TWI856570B

TWI856570B - 加工路徑規劃模擬裝置以及方法

Info

Publication number: TWI856570B
Application number: TW112110435A
Authority: TW
Inventors: 張晉維; 方思涵; 呂紹篁
Original assignee: 台達電子工業股份有限公司
Priority date: 2023-03-21
Filing date: 2023-03-21
Publication date: 2024-09-21
Also published as: TW202439186A

Abstract

一種加工路徑規劃模擬裝置，其包括記憶體以及處理器。處理器執行以下操作：根據障礙物模型、多個加工點位置、機械手臂模型、加工工具模型、模型位置相對關係以及生產策略參數進行碰撞測試模擬以產生機械手臂模型的多個候選姿態；對多個候選姿態執行路徑最佳化演算法以產生姿態序列；基於姿態序列以及障礙物模型執行蟻群演算法以產生最佳加工路徑，其中蟻群演算法包括在多個最佳姿態的位置之間進行多個路徑產生運算以產生多個最佳加工段；模擬機械手臂模型上的加工工具模型的末端點依序根據多個最佳節點對多個加工點位置進行虛擬加工操作。

Description

加工路徑規劃模擬裝置以及方法

本揭示是有關於加工路徑規劃模擬裝置以及方法。

電子組裝產業中，機械手臂因其靈活性而大量用於取代傳統人力的工序，例如，上下料、鎖螺絲、點噴膠、組件以及焊錫等製程，這些工序大多仰賴機械手臂安裝工具來執行加工任務。進一步而言，傳統的加工路徑規劃需由工程師現場教點與編程，這將佔用實際機台而造成停線成本以及時間成本。此外，加工路徑規劃的結果高度仰賴過往的經驗跟知識。在典型做法中，為了避免碰撞，往往會安排許多輔助點在路徑中以繞開障礙物，以確保機器手臂在執行任務過程中不會與其他物體碰撞。此外，在機器手臂換手的過程中，手臂姿態可能會有較大的變化，因此，這通常會在遠離障礙物的地方進行換手操作(例如，在完成一次點膠加工後，將機械臂抬升3至50公分以確保不會產生碰撞)。藉此，這樣可以保證機械臂在換手操作時能夠順利運動，並最大程度地避免碰撞產生。然而，這樣的路徑規劃往往不是最佳加工路徑，且有極大的改善空間。

本揭示提出一種加工路徑規劃模擬裝置，其包括記憶體以及處理器。記憶體儲存多個指令。處理器連接記憶體，用以存取多個指令，並執行以下操作：根據在虛擬環境中的障礙物模型、在障礙物模型上的多個加工點位置、在虛擬環境中的機械手臂模型、機械手臂模型上的加工工具模型、模型位置相對關係以及生產策略參數進行碰撞測試模擬以產生機械手臂模型的多個候選姿態，其中多個候選姿態分為多個姿態群組，其中多個姿態群組分別對應於該些加工點位置；對多個候選姿態執行路徑最佳化演算法以產生姿態序列，其中姿態序列包括依序排列的多個最佳姿態；基於姿態序列以及該障礙物模型執行蟻群演算法以產生最佳加工路徑，其中最佳加工路徑包括多個最佳加工段以及多個最佳節點，其中蟻群演算法包括在多個最佳姿態的位置之間進行多個路徑產生運算以產生多個最佳加工段；以及在虛擬環境中的障礙物模型上，基於最佳加工路徑，模擬機械手臂模型上的加工工具模型的末端點依序以與多個最佳節點對應的姿態對多個加工點位置進行虛擬加工操作以產生模擬結果。

本揭示提出另一種加工路徑規劃模擬方法，包括：根據在虛擬環境中的障礙物模型、在障礙物模型上的多個加工點位置、在虛擬環境中的機械手臂模型、機械手臂模型上的加工工具模型、模型位置相對關係以及生產策略參數進行碰撞測試模擬以產生機械手臂模型的多個候選姿態，其中多個候選姿態分為多個姿態群組，其中多個姿態群組分別對應於該些加工點位置；對多個候選姿態執行路徑最佳化演算法以產生姿態序列，其中姿態序列包括依序排列的多個最佳姿態；基於姿態序列以及該障礙物模型執行蟻群演算法以產生最佳加工路徑，其中最佳加工路徑包括多個最佳加工段以及多個最佳節點，其中蟻群演算法包括在多個最佳姿態的位置之間進行多個路徑產生運算以產生多個最佳加工段；以及在虛擬環境中的障礙物模型上，基於最佳加工路徑，模擬機械手臂模型上的加工工具模型的末端點依序以與多個最佳節點對應的姿態對多個加工點位置進行虛擬加工操作以產生模擬結果。

在以往技術中，常常造成大量的停線成本以及時間成本。由於為了避開障礙物，要安排許多輔助點來繞開，且在機器手臂換手過程中會遠離加工點，這將使得規劃路徑並非最佳(即，加工路徑並非最短，且整體時間並非最短)。這都是仰賴大量人為判斷所造成的問題。

有鑑於此，本揭示提出一種加工路徑規劃模擬裝置以及方法，其讓使用者先輸入障礙物模型、機械手臂模型、加工工具模型、模型位置相對關係以及生產策略參數以進行真實場域的模擬，並基於障礙物模型、機械手臂模型、加工工具模型、模型位置相對關係以及生產策略參數等進行碰撞測試模擬以及蟻群演算法以產生最佳加工路徑。

