本技术涉及智能机械设备领域,是一种基于姿态辨识和迭代学习的机器人抛光方法,解决了现有技术中机械臂的泛化能力差的问题。本发明示教轨迹重建;姿态辨识;当工件姿态发生变化时,机器人的机械臂调用变化后的轨迹信息,并按轨迹信息进行加工;接触力迭代学习。本发明将机械臂路径与末端姿态和工件的点云数据绑定在一起,对比工件的姿态发生变化前后的点云信息并通过点云配准获得工件的姿态变化,调取新的轨迹信息进行加工;末端的力传感器记录交互力数据,按照设定迭代学习算法更新率迭代更新路径,从而使交互力达到期望值,完成精确的抛光任务。
背景技术
近年来,随着电子硬件、图像处理和人工智能等技术的进步,机器人技术逐渐被应用于家庭服务、医疗康复、消防减灾等多个领域。传统机械臂的应用范围也得到了显著扩展,开始涉及更复杂的加工生产和检测环节。路径规划是机械臂运动控制的核心操作,不同的路径规划问题需要采用不同的解决方案。除了传统的直接编程方法,目前的路径规划方案主要包括示教编程、视觉引导和脑机接口等。这些方案处理的任务各不相同,适用的工作环境也各具特色。
示教编程在工业机械臂的应用中主要分为两种方式:
在线示教:在这种方式中,技术人员通过引导和控制机械臂的运动,记录作业过程中的程序点,并插入必要的机械臂命令以完成程序的编写。
离线示教:操作者不直接对正在作业的机械臂进行示教,而是在离线编程系统或模拟环境中进行编程,生成示教程序,并通过PC机间接控制机械臂的控制柜。
在线示教的局限性在于,由于人类视觉和控制能力的限制,示教编程难以实现对特定任务路径的精确跟踪。在操作者拖动机械臂沿目标路径移动时,任何微小的抖动都可能导致机械臂控制器记录错误的路径点,从而影响机械臂末端对目标路径的跟踪效果。此外,在拖动示教过程中,无法确保机械臂末端与目标路径之间保持精确的间距,尤其是在焊接、激光切割等高精度任务中,简单的在线示教难以满足这些工作的要求。
离线示教则要求操作者提前设置机械臂的工作路径等参数,这在进行单一性和重复性作业时具有一定优势。然而,在工作目标频繁变化的场景中,离线示教显得相对低效,因为随着工作目标的变化,机械臂的控制程序需要不断更新。
然而上述的示教方法在对于复杂情况不适用,例如,在同一工件的姿态发生变化后,之前的示教轨迹不能直接使用,需要重新示教,这种低泛化性的算法不适用于多变的任务场景。
亟待出现一种可解决上述问题的新型的机械臂控制方法。
实现思路