机器人控制装置的制造方法

机器人控制装置的制造方法
【技术领域】
[0001] 本发明涉及对机器人进行控制的机器人控制装置，特别涉及具备通过学习来简化 机器人的示教作业并提高机器人动作性能的功能的机器人控制装置。
【背景技术】
[0002] 在设置了由机器人和周边设备构成的系统的实际生产现场，设定了包含该系统的 生产线上的目标作业周期时间。示教操作者为了获得目标作业周期时间，在示教程序的构 成上下工夫，或者示教容易动的姿势时，一边使用操作者的经验和技巧，一边以尝试错误的 方式进行示教作业。这种情况下存在以下课题，动作速度的提高大多依赖于操作者的技能， 且作业效率差，需要花费时间。
[0003] 为了解决该问题，例如日本特开2011-167817号公报（JP 2011-167817A)中记载 了一种机器人控制装置，其具有：对机器人机构部的动作进行控制的通常控制部；通过作 业程序使机器人机构部动作，为了使由传感器检测出的机器人机构部的控制对象位置接近 赋予通常控制部的目标轨迹或者位置，而进行计算学习修正量的学习的学习控制部。这里 记载了，学习控制部计算在学习运转状态下能够设定的最大速度倍率（override)，在达到 最大速度倍率之前多次地一边使速度倍率增加一边计算学习修正量。
[0004] 在JP 2011-167817A中，意在通过重复学习相同动作，不依赖于操作者技能地使 动作高速化。然而，在JP 2011-167817A中，为了进行高精度的振动抑制，需要在机器人中 设置追加的传感器。此外，在由于工件的状态等导致机器人的位置/姿势逐渐变化的动作 中，存在难以重复学习任意的位置/姿势的动作的课题。

【发明内容】

[0005] 因此，本发明目的在于提供一种机器人控制装置，其在预定的作业区域中位置/ 姿势发生变化的动作的情况下，无需示教的技巧，并且不使用用于振动抑制的传感器等特 别装置，能够通过学习来简单地进行机器人动作的高速化。
[0006] 为了实现上述目的，本发明提供了一种机器人控制装置，其对在预定的作业区域 中修正自己的位置姿势来进行动作的机器人进行控制，所述机器人控制装置具备：存储部， 其存储所述机器人的基准动作模式；输入部，其对基于所述基准动作模式的所述机器人的 动作开始的作业开始区域和基于所述基准动作模式的所述机器人的动作结束的作业结束 区域中的至少一方进行指定；自动生成部，其基于将通过所述输入部指定的作业区域以预 定的分辨率进行分割而形成的分割区域、在所述存储部中存储的基准动作模式，自动生成 所述机器人的多个动作模式；学习控制部，其针对通过所述自动生成部自动生成的各个动 作模式，学习用于变更速度或加速度来使所述机器人的动作高速化的动作高速化率。
[0007] 在优选的实施方式中，所述机器人的动作模式包含：把持配置在所述作业开始区 域内的、位置姿势不定的工件的动作；以及将把持的工件载置到所述作业结束区域内的动 作。
[0008] 在优选的实施方式中，所述学习控制部根据驱动所述机器人的各轴的电动机的容 许负荷和所述动作模式执行中的所述电动机的负荷，计算针对各动作模式的动作高速化 率。
[0009] 在优选的实施方式中，所述学习控制部根据所述动作模式执行中的、针对驱动所 述机器人的各轴的电动机的指令值和反馈值的差值，计算针对各动作模式的动作高速化 率。
[0010] 此外，所述学习控制部，可以在根据学习到的动作高速化率来执行再生动作之前， 从过去的学习数据中检索与所述再生动作类似的学习动作，在存在所述学习动作的情况 下，根据与所述学习动作相关联的动作高速化率、所述再生动作与所述学习动作的动作信 息的差异，来修正所述再生动作的动作高速化率。
【附图说明】
[0011] 本发明的上述或其他目的、特征和优势，通过一边参照附图一边说明以下优选实 施方式而变得更加明确。
[0012] 图1是表示本发明的优选实施方式的机器人控制装置的内部结构的图。
[0013] 图2是表示包含图1的机器人控制装置的机器人系统的概略结构的图。
[0014] 图3是表示包含图1的机器人控制装置的机器人系统的概略结构的图，是表示该 机器人系统用于不同于图2的用途的例子的图。
[0015] 图4是表示图2或图3的机器人系统中的动作自动生成顺序的一例的流程图。
