一种基于力矩控制的机器人的位置偏移方法技术

本发明专利技术公开了一种基于力矩控制的机器人的位置偏移方法。本方法首先采集机器人无碰撞、接触模具两侧的三组数据作为神经网络训练数据，然后对神经网络进行训练，获得能分辨是否发生接触或碰撞的模型。然后在获得执行机构末端接触或碰撞的方向后，进行机器人末端执行机构的速度偏移，避免发生碰撞。本发明专利技术大大增加了刮渣机构的使用寿命，提高了机器人有色金属刮渣的稳定性。

A method of robot position offset based on torque control

【技术实现步骤摘要】
一种基于力矩控制的机器人的位置偏移方法
本专利技术涉及一种机器人控制方法，具体为一种基于力矩控制的机器人的位置偏移方法。
技术介绍
工业机器人有色金属刮渣是冶炼行业的一个重要应用。由于产线老旧、模具一致性差，因此目前基于位置控制的机器人控制方法在刮渣过程中刮渣机构可能会与模具发生碰撞，从而导致末端执行机构磨损，严重的有可能使机器人停机，影响生产。因此，目前需要一种能够改进位置控制机器人的控制方法，以降低机器人的工作过程中的损伤。
技术实现思路
本专利技术的目的在于提供一种基于力矩控制的机器人的位置偏移方法，以弥补现有技术的不足。为实现上述目的，本专利技术提供如下技术方案：一种基于力矩控制的机器人的位置偏移方法，所述方法包括以下步骤：步骤1：示教机器人运行轨迹，在标准模具下，以额定速度进行无碰撞运动；步骤2：在机器人运行过程中，每隔2ms采集一次关节角度、关节角速度、关节角加速度和关节力矩数据；步骤3：在步骤1轨迹的基础上，进行轨迹偏移，使机器人执行机构与模具左侧发生轻微接触，然后以额定速度进行运动；步骤4：在机器人运行过程中，每隔2ms采集一次关节角度、关节角速度、关节角加速度和关节力矩数据；步骤5：在步骤1轨迹的基础上，进行轨迹偏移，使机器人执行机构与模具右侧发生轻微接触，然后以额定速度进行运动；步骤6：在机器人运行过程中，每隔2ms采集一次关节角度、关节角速度、关节角加速度和关节力矩数据；步骤7：建立一个神经网络，网络输入为关节角度、关节角速度、关节角加速度和关节力矩；网络输出为执行机构碰撞方向，激活函数为归一化指数函数(softmax)；网络中有一个隐含层，包含50个神经元，连接方式为全接连，激活函数为双曲正切函数(tanh)；步骤8：通过步骤2得到的数据，使用梯度下降法对上述步骤7建立的神经网络进行训练，获得无碰撞下的神经网络模型；步骤9：示教机器人刮渣轨迹，在运行过程中，实时采集关节角度、角速度、角加速度和力矩作为步骤8得到的神经网络模型进行输入，通过神经网络计算得到执行机构的碰撞方向，然后根据碰撞方向对机器人末端速度进行反向偏移，以避免末端执行机构发生碰撞。进一步的，所述步骤7中，神经网络公式如下：yj＝f(Sj)＝tanh(Sf)式中，x为神经网络的输入，Wij为神经网络的权值，bj为神经网络偏置，Sj为隐含层输入，yj为隐含层输出，Net(x)为神经网络输出。进一步的，所述步骤8中，设神经网络参数集为θ，则参数更新公式为：式中，θnew为神经网络更新后的参数，θold为神经网络当前参数，α为神经网络学习速率，为神经网络的参数梯度。本方法，首先采集机器人无碰撞、接触模具两侧的三组数据作为神经网络训练数据，然后对神经网络进行训练，获得能分辨是否发生接触或碰撞的模型。然后在获得执行机构末端接触或碰撞的方向后，进行机器人末端执行机构的速度偏移，避免发生碰撞。相较于现有技术，本专利技术具有以下优点和有益效果：本专利技术基于力矩控制的有色金属刮渣控制方法能在模具发生接触时，检测机器人各关节力矩值，并根据关节当前力矩迅速计算碰撞方向，从而迅速调整末端位置，避免发生与模具发生严重碰撞。本专利技术大大增加了刮渣机构的使用寿命，提高了机器人有色金属刮渣的稳定性。附图说明图1为本专利技术的控制方法流程图。具体实施方式为了使本领域技术人员能更进一步了解本专利技术的特征及
技术实现思路
，以下结合附图和具体实施例对本专利技术作进一步的详细说明：实施例1：(本专利技术具体应用于有色金属刮渣处理中)一种基于力矩控制的机器人有色金属刮渣方法，所述方法包括以下步骤：步骤1：示教机器人刮渣轨迹，在标准模具下，以额定速度进行无碰撞运动；步骤2：在机器人运行过程中，每隔2ms采集一次关节角度、关节角速度、关节角加速度和关节力矩数据；步骤3：在步骤1轨迹的基础上，进行轨迹偏移，使机器人执行机构与模具左侧发生轻微接触，然后以额定速度进行运动；步骤4：在机器人运行过程中，每隔2ms采集一次关节角度、关节角速度、关节角加速度和关节力矩数据；步骤5：在步骤1轨迹的基础上，进行轨迹偏移，使机器人执行机构与模具右侧发生轻微接触，然后以额定速度进行运动；步骤6：在机器人运行过程中，每隔2ms采集一次关节角度、关节角速度、关节角加速度和关节力矩数据；步骤7：建立一个神经网络，网络输入为关节角度、关节角速度、关节角加速度和关节力矩；网络输出为执行机构碰撞方向，激活函数为归一化指数函数(softmax)；网络中有一个隐含层，包含50个神经元，连接方式为全接连，激活函数为双曲正切函数(tanh)；神经网络公式如下：yj＝f(Sj)＝tanh(Sj)式中，x为神经网络的输入，Wij为神经网络的权值，bj为神经网络偏置，Sj为隐含层输入，yj为隐含层输出，Net(x)为神经网络输出；步骤8：通过步骤2得到的数据，使用梯度下降法对上述步骤7建立的神经网络进行训练，获得无碰撞下的神经网络模型；设神经网络参数集为θ，则参数更新公式为：式中，θnew为神经网络更新后的参数，θold为神经网络当前参数，α为神经网络学习速率，为神经网络的参数梯度步骤9：示教机器人刮渣轨迹，在运行过程中，实时采集关节角度、角速度、角加速度和力矩作为神经网络输入，通过神经网络计算得到执行机构的碰撞方向，然后根据碰撞方向对机器人末端速度进行反向偏移，以避免末端执行机构发生碰撞。本实施例首先设计工业机器人关节运行轨迹，在此轨迹运行过程中采集关节角度、角速度、角加速度和力矩，然后对运行轨迹进行偏移，使执行机构与模具两侧发生接触，采集两侧轨迹产生的关节角度、角速度、角加速度和力矩，然后使用神经网络对工业机器人执行机构碰撞方向进行拟合。在实际运行过程中，根据关节角度，角速度，角加速度和力矩的数值，通过神经网络计算碰撞方向，使机器人执行机构在刚接触时模具边沿时进行速度偏移，避免发生碰撞。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。以上所述实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本文档来自技高网...

