一种基于示教学习的机器人打磨系统及方法技术方案

本发明专利技术公开了一种基于示教学习的机器人打磨系统及方法，机器人打磨系统包括机械臂、六维力/力矩传感器、打磨头以及PC上位机，六维力/力矩传感器用来进行接触力的测量，机械臂为具有运动控制功能的多轴机械臂，六维力/力矩传感器安装在机械臂末端，打磨头安装在六维力/力矩传感器上，PC上位机与机械臂可进行实时通信。通过PC上位机记录人在打磨时的轨迹和接触力参数，利用参数信息建立力和位置的关系模型，基于该模型，机械臂在PC上位机的控制指令下，携带打磨头在工件表面运动，完成打磨工作。本发明专利技术搭建了基于力反馈的打磨平台，结合示教学习提取人完成打磨任务时的柔性行为，实现机器人自主柔性打磨作业，可以很好地满足作业要求。

A Robot Grinding System and Method Based on Demonstration Learning

The invention discloses a robot grinding system and method based on demonstration learning. The robot grinding system includes a manipulator, a six-dimensional force/moment sensor, a grinding head and a PC upper computer. The six-dimensional force/moment sensor is used for measuring contact force. The manipulator is a multi-axis manipulator with motion control function, and the six-dimensional force/moment sensor is installed at the end of the manipulator to grind. The head is mounted on a six-axis force/moment sensor, and the PC upper computer can communicate with the manipulator in real time. The track and contact force parameters are recorded by PC host computer, and the relationship model between force and position is established by using parameter information. Based on this model, the manipulator carries the grinding head on the workpiece surface under the control command of PC host computer to finish the grinding work. The invention establishes a grinding platform based on force feedback, and extracts the flexible behavior of a human when finishing the grinding task by combining demonstration teaching and learning, so as to realize the autonomous flexible grinding operation of a robot, which can well meet the requirements of the operation.

