基于云的工业机器人运动规划与控制外文翻译资料

 2022-08-09 11:43:01

英语原文共 7 页,剩余内容已隐藏,支付完成后下载完整资料


基于云的工业机器人运动规划与控制

摘要

本文提出了一种工业机器人灵活运动规划与控制的新概念。不是封闭的单片体系结构,而是提出了一种基于开放服务的框架。这些服务可以独立于分散的IT基础设施(云)进行硬件运行,允许快速重新配置控制模块并在不同任务中多次使用它们。这些服务可以在专用PC或单个计算集群内的单个虚拟机上运行。提出的基于服务的机械手运动规划框架已经实现并测试。研究并记录了对控制性能、可用性和可伸缩性的影响

一、 导言

在不断发展的生产环境中,工厂生产线的配置很大程度上取决于客户的需求。按照过去几年的趋势,未来的工厂必须满足批量为1的完全定制生产的要求。这使得机器和机器人要具备快速重构,获取和分析所有可能的过程数据的能力。为了收集和使用数据,所有传感器、执行器和计算算法必须联系在一起。所谓的网络物理生产系统(CPPS)能够提供和使用某些服务。为了应对生产系统基础设施的变化,机器和机器人的控制体系结构将从层次结构转变为平面的、完全网格化的结构。在图1中,描绘了从工厂管理到现场级的控制层。右侧控制系统是模块化和互连的,因此它们可以作为基于云的服务提供。这个想法还包括按需自助服务的云机制、资源池、广泛的网络访问、快速弹性和由国家标准与技术研究所(NIST)定义的可测量服务。每个服务都可以通过IP网络在全球范围内访问,可以多次实例化,并将从云操作系统获得必要的资源。

作为德国联邦政府高科技战略的一部分,未来的“工业4.0”项目已经启动。它涉及网络化生产、可实现小批量的自动化生产的方法和技术的发展。所有的机床,机器人和装卸系统,甚至原材料和产品都配备了通讯接口,可以进行连续的数据交换,因此可以转换为网络物理生产系统(CPPS)。这样就可以从分布式IT基础架构(云)控制网络系统。同样对于制造公司的员工来说,任务区域也会相应更改。通过增加网络连接和生产自动化,将实现手动作业和自动作业之间的平稳过渡。人与机器人之间的物理协作利用了机器人的顺应性控制概念来进行人工指导和对环境的自适应反应。但是,这不仅需要先进的安全功能来保护人员和环境,而且在基于云的控制器的情况下,还需要对系统架构进行调整。通信基础设施不再严格以可用的现场总线形式确定,而是越来越多地基于Internet协议(IP)和公共网络。

工业机器人运动计划和控制的必要服务是:

  1. 机器人硬件服务-代表从IP网络到现场总线到访问传感器和执行器的桥梁
  2. 运动计划服务-计算轨迹
  3. 调用实例-启动运动的用户将命令发送到计划服务

在介绍了相关工作之后,以下各章将描述具有云功能的控制系统的体系结构,由原型服务和实验室规模的工业机器人组成的实验装置,进行实验和评估结果以及总结结论。

二、相关工作

最近提到的我们要解决的面向服务的体系结构 [2],他的应用程序集中在移动机器人而非工业机器人上。pICASSO项目正在开发一个全面的工业云平台,用于通过网络物理系统进行生产[3]。与[4]这样的机器人云平台上的其他方法不同,pICASSO正在处理实时功能。特恩布尔[5]考虑了多机器人问题,并将高级机器人功能外包给了云资源。机器到云(M2C)基础结构中的通信协议的评估以及对云机器人的计算,通信和安全性的技术挑战的讨论由[6]完成。 [7]介绍了社会和以人为中心的方面,他从广义上进行了概述。在[8]中,作者提出了一种平台化服务(PaaS)的方法来处理网络机器人应用程序。 [9]在RoboEarth [10]项目中提到了机器人即服务这一术语。召回远程大脑范例以创建具有几乎无限的计算和内存资源的节能机器人[11]。 [12]中显示了如何将云机器人技术与ROS一起使用,以实现自主移动机器人。整体调查可以在[13]中找到。

