面向智能制造的技能学习方法技术

本发明专利技术涉及一种面向智能制造的技能学习方法，包括：主从操作系统的主端带动从端运动，并将主端

【技术实现步骤摘要】
面向智能制造的技能学习方法


[0001]本专利技术涉及智能制造
，尤其涉及一种面向智能制造的技能学习方法
。

技术介绍

[0002]在制造业中需要大量技术工操作者完成制造，但是操作者培养过程耗时耗力成本高，同时当操作者工作时长过长，效率和制造精度降低
。
为解决操作者培养问题并提高生产效率和精度，智能制造已成为制造业是一个重要发展方向，并取得了一定的成果，如机器示教
、
运动复现等
。
[0003]为了高效获得有经验专家的操作技能，机械示教
、
运动复现等方法逐渐被应用到工业制造中
。
机器示教方法通过专家拖动机械臂进行操作示教，可以令机器操作者系统
、
迅速地掌握操作技能
。
但当需要完成的操作比较精细
、
操作精度要求较高时，由于专家在拖动机械臂进行示教时，其操作动作与操作常规器械的操作习惯存在一定差异，技能学习效果和精度会受到影响
。
运动复现方法采用主从双向系统进行技能学习，在运动存储的过程中，通过主从结构将操作者的作用力与操作对象的反作用力分隔开，能够更准确地获取操作力
。
同时，主端可以被设计的更符合操作者操作习惯的结构，进而获得更高的操作精度
。
但是，传统的运动复现方法在操作对象位置存在不确定性的前提下，难以根据一次保存的操作数据自主完成多次重复任务，并且很难完成宏
‑
微
、
微<br/>‑
宏等不同尺度下的运动复现
。
[0004]CN115741699A
公开了一种基于轨迹分割的分段
DMP
机器操作者磨抛技能学习方法，采用机械示教的方法，将机器操作者末端动作分为接近
‑
磨削
‑
撤回三个阶段，并分别对三个阶段的速度和分解力进行学习
。
但该方法只考虑了单一工况，即元件位置固定不动，这不符合实际地工业制造情况，若元件变换位置，则机器操作者需要重新进行学习，工作量大，耗时费力
。
同时，该方法并未考虑到当需要重复进行磨削操作时机器该如何运作，一次操作只能对元件磨削一次
。
一些学者考虑到位置发生变化对技能学习的影响，但往往需要事先确认位置变化量，或仅适用于位置超前
/
位置滞后的某一种工况，环境适应性有限
。

