[发明专利]机器人作业轨迹优化分析的方法

说明书

本发明公开了一种基于工业机器人日常运行大数据的机器人作业轨迹优化分析的方法。包括：采集工业机器人作业轨迹参数构成影响因素矩阵X，其中决策变量为机器人各关节的速度和加速度；S2：采用影响因素矩阵X作为输入参数，综合产品生产要求和专家经验，确定加工工件的质量、效率、能耗的样本为指标矩阵Y，利用BP神经网络进行训练、检验，建立机器人轨迹规划模型；S3:对机器人作业轨迹模型进行优化，得到各决策变量的一组最优解以及该最优解对应的机器人生产的产品质量、效率、能耗指数；S4：利用S3中模型对根据机器人系统内部存储的实时数据进行预测得到推荐决策变量X^*，并将X^*下发至机器人操作系统。

技术领域

本发明涉及智能机器人领域，具体涉及一种基于工业机器人日常运行大数据的机器人作业轨迹优化分析的方法。

背景技术

随着中国经济的发展和劳动力成本的不断提高，工业机器人的应用越来越受到各行各业的青睐。我国机器人发展起步较晚，目前在工业现场运行的大部分机器人普遍不具有智能性。在工业机器人的实际应用中，工作效率和质量是衡量机器人性能的重要指标，提高工业机器人的工作效率，减小实际操作中的误差成为工业机器人应用急需解决的关键性问题。机器人的最优轨迹规划是指以时间、路径、轨迹平滑度等作为性能指标并在满足各种约束的条件下优化机器人的运动轨迹，使机器人末端执行器在两点之间或沿着规定轨迹运动的时间最短、路径最优，进行这项研究的总体目标和实际意义在于提高工业机器人的工作效率、提升产品质量、降低能耗。

发明内容

本发明解决了现有工业机器人作业过程中因缺乏轨迹智能优化系统，不能实时对作业轨迹进行优化导致产品精度下降，工作效率降低等问题。提供一种基于工业机器人日常运行大数据的机器人作业轨迹优化分析的方法。

本发明的目的是这样实现的：

一种机器人作业轨迹优化分析的方法，包括如下步骤：

S1：利用工业机器人系统所记录的数据，采集工业机器人作业轨迹参数，采集工业机器人各关节的作业轨迹参数包括各关节的速度、加速度、角速度及角加速度，构成影响因素矩阵X，将其作为神经网络建模的输入参数，其中决策变量为机器人各关节的速度和加速度；

S2：采用影响因素矩阵X作为输入参数，综合产品生产要求和专家经验，确定加工工件的质量、效率、能耗的样本为指标矩阵Y，利用BP神经网络进行训练、检验，建立机器人轨迹规划模型；

S3:利用MBFO算法对机器人作业轨迹模型进行优化，得到各决策变量的一组最优解以及该最优解对应的机器人生产的产品质量、效率、能耗指数；

S4：利用S3中模型对根据机器人系统内部存储的实时数据进行预测得到推荐决策变量X^*，并将X^*下发至机器人操作系统，在操作界面显示推荐最优的机器人末端执行器的速度、加速度、角速度。

进一步地，S1中的采集的变量X包括：工业机器人各关节的速度、加速度、角速度，完成一件产品所需的加工时间，产品加工精度、误差，其中机器人各关节的速度、加速度、角速度以及加工时间从机器人控制系统中所存储的数据所采集，工件加工精度、误差，根据工件加工要求与实际产品之间的误差产生，各关节的速度、加速度为决策变量。