藉由這樣的做法將可解決由於人工規劃路徑的結果常常不是最佳的問題(例如，從一個加工點到另一個加工點的路徑太遠且不夠有效率)。進一步而言，本揭示提的加工路徑規劃模擬裝置以及方法可預先模擬加工路徑，可大大縮短因人工教點與編程的時間會占用實體機台造成停線成本及時間成本，這將可改善人工規劃路徑的結果，而使得加工路徑縮短以及加工時間變短。此外，在蟻群演算法的遞迴階段中更結合了路徑產生運算以及碰撞檢測機制，這將大大降低演算所需要的時間。

請參照第1圖，第1圖是本揭示一些實施例繪示的加工路徑規劃模擬裝置100的方塊圖。如第1圖所示，加工路徑規劃模擬裝置100包括記憶體110以及處理器120。記憶體110以及處理器120互相連接。

在一些實施例中，加工路徑規劃模擬裝置100可以是由智慧型手機、平板電腦、筆記型電腦、桌上型電腦、中繼（relay）裝置或伺服器等電子裝置實現。

在本實施例中，記憶體110儲存由處理器120執行的指令，其用以執行後續段落所描述的詳細步驟。在一些實施例中，記憶體110可以由記憶單元、快閃記憶體、唯讀記憶體、硬碟或任何具相等性的儲存組件等實現。在一些實施例中，處理器120可以由處理單元、中央處理單元或計算單元等實現。

一併參照第2圖，第2圖是本揭示一些實施例繪示的加工路徑規劃模擬方法的流程圖。第1圖的加工路徑規劃模擬裝置100中的元件用以執行加工路徑規劃模擬方法中的步驟S210~S240。如第2圖所示，首先，於步驟S210中，根據在虛擬環境中的障礙物模型、在障礙物模型上的多個加工點位置、在虛擬環境中的機械手臂模型、機械手臂模型上的加工工具模型、模型位置相對關係以及生產策略參數進行碰撞測試模擬以產生機械手臂模型的多個候選姿態，其中多個候選姿態分為多個姿態群組，其中多個姿態群組分別對應於多個加工點位置。

在一些實施例中，加工路徑規劃模擬裝置100更可包括輸入介面(未繪示)，並可藉由此輸入介面輸入在虛擬環境中的障礙物模型、在障礙物模型上的多個加工點位置、在虛擬環境中的機械手臂模型、機械手臂模型上的加工工具模型、模型位置相對關係以及生產策略參數。

在一些實施例中，障礙物模型可以是在三維虛擬環境中的一個三維的立體模型，且可以是對實體待加工物件(例如，一個印刷電路板(printed circuit board, PCB))虛擬化的一個三維的立體模型。舉例而言，可藉由使用者介面輸入一個印刷電路板的三維的立體模型的3D CAD檔案，並模擬出存在此三維的立體模型的一個三維虛擬環境。在一些實施例中，可在障礙物模型上預先設定好多個加工點位置。舉例而言，可將虛擬化的印刷電路板的特定線路設定為加工點位置。

在一些實施例中，機械手臂模型可以是在三維虛擬環境中的另一個三維的立體模型，且可以是對實機械手臂虛擬化的一個三維的立體模型。舉例而言，可藉由使用者介面輸入一個機械手臂的三維的立體模型的3D CAD檔案，並模擬出存在此三維的立體模型的一個三維虛擬環境。在一些實施例中，機械手臂模型上的加工工具模型可以是在三維虛擬環境中的設置於機械手臂模型上的一個虛擬的噴膠工具或鎖螺絲工具等虛擬加工器具。舉例而言，可藉由使用者介面輸入一個噴膠工具或鎖螺絲工具等的三維的立體模型的3D CAD檔案，並模擬出存在此三維的立體模型的一個三維虛擬環境。

在一些實施例中，模型位置相對關係可包括在三維虛擬環境中機械手臂模型與加工工具模型之間的組裝相對關係以及障礙物模型與機械手臂模型之間的姿態相對關係。

換言之，障礙物模型、機械手臂模型以及加工工具模型都是模擬真實場域(例如，工廠)中的真實物件(例如，待加工面板以及具有噴膠工具的機械手臂)。

一併參照第3圖，第3圖是本揭示一些實施例繪示的在虛擬環境SE中的障礙物模型OM的示意圖。如第3圖所示，虛擬環境SE為一個虛擬的三維空間(即，具有x、y、z方向)，其中虛擬環境SE可被劃分為多個網格，其中這些網格由物件網格解析度進行調整，且各網格都能指示出一個座標，這樣的網格可以有利於後續的碰撞測試模擬的座標辨識。此外，虛擬環境SE中存在一個障礙物模型OM，障礙物模型OM為一個三維的立體模型(例如，存在障礙物模型OM的網格會指示出對應的多個座標)，障礙物模型OM上存在多個虛擬加工點PP1~PP4(例如，存在虛擬加工點PP1~PP4的網格也會指示出對應的多個座標)。虛擬加工點PP1~PP4用以模擬障礙物模型OM上要進行模擬加工的點位。

一併參照第4圖，第4圖是本揭示一些實施例繪示在虛擬環境SE中的機械手臂模型MAM的示意圖。如第4圖所示，如同第3圖的虛擬環境SE中也可同時存在一個機械手臂模型MAM(例如，存在機械手臂模型MAM的網格會指示出對應的多個座標)，且加工工具模型ST可被設置於機械手臂模型MAM的末端(例如，存在加工工具模型ST的網格會指示出對應的多個座標)。