技术实现思路

[0005]有鉴于此，有必要提供一种面向智能制造的技能学习方法，其能够精确地复现存储的操作，并且可以实现变尺度的运动复制与再现
。
[0006]本专利技术提供一种面向智能制造的技能学习方法，该方法包括如下步骤：
[0007]S1.
主从操作系统的主端带动从端运动，并将主端
、
从端两端的操作数据存储在运动数据库中；
[0008]S2.
根据存储在运动数据库中的操作数据，将存储的主端
、
从端操作数据进行阶段分割和标记；
[0009]S3.
根据阶段分割和标记的操作数据，将存储的主端运动数据作为虚拟主数据，控制从端复现主端的运动
。
[0010]优选地，所述的主从操作系统的动力学模型描述为：
[0011][0012]其中，
p
＝
1,2
，分别代表主端和从端；
q
＝
1,2
分别代表运动存储阶段和运动复现阶段；
M
p
，
B
p
分别为系统的质量惯性和阻尼；分别为主从操作系统的加速度和速度；为控制输入；代表操作者施加在主端的力，代表施加在从端的外部环境的力；为主从操作系统内部扰动
。
[0013]优选地，所述的主从操作系统进行主从双边控制时，主从位置控制误差定义为：
[0014][0015]其中：分别表示主端和从端的位移，代表位置控制的尺度变化系数，可以为常量也可以为变量；当时，表示将操作者的操作进行比例缩小，适用于精细的微小操作；当时，表示将操作者的操作进行比例放大，适用于大型工业设备的操作；当时，表示主端的操作等效等量地传输，适用于常规操作；为变量时，设计随误差变小趋近于1：
[0016]为常数
[0017]为常数
[0018]主从力控制误差定义为：
[0019][0020]其中：分别表示主端和从端的位移，代表位置控制的尺度变化系数，可以为常量也可以为变量；当时，表示将操作者的操作力进行比例缩小，适用于精细的微小操作；当时，表示将操作者的操作力进行比例放大，适用于对大型工业设备的操作；当时，表示主端的操作等效等量地传输操作力，适用于常规操作；为变量时，设计随误差
ΔΓ
变小趋近于1：为常数
[0021]为常数
。
[0022]优选地，所述的步骤
S1
包括：
[0023]将主从操作系统分为主端
、
从端，主端由操作者进行操作，从端跟随主端，以实现操作力和操作位移的同步，两端均采用位置
‑
力混合控制，如
(4)
所示：
[0024][0025]其中，为主端控制器，为从端控制器，为从端控制器，代表在存储阶段位置控制的尺度变化系数，代表力控制的尺度变化系数；
τ1，
τ2，
υ1，
υ2分别为主端和从端控制器的比例增益和微分增益，
κ1，
κ2分别为主端和从端力控制器的比例增益
。
[0026]优选地，所述的步骤
S2
包括：
[0027]根据操作特征，将存储的主端操作分为：前进阶段
、
操作阶段
、
后撤阶段
。
[0028]优选地，所述前进阶段：标记为
Q
；所述前进阶段定义为：在双边控制策略下，主端带动从端从初始位置，即处运动到从端接触操作对象；判断前进阶段结束的标志位为存储的从端力的导数
a
为根据存储数据计算得到的一个大于0的常数；记录运动存储阶段时的从端位置
[0029]优选地，所述的操作阶段：标记为
J
；所述操作阶段定义为：在双边控制策略下，从端跟随主端的动作对操作对象进行操作；判断操作阶段结束的标志位为从端操作力
b
为根据存储数据计算得到的大于0的常数
。
[0030]优选地，所述的后撤阶段：标记为
H
；所述后撤阶段定义为：在双边控制策略下，主端带动从端从操作结束所处的位置运动到初始位置；判断后撤阶段结束的标志位为从端的位置与所存储的初始位置差值的绝对值
∈
为一个极小的大于0的常数
。
[0031]优选地，所述步骤
S4
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种面向智能制造的技能学习方法，其特征在于，该方法包括如下步骤：
S1.
主从操作系统的主端带动从端运动，并将主端
、
从端两端的操作数据存储在运动数据库中；
S2.
根据存储在运动数据库中的操作数据，将存储的主端
、
从端操作数据进行阶段分割和标记；
S3.
根据阶段分割和标记的操作数据，将存储的主端运动数据作为虚拟主数据，控制从端复现主端的运动
。2.
如权利要求1所述的面向智能制造的技能学习方法，其特征在于，所述的主从操作系统的动力学模型描述为：其中，
p
＝
1,2
，分别代表主端和从端；
q
＝
1,2
分别代表运动存储阶段和运动复现阶段；
M
p
，
B
p
分别为系统的质量惯性和阻尼；分别为主从操作系统的加速度和速度；为控制输入；
Γ
1(q)
代表操作者施加在主端的力，
Γ
2(q)
代表施加在从端的外部环境的力；为主从操作系统内部扰动
。3.
如权利要求2所述的面向智能制造的技能学习方法，其特征在于，所述的主从操作系统进行主从双边控制时，主从位置控制误差定义为：其中：分别表示主端和从端的位移，代表位置控制的尺度变化系数，可以为常量也可以为变量；当时，表示将操作者的操作进行比例缩小，适用于精细的微小操作；当时，表示将操作者的操作进行比例放大，适用于大型工业设备的操作；当时，表示主端的操作等效等量地传输，适用于常规操作；为变量时，设计随误差变小趋近于1：主从力控制误差定义为：其中：
Γ
1(q)
，
Γ
2(q)
分别表示主端和从端的位移，代表位置控制的尺度变化系数，可以为常量也可以为变量；当时，表示将操作者的操作力进行比例缩小，适用于精细的微小操作；当时，表示将操作者的操作力进行比例放大，适用于对大型工业设备的操作；当时，表示主端的操作等效等量地传输操作力，适用于常规操作；为变量时，设计随误差
ΔΓ
变小趋近于1：
4.
如权利要求3所述的面向智能制造的技能学习方法，其特征在于，所述的步骤
S1
包括：将主从操作系统分为主端
、
从端，主端由操作者进行操作，从端跟随主端，以实现操作力和操作位移的同步，两端均采用位置
...

【专利技术属性】
技术研发人员：王昱棠，李妍，田大鹏，
申请(专利权)人：中国科学院长春光学精密机械与物理研究所，
类型：发明
国别省市：