[0016] 图5是表示图3的机器人系统中的作业区域的分割形态的一例的图。
[0017] 图6是说明本发明的学习方法的一例的流程图。
[0018] 图7是说明本发明的学习方法的另一例的流程图。
[0019] 图8是说明对动作高速化率进行修正的处理的一例的流程图。
【具体实施方式】
[0020] 图1是表示本发明的优选实施方式的机器人控制装置10的内部结构的一例的图。 控制装置10具有主CPU 12 ;包含只读存储器（ROM)、易失性存储器和非易失性存储器的存 储器14 ;示教操作盘用接口（I/F) 16,它们经由总线18相互并联连接。接口 16上连接有示 教操作盘20,操作者能够使用示教操作盘20来进行动作程序的生成、作业区域的输入等。 基准动作模式的提取、动作模式的生成、动作学习等处理通过主CPU 12来执行。
[0021] 此外，本发明的机器人控制装置，对在预定的作业区域中修正自己的位置姿势来 进行动作的机器人进行控制，具有：存储机器人的基准动作的存储部；对包含基准动作的 作业开始位置的开始作业区域和包含所述基准动作的作业结束位置的结束作业区域中的 至少一方进行指定的输入部；基于将通过输入部指定的作业区域以预定的分辨率进行分割 而形成的分割区域、通过存储部存储的基准动作，自动生成机器人的多个动作模式的自动 生成部；针对通过自动生成部自动生成的各个动作模式，学习用于变更速度或加速度来使 机器人的动作高速化的动作高速化率的学习控制部，在本实施方式中，存储器14相当于存 储部，示教操作盘20相当于输入部，主CPU 12相当于自动生成部和学习控制部。
[0022] 图2是例示包含机器人控制装置10的机器人系统22的概略结构的图。机器人系 统22具有机器人控制装置10、示教操作盘20、通过机器人控制装置10控制的机器人24。 机器人24例如是6轴多关节机器人，具有机器人臂26和安装于机器人臂26前端的手28。 在图2的例中，机器人24能够进行以下动作：利用手28保持（把持）在预定作业区域30 内以任意位置和姿势（以下也称为位置姿势）配置的工件32,并载置到作业区域30外的预 定的输送目的地34。
[0023] 此外，机器人系统22具有连接到机器人控制装置10并检测作业区域30内的工件 32的位置姿势的传感器36,机器人控制装置10能够基于传感器36的检测结果，求取用于 修正机器人24的动作（每微小时间的机器人的位置和姿势）的修正量。作为传感器36的 例子，列举了使用能够对作业区域30的一部分或全体进行摄像的摄像机的视觉传感器。
[0024] 图3与图2同样地例示了机器人系统22的概略结构，但图3是表示机器人系统22 用于不同于图2的用途的例子的图。在图3的例中，机器人24能够进行以下动作：利用机 器人24的手28保持（把持）通过供给传送带38输送的工件32,并载置到排出传送带40 上。此外，机器人系统22具有传感器46,其连 接到机器人控制装置10,并在把持供给传送 带38上预定的作业区域42内的工件时、以及向排出传送带40上预定的作业区域44内载 置工件时，分别随时检测工件的位置姿势，机器人控制装置10能够基于传感器46的检测结 果，求取用于修正机器人24的动作（每微小时间的位置和姿势）的修正量。作为传感器46 的例子，列举了视觉传感器和编码器。
[0025] 图2和图3的机器人系统22中的手28的移动，通过控制装置10对用于驱动机器 人24的各轴的电动机（优选为伺服电动机）进行控制来进行。此外，能够将学习中暂时需 要的、包含动作执行中的电动机的速度、加速度和转矩、以及电动机误差的至少一项的动作 信息保存到存储部14的易失性存储器中；将预先设定的电动机的速度、加速度和转矩、以 及电动机误差等的容许值保存到存储部14的ROM中。此外，能够将通过学习处理而计算出 的动作高速化率（后述）等的学习数据保存到存储部14的非易失性存储器中。
[0026] 接着，一边参照图4的流程图，一边说明图2或图3中记载的机器人系统22中的 动作自动生成顺序的一例。
[0027] 首先，在步骤Sl中，进行各作业区域信息的输入（设定）。具体地，操作者能够将 作业区域（图2的例中是作业区域30,图3的例中是作业区域42和44)的位置、形状、尺寸 等与作业区域有关的信息通过示教操作盘20输入到机器人控制装置10中。
