[发明专利]振动抑制装置

说明书

本发明提供振动抑制装置，该振动抑制装置获取示教位置，基于该获取到的示教位置和第一加减速参数计算速度计划，并基于该示教位置以及速度计划算出与机器人的加减速动作时产生的弯曲相关的数据，另外，获取表示示教位置处的姿势的数据。而且，在振动抑制装置的机器学习部中，将这些与弯曲相关的数据以及表示姿势的数据作为输入数据，来进行针对与弯曲相关的数据以及与姿势相关的数据的加减速参数的推断。

技术领域

本发明涉及振动抑制装置以及机器学习装置，尤其涉及学习最适合工业用机器人动作的加减速时间的振动抑制装置。

背景技术

在工厂中进行的制造过程中，要求缩短制造周期。作为缩短制造周期的方法，考虑有加快各个制造机器的动作速度、或者提高加速度，但如果是为了提高例如多关节机器人等工业用机器人的动作速度，而增大驱动各关节的伺服马达的指令速度或者缩短加减速时间，则工业用机器人容易产生振动。

工业用机器人的振动不是在驱动各关节的伺服马达以恒定的速度动作时，而主要在加减速时产生。因此，在机器人的动作计划中，重要的是求出在振动能够允许的范围内能够以最短的时间加减速的最佳加减速时间。

作为用于减少工业用机器人的振动的现有技术，例如日本特开2011－167817号公报公开有通过在机器人上安装检测位置的传感器并学习修正量来减少振动的技术。另外，日本特开2015－168053号公报公开了不使用传感器而根据马达的转矩、目标误差信息通过学习使机器人的动作高速化的方法。

在日本特开2011－167817号公报所公开的技术中，虽然能够基于传感器信息实现高精度的振动抑制，但存在需要在作业现场实际使工业用机器人把持工件的状态下的反复学习，对用户造成花费时间负担这样的问题。另外，为了进行反复学习而需要传感器，但需要用户在作业现场准备传感器，所以有在成本方面成为用户的负担的问题。

另一方面，在日本特开2015－168053号公报中，虽然不需要传感器，也不需要在区域内的重新学习从而减轻了用户的负担，但是在需要作业现场处的学习这点上存在与日本特开2011－167817号公报相同的问题，另外，也产生另一问题，即由于没有传感器而振动抑制的精度受到限制。

发明内容

因此，本发明的目的在于提供振动抑制装置，能够在工业用机器人出厂前的阶段学习用于进行该工业用机器人的动作的最佳的加减速时间。

为了解决上述课题，本发明的振动抑制装置具备通过计算机器人动作时的各轴位置以及各轴的弯曲量，并根据该位置以及该弯曲量使用机器学习装置(神经网络)推断加减速时间，来进行最佳的加减速动作的功能。该机器学习装置(神经网络)的学习能够在制造商出厂前的阶段使用传感器来进行，不需要各用户在作业现场的学习，另外，也不需要由用户侧准备传感器，所以能够不对用户造成时间上的、成本上的负担，就能够提供最佳的机器人动作。

在本发明中，如上所述轴的弯曲量与振动量之间存在相关性，并使其成为机器学习装置(神经网络)的输入。一般来说，机器人的轴部进行旋转或者直线运动，所以该部分存在轴承，与其他的臂部分相比，刚性较低。因此，轴产生的弯曲相对较大，对机器人的振动的贡献也变大。因此，可以说轴的弯曲量适合作为求出用于将振动抑制得较小的加减速时间的机器学习装置(神经网络)的输入。

本发明的一个方式所涉及的振动抑制装置将控制对象的机器人的加减速动作时产生的振动抑制为预定阈值以下，该振动抑制装置具备：示教位置获取部，其获取示教位置；速度计划部，其基于上述示教位置以及第一加减速参数计算速度计划；弯曲算出部，其基于上述示教位置以及上述速度计划算出与上述机器人的加减速动作时产生的弯曲相关的数据；姿势数据获取部，其基于上述示教位置获取与上述示教位置处的姿势相关的数据；以及机器学习部，其将与上述弯曲相关的数据以及与上述姿势相关的数据作为输入数据，进行针对与上述弯曲相关的数据以及与上述姿势相关的数据的第二加减速参数的推断。