在一些實施例中，生產策略參數可包括碰撞安全距離、橫向偏移距離、縱向偏移距離、垂直方向距離差、傾角差以及方位角差。在一些實施例中，分別針對多個加工點位置中的各者，可根據橫向偏移距離、縱向偏移距離、垂直方向距離差、傾角差、方位角差產生機械手臂模型MAM上的加工工具模型ST的末端點的多個碰撞測試位置。接著，分別針對多個加工點位置中的各者，可根據多個碰撞測試位置產生機械手臂模型MAM的多個碰撞測試姿態，並根據碰撞安全距離、多個碰撞測試姿態以及障礙物模型從多個碰撞測試姿態選擇多個非碰撞姿態，其中機械手臂模型MAM指示機械手臂模型上的多個參考點的六維(6 degree of freedom,6DOF)座標(即，3維移動空間及3維旋轉空間)，其中多個參考點包括機械手臂模型MAM上的加工工具模型ST的末端點。接著，可將多個加工點位置各自對應的多個非碰撞姿態做為多個候選姿態。

值得注意的是，本揭示提供使用者輸入不同的工藝策略做為生產策略參數，且納入這些策略資訊所規劃出來的路徑可具備安全性與可行性。在一些實施例中，生產策略參數更包含但不限於追蹤或靜止加工選項、正面或背面加工選項、垂直抬升參數與圓心放射角參數等。

在一些實施例中，這些碰撞測試姿態指示加工工具模型ST的末端點的六維座標。在一些實施例中，機械手臂模型MAM的各關節(joint)、由各關節連接的各機械部位、加工工具模型ST以及加工工具模型ST的末端點可做為參考點，這些參考點都具有各自的六維座標。在一些實施例中，加工工具模型ST可以是虛擬化的噴膠工具或虛擬化的鎖螺絲工具等。舉例而言，當加工工具模型ST是虛擬化的鎖螺絲工具時，分別針對多個加工點位置中的各者，可直接在多個加工點位置分別產生該機械手臂模型MAM上的加工工具模型ST的末端點的碰撞測試位置。此時，由於鎖螺絲工具不會以傾斜的姿態加工，因此，可設定加工工具模型ST的傾角差等於0，並設定一個方位角差。此外，由於鎖螺絲工具的加工特性，鎖螺絲工具需與加工點位置(即，螺絲孔)直接接觸，因此，可設定加工工具模型ST的橫向偏移距離、縱向偏移距離以及垂直方向距離差皆等於0。

一併參照第5A圖，第5A圖是本揭示一些實施例繪示進行碰撞測試模擬的示意圖。如第5A圖所示，首先，針對加工點位置PP1，加工工具模型ST的末端點TP與加工點位置PP1之間會存在水平方向的橫向偏移距離h以及垂直方向的縱向偏移距離v，且加工工具模型ST的指向方向為-Z方向，進而將此初始的位置做為一個碰撞測試位置。藉此，可根據碰撞測試位置調整機械手臂模型MAM的姿態以產生一個碰撞測試姿態。當可以產生碰撞測試姿態時，模擬加工工具模型ST進行虛擬加工，並判斷是否可以對加工點位置PP1完成加工。當可以完成加工時，可判斷機械手臂模型MAM的加工工具模型ST在碰撞測試姿態下是否會與障礙物模型OM產生碰撞。當不會與障礙物模型OM產生碰撞時，可將此碰撞測試姿態做為非碰撞姿態。

在一些實施例中，判斷是否產生碰撞的方法可包括：藉由反向動力法(inverse kinematics)判斷加工工具模型ST的末端點TP是否達成碰撞測試姿態，其中，當加工工具模型ST的末端點TP達成碰撞測試姿態時，可在碰撞測試姿態下判斷機械手臂模型MAM中的多個參考點之間的多個連桿以及加工工具模型ST是否與障礙物模型OM產生碰撞。值得注意的是，此做法可忽略機械手臂模型MAM的機體本身的幾何空間，且由於這種檢測機制計算低，因此，可大量應用在路徑規劃搜尋的迭代(即，後續蟻群演算法的迭代)之中。在一些實施例中，當加工工具模型ST的末端點TP達成碰撞測試姿態時，可在碰撞測試姿態下判斷機械手臂模型MAM的機體結構、機械手臂模型MAM中的多個參考點之間的多個連桿以及加工工具模型ST的這些座標是否與障礙物模型OM的座標產生交集。值得注意的是，此做法能確保檢測結果的可靠性但運算量較大，且僅在關鍵步驟會進行精確的檢測機制(例如，在完成後續蟻群演算法之後，可針對所找出的整個路徑進行精確的檢測機制)，這樣可以同時達成高效且規劃結果可靠的目標。

在一些實施例中，可在碰撞測試姿態下計算機械手臂模型MAM中的多個參考點之間的多個連桿以及加工工具模型ST中的一者與機械手臂模型MAM以及障礙物模型OM之間的間隔距離是否小於或等於碰撞安全距離。接著，當間隔距離小於或等於碰撞安全距離時，可判斷已產生碰撞。

接著，如第5B圖，第5B圖為第5A圖中初始的位置的局部放大圖示意圖。可將加工工具模型ST的指向方向調整為與垂直延伸線CVL之間存在一個傾角差φ(即，加工工具模型ST的中心延伸線L與穿過圓形C的中心點的垂直延伸線CVL(平行於+Z方向且在圓形C的下方)會有一個交點，且加工工具模型ST的中心延伸線L與穿過圓形C的中心點的垂直延伸線CVL之間會有一個夾角)，將加工工具模型ST的末端點TP設置於於半徑為h的圓形C的圓周上，進而以上述相同的方法判斷是否能產生另一個非碰撞姿態，其中Z軸可垂直於圓形C的圓形平面(即，與圓形C的半徑h垂直)。

接著，可將加工工具模型ST的末端點TP沿著圓形C旋轉一個角度差θ，並也以上述相同的方法判斷是否能產生另一個非碰撞姿態。以此類推，下一次的碰撞測試都再旋轉一個旋轉角度差θ，直到旋轉角度總和等於360度為止，便將加工工具模型ST的指向方向與垂直延伸線CVL之間的夾角再增加傾角差φ，並繼續上述相同的流程直到加工工具模型ST的指向方向調整為與垂直延伸線CVL之間的垂直夾角等於一個預設角度(可由使用者先設定好)為止。當旋轉角度總和等於360度、垂直夾角等於預設角度以及產生任一個非碰撞姿態時，可結束碰撞測試。