[0028] 此外，本申请说明书中的"作业区域"是机器人一边修正自己的位置和姿势（以下 也称为位置姿势）一边进行预定作业（动作）的区域，其含义包含开始所述作业的作业开 始区域和结束所述作业的作业结束区域中的至少一方。例如，图2的情况下，取得（把持） 工件的一个区域30相当于作业区域；图3的情况下，取得工件的作业区域42和放置工件的 作业区域44这两个区域相当于作业区域。此外，对于修正机器人的位置姿势的各个动作， 关联了对应的作业区域，在步骤Sl中，针对每个作业区域预先输入该区域的范围。
[0029] 接着，在步骤S2中，进行学习对象的动作程序中的基准动作模式的存储。具体地， 机器人控制装置10执行学习对象的动作程序，由此存储要学习的动作的基准动作模式。此 外，在动作程序中，根据通过传感器36或46检测出的工件32的位置姿势，还适当修正与机 器人24的动作相关的位置姿势，然而，动作程序不依赖于工件32的位置姿势地执行1个周 期即可。
[0030] 此外，本申请说明书中的"基准动作模式"意指用于进行预定作业的、由机器人的 一个以上的动作构成的动作模式。通常，将动作程序执行中从动作开始到动作停止的一连 串动作存储为基准动作模式的一个单位。在图2和图3的例子中，从工件的取得位置移动 到放置位置的动作，和从工件的放置位置移动到取得位置的动作分别为基准动作模式，BP， 存储2个基准动作模式。
[0031] 接着，在步骤S3中，进行基准动作模式的解析，具体来说，判定是否对构成基准动 作模式的各动作关联了设定出的作业区域。在关联了作业区域的情况下，将该作业区域以 预定分辨率虚拟地进行分割，生成多个分割区域（步骤S4)。
[0032] 最后，在步骤S5中，计算在各分割区域中使机器人以预定位置姿势进行工件的取 得动作或放置动作的位置姿势修正量，并使用该位置姿势修正量来修正基准动作模式，由 此生成在各分割区域中进行取得或放置动作的动作模式。具体地，为了学习在任意分割区 域中配置了工件32时所执行的动作，计算通过传感器36或46检测出工件32时修正的机 器人的位置姿势的变化量，生成使用该变化量对基准动作模式进行修正后的动作模式。这 样，自动生成了机器人的各动作模式。
[0033] 这样，由于生成的动作模式是设工件虚拟地存在于任意分割区域的情况下的动 作，因此实际上能够执行与将工件配置在任意的分割区域来执行动作程序的情况下相同的 动作。即，能够不依赖于实际的工件位置姿势地，学习由动作程序执行的任意的动作模式。
[0034] 图5是表示在图3所例示的系统结构中，设区域分割的分辨率为100mm，设2个作 业区域42和44均为200mmX IOOmm的大致矩形区域时的作业区域的分割例的图。详细来 说，作业区域42被分割为分割区域42A和42B，作业区域44被分割为分割区域44a和44b。 这种情况下，在包罗分割区域之间进行的工件的取得放置动作的全部模式时，生成"区域 42A和区域44a"、"区域42A和区域44b"、"区域42B和区域44a"、"区域42B和区域44b"间 的取得动作模式和放置动作模式，因此生成共计8个动作模式。此外，作为其他例，在存在 机器人移动的频率比较低的特定分割区域的情况下，并不生成在该分割区域中进行的取得 放置动作模式，由此能够节省学习所需要的时间、存储器使用量。此外，关于区域分割的分 辨率，如果提高分辨率（增多分割区域数）则基于学习的动作性能提高。另一方面，如果降 低分辨率（减少分割区域数）则能够节省学习所需要的时间、存储器使用量。
[0035] 图6是说明本发明的学习方法的一例的流程图。首先，在步骤SlOl中，从通过上 述处理而自动生成的多个动作模式中选择一个未学习的动作模式并执行。
[0036] 接着，在步骤S102中，记录上述未学习动作模式的动作执行中的动作信息（这里 是机器人各轴的电动机速度的最大值（w_maXj)和电动机转矩的最大值（τ _maXj))。此外， "j"表示各轴的轴编号，例如如果是6轴多关节机器人，则j = 1~6。
[0037] 在结束上述未学习的动作模式的动作之后（步骤S103)，根据记录的电动机速度 的最大值和电动机转矩的最大值，计算能够针对该动作模式设定的动作高速化率α的最 大值a max (步骤S104)。这里，动作高速化率α指的是，在利用以下式（1)来表示动作高 速化前的经过时间t与电动机目标角度（指令角度）Θ之间的关系时，以满足式（2)的方 式使机器人动作的指标。
