一种针对曲率不连续凸轮的磨削运动数学模型的改进方法

    公开(公告)号:CN116738668A

    公开(公告)日:2023-09-12

    申请号:CN202310460350.5

    申请日:2023-04-26

    摘要: 本发明属于数控加工相关技术领域,公开了一种针对轮廓曲率不连续凸轮的磨削运动数学模型改进方法。该方法包括下列步骤:S1获取待加工凸轮的升程表,并将该升程表转化为凸轮轮廓的点坐标;计算每个点的曲率以此获得所有点的曲率,进而确定凸轮上曲率不连续的位置;S2对于曲率不连续的位置采用Bezier曲线进行平滑处理,调整Bezier曲线直至满足轮廓误差要求,以此获得平滑的凸轮轮廓曲线,将平滑后的凸轮轮廓输入磨削加工数学模型中,获得X‑C轴位移‑转角表。通过本发明,准确计算轮廓曲率不连续凸轮的位移转角表,进而提高轮廓曲率不连续凸轮的加工精度。

    基于多通道的双臂机器人协同控制方法、装置及可读介质

    公开(公告)号:CN115890653B

    公开(公告)日:2024-06-25

    申请号:CN202211196050.2

    申请日:2022-09-28

    IPC分类号: B25J9/16

    摘要: 本发明公开了一种基于多通道的双臂机器人协同控制方法、装置及可读介质,基于单臂N关节机械臂的三维模型建立N+1个连杆坐标系;基于连杆变换矩阵获得相邻两个连杆之间的坐标变换矩阵,基于相邻两个连杆的坐标变换矩阵得到单臂末端连杆坐标系相对于基坐标系的坐标变换矩阵;基于单臂基坐标系到单臂末端连杆坐标系的坐标变换矩阵和双臂基坐标系之间的坐标变换矩阵,求解两个机械臂末端坐标系之间的坐标变换矩阵,并进而求解出工件和主臂之间、双臂之间以及双臂关节角速度之间的约束关系;根据工件和主臂之间、双臂之间和/或双臂关节角速度之间的约束关系建立控制方式,求出双臂关节的目标角度。减少资源浪费的同时保证数据的隔离性和相对独立性。

    基于双目视觉的机器人示教方法
    3.
    发明公开

    公开(公告)号:CN116512218A

    公开(公告)日:2023-08-01

    申请号:CN202310399745.9

    申请日:2023-04-13

    IPC分类号: B25J9/00 B25J9/16

    摘要: 本发明公开了一种基于双目视觉的机器人示教方法,通过三维视觉系统跟踪示教笔轨迹的方式进行机器人轨迹编程。利用五组球杆组合的示教笔作为示教工具,在示教过程中示教者用示教笔在每个关键节点摆出机器人末端位姿,将计算后得到的位姿下发到机器人系统,机器人便以与示教笔相同位姿依次通过每个位置。通过三维视觉的示教方式,代替传统的示教编程,可以简化机器人轨迹编程步骤,降低机器人操作的门槛,也降低了机器人运行和维护的成本。采用双目视觉系统识别特定的示教工具,因此可极大降低图像处理的复杂性,也在一定程度上保证了系统的鲁棒性。

    用于砂轮打磨的SCARA机器人逆解方法、装置及可读介质

    公开(公告)号:CN116408797A

    公开(公告)日:2023-07-11

    申请号:CN202310255950.8

    申请日:2023-03-16

    IPC分类号: B25J9/16 B25J11/00

    摘要: 本发明公开了一种用于砂轮打磨的SCARA机器人逆解方法、装置及可读介质,涉及打磨加工机器人领域,基于SCARA机器人的机械臂三维模型建立连杆坐标系,并建立各坐标系之间的转换矩阵,SCARA机器人具有4个关节,砂轮具有虚拟第五关节;根据砂轮半径建立SCARA机器人的虚拟刀位点和虚拟刀轴方向,通过令虚拟刀位点和虚拟刀轴方向分别与工件坐标系中的刀位点和刀轴方向在SCARA机器人的基坐标系下重合建立等式关系;根据等式关系求出逆解。利用砂轮的外圆形状虚拟出一个旋转轴和刀具方向,与SCARA机器人的四个轴配合,五轴联动求逆实现刀具相对于工件的5自由度加工,同时也实现工件加工代码的离线编程,解决了现场示教编程互换性差、可读性差、编程效率低等问题。

    一种基于联邦学习的机器人控制方法

    公开(公告)号:CN114800545A

    公开(公告)日:2022-07-29

    申请号:CN202210230205.3

    申请日:2022-03-09

    IPC分类号: B25J11/00 B25J9/16 G06N20/00

    摘要: 本发明提供一种基于联邦学习的机器人控制方法,包括如下步骤:A、聚合节点向各本地节点发送训练请求;B、本地节点利用当前所积累的运行数据在本地模型进行训练,并将训练所得数据发送至聚合节点;C、若聚合计算次数n=1,则计算全模型及对应于该全模型的全准确率,并进入步骤D;若n>N+1,则进入步骤E;D、聚合节点将所有本地节点划分为重要节点和非重要节点,并进入步骤A;E、聚合节点根据重要节点的数据进行聚合计算,并进入步骤F;F、第二周期T2后,需要时向聚合节点发送更新请求,进入步骤A。本发明能够保证机器人的工作精度始终保持在一个较高的水平,且能够在保证本地模型精度的前提下,减少聚合计算过程中计算资源的开销及通讯开销。