【技术实现步骤摘要】
一种基于示教学习的机器人打磨系统及方法
本专利技术涉及智能制造领域，涉及一种机器人打磨技术，具体涉及一种基于示教学习的机器人打磨系统及方法。
技术介绍
制造技术是经济竞争的核心，制造加工自动化程度越来越高。工业机器人广泛用于制造领域，用于提高生产效率和产品质量。目前工业机器人主要用于搬运、喷漆等不受约束作业，机器人末端工具的运动不受限制。针对受约束的任务，如打磨等与工件接触的任务，基于位置或速度控制的工业机器人接触刚度大，易造成工件损伤，打磨作业需要精确的标定机器人坐标系和工件坐标系的位置关系以获得期望的打磨效果，微小的位置误差易产生极大的打磨接触力，影响打磨质量。这种采用传统工业机器人，仅基于位置控制的打磨方式存在部署时间长，算法复杂、编程复杂(示教点编程或离线编程)，对操作人员要求较高、仅用于结构化环境，对环境适应能力差等不足。因此目前打磨任务仍以人工为主，而人工作业存在效率低、成本高，制造环境噪音粉尘严重影响工人身体健康，产品均一性差，次品率高等不足。因此，针对打磨作业，为实现自动化制造，必须考虑打磨力控制以提高打磨质量。对接触力进行反馈控制，可主动调整适应环境变化，控制打磨力在合适的范围内，让机器人具有一定的主动柔性。其次需要加快打磨轨迹生成的周期，降低使用难度，从而满足打磨需求。
技术实现思路
鉴于上述现有技术的不足，本专利技术的目的在于提供一种基于示教学习的打磨机器人及其控制系统，该系统搭建了基于力反馈的打磨平台，结合示教学习提取人完成打磨任务时的柔性行为，实现机器人自主柔性打磨作业，可以很好地满足打磨作业要求。为了解决上述技术问题，本专利技术采用的技术方案是：一种基于示教学习的机器人打磨系统，其特征在于：包括机械臂、六维力/力矩传感器、打磨头以及PC上位机；所述六维力/力矩传感器用来进行接触力的测量，所述机械臂为具有运动控制功能的多轴机械臂，六维力/力矩传感器安装在机械臂末端，打磨头安装在六维力/力矩传感器上，PC上位机与机械臂和六维力/力矩传感器可进行实时通信，运行过程中，机械臂在PC上位机的控制指令下，携带打磨头在工件表面运动，完成打磨工作，所述PC上位机搭建的控制系统基于ROS平台。作为改进，所述六维力/力矩传感器通过力反馈控制实现打磨力可调的柔性打磨作业。一种基于示教学习的机器人打磨方法，该打磨方法采用的设备包括机械臂、六维力/力矩传感器、打磨头以及PC上位机，其特征在于，包括以下步骤：步骤一、人工示教，在工件表面进行路径规划，基于智能拖动示教算法实现人工牵引机械臂完成打磨任务，然后让机器人带动打磨头回放示教过程，采集实际接触力分布数据，通过PC上位机记录对应位置下的力、位置和速度数据，每条路径均重复示教M次；步骤二、模型学习，将M次重复示教产生的数据集通过采用高斯混合模型编码示教数据，并得到力和位置的关系模型，基于EM算法进行高斯混合模型训练，可得到位置到力分布的函数映射关系；步骤三、执行打磨任务时，采用步骤一中智能拖动示教算法人工生成打磨轨迹，将该轨迹的位置信息，代入到训练好的高斯混合模型中，求出轨迹上对应的速度、接触力均值和方差参数，通过机械臂带动打磨头按照人工示教的打磨轨迹进行对工件整个表面进行打磨，并通过六维力/力矩传感器的力反馈设计控制器保证接触力在模型计算的范围中。作为改进，步骤一中，人工示教时，基于智能拖动示教算法为：采用PID控制器实现末端打磨头与工件上接触面的法向接触力跟踪，同时叠加导纳控制器实现人与机械臂的拖动示教交互，从而机械臂可以在人手的引导下完成打磨作业，并始终保持打磨头贴紧工件，并通过PC上位机记录对应位置下的力、位置和速度数据信息。作为改进，所述工件表面为曲面，将工件表面按垂直方向每隔8-15°分割，规划多条打磨路径遍历打磨工件，每条打磨路径均示教次数M范围为3-6次。作为改进，在模型学习时，按照步骤一方法在每条轨迹上采集到N个数据点其中为打磨点的在机器人坐标系下的笛卡尔坐标，和分别为该打磨点的打磨速度和法向接触力数据；针对示教的数据集ξ＝[F,X]T，ξF＝FT,ξX＝XT，采用高斯混合模型编码示教数据，并得到力和位置的关系模型，其中某个数据点ξ∈RD×N的概率为：其中，R为实数域，πk∈[0,1]为先验概率，且K为高斯分布的个数，D为数据的维度，μk∈RD,∑k∈RD×D分别表示第k个高斯分布的均值和协方差矩阵，给定输入变量ξX，输出ξF的条件概率分布为：其中表示后验概率中第k个高斯分布的均值和方差：且分别为F和X的第k个高斯分布均值，为协方差矩阵：ξX在第k个高斯分布中的概率为：高斯混合回归为给定ξX下ξF的条件概率分布的期望因此，高斯混合模型/高斯混合回归由参数所决定，参数值的确定采用期望最大化算法，超参数K为高斯分布的个数，由贝叶斯信息准则决定。作为改进，执行打磨任务时，采用力/位置混合控制策略来同时跟踪打磨轨迹和接触力，采用PID位置控制器实现打磨轨迹跟踪。作为改进，采用自适应PI控制器实现法向接触力的跟踪，以保持打磨力在学习模型所生成的力的置信区间内，重复上述步骤自主执行各条打磨路径，从而最终完成整个工件曲面的打磨任务。本专利技术的有益效果是：1、将示教学习应用到打磨中，只需要人工示教，便可对工件进行自行打磨抛光，避免了繁复的标定工作，对环境适应性好；2、部署快速，不需要高精度的安装校准，提高了打磨的效率；3、算法通用性好，基于ROS系统，便于算法移植，可适用于不同的机器人和传感器系统搭建。附图说明图1是机器人打磨系统示意图；图2是机器人打磨系统框图；图3是示教学习步骤框图；图4是机器人打磨系统打磨控制方案示意图；图5是本专利技术实施例中工件表面36条轨迹高斯混合回归结果示意图；图6为本专利技术实施例中工件整个曲面力分布模型；图7是力/位置混合控制框图；其中，1-机械臂，2-六维力/力矩传感器，3-打磨头，4-PC上位机。具体实施方式下面结合附图和实施例来对本专利技术提供的基于示教学习的打磨机器人及其控制系统进行详细说明，所述是对本专利技术的解释而不是限定。如图1所示，本专利技术为一种基于示教学习的机器人打磨系统，它包括机械臂1、六维力/力矩传感器2、打磨头3以及PC上位机4。本实施例中，选择了UR5机器臂作为机器人平台，六维力/力矩传感器选用匈牙利的OPTOFORCE的HEX-70-XE-200N六维力/力矩传感器。(1)所述六维力/力矩传感器2用来进行接触力的测量，该六维力/力矩传感器2安装在机械臂1末端，打磨头3安装在六维力/力矩传感器2上。运行过程中，机械臂1在PC上位机4的控制指令下，携带打磨头3在工件表面运动。(2)如图2所示，控制系统框图包含机械臂1，六维力/力矩传感器2，PC上位机4。所述控制系统基于ROS平台(RobotOperatingSystem)，包括以控制算法节点，基于六维力/力矩传感器2的反馈节点，和机械臂1运动实时控制节点。六维力/力矩传感器2和机械臂1均由网线与PC上位机4连接至同一局域网进行实时通信。机械臂1与PC上位机4之间采用Modbus通信协议，采用ROS中统一的通信接口实现机械臂1状态读取和运动控制，由机械臂1的ROS驱动提供机械臂1状态的读取接口和六个电机控制指令的发送接口。六维力/力矩传感器2采用Ethernet协本文档来自技高网...

