【技术实现步骤摘要】
本专利技术涉及关节模组控制，具体为一种基于人工智能的关节模组控制系统及方法。
技术介绍
1、随着物联网技术的快速发展，为满足日益旺盛的自动化生产需求，工业机器人的应用越来越普及，而机械臂主要由关节模块和连杆串联组成，其关节模块则是由伺服系统控制器、伺服电机、传动装置以及传感器组成。其中，永磁同步电机具有高效、轻量化、高功率密度等优点，因此被作为机器人执行器的核心模块，为满足流水线作业的工作节拍和定位精度要求。然而，永磁同步电机是一个多变量，强耦合且具有外部干扰的非线性控制对象。随着机器人连续使用时间的变化(经常会导致关节模组内的温度升高，温度变化会引起惯性矩、粘滞摩擦系数等系统参数变化，会造成机械臂关节模组的输出转矩降低，影响机械臂的控制精度，长时间高温工作，会使得关节模组内的电机出现退磁现象，进而加快关节模组的老化坏损)，会导致机器人的关节模组对应的负荷增加，进而相应工业机器人在生产过程中出现异常操作行为的频率增加，影响工业机器人的加工进度。
2、现有的基于人工智能的关节模组控制系统中，仅仅单纯地通过传感器对关节模组内的温度进行监控，在温度发生变化时，对关节模组的输出转矩进行补偿；而在某一工业机器出现故障时，对故障机器人对应的订单任务需求的调配仅仅依靠人为主观调配，该方式无法对订单任务需求进行有效调配，进而会使得接受调配任务的其余工业机器人中的关节模组承受的负荷存在较大的差异，进而加快部分工业机器人中关节模组的老化；因此，现有技术中存在较大的缺陷。
技术实现思路
1、
2、为了解决上述技术问题，本专利技术提供如下技术方案：一种基于人工智能的关节模组控制方法，所述方法包括以下步骤：
3、s1、获取企业待测操作流程中的工业机器人个数，及待测流程内当前时间每个工业机器人分别需要完成的订单任务需求，构建当前时间每个工业机器人对应的任务需求特征集；
4、s2、实时获取工业机器人内关节模组的运行状态特征，筛选关节模组的运行状态特征异常的工业机器人对应任务需求特征集中的异常订单任务需求并进行标记，并根据标记的任务需求生成不同的任务调配方案；每个任务调配方案中包括多个任务调配集合，且每个任务调配集合中包括零个、一个或多个订单任务需求，所述每个任务调配方案中的任务调配集合的个数小于等于关节模组的运行状态特征正常的工业机器人个数；
5、s3、分析标记的各个订单任务需求分别相对于关节模组的运行状态特征正常的各个工业机器人的执行偏转特征，结合关节模组的运行状态特征正常的各个工业机器人分别对应的任务需求特征集，生成标记的订单任务需求分别对关节模组的运行状态特征正常的各个工业机器人产生的异常干扰影响值；
6、s4、获取任务调配方案中的任务调配集合与关节模组的运行状态特征正常的工业机器人对应任务需求特征集的组合方案，分析组合方案中各个工业机器人的订单任务需求完成时间的综合偏差率及组合方案中新增的订单任务需求对相应工业机器人产生的异常干扰综合值，得到组合方案对任务调配前工业机器人的综合干扰风险值；
7、s5、按对应综合干扰风险值从小到大的顺序对各个组合方案进行排序，生成任务调配组合方案推荐序列，反馈给待测操作流程的管理员，在相应管理员确定任务调配组合方案推荐序列中的组合方案后，更新关节模组的运行状态特征正常的工业机器人对应的任务需求特征集，并对实时获取的工业机器人内关节模组的运行状态特征向相应管理员进行反馈；本专利技术在未进行任务调配的情况下，管理员不接收实时获取的工业机器人内关节模组的运行状态特征。
8、进一步的，所述s1中企业待测操作流程内的工业机器人规格存在差异，同一订单任务需求在不同工业机器人执行过程中，工业机器人内关节模组的关节偏转量及执行频率存在差异；
9、所述订单任务需求包括订单产品的数量及型号；
10、所述任务需求特征集为相应工业机器人对应的订单任务需求构成的集合。
11、进一步的，所述s2中所述工业机器人内关节模组的运行状态特征包括正常状态及异常状态；获取工业机器人内关节模组的运行状态特征的时，分别采集每个工业机器人在基于当前时间的前第一预置时间段内的关节模组的异常操作行为次数占关节模组总操作行为次数的比值，并将所得比值与异常操作行为阈值进行比较，所述关节模组的异常操作行为表示关节模组在数据库中相应操作行为的预设偏转角度与实际偏转角度之间的偏差小于误差承受阈值的操作行为，
12、当所得比值大于等于异常操作行为阈值时，则判定当前时间相应工业机器人内关节模组的运行状态特征异常，当所得比值小于异常操作行为阈值时，则判定当前时间相应工业机器人内关节模组的运行状态特征正常；
13、任选一个关节模组的运行状态特征异常的工业机器人，记为a，提取a在基于当前时间的前第一预置时间段内的关节模组的异常操作中，分别对应的各个预设偏转角度中的最小值，记为a中关节模组的异常偏转参量；将a对应任务需求特征集中，关节模组的各个预设偏转角度的最大值大于a中关节模组的异常偏转参量的所有订单任务需求，作为a对应任务需求特征集中的异常订单任务需求；所述误差承受阈值与异常操作阈值均为数据库中预置的常数；待测操作流程在所述订单任务需求的过程中，需要执行一个或多个操作行为，且每个操作行为对应相应关节模组的一个预设偏转角度，
14、所述s2中生成不同的调配方案时，调配方案中包含的订单任务需求个数等于所有任务需求特征集中标记的各个订单任务需求的总个数，并将标记的各个订单任务需求在所属任务需求特征集中元素序号，记为相应标记的订单任务需求的数字标号；
15、当同一任务调配集合中存在多个元素时，按对应数字标号从小到大的顺序对相应任务调配集合内元素进行排列，
16、若数字标号不同，则将对应数字标号小的元素排列到数字标号大的元素前面，
17、若数字标号相同，则数字标号相同的元素的排列顺序通过随机生成。
18、本专利技术在生成调配方案的过程中，对任务调配集合中元素的排列顺序进行限定，是考虑到关节模组的运行状态特征异常的工业机器人对应的任务需求特征集中，各个订单任务需求的排列顺序可能是与相应订单任务需求的下单时间相关的，进而该限定方式能够尽可能缩小任务调配后调配的订单任务需求的完成时间与调配前订单任务需求的完成时间之间的偏差，增加订单任务需求调配的合理性。
19、进一步的，所述s3中分析标记的各个订单任务需求分别相对于关节模组的运行状态特征正常的各个工业机器人的执行偏转特征的方法包括以下步骤：
20、s301、获取标记的各个订单任务需求，将第i个标记的订单任务需求记为bi，
21、s302、获取关节模组的运行状态特征正常的各个工业机器人，将关节模组的运行状态特征正常的第j个工业机器人记为cj；
22、s303、得到标记的第i订单任务需求相对于关节本文档来自技高网...
