基于混合现实和数字孪生的人机协作安全控制方法及装置
- 国知局
- 2024-08-22 15:08:11
本发明涉及人机协同智能制造装配,尤其涉及的是一种基于混合现实和数字孪生的人机协作安全控制方法及装置。
背景技术:
1、工业机器人作为现代制造业的重要支撑技术和生产装备,广泛应用于机械加工、焊接和搬运等环节。随着技术的发展,尽管预编程机器人具有高自动化效率,但其配置时间长且缺乏柔性,难以适应定制化生产的要求。协作机器人突破了传统的人机隔离工作模式,实现了人机共享工作空间,从而促进人机共融。在实现人机协作之前,确保操作员安全是首要任务,以避免意外碰撞。随着生产制造规模和复杂性的增加,传统基于固定规则的机器人安全防护控制策略已无法满足当前的安全需求。
2、目前,研究学者开始将增强现实技术和深度强化学习应用于人机交互中,主要是利用物联网的增强现实技术将虚拟信息叠加在真实世界的视野中,增强人对现场环境的感知和认知能力,并通过深度强化学习算法进行路径规划和障碍规避,来提高机器人的认知决策能力,但是存在人机交互的安全性无法得到保障的缺陷。
技术实现思路
1、鉴于上述现有技术的不足,本发明的目的在于提供一种基于混合现实和数字孪生的人机协作安全控制方法及装置,旨在解决现有技术中存在的缺乏能够人机双向协同的安全交互策略的问题。
2、为了实现上述目的,本发明第一方面提供一种基于混合现实和数字孪生的人机协作安全控制方法,包括:
3、获取物理机器人的第一姿态信息,以及获取虚拟机器人的第二姿态信息;
4、基于所述第一姿态信息和所述第二姿态信息,将所述物理机器人和所述虚拟机器人进行位姿配准,获得配准结果矩阵;
5、基于所述配准结果矩阵和预设的人机工作区域,利用强化学习进行路径规划,确定人机协同运动路径;
6、基于所述人机协同运动路径,执行人机协作安全控制动作。
7、在一种实施方式中,所述基于所述第一姿态信息和所述第二姿态信息,将所述物理机器人和所述虚拟机器人进行位姿配准,获得配准结果矩阵,包括:
8、基于所述第一姿态信息和所述第二姿态信息,计算姿态配准矩阵;
9、基于所述姿态配准矩阵,将所述物理机器人和所述虚拟机器人进行姿态配准和坐标系配准,获得配准结果矩阵。
10、在一种实施方式中,所述基于所述配准结果矩阵和预设的人机工作区域,利用强化学习进行路径规划,确定人机协同运动路径,包括:
11、基于预设的人机协同控制精度,构建若干环境锚点;
12、基于所有所述环境锚点和所述人机工作区域,计算所述物理机器人和所述虚拟机器人之间的距离;
13、基于所述距离,确定所述物理机器人运动执行的线速度;
14、基于所述线速度、深度强化学习原理和逆运动学原理进行路径规划,确定人机协同运动路径。
15、在一种实施方式中,所述基于预设的人机协同控制精度,构建若干环境锚点,包括:
16、基于预设的通讯频率,对所述物理机器人和所述虚拟机器人的协同工作状态进行定时轮询,确定当前协同工作状态;
17、获取当前环境锚点,基于所述当前协同工作状态和所述当前环境锚点,判定当前人机协同控制精度;
18、若所述当前人机协同控制精度满足所述预设的人机协同控制精度,构建若干环境锚点。
19、在一种实施方式中,所述基于所述线速度、深度强化学习原理和逆运动学原理进行路径规划,确定人机协同运动路径,包括:
20、基于所述线速度、深度强化学习原理和逆运动学原理解算出关节角速度,并利用所述关节角速度以及预设的目标姿态,生成所述物理机器人的运动轨迹;
21、基于所述物理机器人的运动轨迹,计算所述物理机器人的关节空间组合序列;
22、将所述关节空间组合序列映射到所述虚拟机器人的关节空间,确定所述虚拟机器人的关节空间组合序列;
23、基于所述虚拟机器人的关节空间组合序列,确定所述虚拟机器人的运动路径;
24、基于所述物理机器人的运动轨迹和所述虚拟机器人的运动路径,确定人机协同运动路径。
25、在一种实施方式中,所述基于所述虚拟机器人的关节空间组合序列,确定所述虚拟机器人的运动路径,包括:
26、基于所述虚拟机器人的关节空间组合序列,解算所述虚拟机器人的关节运动值;
27、基于所述关节运动值和所述人机工作区域,确定所述虚拟机器人的运动路径。
28、在一种实施方式中,所述基于所述人机协同运动路径,执行人机协作安全控制动作,包括:
29、若所述人机协同运动路径不满足预设的运动安全标准或所述人机协同控制精度中的至少一种,则重新构建若干新的环境锚点,并基于所述新的环境锚点执行路径规划的过程,直至所述人机协同运动路径满足预设的运动安全标准及所述人机协同控制精度,执行人机协作安全控制动作。
30、本发明第二方面提供一种基于混合现实和数字孪生的人机协作安全控制装置,所述系统包括:
31、信息获取模块,用于获取物理机器人的第一姿态信息,以及获取虚拟机器人的第二姿态信息;
