【技术实现步骤摘要】
本专利技术涉及机器人编程领域，更具体地说，本专利技术涉及面向教学机器人训练的数据采集和分析方法。
技术介绍
1、随着技术的发展，越来越多的工厂流水线开始采用机器人，因此机器人编程从业人员需求也日益旺盛，在培训教育编程学员时，主要使用到示教盒编程和推动示教两种，示教功能是工业机器人中重要且常用的功能，主要通过示教盒编程方法来实现。首先根据目标轨迹的关键路径点，使用示教盒进行编程以生成目标轨迹的一套完整工作指令，然后将工作指令传送至机器人，由机器人回放目标轨迹，从而实现示教功能。
2、示教盒编程方法需要操作者具备一定的机器人技术，并且示教效率低，而拖动示教方法是实现灵活示教的重要方法。在拖动示教中，机器人能够顺应操作者的作用力方向而跟随运动，所以操作者直接拖动机器人进行运动，实时引导机器人跟踪目标轨迹，从而实现示教功能。因此拖动示教方法操作简便且示教效率高，大大地提高了示教功能的灵活性与人机交互能力。
3、但是现有的拖动示教存在以下问题：
4、缺乏实时反馈和警示：传统的拖动示教技术通常缺乏实时反馈和警示机制。操作者在示教过程中可能会犯一些不规范的错误，但通常没有及时的反馈或警示，这可能导致操作者继续示教不规范的动作，从而影响示教质量。
5、重复示教需重新开始：在传统示教中，如果发现示教中的某些部分不合规，通常需要重新开始整个示教过程。这会浪费时间和资源，降低了示教效率。
6、缺乏个性化学习：传统示教通常不具备个性化学习能力。每次示教都被视为相互独立的事件，没有积累和利用以前
7、困难的错误检测和纠正：传统方法通常需要人工干预来检测和纠正示教中的错误。这可能需要专业知识和经验，以及额外的时间和努力。
8、示教过程中断困难：如果示教中发生问题，如示教动作错误，中断并重新开始示教可能会非常困难，特别是在复杂的示教任务中。
9、为了解决上述问题，现提供一种技术方案。
技术实现思路
1、为了克服现有技术的上述缺陷，本专利技术的实施例提供，本专利技术通过实时记录示教动作数据，提取关键特征并计算分项系数，从而提供了实时反馈和警示机制。操作者能够及时识别不规范示教和示教质量问题，并在发出预警信号后采取必要措施，以改进示教动作，提高示教质量，降低机器人任务执行的风险和错误，提高示教的效率和可靠性。通过记录动作点和触发警示信号，实现实时监测示教质量，使操作者能够在已有的示教基础上进行改进，从而提高质量和规范性。自动回退示教到未触发警示的动作点，为操作者提供了方便和机会，以修正示教中的问题、提高质量和规范性。这有助于操作者快速响应问题，提高示教质量和规范性，同时降低潜在的错误和风险，提高示教效率和可靠性。通过余弦相似度的计算和特征排序，操作者能够更有针对性地进行教学，提高示教效率和质量，从而提供更好的教学效果，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：步骤s1：机器人实时记录操作者的动作数据，将动作数据保存到待分析盘中，对其进行特征提取，捕获动作的关键特征，同时删除待分析盘中相应的原始数据；
3、步骤s2：基于关键特征构建警示模型，生成分项系数，依据分项系数区分不规范数据并给出触发警示信号；
4、步骤s3：当警示触发时，自动将示教回退到未触发警示的动作点；
5、步骤s4：在重新示教时，重新记录示教动作数据，计算新产生的动作数据与不规范数据的余弦相似度，如果余弦相似度大于等于相似度阈值，再次执行步骤s3。
6、在一个优选的实施方式中，步骤s1具体包括以下内容：
7、在示教过程中，通过机器人的传感器系统实时记录操作者的动作，记录的动作数据按照采集的数据戳被有序地实时保存到一个特定的数据存储盘中，并对保存的动作数据进行关键特征提取。
8、在一个优选的实施方式中，关键特征包括运动信息和作用力信息，其中，运动信息包括动作流畅性指数，作用内信息包括力矩动态特征指数。
9、在一个优选的实施方式中，动作流畅性指数的获取过程为：
10、步骤s1-11，采集单位时间内的示教动作中的加速度数据，通过将采样点的加速度值相加并除以采样点的数量得到加速度的平均值；
