工业机器人手动导航编程资料讲解

工业机器人手动导航

编程

工业机器人手动导航编程

摘要

目的 - 本文旨在解决在工业环境中编程机器人的问题，其中需要简单的编程，而稳健性和安全性仍然是基本方面。

设计/方法/方法 -这种机器人编程的新方法可以通过允许手动指导，来识别操作员自由地移动机器人通过其任务，然后可以使用演示程序编程方法或简单的方法来教授任务再生产。

结果 - 在本文中，讨论了实现手动引导的不同方式，并且提供了使用力/扭矩传感器来实现的理念，还提出了实验结果和用例。

实际意义 - 举例说明了这种方法如何与工业机器人一起使用。在工业环境中的实现应根据本文件所述的ISO安全标准进行调整。

原创性/价值 - 本文提出了一个完整的最先进的问题，并显示了一个真正的实际用例，其中提出的方法可有效促进教学过程。

关键词：控制，传感器，路径规划，编程，人机交互，人机界面（MMI），工业机器人，手册引导，力传感器

论文类型：研究论文

1.介绍

机器人的使用继续显示出增长的趋势;在2013年，机器人销售量增长了12％，达到178,13台，达到迄今为止为期一年的最高水平，到2014年全球机器人安装预计至少增加大约15％达到205,000台。与此同时，相关研究以及机器人编程方法已经普及。著名的软件

框架ROS发挥了重要作用（机器人操作系统）（Quigley等人，2009），其操作方式简单省时，允许测试和重用其他的工作研究人员。

现在，尽管机器人技术也被用于医疗，个人和服务领域中，但相对广泛的使用仍然是在工业环境中。工业机器人在新的轻量级方面表现越来越出色，主要

表现在最大速度/加速度和重复性方面。在工业过程中使用机器人的困难之一，通常是操作员缺乏操作机器人的编程知识。事实上，将学术研究的结果部署到工业背景中往往是困难的，因为必须授予控制系统稳健性，而且机器人的简易性编程要符合有关保障操作人员安全的法规。

传统的和最广泛的机器人编程仍是通过机器人专用的教学器。任务轨迹是通过指定一组

机器人必须通过的点教给机器人。但是，以这种方式得到机器人的轨迹，使教学变得非常慢，

并且只要有一点改变，任务就必须每次都一遍又一遍的做。最近，更多的可用性执行硬件和高级CAE工具使用离线编程，这允许检查工业运行的可行性，甚至计划任务通过使用个人计算机，而不需要停止生产系统。这样，可用的机器人的运动学模型和相应的仿真包拓展了一系列新的功能，但是，另一方面，需要一个专家工程师来编程机器人。

工业背景下易于编程的必要性还源于最终客户的需求敦促；业界呼吁机器人细胞应越来越灵活，达到模块化和适应不同的生产要求的需求。工业生产力水平越来越高，制造场景需要更短的任务执行时间和更快的机器人系统编程周期。此外，运营商往往不是一个机器人专家，因而教挂件编程已成一种费时并执行艰巨的任务。

机器人编程的一个新的有前途的方法似乎是编程示范（PBD），它允许操作员以一种简单而自然的方式教给机器人任务，因此无需机器人编程经验。在教学过程中，除了关节的位置，几个测量可以考虑和整合在一起，如力配置文件

或语音命令。这些方法可以定制，取决于用不同的策略处理异常的任务。一个理想的解决方案将是一个当操作者跟踪他的动作时

是做任务，然后，使用机器学习方法，再现的任务被教给机器人。这是近年来研究的一个具有挑战性的课题；此外，从工业的角度来看，这些方法仍然不够强大。此外，如果任务在

执行，举起重物是必需的，操作员没有足够的体力来完成任务。作为一个结果，这是一个更强大的方法。管理繁重的任务是手动指导（或步行通过）。这种类型的控件可以让用户以一个自由的方式物理移动机器人，这些动作可以编码，教育和用于学习一个广义版本的任务或复制。这种新的方式用于机器人编程带来的问题：在人体–机器人安全的相互作用。这是手工的一个基本方面的指导。在工厂的工业机器人授予安全操作的主要标准是ISO 10218-1 / 2

（ISO10218-1，2011；ISO 10218-2，2011）；其他安全规范，关于人与人之间的安全距离以及与机器人之间的距离包含在ISO 13855（2010）。此外，人类和机器人之间的相互作用正在引发机器人社区内部越来越多的争论，一个新的ISO 15066（2014）的主题是发展。这个手册的指导是ISO10218-2，安全是通过限制最大速度和机器人在身体接触时所提供的功率来保证的。此外，机器人必须配备紧急停止和使装置通常能安装端部执行器。特别提到了一些新的轻量级的机器人，像库卡LBR IIWA（2014）或通用机器人（2 014）。这些机器人被认证为

能与人类合作，适合人-机器人安全互动与编程的一个示范。

把任务传给机器人的另一种方法是使用触觉设备，它可以用来指挥速度机器人，同时有效反馈给用户，任务也可以以这种方式传递给任何类型的机器人。

这样的设备是非常昂贵的，因此，由于这个原因，目前，他们不能在工业环境中采用；另一方面，它们主要在医疗或康复技术方面进行机器人的应用。

文章的组织如下：第2节将展示不同方法，实现人工指导，着眼于他们的利弊；在第3节，实现手动制导控制，基于使用的力/力矩传感器。最后的部分4和5，将讨论实验结果和提出工业的测试用例。

2.人工指导方法综述

为了实现手动引导，几种控制方法可以使用不同类型的传感器或更多的一般硬件实现。大多数类型的控制计划利用力/力矩传感器安装在机器人的手腕；这样的传感器的使用允许的控制方案的设计给予末端执行器非常精确的运动，比如，导纳/阻抗控制（bascetta et al.，2013；Ikeuraet al.，1994；Hogan，1985）或力控制（西西利亚诺维兰尼，2000）。这些大部分的主要缺点方法是帽子，除了成本的力量/扭矩传感器，他们依赖于一个强大的动态模型的可用性机器人手臂。其他研究人员提出先进的变种这两种类型的控制，如可变阻抗控制（Ikeura和inooka，1995），自适应准入控制（TEE等，2010）或基于虚拟夹具的准入控制（marayong et al.，2008）：这是沙发软件生成的运动指导，基于视觉系统，推断机器人的几何形状和所需的工作空间计算运动约束。混合动力/运动控制，它可以实现在运动（Raibert克雷格，1981）和动态水平（西西利亚诺都，2000），描述结合力控制和速度控制，通过选择矩阵。几年以来，一些新的轻量级机器人来实现合规控制，如，例如，库卡LWR IV（比绍夫等，2010）。这是一个周期全机器人的标志社区正在走向机器人同事的概念。使操作者感觉他/她正在移动一个工具减少质量（而不是沉重和僵硬的机器人），这个机器人运动的动力学可以被描述为“虚拟工具：末端执行器被建模为选择的虚