构的反馈结果,反馈结果包括成功或失败;以及对应的不同的传感器外参误差PL和不同的码头目标点的标定误差PT,和控制结果P对应的真实的控制结果Pr;
以每次对接任务的信息作为输入,以所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT作为输出,设计参数优化模型;模型的优化方式(优化方向)为,输出的真实的控制结果Pr在精度区间[p1,p2]范围内时,所有的反馈结果均为成功。
本实施例中,是通过离线优化方法设计参数优化模型,通过大量参数收集,产出优化结果,将优化结果导入到移动机器人数据库。在实施时,也可以通过在线优化方法不断积累数据,不断进行优化计算,不断更新优化结果到数据库。在线优化可以在服务器中进行,不影响移动机器人的正常运行。参数优化模型可以采用机器学习、神经网络、数学函数、拟合等方式设计,不限于一种固定的建模方式。
因此,本发明实施例可实现无需对多传感器进行数据融合,也无需提高传感器的精度,从而能够在现有的设备和传感器的基础上优化控制参数来提高对接精度,能显著提高对接定位的成功率。
本发明实施例的多机器人多码头的高精度对接的参数优化方法,可降低传感器外参的出厂标定要求,只需要标定一个低精度外参值,后续可以通过在线运行数据更新参数优化模型进行优化。另一方面,降低了现场工位点部署精度要求,由于码头实际执行机构往往无法成为传感器感知观测对象,在高精度对接过程中,传感器需要感知工位点特征(特征可以是原码头有的也可以是人为辅助张贴的),而工位特征和执行机构的相对位姿关系是存在误差的,而人为确定这个精度误差很困难,哪怕依赖特制工装,也只能把误差压缩到mm级别。而通过本发明只需要标定一个低精度码头目标点,后续可以通过在线运行数据更新参数优化模型进行优化。
实施时,采用优化后的所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT标定传感器外参以及码头目标点;
执行对接任务时,如果在一个设定周期内接收到反馈结果为失败的数量超过数量阈值(本实施例中,数量阈值按照现场不同情况设定,例如失败率超过5%);统计反馈结果为失败的频率最高的机器人ID和码头ID,产生对应的传感器告警信息或码头告警信息;以用于通知工作人员检查移动机器人和传感器是否发生故障,或者检查码头是否发生变化。
可实现对移动机器人的传感器和码头情况进行在线监控,如果运行结果不符合原有外参标定结果,可以及时识别出是具体那个传感器或者哪个码头,并发出告警。
实施例二
参见图2,本发明实施例是实施例一的方法对应的多机器人多码头的高精度对接的参数优化系统,包括服务器和多个移动机器人,服务器给各移动机器人发送对接或者路径的指令(或者路径指令中包含对接),指示各移动机器人对接码头,即移动机器人对接码头目标点。
其中,服务器,用于接收移动机器人在每次对接后产生的对应的控制结果P和执行机构的反馈结果,反馈结果包括成功或失败;还用于将移动机器人ID、码头ID、控制结果P以及反馈结果作为每次对接任务的信息,输入设计好的参数优化模型,输出优化后的所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT,优化后的所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT满足:根据传感器外参误差PL和码头目标点的标定误差PT,计算得到的控制结果P对应的真实的控制结果Pr在精度区间[p1,p2]内,且所有的反馈结果均为成功;
移动机器人,用于接收来自服务器的对接指令,并执行与目标点的对接,通过自身定位装置以及感知装置测量得到的与目标点的误差作为控制结果P,将执行机构的成功或失败的执行结果作为反馈结果,一同发送至服务器。
其中,参数优化模型,可包括:
数据库,用于存储以下历史数据:移动机器人ID、码头ID、移动机器人在历史一段时间内每次对接后产生的对应的控制结果P和执行机构的反馈结果,反馈结果包括成功或失败;以及对应的不同的传感器外参误差PL和不同的码头目标点的标定误差PT,和控制结果P对应的真实的控制结果Pr;
参数优化模型基于数据库内的历史数据完成设计,以每次对接任务的信息作为输入,以所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT作为输出,设计参数优化模型;模型的优化方式(优化方向)为,输出的真实的控制结果Pr在精度区间[p1,p2]范围内时,所有的反馈结果均为成功。
本发明实施例提出的多机器人多码头的高精度对接的参数优化系统,通过服务器与移动机器人的配合,通过收集传感器外参与码头目标点标定值和对应的控制结果P和执行机构的成功或失败的反馈结果,设计参数优化模型,通过参数优化模型,优化移动机器人的传感器外参和每个对接码头目标点标定结果,能显著提高对接定位的成功率。
实施时,为了对移动机器人的传感器和码头情况进行在线监控,如果运行结果不符合原有外参标定结果,可以及时识别出是具体那个传感器或者哪个码头,并发出告警。
进一步地,采用优化后的传感器外参误差PL和码头目标点的标定误差PT标定传感器外参以及码头目标点;
服务器,还用于在执行对接任务时,当接收到反馈结果为失败的数量超过阈值时;统计反馈结果为失败的频率最高的机器人ID和码头ID,产生对应的传感器告警信息或码头告警信息;以用于通知工作人员检查移动机器人和传感器是否发生故障,或者检查码头是否发生变化。
由于本发明上述实施例所描述的系统/装置,为实施本发明上述实施例的方法所采用的系统/装置,故而基于本发明上述实施例所描述的方法,本领域所属技术人员能够了解该系统/装置的具体结构及变形,因而在此不再赘述。凡是本发明上述实施例的方法所采用的系统/装置都属于本发明所欲保护的范围。
实施例三
本发明实施例提供一种计算机系统,包括存储器和处理器;存储器,用于存储计算机程序;处理器,用于当执行计算机程序时,实现上述实施例的多机器人多码头的高精度对接的参数优化方法。