32、配准模块,用于基于所述第一姿态信息和所述第二姿态信息,将所述物理机器人和所述虚拟机器人进行位姿配准,获得配准结果矩阵;
33、人机协同路径规划模块,用于基于所述配准结果矩阵和预设的人机工作区域,利用强化学习进行路径规划,确定人机协同运动路径;
34、控制执行模块,用于基于所述人机协同运动路径,执行人机协作安全控制动作。
35、本发明第三方面提供一种智能终端,所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基于混合现实和数字孪生的人机协作安全控制程序,所述基于混合现实和数字孪生的人机协作安全控制程序被所述处理器执行时实现任意一项上述基于混合现实和数字孪生的人机协作安全控制方法的步骤。
36、本发明第四方面提供一种计算机可读存储介质,所述计算机可读存储介质上存储有基于混合现实和数字孪生的人机协作安全控制程序,所述基于混合现实和数字孪生的人机协作安全控制程序被处理器执行时实现任意一项上述基于混合现实和数字孪生的人机协作安全控制方法的步骤。
37、与现有技术相比,本方案的有益效果如下:
38、本发明通过精确测量人机距离和速度,利用视觉辅助技术实现安全区域的动态可视化操作,提升操作安全性;通过虚实空间映射的方法,将物理机器人的关节空间组合序列映射到虚拟机器人所在的动作空间,实现了人机双向协同的安全交互策略,利用虚拟机器人实现对实际操作的运动预览和碰撞检测,确保物理机器人动作的安全性和有效性;通过深度强化学习算法驱动机器人能够自主识别并主动避开潜在障碍,保障人机协作的安全性和流畅性。
技术特征:1.基于混合现实和数字孪生的人机协作安全控制方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于混合现实和数字孪生的人机协作安全控制方法,其特征在于,所述基于所述第一姿态信息和所述第二姿态信息,将所述物理机器人和所述虚拟机器人进行位姿配准,获得配准结果矩阵,包括:
3.根据权利要求1所述的基于混合现实和数字孪生的人机协作安全控制方法,其特征在于,所述基于所述配准结果矩阵和预设的人机工作区域,利用强化学习进行路径规划,确定人机协同运动路径,包括:
4.根据权利要求3所述的基于混合现实和数字孪生的人机协作安全控制方法,其特征在于,所述基于预设的人机协同控制精度,构建若干环境锚点,包括:
5.根据权利要求3所述的基于混合现实和数字孪生的人机协作安全控制方法,其特征在于,所述基于所述线速度、深度强化学习原理和逆运动学原理进行路径规划,确定人机协同运动路径,包括:
6.根据权利要求5所述的基于混合现实和数字孪生的人机协作安全控制方法,其特征在于,所述基于所述虚拟机器人的关节空间组合序列,确定所述虚拟机器人的运动路径,包括:
7.根据权利要求3所述的基于混合现实和数字孪生的人机协作安全控制方法,其特征在于,所述基于所述人机协同运动路径,执行人机协作安全控制动作,包括:
8.基于混合现实和数字孪生的人机协作安全控制装置,其特征在于,所述装置包括:
9.智能终端,其特征在于,所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基于混合现实和数字孪生的人机协作安全控制程序,所述基于混合现实和数字孪生的人机协作安全控制程序被所述处理器执行时实现如权利要求1-7任意一项所述基于混合现实和数字孪生的人机协作安全控制方法的步骤。
10.计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有基于混合现实和数字孪生的人机协作安全控制程序,所述基于混合现实和数字孪生的人机协作安全控制程序被处理器执行时实现如权利要求1-7任意一项所述基于混合现实和数字孪生的人机协作安全控制方法的步骤。
技术总结本发明提供的基于混合现实和数字孪生的人机协作安全控制方法及装置,具体涉及人机协同智能制造装配技术领域,方案包括:获取物理机器人的第一姿态信息,以及获取虚拟机器人的第二姿态信息;基于第一姿态信息和所述第二姿态信息,将物理机器人和虚拟机器人进行位姿配准,获得配准结果;基于配准结果和预设的人机工作区域深度结合强化学习进行路径规划,确定人机协同运动路径;基于人机协同运动路径,执行人机协作安全控制动作。该方案利用混合现实设备提取人机姿态信息,通过虚实空间映射的方法实现了人机位姿配准,并设计了基于深度强化学习的人机双向协同的安全交互策略,有效提高了人机交互操作的安全性和有效性。技术研发人员:郑湃,李成熙受保护的技术使用者:香港理工大学深圳研究院技术研发日:技术公布日:2024/8/20本文地址:https://www.jishuxx.com/zhuanli/20240822/281315.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。