一种针对工业机器人的错误自主恢复方法技术

本发明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，所述方法包括：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；利用PCA算法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算法建立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，并确定对应错误数据信号的处理信息，机器人得以对该错误做出响应。上述方法能够快速、准确地实现工业机器人的错误自主恢复，以便提高工业机器人的可靠性。

An error recovery method for industrial robots

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。可选地，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。可选地，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。可选地，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。可选地，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,wi为连接第i个隐层节点和输出节点的输入权值，βi为连接第i个隐层节点和输出节点的输出权值；bi为第i个隐层节点的偏差；wi·xi表示wi和xi的内积；激励函数g(x)是sigmoid、sine或RBF。可选地，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，包括：获取机器人适用工业现场中所有机器人的种类，以及所有机器人种类对应的可能出现的错误数据信号的处理措施；以及获取在工业现场使用的每一机器人的输入输出信号，所述输入输出信号中包括机器人的错误数据信号；相应地，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：对所述输入输出信号进行预处理，获取预处理后的错误数据信号。第二方面，本专利技术提供一种针对机器人的错误自主恢复装置，包括：获取单元，用于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；预处理单元，用于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；分类处理单元，用于采用预先建立的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，对所述错误数据信号进行分类处理，并确定对应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。可选地，所述预处理单元，具体用于，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；相应地，所述分类处理单元，具体用于采用预先建立的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。第三方面，本专利技术提供一种针对机器人的错误自主恢复装置，包括：存储指令的存储器，和加载并执行存储器中指令的处理器，所述处理器具体用于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，对所述错误数据信号进行分类处理，并确定对应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。本专利技术具有的有益效果如下：本专利技术实施例中首先对工业现场采集到的原始数据进行预处理，来去除现场噪声并减少模型输入变量数，这样的处理方式使得后续采用ELM算法定量分析数学模型速度更快且模型的预测精度越高。另外，本专利技术方法可以快速、准确地实现工业机器人的错误自主恢复与处理，与以前的专家系统等方法相比，分析周期短、工程师在前期调试阶段的操作简单，利用计算机建模并计算、提高了测试精度、提高了工作效率。在实际应用中，采用上述方法进行分类处理，可减少了仪器的投入和人力的投入，工作强度小，节约了生产所投入的成本，同时减少了人为误差。附图说明图1为机器人工作环境的示意图；图2为本专利技术一实施例提供的针对工业机器人的错误自主恢复方法的流程示意图；图3A为本专利技术另一实施例提供的针对工业机器人的错误自主恢复方法的流程示意图；图3B为本专利技术实施例中使用的ELM算法定量分析数学模型的网络结构示意图；图4为示出了训练样本集合测试集的关联示意图；图5为本专利技术实施例中改进的PCA-ELM隐含层节点数对训练样本集个数影响的Matlab仿真图；图6为本专利技术实施例中改进的PCA-ELM隐含层节点数对训练时间影响的Matlab仿真图；图7为本专利技术一实施例提供的针对工业机器人的错误自主恢复装置的结构示意图。具体实施方式为了更好的解释本专利技术，以便于理解，下面结合附图，通过具体实施方式，对本专利技术作详细描述。本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。本文所使用的术语“及/或”包括一个或多个相关本文档来自技高网...

【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...

【专利技术属性】
技术研发人员：肖冬，徐家骝，张盛永，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21