本发明的多机器人多码头的高精度对接的参数优化方法及系统,通过对接反馈结果,即执行机构反馈的成功/失败信号,对每个移动机器人的传感器外参和每个对接码头目标点标定结果进行优化计算,提高对接定位精度。可降低传感器外参的出厂标定要求,以及现场工位点部署精度要求。只需要标定一个传感器外参和低精度码头目标点,后续可以通过在线运行数据更新参数优化模型进行优化。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例,或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。
应当注意的是,位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置中,这些装置中的若干个可以是通过同一个硬件来具体体现。词语第一、第二、第三等的使用,仅是为了表述方便,而不表示任何顺序。可将这些词语理解为部件名称的一部分。
此外,需要说明的是,在本说明书的描述中,术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述,是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已描述了本发明的优选实施例,但本领域的技术人员在得知了基本创造性概念后,则可对这些实施例作出另外的变更和修改。显然,本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。
Claims (8)
1.一种多机器人多码头的高精度对接的参数优化方法,其特征在于,包括以下步骤:
接收移动机器人在每次对接后产生的对应的控制结果P和执行机构的反馈结果,所述反馈结果包括成功或失败;
将移动机器人ID、码头ID、控制结果P以及反馈结果作为每次对接任务的信息,输入设计好的参数优化模型,输出优化后的所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT,所述优化后的所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT满足:
根据所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT,计算得到的控制结果P对应的真实的控制结果Pr在精度区间[p1,p2]内,且所有的反馈结果均为成功。
2.如权利要求1所述的多机器人多码头的高精度对接的参数优化方法,其特征在于:所述参数优化模型,通过以下步骤得到:
获取历史数据:
收集多次对接任务的历史信息,包括:移动机器人ID、码头ID、移动机器人在历史一段时间内每次对接后产生的对应的控制结果P和执行机构的反馈结果,所述反馈结果包括成功或失败;以及对应的不同的传感器外参误差PL和不同的码头目标点的标定误差PT,和控制结果P对应的真实的控制结果Pr;
以每次对接任务的信息作为输入,以所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT作为输出,设计参数优化模型;模型的优化方式为,输出的真实的控制结果Pr在精度区间[p1,p2]范围内时,所有的反馈结果均为成功。
3.如权利要求1或2所述的多机器人多码头的高精度对接的参数优化方法,其特征在于:所述方法还包括:
采用优化后的所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT标定传感器外参以及码头目标点;
执行对接任务时,如果在一个设定周期内接收到反馈结果为失败的数量超过数量阈值;统计反馈结果为失败的频率最高的机器人ID和码头ID,产生对应的传感器告警信息或码头告警信息;以用于通知工作人员检查移动机器人和传感器是否发生故障,或者检查码头是否发生变化。
4.如权利要求2所述的多机器人多码头的高精度对接的参数优化方法,其特征在于:所述精度区间[p1,p2]根据对接系统对移动机器人的对接精度要求设定。
5.一种多机器人多码头的高精度对接的参数优化系统,其特征在于,包括:
服务器,用于接收移动机器人在每次对接后产生的对应的控制结果P和执行机构的反馈结果,所述反馈结果包括成功或失败;还用于将移动机器人ID、码头ID、控制结果P以及反馈结果作为每次对接任务的信息,输入设计好的参数优化模型,输出优化后的所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT,所述优化后的所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT满足:
根据所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT,计算得到的控制结果P对应的真实的控制结果Pr在精度区间[p1,p2]内,且所有的反馈结果均为成功;
移动机器人,用于接收来自服务器的对接指令,并执行与目标点的对接,通过自身定位装置以及感知装置测量得到的与目标点的误差作为控制结果P,将执行机构的成功或失败的执行结果作为反馈结果,一同发送至服务器。
6.如权利要求5所述的多机器人多码头的高精度对接的参数优化系统,其特征在于:所述参数优化模型,包括:
数据库,用于存储以下历史数据:移动机器人ID、码头ID、移动机器人在历史一段时间内每次对接后产生的对应的控制结果P和执行机构的反馈结果,所述反馈结果包括成功或失败;以及对应的不同的传感器外参误差PL和不同的码头目标点的标定误差PT,和控制结果P对应的真实的控制结果Pr;
所述参数优化模型基于所述数据库内的历史数据完成设计,以每次对接任务的信息作为输入,以所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT作为输出,设计参数优化模型;模型的优化方式为,输出的真实的控制结果Pr在精度区间[p1,p2]范围内时,所有的反馈结果均为成功。