【技术保护点】
1.一种基于示教学习的机器人打磨系统，其特征在于：包括机械臂、六维力/力矩传感器、打磨头以及PC上位机；所述六维力/力矩传感器用来进行接触力的实时测量和反馈控制，所述机械臂为具有运动控制功能的多轴机械臂，六维力/力矩传感器安装在机械臂末端，打磨头安装在六维力/力矩传感器上，PC上位机与机械臂和六维力/力矩传感器可进行实时通信，运行过程中，机械臂在PC上位机的控制指令下，携带打磨头在工件表面运动，完成打磨工作，所述PC上位机搭建的控制系统基于ROS平台。

【技术特征摘要】
1.一种基于示教学习的机器人打磨系统，其特征在于：包括机械臂、六维力/力矩传感器、打磨头以及PC上位机；所述六维力/力矩传感器用来进行接触力的实时测量和反馈控制，所述机械臂为具有运动控制功能的多轴机械臂，六维力/力矩传感器安装在机械臂末端，打磨头安装在六维力/力矩传感器上，PC上位机与机械臂和六维力/力矩传感器可进行实时通信，运行过程中，机械臂在PC上位机的控制指令下，携带打磨头在工件表面运动，完成打磨工作，所述PC上位机搭建的控制系统基于ROS平台。2.如权利要求1所述的机器人打磨系统，其特征在于：所述六维力/力矩传感器通过力反馈控制实现打磨力可调的柔性打磨作业。3.一种基于示教学习的机器人打磨方法，该打磨方法采用的设备包括机械臂、六维力/力矩传感器、打磨头以及PC上位机，其特征在于，包括以下步骤：步骤一、人工示教，在工件表面进行路径规划，基于智能拖动示教算法实现人工牵引机械臂完成打磨任务，然后让机器人带动打磨头回放示教过程，采集实际接触力分布数据，通过PC上位机记录对应位置下的力、位置和速度数据，每条路径均重复示教M次；步骤二、模型学习，将M次重复示教产生的数据集通过采用高斯混合模型编码示教数据，并得到力和位置的关系模型，基于期望最大化算法进行高斯混合模型训练，可得到位置到力分布的函数映射关系；步骤三、执行打磨任务时，采用步骤一中智能拖动示教算法人工生成打磨轨迹，将该轨迹的位置信息，代入到训练好的高斯混合模型中，求出轨迹上对应的速度、接触力均值和方差参数，通过机械臂带动打磨头按照人工示教的打磨轨迹进行对工件整个表面进行打磨，并通过六维力/力矩传感器的力反馈设计控制器保证接触力在模型计算的范围中。4.如权利要求3所述的机器人打磨方法，其特征在于：步骤一中，人工示教时，基于智能拖动示教算法为：采用PID控制器实现末端打磨头与工件上接触面的法向...

【专利技术属性】
技术研发人员：高霄，李淼，简磊，肖晓晖，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北,42