11、步骤s2-12，对于每个采样点，计算其加速度值与平均值的差异，对每个差异值进行平方运算，之后再对所有平方差异值进行求和，再除以总采样点的数量，计算出方差，最后取方差的平方根，得到标准差；
12、步骤s3-13，通过除以示教动作的总持续时间，计算单位时间内的加速度变化，示教动作的总持续时间从时间戳的数据中获得；
13、步骤s4-14，标准差除以单位时间内的加速度变化得到动作流畅性指数。
14、在一个优选的实施方式中，力矩动态特征指数的获取过程为：
15、步骤s1-21，采集单位时间内的力矩数据；
16、步骤s1-22，计算单位时间内力矩变化的峰度和偏度；
17、步骤s1-23，将锋度和偏度的平方值相加再除以2得到复合度指标，即力矩动态特征指数。
18、在一个优选的实施方式中，在提取完毕动作流畅性指数和力矩动态特征指数后，记录动作流畅性指数和力矩动态特征指数所对应的时间戳，依据时间戳对原始数据执行删除操作，释放待分析盘中的原始数据。
19、在一个优选的实施方式中，将动作流畅性指数和力矩动态特征指数经过综合处理后得到分项系数，在获取分项系数后，将分项系数和分项阈值进行比较，若分项系数大于等于分项阈值，生成重复信号，发出预警信号；若分项系数小于分项阈值，生成合格信号。
20、在一个优选的实施方式中，步骤s3具体包括以下内容：
21、当得到重复信号后，即分项系数大于等于分项阈值，自动记录当前的示教动作点，之后机器人将示教动作回退到先前记录的动作点，恢复到未触发警示的状态。
22、在一个优选的实施方式中，步骤s4具体包括以下内容：
23、针对重复信号，将对应的关键特征标记为不规范特征，记录不规范特征并按照获取时间进行初始排序，后续按照匹配成功次数进行排序；对新产生的动作数据提取关键特征，再遍历历史记录，在每次遍历中，计算新的关键特征与历史记录中的不规范特征的余弦相似度；在遍历时，按照排序顺序进行正序遍历；比较余弦相似度的值是否大于等于相似阈值，若是，则直接发出预警提示，重新执行步骤s3，若否，则不发出预警提示。
24、本专利技术面向教学机器人训练的数据采集和分析方法的技术效果和优点：
25、1.本专利技术通过对机器人进行拖动示教过程中的动作数据进行记录，并提取动作数据中的特征得到动作流畅性指数和力矩动态特征指数，对这两项特征进行计算得到分项系数，依据分项系数对动作数据进行评估，对分项系数进一步分析得到重复信号或合格信号，并给出对应的预警信号，为动作数据进行定量评估，本文档来自技高网...
【技术保护点】
1.面向教学机器人训练的数据采集和分析方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的面向教学机器人训练的数据采集和分析方法，其特征在于：
3.根据权利要求2所述的面向教学机器人训练的数据采集和分析方法，其特征在于：
4.根据权利要求3所述的面向教学机器人训练的数据采集和分析方法，其特征在于：
5.根据权利要求4所述的面向教学机器人训练的数据采集和分析方法，其特征在于：
6.根据权利要求5所述的面向教学机器人训练的数据采集和分析方法，其特征在于：
7.根据权利要求6所述的面向教学机器人训练的数据采集和分析方法，其特征在于：
8.根据权利要求7所述的面向教学机器人训练的数据采集和分析方法，其特征在于：
9.根据权利要求8所述的面向教学机器人训练的数据采集和分析方法，其特征在于：
【技术特征摘要】
1.面向教学机器人训练的数据采集和分析方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的面向教学机器人训练的数据采集和分析方法，其特征在于：
3.根据权利要求2所述的面向教学机器人训练的数据采集和分析方法，其特征在于：
4.根据权利要求3所述的面向教学机器人训练的数据采集和分析方法，其特征在于：
5.根据权利要求4所述的面向教学机器人训练...
【专利技术属性】
技术研发人员：高爱华，邱馨，胡萌萌，
申请(专利权)人：山东卓朗检测股份有限公司，
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。