三、方法

  1. 机器人控制器的模块化

经典的机器人控制器源自数字运动控制的活动链(请参见图2,左)。通过供应商特定的解释器逐行读取所选的用户程序,并将其分成常规的移动指令。这些指令可以在每个机器人驱动轴的直角坐标系空间或轴特定空间中指定,并包含插值方法和目标点。内插器以给定的速度轮廓计算轨迹上的点。随后的坐标转换将笛卡尔空间坐标的所有点转换为特定于轴的角度。内插器的时钟频率不同(大约10-50 ms)和位置控制(大约1 ms)可以通过精细内插器进行调整。它计算两个轴特定基准之间的位置设定值,并将其传递给位置控制。位置控制是每个驱动器级联控制的一部分,并辅以速度控制和电流控制。到目前为止,所有这些步骤都是在工业机器人的机柜中执行的。实施基于云的机器人控制所面临的挑战是将运动控制器模块化并将每个功能作为独立服务提供。这允许在一个通用基础结构上控制多个机器人。到目前为止,制造商仅提供每个机柜最多四个机器人的选项。服务之间必须创建适当的接口,以确保安全有效的数据交换。另一个挑战是要实现位置控制等较低功能的实时功能。由于这些功能取决于过程的实际测量值,因此它们不能在交错的时间启动,如图2所示。根据实时要求,将运动功能从控制柜传递到虚拟机器人控制器。内插器中的初始路径规划。实际上,根据所需的循环时间(位置控制1 ms,巡航控制0.125 ms,电流控制0.0625 ms),某些功能必须保留在机器附近(机器箱,请参见图2,中间)。这样可以通过较短的通信路径保持实时功能。可以将所有其他操作作为虚拟机器人控制器(VRC,请参见图2,中心)外包给中央IT基础架构(云)。

  1. 外包控制作为虚拟化云模块

机器人控件的非实时关键功能可以在远程计算单元上执行。中间件将这些处理单元(云)组合在一起,可以实例化虚拟机(VM)中的机器人控制程序。这些VM构成了基于云的虚拟机器人控制器(VRC)。中间件正在实现云机制。通过用户交互(例如,基于Web的交互)或通过API自动进行模块执行环境的更改。例如,这包括轻松启动和停止服务或转移资源。一个或多个VRC可以控制一个或多个机器人。 VRC的子功能是按需执行的服务。生产中的一种应用是机器人辅助加工。对于多个机器人的生产线同时平滑切割边缘,需要一定的插值(例如线性)。然而,这些机器人中的一个随后另外请求另一插值(例如,圆形插值)以对边缘进行视觉检查。在第一种情况下,同步计算比第二种情况下需要更多的资源。这种需求驱动的计算能力和存储空间分配是云环境的基本功能之一。可以以快速和灵活的方式将虚拟化模块提供给用户。如有必要,它们将被重定位到其他硬件资源以实现负载分配。

  1. 机器人硬件

用于实际运动试验的实验系统包括AMTEC PowerCube机器人(现已由Schunk支持),这是一台带有USB到CAN适配器的Windows PC。该机器人由六个运动立方体模块按串联运动链构造而成。因此,实现了工业机器人配置。控制系统基于CAN协议,该协议访问模块以发送和接收数据。

四、基于服务的解决方案示例

提议的工业机器人基于云的控制包括三个部分。第一部分是人机界面,可将运动命令发送到控制基础结构。第二部分包括所有控制算法,作为在云中运行的单个服务。在我们的例子下,算法是一组插值类型,例如点对点插值、线性插值或轨迹规划,正向和反向运动学以及碰撞检测功能。该体系结构的第三部分是由机器人服务器构建的,该服务器将IP网络连接到现场总线。这种架构的方案可以在图3中看到。

所有三个部分都是独立的程序,可以在不同的计算机或虚拟机上运行。它们通过虚拟专用网络(VPN)互连。这允许将服务聚合到一个网段中以便于访问,并提供合理数量的数据安全性和私密性。

人机界面由标准的移动PC模拟,该PC可以通过无线通信进入网络。出于安全原因,用户将与机器人位于同一房间,但不被迫使用一台单独的开发机器对机器人进行编程。以下步骤是建立分布式多服务控制系统的工作流程的一部分,它是如何从目标位置和插值/计划类型与物理机器人运动进行通信的。

HMI机器必须以循环方式完成以下任务:a)连接到VPN Serve,b)启动HMI-Service(例如GUI),c)读取用户的目标位置和计划类型,d)连接到Planning Service,e )发送目标排名和计划类型,f)与计划断开连接。

规划机器(例如云资源)必须以循环方式完成以下任务:a)连接到VPN Serve,b)启动Planning-Service,c)接受来自HMI-Service的连接,d)接收目标位置和规划类型,e)执行规划算法,f)连接到机器人服务,f)发送轨迹,g)与HMI和机器人断开连接。

机械人机器(例如机器箱)必须以循环方式完成以下任务:a)初始化硬件,b)连接到VPN Server,c)启动网络桥服务,d)接受来自Planning-service的连接, e)接收轨迹,f)将位置设定点发送到现场总线,g)与Planning断开连接。