【技术保护点】
1.一种基于人工智能的关节模组控制方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的关节模组控制方法，其特征在于：所述S1中企业待测操作流程内的工业机器人规格存在差异，同一订单任务需求在不同工业机器人执行过程中，工业机器人内关节模组的关节偏转量及执行频率存在差异；
3.根据权利要求1所述的一种基于人工智能的关节模组控制方法，其特征在于：所述S2中所述工业机器人内关节模组的运行状态特征包括正常状态及异常状态；获取工业机器人内关节模组的运行状态特征的时，分别采集每个工业机器人在基于当前时间的前第一预置时间段内的关节模组的异常操作行为次数占关节模组总操作行为次数的比值，并将所得比值与异常操作行为阈值进行比较，所述关节模组的异常操作行为表示关节模组在数据库中相应操作行为的预设偏转角度与实际偏转角度之间的偏差小于误差承受阈值的操作行为，
4.根据权利要求2所述的一种基于人工智能的关节模组控制方法，其特征在于：所述S3中分析标记的各个订单任务需求分别相对于关节模组的运行状态特征正常的各个工业机器人的执行偏转特征的方法包括以
5.根据权利要求4所述的一种基于人工智能的关节模组控制方法，其特征在于：所述S4中获取任务调配方案中的任务调配集合与关节模组的运行状态特征正常的工业机器人对应任务需求特征集的组合方案时，一个关节模组的运行状态特征正常的工业机器人对应的一个任务调配集合，并将任务调配集合内的元素逐个插入相应关节模组的运行状态特征正常的工业机器人对应的任务需求特征集中，得到新的任务需求特征集，所得新的任务需求特征集中，新插入的各个订单任务需求之间的先后顺序与相应任务调配集合中各个订单任务需求之间的先后顺序相同，当任务调配集合为空集时，所述新的任务需求特征集与原有的任务需求特征集相同，所得组合方案中的每个元素均对应一个新的任务需求特征集；
6.根据权利要求1所述的一种基于人工智能的关节模组控制方法，其特征在于：若相应管理员在预制时间内未确定任务调配组合方案推荐序列中的组合方案，则在预制时间后，自动调取相应时间点关节模组的运行状态特征正常的每个工业机器人分别对应的任务需求特征集内正在执行的订单任务需求，并将正在执行的订单任务需求与相应的工业机器人进行绑定，
7.一种基于人工智能的关节模组控制系统，所述系统应用权利要求1-6中任意一项所述的一种基于人工智能的关节模组控制方法实现，其特征在于，所述系统包括以下模块：
8.根据权利要求7所述的一种基于人工智能的关节模组控制系统，其特征在于：所述综合干扰风险预测模块包括组合方案获取单元、时间综合偏差值分析单元、异常干扰综合值分析单元及干扰风险分析单元，
...【技术特征摘要】
1.一种基于人工智能的关节模组控制方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的关节模组控制方法，其特征在于：所述s1中企业待测操作流程内的工业机器人规格存在差异，同一订单任务需求在不同工业机器人执行过程中，工业机器人内关节模组的关节偏转量及执行频率存在差异；
3.根据权利要求1所述的一种基于人工智能的关节模组控制方法，其特征在于：所述s2中所述工业机器人内关节模组的运行状态特征包括正常状态及异常状态；获取工业机器人内关节模组的运行状态特征的时，分别采集每个工业机器人在基于当前时间的前第一预置时间段内的关节模组的异常操作行为次数占关节模组总操作行为次数的比值，并将所得比值与异常操作行为阈值进行比较，所述关节模组的异常操作行为表示关节模组在数据库中相应操作行为的预设偏转角度与实际偏转角度之间的偏差小于误差承受阈值的操作行为，
4.根据权利要求2所述的一种基于人工智能的关节模组控制方法，其特征在于：所述s3中分析标记的各个订单任务需求分别相对于关节模组的运行状态特征正常的各个工业机器人的执行偏转特征的方法包括以下步骤：
5.根据权利要求4所述的一种基于人工智能的关节模组控制方法，其特征在于：所述s4中获取任务调配方案中的任务调配集合与关节模组的运行状态特征正常的工业机器人...
【专利技术属性】
技术研发人员：谢瑶，张秋菊，
申请(专利权)人：无锡蔚动智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。