[0038] Θ = f (t) (0 彡 t 彡 tmax) (1)
[0039]
( 2 )
[0040] 在上述式中，考虑到电动机速度与α成比例，电动机转矩与α的2次方成比例 时，容许的动作高速化率的最大值a max由以下式（3)表示。此外，是各轴的电动 机速度的容许值，τ _al%是各轴的电动机转矩的容许值。
[0041] (3)
[0042] 接着，在步骤S105中，将计算出的动作高速化率α与动作模式相关联地保存于存 储器。该动作高速化率的学习针对生成的全部动作模式来进行。作为图6所示的学习方法 的效果之一，列举了实现将机器人（机构部）的负荷抑制在容许值以下的动作高速化。
[0043] 图7是说明本发明的学习方法的另一例的流程图。首先，在步骤S201中，从通过 上述处理而自动生成的多个动作模式中选择一个未学习的动作模式，接着在步骤S202中， 将执行所选择出的动作模式时的动作高速化率初始化为1. 0。
[0044] 接着，开始所选择出的动作模式的动作（步骤S203)，记录该动作执行中的动作信 息（这里是各轴的电动机角度的指令值（目标值）和实际的电动机角度（反馈值）之间的 误差）（步骤S204)。
[0045] 在结束了所选择出的动作模式的动作之后（步骤S205)，判定所记录的角度误差 是否是针对各轴设定的容许值（容许角度 误差）以下（步骤S206)。如果角度误差是容许 角度误差以下，则判定动作高速化率α是否达到预定上限值（步骤S207)，如果动作高速化 率α未达到上限值，则使动作高速化率α增加预定量（步骤S208)，并使用增加后的动作 高速化率来再次执行相同动作模式。
[0046] 另一方面，在步骤S206中角度误差超过容许角度误差的情况下，如果动作高速化 率α超过1.0,则使α减少预定量（步骤S209)，并将减少后的动作高速化率α与所执行 的动作模式相关联地保存到存储器（步骤S210)。此外，在步骤S207中动作高速化率α达 到了预先设定的上限值或超过上限值时，也前进到步骤S210,将动作高速化率α与所执行 的动作模式相关联地保存到存储器。
[0047] 针对生成的全部动作模式来进行这样的动作高速化率的学习（步骤S211)。作为 图7所示学习方法的效果之一，列举了实现将电动机的振动抑制在容许值以下的动作高速 化。
[0048] 图8是说明修正上述动作高速化率的处理的一例的流程图。
[0049] 在图6和图7所例示的学习中，预先存储了动作高速化率α，以及动作高速化前的 最大速度V和最大加速度a。最大速度V和最大加速度a是动作计划时计算出的值，即实际 进行动作之前已知的值。
[0050] 首先，在步骤S301中，在各动作模式的学习结束之后，在执行基于动作程序的动 作（以后称为再生动作）之前，检索与再生动作类似的动作是否存在于存储器内的（过去 的）学习数据中。这里，类似的动作（以后称为学习动作）指的是在动作开始时和结束时 的各自的机器人的位置姿势的再生动作与学习动作的差，收敛于预定的分辨率范围内的动 作。
[0051] 在学习动作的检索结果为，存在与想要执行的动作（再生动作）类似的动作模式 (学习动作）的情况下，取得与该学习动作相关联的动作高速化率a max、动作高速化前的 最大速度V和最大加速度a (步骤S302)。
[0052] 在学习动作和再生动作中，动作高速化前的最大速度与最大加速度不一定相等， 因此，当使用动作高速化率a max来使再生动作高速化时，存在电动机速度、电动机转矩、 角度误差等大幅度超过容许值的可能性。因此，在接下来的步骤S303中，考虑学习动作与 再生动作之间的、高速化前的最大速度与最大加速度的差别，将学习动作的动作高速化率 amax修正为再生动作用动作高速化率a ' max。
[0053] 具体地，若分别设再生动作的高速化前的最大速度和最大加速度为V和A，则 a ' max由以下式⑷表示。
[0054] (4)
[0055] 通过式（4)对动作高速化率进行修正，以使再生动作高速化时的最大速度V和最 大加速度A分别接近学习动作高速化时的速度V和加速度a。
[0056] 最后，在步骤S304中，使用修正后的动作高速化率a ' max来使动作高速化。
