一种工业机械臂智能化路径规划装置及方法
阅读说明：本技术 一种工业机械臂智能化路径规划装置及方法 (Intelligent path planning device and method for industrial mechanical arm ) 是由 刘湘玲 刘孟祥 旷水章 匡增彧 王虎 于 2020-12-16 设计创作，主要内容包括：本发明涉及工业机械臂领域,具体涉及一种工业机械臂智能化路径规划装置及方法,包括加工工件、视觉系统、智能控制系统、机械臂、工作站,所述视觉系统包括视觉模块、A/D转换器和快速标定模块；所述智能控制系统包括图像学习模块、路径规划模块、坐标转换模块、逆运动学模块、电机控制模块,所述工作站模块包括工作服务器和显示器；所述机械臂模块包括基座、N个关节、与所述关节匹配的N个电机,以及加工装置。所述视觉系统被配置为通过视觉模块采集加工工件表面信息,通过三维视觉技术将加工工件的型面三维信息形成点云,再形成三维型面数据；所述智能控制系统被配置为基于所述视觉系统采集的信息控制机械臂的动作；所述工作服务器被配置用于机械臂参数调节,其内置机械臂控制平台软件,用于控制机械平台,显示器用于显示可控参数；该工业机械臂提高了现有机器人工作的自动化与加工效率、精度,实现了机械臂路径规划的智能化。(The invention relates to the field of industrial mechanical arms, in particular to an intelligent path planning device and method for an industrial mechanical arm, which comprises a processing workpiece, a vision system, an intelligent control system, a mechanical arm and a workstation, wherein the vision system comprises a vision module, an A/D converter and a quick calibration module; the intelligent control system comprises an image learning module, a path planning module, a coordinate conversion module, an inverse kinematics module and a motor control module, and the workstation module comprises a work server and a display; the mechanical arm module comprises a base, N joints, N motors matched with the joints and a processing device. The vision system is configured to acquire surface information of a machined workpiece through a vision module, form point cloud on the three-dimensional information of the profile of the machined workpiece through a three-dimensional vision technology, and then form three-dimensional profile data; the intelligent control system is configured to control the action of the mechanical arm based on the information collected by the vision system; the working server is configured for mechanical arm parameter adjustment, mechanical arm control platform software is arranged in the working