接著，當旋轉角度總和等於360度、垂直夾角等於預設角度以及未產生非碰撞姿態時，可將加工工具模型ST的末端點TP垂直往上移動一個垂直方向距離差d，並將加工工具模型ST的指向方向為-Z方向，並以上述相同的方式繼續進行碰撞測試以產生其他非碰撞姿態直到加工工具模型ST的指向方向再次調整為與垂直延伸線CVL之間的垂直夾角等於上述預設角度為止。當旋轉角度總和等於360度、垂直夾角等於預設角度以及產生任一個非碰撞姿態時，也可結束碰撞測試。以此類推，當旋轉角度總和等於360度、垂直夾角等於預設角度以及一直未產生非碰撞姿態時，可藉由不斷往上移動直到移動N個垂直方向距離差d為止以產生任一個非碰撞姿態，其中N可以是預設的一個正整數。最後，針對第3圖中的其他加工點位置PP2~PP4也可藉由相同的方式產生其他非碰撞姿態。

再者，如第2圖所示，於步驟S220中，對多個候選姿態執行路徑最佳化演算法以產生姿態序列，其中姿態序列包括依序排列的多個最佳姿態。在一些實施例中，路徑最佳化演算法可以是數學規劃演算法、啟發式演算法或元啟發式演算法等。在一些實施例中，可藉由數學規劃演算法、啟發式演算法或元啟發式演算法，從多個姿態群組選擇各自的最佳姿態以及產生多個最佳姿態的排列順序。接著，可根據多個最佳姿態以及排列順序產生姿態序列。

以下以實際的例子進一步說明本揭示的姿態群組。一併參照第6圖，第6圖是本揭示一些實施例繪示的多個姿態群組GP1~GP4的示意圖。如第6圖所示，姿態群組GP1包括多個位置COD1~COD3的候選姿態，姿態群組GP2包括多個位置COD4~COD5的候選姿態，姿態群組GP3包括多個位置COD6~COD8的候選姿態，以及姿態群組GP4包括多個位置COD9~COD11的候選姿態，其中姿態群組GP1~GP4分別對應於第3圖的加工點位置PP1~PP4。詳細而言，姿態群組GP1是由加工點位置PP1周圍的位置COD1~COD3的候選姿態所組成，姿態群組GP2是由加工點位置PP2周圍的位置COD4~COD5的候選姿態所組成，姿態群組GP3是由加工點位置PP3周圍的位置COD6~COD8的候選姿態所組成，以及姿態群組GP4是由加工點位置PP4周圍的位置COD9~COD11的候選姿態所組成。

一併參照第7圖，第7圖是本揭示一些實施例繪示的產生姿態序列的示意圖。如第7圖所示，可藉由數學規劃演算法、啟發式演算法或元啟發式演算法從姿態群組GP1~GP4中個別地取出一個候選姿態，且這些候選姿態的組合會有最短的路徑總和。詳細而言，當對姿態群組GP1~GP4進行數學規劃演算法、啟發式演算法或元啟發式演算法時，可計算出由位置COD3、位置COD5、位置COD8以及位置COD9所產生的一條路徑會有最短的路徑總和。因此，位置COD3的候選姿態、位置COD5的候選姿態、位置COD8的候選姿態以及位置COD9的候選姿態可做為依序排列的多個最佳姿態，且依序排列的多個最佳姿態可做為姿態序列。換言之，機械手臂模型MAM就是要依序採用位置COD3的候選姿態、位置COD5的候選姿態、位置COD8的候選姿態以及位置COD9的候選姿態以對第3圖的加工點位置PP1~PP4進行模擬加工。

再者，於步驟S230中，基於姿態序列以及障礙物模型OM執行蟻群演算法(ant colony optimization,ACO)以產生最佳加工路徑，其中最佳加工路徑包括多個最佳加工段以及多個最佳節點，其中蟻群演算法包括在多個最佳姿態的位置之間進行多個路徑產生運算以產生多個最佳加工段。

在一些實施例中，針對多個最佳姿態中排列相鄰二者的位置之間，進行多個路徑產生運算以產生多個候選加工段以及多個候選節點，並根據螞蟻數量參數以及遞迴次數執行蟻群演算法以從多個候選加工段以及多個候選節點選擇多個最佳加工段以及多個最佳節點。在一些實施例中，遞迴次數指示執行多個遞迴階段的總次數。在一些實施例中，路徑產生運算可包括：根據多個最佳姿態中排列相鄰二者的位置、碰撞安全距離以及與障礙物模型OM對應多個座標產生多個候選加工段以及多個候選節點。

以下以實際例子進一步說明本揭示的最佳加工段的產生。一併參照第8圖，第8圖是本揭示一些實施例繪示的多個最佳姿態的位置BP1~BP4的示意圖。如第8圖所示，最佳姿態的位置BP1~BP4分別位於加工點位置PP1~PP4的附近。為便於說明，以下先以最佳姿態的位置BP1~BP2之間產生最佳加工段做說明。

一併參照第9A圖，第9A圖是本揭示一些實施例繪示的針對多個最佳姿態中排列相鄰二者的位置之間第一次選擇中的第一步驟的示意圖。如第9A圖所示，最佳姿態的位置BP1、BP2附近存在兩個模擬障礙物OS1、OS2,且欲在最佳姿態的位置BP1到最佳姿態的位置BP2之間找到最佳加工段。此時，可進行其中一個遞迴階段。

