The invention provides a method for industrial robot autonomous error recovery method and device, the method comprises: processing information data corresponding to the error signal for the robot and all errors of the data signal; the error data signals were processed by the PCA algorithm, the data error signal obtained after pretreatment; using ELM algorithm to establish quantitative error analysis of data signal processing mathematical model of the pretreatment, to classify the erroneous data signal, and determine the processing error information corresponding to the data signal, the robot can respond to this error. The above method can quickly and accurately realize the autonomous recovery of industrial robots, so as to improve the reliability of industrial robots.
【技术实现步骤摘要】
一种针对工业机器人的错误自主恢复方法
本专利技术涉及数据处理技术,具体涉及一种针对工业机器人的错误自主恢复方法及装置。
技术介绍
ABB公司的工业机器人产品及配套软件解决方案在全球领先,六轴抓取机器人是比较常见的工业机器人,IRB6640系列是其中一种。它有不同的机械臂长度可选并且可以根据具体的工业现场环境装备不同的工具,以便达到最高的工作效率。例如,以下提及的机器人在机械臂上装备了带夹钳工具。然而,在我们在工业环境中使用ABB抓取机器人执行任务时,由于多种多样的原因,一些系统错误将会不可避免的被报出。目前,搭载Robotware机器管理软件的ABBIRB系列机器人为用户提供预先定义的诊断处理方法:用户可以通过编写程序预先定义当机器人碰到此类错误时的具体处理方案。这种异常处理方法是通过基于错误类型的自定义错误处理程序。但是,这种错误处理方法的弊端也很明显:机器人只能对预先定义的错误类型做出反应,当一种新的错误被报出时,机器人会立即停止并等待操作人员处理,由于工业现场情况比较复杂,通过搜集数据,发现这一状况经常发生。很显然,从客户角度来讲,这是不能被接受的。在现实工业应用中,客户需要更多的解决方案。灵活性和可靠性在此就显得十分重要。为此,亟需一种能够实现机器人的错误数据自主分类方法。
技术实现思路
为解决现有技术中的问题,本专利技术提供一种针对工业机器人的错误自主恢复方法及装置,该方法能够快速、准确地实现工业机器人的错误自主分类,以便提高工业机器人的可靠性。第一方面,本专利技术提供一种针对工业机器人的错误自主恢复方法,包括:获取机器人对应的错误数据信号及所有错误 ...
【技术保护点】
一种针对工业机器人的错误自主恢复方法,其特征在于,包括:获取机器人对应的错误数据信号及所有错误数据信号的处理信息;对所述错误数据信号进行预处理,获得预处理后的错误数据信号;采用ELM算法定量分析数学模型处理所述预处理后的错误数据信号,对所述错误数据信号进行分类处理,并确定对应分类处理后所述错误数据信号的处理信息;其中,采用ELM算法定量分析数学模型的分类结果的准确率达到预设数值。
【技术特征摘要】
1.一种针对工业机器人的错误自主恢复方法,其特征在于,包括:获取机器人对应的错误数据信号及所有错误数据信号的处理信息;对所述错误数据信号进行预处理,获得预处理后的错误数据信号;采用ELM算法定量分析数学模型处理所述预处理后的错误数据信号,对所述错误数据信号进行分类处理,并确定对应分类处理后所述错误数据信号的处理信息;其中,采用ELM算法定量分析数学模型的分类结果的准确率达到预设数值。2.根据权利要求1所述的方法,其特征在于,所述对所述错误数据信号进行预处理,获得预处理后的错误数据信号的步骤,包括:采用主元分析法PCA对错误数据信号进行压缩处理,获取维数降低的数据矩阵;相应地,采用预先建立的ELM算法定量分析数学模型处理所述预处理后的错误数据信号的步骤,包括:采用ELM算法定量分析数学模型对维数降低的数据矩阵进行分类处理。3.根据权利要求2所述的方法,其特征在于,采用主元分析法PCA对错误数据信号进行压缩处理,获取维数降低的数据矩阵的步骤,包括:将所述错误数据信号转换成m×n的矩阵,对该m×n的矩阵进行标准化处理,得到标准化后的矩阵;m、n均为大于1的自然数;对标准化后的矩阵进行奇异值分解,得到负载向量和得分向量;通过累计贡献率法确定负载向量和得分向量的主元个数;根据主元个数求取空间负载矩阵,并获取维数降低的数据矩阵。4.根据权利要求3所述的方法,其特征在于,所述采用预先建立的ELM算法定量分析数学模型处理所述预处理后的错误数据信号的步骤之前,所述方法还包括:设置激活函数和隐层节点个数,建立ELM算法定量分析数学模型;将ELM算法定量分析数学模型应用到工业现场,采用工业现场中的错误数据对建立的ELM算法定量分析数学模型进行修正,直至修正后的ELM算法定量分析数学模型的分类结果的准确率达到所述预设数值。5.根据权利要求4所述的方法,其特征在于,对于含有N个隐层节点,N个不同样本(xi,ti),且激励函数为g(x)的ELM算法定量分析数学模型如公式一所示:公式一中,xi=[xi1,xi2…xin]T∈Rn,ti=[ti1,ti2…tin]T∈Rm...
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。