7.如权利要求5或6所述的多机器人多码头的高精度对接的参数优化系统,其特征在于:
采用优化后的所有移动机器人的传感器外参误差PL和所有码头目标点的标定误差PT标定传感器外参以及码头目标点;
所述服务器,还用于在执行对接任务时,当接收到反馈结果为失败的数量超过阈值时;统计反馈结果为失败的频率最高的机器人ID和码头ID,产生对应的传感器告警信息或码头告警信息;以用于通知工作人员检查移动机器人和传感器是否发生故障,或者检查码头是否发生变化。
8.一种计算机系统,其特征在于:包括存储器和处理器;所述存储器,用于存储计算机程序;所述处理器,用于当执行所述计算机程序时,实现如权利要求1-4中任一项所述的多机器人多码头的高精度对接的参数优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310342623.6A CN116047920B (zh) | 2023-04-03 | 2023-04-03 | 多机器人多码头的高精度对接的参数优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310342623.6A CN116047920B (zh) | 2023-04-03 | 2023-04-03 | 多机器人多码头的高精度对接的参数优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116047920A true CN116047920A (zh) | 2023-05-02 |
CN116047920B CN116047920B (zh) | 2023-06-06 |
Family
ID=86118647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310342623.6A Active CN116047920B (zh) | 2023-04-03 | 2023-04-03 | 多机器人多码头的高精度对接的参数优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116047920B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080050232A (ko) * | 2006-12-02 | 2008-06-05 | 한국전자통신연구원 | 카메라와 적외선 센서를 이용한 로봇자동충전 장치 및 방법 |
CN106202628A (zh) * | 2016-06-28 | 2016-12-07 | 中南林业科技大学 | 基于快速重分析计算的空间映射优化方法 |
CN106457562A (zh) * | 2014-06-23 | 2017-02-22 | Abb瑞士股份有限公司 | 用于校准机器人的方法和机器人系统 |
CN110385720A (zh) * | 2019-07-26 | 2019-10-29 | 南京航空航天大学 | 一种基于深度神经网络的机器人定位误差补偿方法 |
CN110794855A (zh) * | 2019-11-26 | 2020-02-14 | 南方电网调峰调频发电有限公司 | 一种水下机器人综合控制系统及其方法 |
CN111930129A (zh) * | 2020-09-24 | 2020-11-13 | 天津联汇智造科技有限公司 | 一种移动机器人对接纠偏方法、系统及存储介质 |
CN114355933A (zh) * | 2021-12-31 | 2022-04-15 | 山东新一代信息产业技术研究院有限公司 | 机器人对接充电桩的运动控制方法 |
CN115533888A (zh) * | 2021-06-30 | 2022-12-30 | 武汉联影智融医疗科技有限公司 | 机器人参数优化、标定方法、装置、系统、机器人及介质 |
-
2023
- 2023-04-03 CN CN202310342623.6A patent/CN116047920B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080050232A (ko) * | 2006-12-02 | 2008-06-05 | 한국전자통신연구원 | 카메라와 적외선 센서를 이용한 로봇자동충전 장치 및 방법 |
CN106457562A (zh) * | 2014-06-23 | 2017-02-22 | Abb瑞士股份有限公司 | 用于校准机器人的方法和机器人系统 |
CN106202628A (zh) * | 2016-06-28 | 2016-12-07 | 中南林业科技大学 | 基于快速重分析计算的空间映射优化方法 |
CN110385720A (zh) * | 2019-07-26 | 2019-10-29 | 南京航空航天大学 | 一种基于深度神经网络的机器人定位误差补偿方法 |
CN110794855A (zh) * | 2019-11-26 | 2020-02-14 | 南方电网调峰调频发电有限公司 | 一种水下机器人综合控制系统及其方法 |
CN111930129A (zh) * | 2020-09-24 | 2020-11-13 | 天津联汇智造科技有限公司 | 一种移动机器人对接纠偏方法、系统及存储介质 |
CN115533888A (zh) * | 2021-06-30 | 2022-12-30 | 武汉联影智融医疗科技有限公司 | 机器人参数优化、标定方法、装置、系统、机器人及介质 |
CN114355933A (zh) * | 2021-12-31 | 2022-04-15 | 山东新一代信息产业技术研究院有限公司 | 机器人对接充电桩的运动控制方法 |