在此遞迴階段中，可藉由路徑產生運算產生四個候選加工段PS11~PS14(假設每次都產生四個)以及對應的三個候選節點ND11~ND13。此外，可藉由相同於上述碰撞測試的方法，以辨識機械手臂模型MAM上的加工工具模型ST的末端點TP在候選加工段PS11~PS13、候選節點ND11~ND13上不會對模擬障礙物OS1、OS2產生碰撞(即，候選加工段PS14會產生碰撞)。假設此時螞蟻數量參數設定為3、遞迴次數設定為4且候選加工段PS11~PS13的初始費洛蒙濃度設定為τ₀(預設的常數)，可在第一次遞迴的第一次選擇(即，第1隻螞蟻)中基於一個選擇機率選擇候選加工段PS11~PS13中的其中一者，其中選擇機率如以下公式(1)所示。

其中

為第k隻螞蟻從候選節點i到候選節點j的機率，τ_ij是位於候選節點i、j之間的路徑上的費洛蒙濃度(此時所有候選加工段的費洛蒙濃度都是τ₀)，η_ij為期望值，其為候選節點i、j之間的最短路徑長度之倒數(例如，從最佳姿態的位置BP1到候選節點ND11之間的最短路徑長度的倒數)，z為從候選節點i可能到達的所有候選節點(即，從最佳姿態的位置BP1可能到達候選節點ND11~ND13)，α是費洛蒙指數項，β是距離倒數指數項，α,β用以決定費洛蒙與距離相對重要性之參數。此時越短的路徑會有越高的選擇機率(如第9A圖中的候選加工段PS12)。

一併參照第9B圖，第9B圖是本揭示一些實施例繪示的針對多個最佳姿態中排列相鄰二者的位置之間第一次選擇中的第二步驟的示意圖。如第9B圖所示，當選擇候選加工段PS12時，可藉由路徑產生運算產生四個候選加工段PS121~PS124以及對應的四個候選節點 ND121~ND124。此外，可藉由相同於上述碰撞測試的方法，以辨識機械手臂模型MAM上的加工工具模型ST的末端點TP在候選加工段PS121~PS122、候選節點ND121~ND122上不會對模擬障礙物OS1、OS2產生碰撞(即，候選加工段PS123~PS124會產生碰撞)。接著，可基於上述相同方法計算選擇機率以選擇候選加工段PS121~PS122中的其中一者。

一併參照第9C圖，第9C圖是本揭示一些實施例繪示的針對多個最佳姿態中排列相鄰二者的位置之間第一次選擇中的第三步驟的示意圖。如第9C圖所示，當選擇候選加工段PS122時，可藉由路徑產生運算產生四個候選加工段PS1221~PS1224以及對應的四個候選節點ND1221~ND1224。此外，可藉由相同於上述碰撞測試的方法，以辨識機械手臂模型MAM上的加工工具模型ST的末端點TP在候選加工段PS1221~PS1222、候選節點ND1221~ND1223上不會對模擬障礙物OS1、OS2產生碰撞(即，候選加工段PS1224會產生碰撞)。接著，可基於上述相同方法計算選擇機率以選擇候選加工段PS1221~PS1223中的其中一者。

一併參照第9D圖，第9D圖是本揭示一些實施例繪示的針對多個最佳姿態中排列相鄰二者的位置之間第一次選擇所產生的多個候選加工段PS11~PS13、PS121~PS122、PS1221~PS1223的示意圖。如第9D圖所示，此時，在第一次選擇中可產生候選加工段 PS11~PS13、候選加工段PS121~PS122以及候選加工段PS1221~PS1223。當選擇了候選加工段PS1223且到達最佳姿態的位置BP2時，第一次選擇的路徑可包括候選加工段PS12、PS122以及PS1223。

一併參照第10A圖，第10A圖是本揭示一些實施例繪示的針對多個最佳姿態中排列相鄰二者的位置之間第二次選擇的其中一步驟的示意圖。如第10A圖所示，假設在第一次遞迴的第二次選擇中基於先前計算的選擇機率先選擇了候選加工段PS12以及PS121，可藉由路徑產生運算產生四個候選加工段PS1211~PS1214以及對應的三個候選節點ND1211~ND1212、ND1214。此外，可藉由相同於上述碰撞測試的方法，以辨識機械手臂模型MAM上的加工工具模型ST的末端點TP在候選加工段PS1211~PS1213、候選節點ND1211~ND1212上不會對模擬障礙物OS1、OS2產生碰撞(即，候選加工段PS1214會產生碰撞)。接著，可基於上述相同方法計算選擇機率以選擇候選加工段PS1211~PS1213中的其中一者。

一併參照第10B圖，第10B圖是本揭示一些實施例繪示的針對多個最佳姿態中排列相鄰二者的位置之間第二次選擇所產生的多個候選加工段PS11~PS13、PS121~PS122、PS1211~PS1213、PS1221~PS1223的示意圖。如第10B圖所示，此時，在第二次選擇中可產生候選加工段PS1211~PS1213。當選擇了候選加工段 PS1213且到達最佳姿態的位置BP2時，第二次選擇的路徑可包括候選加工段PS12、PS121以及PS1213。

一併參照第11A圖，第11A圖是本揭示一些實施例繪示的針對多個最佳姿態中排列相鄰二者的位置之間第三次選擇的其中一步驟的示意圖。如第11A圖所示，假設在第一次遞迴的第三次選擇中基於先前計算的選擇機率先選擇了候選加工段PS13，可藉由路徑產生運算產生四個候選加工段PS131~PS134以及對應的三個候選節點ND131~ND132、ND134。此外，可藉由相同於上述碰撞測試的方法，以辨識機械手臂模型MAM上的加工工具模型ST的末端點TP在候選加工段PS133~PS134、候選節點ND134上不會對模擬障礙物OS1、OS2產生碰撞(即，候選加工段PS131~PS132會產生碰撞)。接著，可基於上述相同方法計算選擇機率以選擇候選加工段PS133~PS134中的其中一者。