server and used for controlling the mechanical platform, and the display is used for displaying controllable parameters; the industrial mechanical arm improves the automation, the processing efficiency and the precision of the existing robot work, and realizes the intellectualization of mechanical arm path planning.)
技术领域
本发明涉及工业机械臂领域，具体涉及一种工业机械臂智能化路径规划装置及方法。
背景技术
工业机械臂定义为“其操作机是自动控制的，可重复编程、多用途，并可以对3个以上轴进行编程。它可以是固定式或者移动式。在工业自动化应用中使用”。操作机又定义为“是一种机器，其机构通常由一系列相互铰接或相对滑动的构件所组成。它通常有几个自由度，用以抓取或移动物体(工具或工件)。目前，工业机械臂在机械加工领域应用越来越广泛，尤其是在汽车加工行业。目前，工业机械臂路径规划基本采取人工调试方式，在确定加工路径之后，对机械臂进行逆运动学分析，将加工工步分解到各环节中，进而对运动路径进行更改。然而人工调试带来的结果是工业生产效率降低、运动精度降低，甚至在调试过程中，带来加工误差的叠加，导致出现次品、废品，从而影响加工精度、效率。
发明内容
本发明的目的在于提供一种工业机械臂智能化路径规划装置及方法，该工业机械臂能够提高现有机器人工作的自动化与加工效率、精度，实现了机械臂路径规划的智能化。
本发明具体采用以下技术方案来实现上述技术目的：
一种工业机械臂智能化路径规划装置，包括加工工件、视觉系统、智能控制系统、机械臂、工作站；
所述视觉系统包括视觉模块、A/D转换器和快速标定模块；
所述智能控制系统包括图像学习模块、路径规划模块、坐标转换模块、逆运动学模块、电机控制模块，
所述工作站包括工作服务器和显示器；
所述机械臂包括基座、N个关节、与所述关节匹配的N个电机，以及加工装置；
所述视觉系统被配置为通过视觉模块采集加工工件表面信息，通过三维视觉技术将加工工件的型面三维信息形成点云，再形成三维型面数据；具体的，通过A/D转化器将所述三维型面数据传输至快速标定模块，所述快速标定模块将所述三维型面数据与预先存储的加工模型型面数据进行对比，并将所述三维型面数据与该预先存储的加工模型型面数据之差转换为预处理的样本集；
所述智能控制系统被配置为基于所述视觉系统采集的信息控制机械臂的动作，具体的，所述快速标定模块的输出端连接所述图像学习模块输入端，将所述样本集作为输入至所述图像学习模块，通过所述图像学习模块内置的图像识别模型对所述样本集做出判断；所述图像学习模块的输出端连接所述路径规划模块的输入端，所述路径规划模块基于上述判断的信息形成新的运动路径，并将所述新的运动路径输出至所述坐标转换模块，所述坐标转换模块将所述新的运动路径与上次加工的运动路径作比较，并计算出加工曲线的补偿值，所述补偿值被传输至所述逆运动学模块，形成关节运动补偿量；所述关节运动补偿量被传输至电机控制模块，通过所述电机控制模块形成补偿控制信号；
所述工作服务器被配置用于机械臂参数调节，其内置机械臂控制平台软件，用于控制机械平台，显示器用于显示可控参数；
所述机械臂模块被配置用于执行机械臂运动路径，所述基座上放置N个电机和N个关节，所述N个电机与N个关节一一对应连接，且所述N个电机均连接至所述电机控制模块的输出端，通过所述电机控制模块发出的电磁信号控制电机和关节的运动，实现机械臂转矩、转速及转角的变化。
在一些实施方案中，所述快速标定模块采用C++语言进行标定，具体标定公式为：∑L＝∑L1-L2，其中L1为预先存储的加工样条函数，L2为实际加工的点云数据加工样条函数。
在一些实施方案中，所述图像学习模块内置深度神经网络对所述样本集做出判断，所述图像学习模块的开发语言为python。
在一些实施方案中，所述加工曲线补偿控制信号计算公式为：ΔJ＝J-1∑L1-L2，其中△J为补偿信号，J-1为加工坐标与关节坐标的雅克比逆矩阵。
在一些实施方案中，所述电机和关节的数量N均为6，所述补偿控制信号控制规则为：关节1为纵向补偿信号，关节2为横向补偿信号，关节3为旋转补偿信号，关节4至关节6为末端路径的补偿位置。