Non-Patent Citations (1)
Title |
---|
陈华;王栋;曹彤;倪自强;刘龙;: "针对手术空间的医疗机器人参数优化", 高技术通讯, no. 03, pages 284 - 288 * |
Also Published As
Publication number | Publication date |
---|---|
CN116047920B (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10254750B2 (en) | Machining machine system which determines acceptance/rejection of workpieces | |
Biesinger et al. | A digital twin for production planning based on cyber-physical systems: A Case Study for a Cyber-Physical System-Based Creation of a Digital Twin | |
JP2559847B2 (ja) | 生産ラインの管理方法 | |
JP6031202B1 (ja) | 製造機械の異常の原因を発見するセル制御装置 | |
US10935967B2 (en) | Machining equipment system and manufacturing system | |
Qiao et al. | Advancing measurement science to assess monitoring, diagnostics, and prognostics for manufacturing robotics | |
US20230195139A1 (en) | Deployable mobile transporters for easy plant reconfiguration | |
ElMaraghy et al. | Integrated inspection and machining for maximum conformance to design tolerances | |
CN111375961B (zh) | 确定夹具调整量的方法、白车身焊装方法和自动夹具系统 | |
Schuh et al. | Effects of digital twin simulation modelling on a flexible and fixtureless production concept in automotive body shops | |
CN116047920B (zh) | 多机器人多码头的高精度对接的参数优化方法及系统 | |
Blumberg et al. | Deformation error compensation of industrial robots in single point incremental forming by means of data-driven stiffness model | |
EP3904015B1 (en) | System and method for setting up a robotic assembly operation | |
CN110154043B (zh) | 基于加工结果进行学习控制的机器人系统及其控制方法 | |
EP3705964B1 (en) | A method for the scalable real-time state recognition of processes and/or sub-processes during production with electrically driven production plants | |
WO2024121148A1 (en) | Tracking workpieces in industrial processes and quality control systems and methods | |
US20220402136A1 (en) | System and Method for Robotic Evaluation | |
EP4051464A1 (en) | System and method for online optimization of sensor fusion model | |
Kim et al. | Dynamic process planning control of hybrid disassembly systems | |
CN110650815A (zh) | 用于控制接合站的方法和控制单元 | |
US11548158B2 (en) | Automatic sensor conflict resolution for sensor fusion system | |
CN114721380A (zh) | 一种agv行走过程稳定系统 | |
US20210323158A1 (en) | Recovery system and method using multiple sensor inputs | |
Shi et al. | Flexible robotic assembly in dynamic environments | |
Pellegrinelli et al. | Multi-robot spot-welding cell design: problem formalization and proposed architecture |
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 |