一併參照第11B圖，第11B圖是本揭示一些實施例繪示的針對多個最佳姿態中排列相鄰二者的位置之間第三次選擇所產生的多個候選加工段PS11~PS13、PS121~PS122、PS1211~PS1213、PS1221~PS1223、PS133~PS134的示意圖。如第11B圖所示，此時，在第三次選擇中可產生候選加工段PS133~PS134。當選擇了候選加工段PS133且到達最佳姿態的位置BP2時，第三次選擇的路徑可包括候選加工段PS13以及PS133。接著，在第三次選擇後(即，第一次遞迴結束)，可將上述所有候選加工段的費洛蒙濃度設定如以下公式(2)。

其中τ_ij是位於候選節點i、j之間的路徑上的費洛蒙濃度(此時所有候選加工段的費洛蒙濃度都是τ₀)，t為第t次遞迴，ρ是費洛蒙的蒸發系數，

為第k隻螞蟻(即，第k次選擇路徑)在候選節點i、j之間的路徑上所釋放的費洛蒙數量，且設為第k次選擇路徑總長度的倒數與常數Q的乘積，其中ρ以及Q皆為預先設定好的常數。此外，若第k次沒有選擇經過候選節點i、j之間，則為0，不會在其上釋放費洛蒙。換言之，每次遞迴結束都可利用公式(2)更新所有候選加工段的費洛蒙濃度。接著，之後的2~4次遞迴也是以相同的方式產生並選擇路徑以及更新費洛蒙濃度。

在一些實施例中，加工路徑規劃模擬裝置100更可包括使用者介面(未繪示)，並可藉由使用者介面顯示模擬結果。在一些實施例中，使用者介面可以由顯示器或投影器等各種顯影電路實現。

一併參照第12圖，第12圖是本揭示一些實施例繪示的模擬結果的示意圖。如第12圖所示，藉由第9A~11B圖的方法，可在最佳姿態的位置BP1~BP4之間產生多個最佳加工段BPS1~BPS5。此外，除了最佳姿態的位置BP1~BP4之外，還會產生節點ND1~ND2，並在節點ND1~ND2產生機械手臂模型MAM的另外兩個操作姿態。藉此，最佳姿態的位置BP1~BP4以及節點ND1~ND2可做為多個最佳節點，多個最佳加工段 BPS1~BPS5以及多個最佳節點可組成最佳加工路徑，此最佳加工路徑不僅具有最短路徑長度且可避免與障礙物之間的碰撞。

在一些實施例中，根據模擬結果調整最佳加工路徑，其中調整後的最佳加工路徑包括多個調整後的最佳加工段以及多個調整後的最佳節點。接著，在虛擬環境SE中的障礙物模型OM上，基於調整後的最佳加工路徑，模擬機械手臂模型MAM上的加工工具模型ST的末端點TP依序以與多個調整後的最佳節點對應的姿態對多個加工點位置PP1~PP4進行虛擬加工操作以產生調整後的模擬結果。

在一些實施例中，可利用路徑修剪(path pruning)演算法刪除最佳加工路徑中的其中兩個最佳加工段之間的最佳節點以產生調整後的最佳加工段。舉例而言，可隨機地選擇其中多個最佳加工段之間的相鄰三個最佳節點，將最前面與最後面的最佳節點相連以產生一個測試加工段，並對此測試加工段進行上述碰撞測試。若未產生碰撞，便可刪除掉相鄰三個最佳節點中的中間的最佳節點，並將此測試加工段作為調整後的最佳加工段以產生調整後的最佳加工路徑。在一些實施例中，可藉由貝茲曲線(Bézier curve)演算法或B樣條(B-spline)演算法等平滑化演算法對最佳加工路徑進行平滑化。

在一些實施例中，可根據最佳加工路徑產生路徑檔，其中路徑檔指示機械手臂模型MAM在多個最佳節點的姿態。以下表(1)示出一個路徑檔的例子。

如以上表(1)所示，路徑檔可包括多個最佳節點的六維座標。藉此，使用者可藉由使用者介面，觀看此路徑檔。

綜上所述，本揭示的加工路徑規劃模擬裝置以及方法首先輸入各種模擬用的參數以及模型，以決定對加工點位置進行模擬加工的最佳姿態，再決定這些最佳姿態的模擬加工順序，進而結合蟻群演算法以及路徑產生運算在最佳姿態之間產生最佳加工路徑。藉此，只要輸入所需要的參數以及模型，就可自動化地模擬出實體待加工物件上的最佳加工路徑。因此，將可解決現場教點與編程所造成的停線成本以及時間成本，更進一步解決規劃路徑並非最佳的問題。

雖然本揭示已以實施例揭露如上，然其並非用以限定本揭示，任何所屬技術領域中具有通常知識者，在不脫離本揭示的精神和範圍內，當可作些許的更動與潤飾，故本揭示的保護範圍當視後附的申請專利範圍所界定者為準。