在一些实施方案中，所述加工工件单元为金属制件或者为非金属零件，比如合金、铁、铜、塑料等材料；所述电机均为交流无刷伺服电机；所述机械臂电磁控制信号均采用阶跃脉冲信号；所述视觉模块为CCD或工业快速相机；所述加工装置优选为刀具。
本发明还包括一种加工方法，具体方案如下：
该工业机械臂智能化路径规划方法包括如下步骤：
步骤S1，图像采集：利用CCD相机拍摄工件加工表面，将图像信号转化为点云数据，生成实时三维型面；
步骤S2，图像标定：将生成的三维型面与预设加工模型型面的加工基准重合，计算实时型面与预设型面之间的加工样条曲线之差，形成样本数据；
步骤S3，数据学习：将所述样本数据发送至图像学习模块，利用RNN深度学习模块对所述样本数据进行训练，输出拍摄图像与输入模型之间的型面差值，并判断所述型面差值是否超过设定阈值，如果是，则跳转至步骤S7；如果否，则跳转至步骤S4；
步骤S4，路径规划：将所述样本数据对应的型面数据形成运动路径，基于实时加工型面运动路径与预设路径之差，计算加工路径补偿量；
步骤S5，逆运动规划：通过机械臂内置逆运动学控制算法，将所述加工路径补偿量换算成各关节的运动补偿值，传输至电机控制模块；
步骤S6，电机控制：通过将所得的各关节补偿量转换为电磁信号，传输至各电机单元，控制电机对已设的路径信号进行补偿；
步骤S7，控制结束。
优选的，步骤S3中所述RNN深度学习算法的学习样本数量为10000。
优选的，步骤S5中的逆运动学控制算法采用机械臂自带的CAM控制平台中的内置模块所实现；所述电机和关节的数量均为6个，所述补偿控制信号控制规则为：关节1为纵向补偿信号，关节2为横向补偿信号，关节3为旋转补偿信号，关节4至关节6为末端路径的补偿位置。
优选的，所述加工曲线补偿信号计算公式为：ΔJ＝J-1∑L1-L2，其中△J为补偿信号，J-1为加工坐标与关节坐标的雅克比逆矩阵。
本发明的有益效果：该工业机械臂通过自动采集工件的型面，通过将型面信息分解，当加工型面与设定的基准差距超过阈值时，能够控制机械手电机和关节的动作对加工动作进行修正，不需要人工进行调试，如此能够保证加工质量，极大的提高了加工质量和加工效率，适用于各类工件的高质量加工。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍。显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的工业机械臂智能化路径规划装置硬件方案图；
图2为本发明提供的工业机械臂智能化路径规划方法流程图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本专利的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
本发明具体采用以下技术方案来实现上述技术目的：
如图1所示，一种工业机械臂智能化路径规划装置，包括加工工件、视觉系统、智能控制系统、机械臂、工作站；
所述视觉系统包括视觉模块、A/D转换器和快速标定模块；
所述智能控制系统包括图像学习模块、路径规划模块、坐标转换模块、逆运动学模块、电机控制模块，
所述工作站包括工作服务器和显示器；
所述机械臂包括基座、N个关节、与所述关节匹配的N个电机，以及加工装置；
所述视觉系统被配置为通过视觉模块采集加工工件表面信息，通过三维视觉技术将加工工件的型面三维信息形成点云，再形成三维型面数据，而点云数据是指在一个三维坐标系统中的一组向量的集合，这些向量通常以X,Y,Z三维坐标的形式表示，而且一般主要用来代表一个物体的外表面形状；具体的，通过A/D转化器将所述三维型面数据传输至快速标定模块，所述快速标定模块将所述三维型面数据与预先存储的加工模型型面数据进行对比，并将所述三维型面数据与该预先存储的加工模型型面数据之差转换为预处理的样本集；
所述智能控制系统被配置为基于所述视觉系统采集的信息控制机械臂的动作，具体的，所述快速标定模块的输出端连接所述图像学习模块输入端，将所述样本集作为输入至所述图像学习模块，通过所述图像学习模块内置的图像识别模型对所述样本集做出判断；所述图像学习模块的输出端连接所述路径规划模块的输入端，所述路径规划模块基于上述判断的信息形成新的运动路径，并将所述新的运动路径输出至所述坐标转换模块，所述坐标转换模块将所述新的运动路径与上次加工的运动路径作比较，并计算出加工曲线的补偿值，所述补偿值被传输至所述逆运动学模块，形成关节运动补偿量；所述关节运动补偿量被传输至电机控制模块，通过所述电机控制模块形成补偿控制信号；