提出的基于服务的框架已实现,可用于拾取和放置任务的轨迹规划。计划的任务是为n连接操纵器找到从初始配置qinitisin;Cfree到目标配置qgoalisin;Cf ree的可行轨迹,其中配置q =(j1,j2,...,jn)由关节角ji定义。令C表示所有配置的集合(配置空间),令Cfree C表示可行的配置的集合,其中机器人不会与障碍物碰撞,也不会与自身碰撞,并且满足其他约束条件。例如,一个约束可以指定末端执行器的方向在给定范围内,这很有用,例如确保所携带物体的水平位置。论文[18],[19],[24],[23]都研究了约束条件下的运动计划。这种高维运动规划可以通过基于采样的运动规划方法来解决,例如快速探索随机树[20],[16]。 RRT算法建立了以初始配置qinitisin;Cfree为根的可行配置树。在每次迭代中,对配置qrandisin;C进行随机采样,并在树上找到其最近近的qnear。然后扩展qnear配置以获得一组可到达的配置R,从中选择最接近qrand的配置并将其添加到树中。如果算法在Kmax迭代后达到目标配置qgoal至距离dgoal,则算法终止。两种配置之间的距离ϱ(·,·)被测量为与该配置相对应的末端执行器位置之间的3D欧几里得距离。3D欧几里德度量标准的使用促进了树的发展,从而可以快速探索工作空间。该算法在表1中列出。

扩展步骤(表1中的7-12行)的任务是确定可从qnear到达的新配置R(图4)。这可以通过将qnear中定义的关节角度调整一个小的值uisin;U(表1中的第8行)来实现,集合U包含关节角度的变化的组合的预定集合。例如,每个关节的角度可以通过-theta;,0,theta;进行调整,并且U包含这些变化的所有组合。调整配置后,将使用正向运动学来计算操纵器连接在工作空间中的位置和方向。连接的位置和方向对于碰撞检测是必需确定的。

我们提出的方法的优点在于,扩展步骤仅依赖于正向运动学和碰撞检测。因此,在更复杂的机械手的情况下,计划者无需应对可能的单一配置或逆运动学的数值不稳定性。由于两个近接构型之间的过渡是通过更改关节角度获得的,因此所产生的运动更加平滑。此外,可以容易地满足如末端执行器限制的运动限制,这是因为以is Feasible程序(表1中的第9行)可以简单地通过将效应器的方向与所需值进行比较。不会进一步检查不满足限制的配置是否存在冲突,并且不会将其添加到树中。

RRT规划器中最耗时的部分是冲突检测。在碰撞检测中,需要对照工作空间中的对象的几何形状检查所有n连接的几何形状,这需要使用正向运动学来计算手臂链接的几何形状的3D位置和方向。为了防止自冲突,连接的几何形状会相互检查。

为了加快规划速度,可以将碰撞检测作为服务运行。将扩展步骤作为服务部署带来了许多优势。首先,它使我们可以在低功耗PC上运行计划程序,因为最耗时的部件在其他地方实现了。其次,工作空间的几何模型不需要与计划程序同步,而仅与碰撞检测服务同步,这在动态环境中非常重要,在动态环境中,3D模型的位置/方向需要经常更新。图4描述了此任务中服务的可能实现。

为了研究此基于服务的RRT计划程序的优势,我们测试了三种版本的冲突检测服务,它们在服务和计划程序之间交换的信息量不同。最简单的冲突检测是通过Servicelinks方法实现的,该方法接收机械手的第i个连接的消息msg =(x,y,z,rx,ry,rz,i)描述3D位置(x,y,z)和欧拉角(rx,ry,rz)。该服务计算第i个连接与障碍物之间的碰撞检测,并将结果报告为0或1。要确定整个机器人的碰撞检测,该服务必须调用n次,这需要传输n·(6 ·8 1)= 49n个字节(假设索引i为1字节长,其他值是8字节长的两倍)。

Servicelinks的缺点是计划程序和服务之间需要传输大量消息。为了减少消息量,第二种方法称为Servicearm,可一次接收所有n条连接的3D位置和方向,msg =(xi,yi,zi,rx,i,ry,i,rz,i)。该服务在内部遍历所有链接,并检查它们是否与障碍物碰撞。这需要传输6n·8 = 48n个字节。

为了减少需要在计划程序和冲突检测服务之间交换的消息的长度,Serviceangles由配置q直接调用以测试冲突,因此消息为m

剩余内容已隐藏,支付完成后下载完整资料


资料编号:[239267],资料为PDF文档或Word文档,PDF文档可免费转换为Word

原文和译文剩余内容已隐藏,您需要先支付 30元 才能查看原文和译文全部内容!立即支付

以上是毕业论文外文翻译,课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。