【技术保护点】
1.一种基于力矩控制的机器人的位置偏移方法，其特征在于，该方法包括以下步骤：/n步骤1：示教机器人运行轨迹，在标准模具下，以额定速度进行无碰撞运动；/n步骤2：在机器人运行过程中，每隔2ms采集一次关节角度、关节角速度、关节角加速度和关节力矩数据；/n步骤3：在步骤1轨迹的基础上，进行轨迹偏移，使机器人执行机构与模具左侧发生轻微接触，然后以额定速度进行运动；/n步骤4：在机器人运行过程中，每隔2ms采集一次关节角度、关节角速度、关节角加速度和关节力矩数据；/n步骤5：在步骤1轨迹的基础上，进行轨迹偏移，使机器人执行机构与模具右侧发生轻微接触，然后以额定速度进行运动；/n步骤6：在机器人运行过程中，每隔2ms采集一次关节角度、关节角速度、关节角加速度和关节力矩数据；/n步骤7：建立一个神经网络，网络输入为关节角度、关节角速度、关节角加速度和关节力矩；网络输出为执行机构碰撞方向，激活函数为归一化指数函数(softmax)；网络中有一个隐含层，包含50个神经元，连接方式为全接连，激活函数为双曲正切函数(tanh)；/n步骤8：通过步骤2得到的数据，使用梯度下降法对上述步骤7建立的神经网络进行训练，获得无碰撞下的神经网络模型；/n步骤9：示教机器人刮渣轨迹，在运行过程中，实时采集关节角度、角速度、角加速度和力矩作为步骤8得到的神经网络模型进行输入，通过神经网络计算得到执行机构的碰撞方向，然后根据碰撞方向对机器人末端速度进行反向偏移，以避免末端执行机构发生碰撞。/n...

【技术特征摘要】
1.一种基于力矩控制的机器人的位置偏移方法，其特征在于，该方法包括以下步骤：
步骤1：示教机器人运行轨迹，在标准模具下，以额定速度进行无碰撞运动；
步骤2：在机器人运行过程中，每隔2ms采集一次关节角度、关节角速度、关节角加速度和关节力矩数据；
步骤3：在步骤1轨迹的基础上，进行轨迹偏移，使机器人执行机构与模具左侧发生轻微接触，然后以额定速度进行运动；
步骤4：在机器人运行过程中，每隔2ms采集一次关节角度、关节角速度、关节角加速度和关节力矩数据；
步骤5：在步骤1轨迹的基础上，进行轨迹偏移，使机器人执行机构与模具右侧发生轻微接触，然后以额定速度进行运动；
步骤6：在机器人运行过程中，每隔2ms采集一次关节角度、关节角速度、关节角加速度和关节力矩数据；
步骤7：建立一个神经网络，网络输入为关节角度、关节角速度、关节角加速度和关节力矩；网络输出为执行机构碰撞方向，激活函数为归一化指数函数(softmax)；网络中有一个隐含层，包含50个神经元，连接方式为全接连，激活函数为双曲正切函数(tanh)...

【专利技术属性】
技术研发人员：陈钟恭，蔡伟强，郑华锋，张志远，张飞檐，
申请(专利权)人：泉州市微柏工业机器人研究院有限公司，
类型：发明
国别省市：福建;35