100:加工路徑規劃模擬裝置

110:記憶體

120:處理器

S210~S240:步驟

SE:虛擬環境

PP1~PP4:加工點位置/虛擬加工點

OM:障礙物模型

MAM:機械手臂模型

θ:旋轉角度差

φ:傾角差

CVL:垂直延伸線

ST:加工工具模型

h:橫向偏移距離

v:縱向偏移距離

d:垂直方向距離差

TP:末端點

L:中心延伸線

C:圓形

GP1~GP4:姿態群組

COD1~COD11:位置

BP1~BP4:最佳姿態的位置

OS1~OS2:模擬障礙物

PS11~PS14,PS121~PS124,PS1211~PS1214,PS1221~PS1224,PS131~PS134:候選加工段

ND11~ND13,ND121~ND124,ND1211,ND1212,ND1214,ND1221~ND1224,ND131,ND132,ND134:候選節點

ND1~ND2:節點

BPS1~BPS5:最佳加工段

第1圖是本揭示一些實施例繪示的加工路徑規劃模擬裝置的方塊圖。第2圖是本揭示一些實施例繪示的加工路徑規劃模擬方法的流程圖。第3圖是本揭示一些實施例繪示的在虛擬環境中的障礙物模型的示意圖。第4圖是本揭示一些實施例繪示進行在虛擬環境中的機械手臂模型的示意圖。第5A圖是本揭示一些實施例繪示進行碰撞測試模擬的示意圖。第5B圖為第5A圖中初始的位置的局部放大圖示意圖。第6圖是本揭示一些實施例繪示的多個姿態群組的示意圖。第7圖是本揭示一些實施例繪示的產生姿態序列的示意圖。第8圖是本揭示一些實施例繪示的多個最佳姿態的位置的示意圖。第9A圖是本揭示一些實施例繪示的針對多個最佳姿態中排列相鄰二者的位置之間第一次選擇中的第一步驟的示意圖。第9B圖是本揭示一些實施例繪示的針對多個最佳姿態中排列相鄰二者的位置之間第一次選擇中的第二步驟的示意圖。第9C圖是本揭示一些實施例繪示的針對多個最佳姿態中排列相鄰二者的位置之間第一次選擇中的第三步驟的示意圖。第9D圖是本揭示一些實施例繪示的針對多個最佳姿態中排列相鄰二者的位置之間第一次選擇所產生的多個候選加工段的示意圖。第10A圖是本揭示一些實施例繪示的針對多個最佳姿態中排列相鄰二者的位置之間第二次選擇的其中一步驟的示意圖。第10B圖是本揭示一些實施例繪示的針對多個最佳姿態中排列相鄰二者的位置之間第二次選擇所產生的多個候選加工段的示意圖。第11A圖是本揭示一些實施例繪示的針對多個最佳姿態中排列相鄰二者的位置之間第三次選擇的其中一步驟的示意圖。第11B圖是本揭示一些實施例繪示的針對多個最佳姿態中排列相鄰二者的位置之間第三次選擇所產生的多個候選加工段的示意圖。第12圖是本揭示一些實施例繪示的模擬結果的示意圖。