所述工作服务器被配置用于机械臂参数调节，其内置机械臂控制平台软件，用于控制机械平台，显示器用于显示可控参数；
所述机械臂模块被配置用于执行机械臂运动路径，所述基座上放置N个电机和N个关节，所述N个电机与N个关节一一对应连接，且所述N个电机均连接至所述电机控制模块的输出端，通过所述电机控制模块发出的电磁信号控制电机和关节的运动，实现机械臂转矩、转速及转角的变化。
在一些实施方案中，所述快速标定模块采用C++语言进行标定，具体标定公式为：∑L＝∑L1-L2，其中L1为预先存储的加工样条函数，L2为实际加工的点云数据加工样条函数。
在一些实施方案中，所述图像学习模块内置深度神经网络对所述样本集做出判断，所述图像学习模块的开发语言为python。
在一些实施方案中，所述加工曲线补偿控制信号计算公式为：ΔJ＝J-1∑L1-L2，其中△J为补偿信号，J-1为加工坐标与关节坐标的雅克比逆矩阵。
在一些实施方案中，所述电机和关节的数量N均为6，所述补偿控制信号控制规则为：关节1为纵向补偿信号，关节2为横向补偿信号，关节3为旋转补偿信号，关节4至关节6为末端路径的补偿位置。
在一些实施方案中，所述加工工件单元为金属制件或者为非金属零件，比如合金、铁、铜、塑料等材料；所述电机均为交流无刷伺服电机；所述机械臂电磁控制信号均采用阶跃脉冲信号；所述视觉模块为CCD或工业快速相机；所述加工装置优选为刀具。
在一些实施方案中，例如随着刀具的磨损，刀具尺寸缩小，工件的型面会增大或缩小，这种尺寸的变化如果超过了一定范围会导致零件的不合格，应该尽量避免或者说减小这种尺寸变化，在本发明中，视觉系统的工业快速相机会对每个工件进行拍照，拍摄的照片被传送到图像学习模块，将照片分解后与设定的基准进行比较，以该比较的差值为基础，通过坐标转换，将差值信息转化为机械臂的运动，具体通过电机或者其他的动力装置带动关节的动作，修正这种尺寸的偏差。
如图2所示，本发明还包括一种加工方法，具体方案如下：
该工业机械臂智能化路径规划方法包括如下步骤：
步骤S1，图像采集：利用CCD相机拍摄工件加工表面，将图像信号转化为点云数据，生成实时三维型面；
步骤S2，图像标定：将生成的三维型面与预设加工模型型面的加工基准重合，计算实时型面与预设型面之间的加工样条曲线之差，形成样本数据；
步骤S3，数据学习：将所述样本数据发送至图像学习模块，利用RNN深度学习模块对所述样本数据进行训练，输出拍摄图像与输入模型之间的型面差值，并判断所述型面差值是否超过设定阈值，如果是，则跳转至步骤S7；如果否，则跳转至步骤S4；
步骤S4，路径规划：将所述样本数据对应的型面数据形成运动路径，基于实时加工型面运动路径与预设路径之差，计算加工路径补偿量；
步骤S5，逆运动规划：通过机械臂内置逆运动学控制算法，将所述加工路径补偿量换算成各关节的运动补偿值，传输至电机控制模块；
步骤S6，电机控制：通过将所得的各关节补偿量转换为电磁信号，传输至各电机单元，控制电机对已设的路径信号进行补偿；
步骤S7，控制结束。
优选的，步骤S3中所述RNN深度学习算法的学习样本数量为10000。
优选的，步骤S5中的逆运动学控制算法采用机械臂自带的CAM控制平台中的内置模块所实现；所述电机和关节的数量均为6个，所述补偿控制信号控制规则为：关节1为纵向补偿信号，关节2为横向补偿信号，关节3为旋转补偿信号，关节4至关节6为末端路径的补偿位置。
优选的，所述加工曲线补偿信号计算公式为：ΔJ＝J-1∑L1-L2，其中△J为补偿信号，J-1为加工坐标与关节坐标的雅克比逆矩阵。
本发明的有益效果：该工业机械臂通过自动采集工件的型面，通过将型面信息分解，当加工型面与设定的基准差距超过阈值时，能够控制机械手电机和关节的动作对加工动作进行修正，不需要人工进行调试，如此能够保证加工质量，极大的提高了加工质量和加工效率，适用于各类工件的高质量加工。
需要声明的是，上述具体实施方式仅仅为本发明的较佳实施例及所运用技术原理。本领域技术人员应该明白，还可以对本发明做各种修改、等同替换、变化等等。但是，这些变换只要未背离本发明的精神，都应在本发明的保护范围之内。另外，本申请说明书和权利要求书所使用的一些术语并不是限制，仅仅是为了便于描述。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：示教方法