[0057] 此外，在本申请说明书中，工件的"位置姿势"通常是指工件的位置和姿势，然而在 工件为圆板形状或球状等，即使工件姿势发生变化，也不会影响机器人的动作的情况下，工 件的"位置姿势"有时仅指工件的位置。
[0058] 在现场的生产线等的学习中，在由于工件的位置姿势导致机器人的动作每次均不 同的情况下，难以包罗全部动作来进行学习。然而，本发明中，能够自动地生成包罗用户设 定的全部作业区域的动作，能够受工件状态影响，容易地学习可能实际在现场使用的全部 动作。因此，能够通过现场的示教调整作业的时间缩短和简化、动作高速化来实现生产效率 的提尚。
[0059] 此外，在学习中，在动作中取得机器人（机构部）的负荷、电动机的振动信息，由 此，能够在满足机器人（机构部）的负荷的容许值，并使振动也收敛于容许的范围内的同 时，实现动作的高速化。
[0060] 此外，本发明中不需要使用用于抑制振动的传感器等特别装置，因此也不需要进 行安装传感器的作业和与之相伴的各种设定，实现了示教作业的时间缩短和简化。
[0061] 本发明中，对于位置姿势在作业区域内不定地变化的动作，能够进行成为学习对 象的任意动作，因此能够减少学习所花费的工时。此外，为了进行程序的学习，自动地判别 所设定出的作业区域，进而在该作业区域内进行适当的区域分割，并重复执行在各个区域 间移动的动作，由此能够实现不需要示教操作者的经验、技巧的示教的简化。
【主权项】
1. 一种机器人控制装置，其对在预定的作业区域中修正自己的位置姿势来进行动作的 机器人进行控制，所述机器人控制装置的特征在于， 具备： 存储部，其存储所述机器人的基准动作模式； 输入部，其对基于所述基准动作模式的所述机器人的动作开始的作业开始区域和基于 所述基准动作模式的所述机器人的动作结束的作业结束区域中的至少一方进行指定； 自动生成部，其基于将通过所述输入部指定的作业区域以预定的分辨率进行分割而形 成的分割区域、在所述存储部中存储的基准动作模式，自动生成所述机器人的多个动作模 式；以及 学习控制部，其针对通过所述自动生成部自动生成的各个动作模式，学习用于变更速 度或加速度来使所述机器人的动作高速化的动作高速化率。2. 根据权利要求1所述的机器人控制装置，其特征在于， 所述机器人的动作模式包含：把持配置在所述作业开始区域内的、位置姿势不定的工 件的动作；将把持的工件载置到所述作业结束区域内的动作。3. 根据权利要求1或2所述的机器人控制装置，其特征在于， 所述学习控制部根据驱动所述机器人的各轴的电动机的容许负荷和所述动作模式执 行中的所述电动机的负荷，计算针对各动作模式的动作高速化率。4. 根据权利要求1或2所述的机器人控制装置，其特征在于， 所述学习控制部根据所述动作模式执行中的、针对驱动所述机器人的各轴的电动机的 指令值和反馈值的差值，计算针对各动作模式的动作高速化率。5. 根据权利要求3或4所述的机器人控制装置，其特征在于， 所述学习控制部，在根据学习到的动作高速化率来执行再生动作之前，从过去的学习 数据中检索与所述再生动作类似的学习动作，在存在所述学习动作的情况下，根据与所述 学习动作相关联的动作高速化率、所述再生动作与所述学习动作的动作信息的差异，来修 正所述再生动作的动作高速化率。
【专利摘要】本发明提供一种机器人控制装置。其无需示教的技巧，并且不使用特别装置，能够通过学习来简单地进行机器人动作的高速化。机器人控制装置具备：存储部，其存储机器人的基准动作模式；输入部，其对基于基准动作模式的机器人的动作开始的作业开始区域和基于基准动作模式的机器人的动作结束的作业结束区域中的至少一方进行指定；自动生成部，其基于将指定的作业区域以预定的分辨率进行分割而形成的分割区域和存储的基准动作模式，自动生成机器人的多个动作模式；以及学习控制部，其针对自动生成的各个动作模式，学习用于变更速度或加速度来使机器人的动作高速化的动作高速化率。
【IPC分类】B25J9/16
【公开号】CN104889986
【申请号】CN201510095383
【发明人】铃木元, 鹫头伸一, 明-雷恩·琼
【申请人】发那科株式会社
【公开日】2015年9月9日
【申请日】2015年3月3日
【公告号】DE102015002348A1, US9186794, US20150251312