S210~S240:步驟

Claims

一種加工路徑規劃模擬裝置，包括：一記憶體，儲存多個指令；一處理器，連接該記憶體，用以存取該些指令，並執行以下操作：根據在一虛擬環境中的一障礙物模型、在該障礙物模型上的多個加工點位置、在該虛擬環境中的一機械手臂模型、該機械手臂模型上的一加工工具模型、模型位置相對關係以及生產策略參數進行一碰撞測試模擬以產生該機械手臂模型的多個候選姿態，其中該碰撞測試模擬為模擬該加工工具模型對該些加工點位置中的各者進行加工時，該加工工具模型不會與該障礙物模型產生碰撞的該機械手臂模型的多個非碰撞姿態，且將該些加工點位置各自對應的該些非碰撞姿態做為該些候選姿態，其中該些候選姿態分為多個姿態群組；對該些候選姿態執行路徑最佳化演算法以產生一姿態序列，其中該姿態序列包括依序排列的多個最佳姿態，其中該些姿態群組分別對應於多個最佳位置，該些最佳位置分別對應於該些加工點位置且分別在該些加工點位置的周圍，該些最佳位置所產生的一條路徑會有最短的路徑總和，該些最佳位置各自對應的該些候選姿態是做為依序排列的該些最佳姿態；基於該姿態序列以及該障礙物模型執行一蟻群演算法以產生一最佳加工路徑，其中該最佳加工路徑包括多個最佳加工段以及多個最佳節點，其中該蟻群演算法包括藉由在該些最佳姿態的該些最佳位置之間進行多個路徑產生運算以產生該些最佳加工段；以及在該虛擬環境中的該障礙物模型上，基於該最佳加工路徑，模擬該機械手臂模型上的一加工工具模型的一末端點依序以與該些最佳節點對應的姿態對該些加工點位置進行虛擬加工操作以產生一模擬結果。
如請求項1所述之加工路徑規劃模擬裝置，其中該生產策略參數包括一碰撞安全距離、一橫向偏移距離、一縱向偏移距離、一垂直方向距離差、一傾角差以及一方位角差，其中該處理器更用以執行以下操作：分別針對該些加工點位置中的各者，根據該橫向偏移距離、該縱向偏移距離、該垂直方向距離差、該傾角差、該方位角差產生該機械手臂模型上的該加工工具模型的該末端點的多個碰撞測試位置；分別針對該些加工點位置中的各者，根據該些碰撞測試位置產生該機械手臂模型的多個碰撞測試姿態，並根據該碰撞安全距離、該些碰撞測試姿態以及該障礙物模型從該些碰撞測試姿態選擇該些非碰撞姿態，其中該機械手臂模型指示該機械手臂模型上的多個參考點的六維座標，其中該些參考點包括該機械手臂模型上的一加工工具模型的一末端點；以及將該些加工點位置各自對應的該些非碰撞姿態做為該些候選姿態。
如請求項1所述之加工路徑規劃模擬裝置，其中該路徑最佳化演算法為數學規劃演算法、啟發式演算法或元啟發式演算法，其中該處理器更用以執行以下操作：藉由該數學規劃演算法、該啟發式演算法或該元啟發式演算法，從該些姿態群組選擇各自的最佳姿態以及產生該些最佳姿態的一排列順序；以及根據該些最佳姿態以及該排列順序產生該姿態序列。
如請求項2所述之加工路徑規劃模擬裝置，其中該處理器更用以執行以下操作：根據該些最佳姿態中排列相鄰二者的該些最佳位置、該碰撞安全距離以及與該障礙物模型對應多個座標進行該些路徑產生運算以產生多個候選加工段以及多個候選節點，並根據螞蟻數量參數以及一遞迴次數執行該蟻群演算法以從該些候選加工段以及該些候選節點選擇多個最佳加工段以及多個最佳節點。
如請求項1所述之加工路徑規劃模擬裝置，其中該處理器更用以執行以下操作：根據該模擬結果調整該最佳加工路徑，其中調整後的最佳加工路徑包括多個調整後的最佳加工段以及多個調整後的最佳節點；以及在該虛擬環境中的該障礙物模型上，基於該調整後的最佳加工路徑，模擬該機械手臂模型上的該加工工具模型的該末端點依序以與該些調整後的最佳節點對應的姿態對該些加工點位置進行該虛擬加工操作以產生調整後的模擬結果。
一種加工路徑規劃模擬方法，包括：根據在一虛擬環境中的一障礙物模型、在該障礙物模型上的多個加工點位置、在該虛擬環境中的一機械手臂模型、該機械手臂模型上的一加工工具模型、模型位置相對關係以及生產策略參數進行一碰撞測試模擬以產生該機械手臂模型的多個候選姿態，其中該碰撞測試模擬為模擬該加工工具模型對該些加工點位置中的各者進行加工時，該加工工具模型不會與該障礙物模型產生碰撞的該機械手臂模型的多個非碰撞姿態，且將該些加工點位置各自對應的該些非碰撞姿態做為該些候選姿態，其中該些候選姿態分為多個姿態群組；對該些候選姿態執行路徑最佳化演算法以產生一姿態序列，其中該姿態序列包括依序排列的多個最佳姿態，其中該些姿態群組分別對應於多個最佳位置，該些最佳位置分別對應於該些加工點位置且分別在該些加工點位置的周圍，該些最佳位置所產生的一條路徑會有最短的路徑總和，該些最佳位置各自對應的該些候選姿態是做為依序排列的該些最佳姿態；基於該姿態序列以及該障礙物模型執行一蟻群演算法以產生一最佳加工路徑，其中該最佳加工路徑包括多個最佳加工段以及多個最佳節點，其中該蟻群演算法包括藉由在該些最佳姿態的該些最佳位置之間進行多個路徑產生運算以產生該些最佳加工段；以及在該虛擬環境中的該障礙物模型上，基於該最佳加工路徑，模擬該機械手臂模型上的一加工工具模型的一末端點依序以該些最佳節點對該些加工點位置進行虛擬加工操作以產生一模擬結果。
如請求項6所述之加工路徑規劃模擬方法，其中該生產策略參數包括一碰撞安全距離、一橫向偏移距離、一縱向偏移距離、一垂直方向距離差、一傾角差以及一方位角差，其中根據在該虛擬環境中的該障礙物模型、在該障礙物模型上的該些加工點位置、在該虛擬環境中的該機械手臂模型以及該生產策略參數進行碰該撞測試模擬以產生該機械手臂模型的該些候選姿態的步驟包括：分別針對該些加工點位置中的各者，根據該橫向偏移距離、該縱向偏移距離、該垂直方向距離差、該傾角差、該方位角差產生該機械手臂模型上的該加工工具模型的該末端點的多個碰撞測試位置；分別針對該些加工點位置中的各者，根據該些碰撞測試位置產生該機械手臂模型的多個碰撞測試姿態，並根據該碰撞安全距離、該些碰撞測試姿態以及該障礙物模型從該些碰撞測試姿態選擇該些非碰撞姿態，其中該機械手臂模型指示該機械手臂模型上的多個參考點的六維座標，其中該些參考點包括該機械手臂模型上的一加工工具模型的一末端點；以及將該些加工點位置各自對應的該些非碰撞姿態做為該些候選姿態。
如請求項6所述之加工路徑規劃模擬方法，其中該路徑最佳化演算法為數學規劃演算法、啟發式演算法或元啟發式演算法，其中對該些候選姿態執行該路徑最佳化演算法以產生該姿態序列的步驟包括：藉由該數學規劃演算法、該啟發式演算法或該元啟發式演算法，從該些姿態群組選擇各自的最佳姿態以及產生該些最佳姿態的一排列順序；以及根據該些最佳姿態以及該排列順序產生該姿態序列。
如請求項7所述之加工路徑規劃模擬方法，其中基於該姿態序列以及該障礙物模型執行該蟻群演算法以產生該最佳加工路徑的步驟包括：根據該些最佳姿態中排列相鄰二者的該些最佳位置、該碰撞安全距離以及與該障礙物模型對應多個座標進行該些路徑產生運算以產生多個候選加工段以及多個候選節點，並根據螞蟻數量參數以及一遞迴次數執行該蟻群演算法以從該些候選加工段以及該些候選節點選擇多個最佳加工段以及多個最佳節點。
如請求項6所述之加工路徑規劃模擬方法，更包括：根據該模擬結果調整該最佳加工路徑，其中調整後的最佳加工路徑包括多個調整後的最佳加工段以及多個調整後的最佳節點；以及在該虛擬環境中的該障礙物模型上，基於該調整後的最佳加工路徑，模擬該機械手臂模型上的該加工工具模型的該末端點依序以與該些調整後的最佳節點對應的姿態對該些加工點位置進行該虛擬加工操作以產生調整後的模擬結果。