一种工业机器人控制系统及机器人控制方法与流程

本发明涉及工业机器人控制，具体涉及一种工业机器人控制系统及机器人控制方法。

背景技术：

1、工业机器人控制是指通过各种技术手段和方法，来实现对工业机器人运动、操作和行为的精确控制和管理。工业机器人通常由多个关节组成，每个关节通过电机或液压系统驱动，可以实现复杂的三维空间运动。控制系统主要包括运动控制、路径规划、姿态控制、速度和加速度控制等方面。通过传感器、控制器和执行机构的协调工作，工业机器人能够执行精确的任务，例如焊接、喷涂、搬运、组装等。控制系统还需要处理环境变化、障碍物避让和与其他设备的协同工作，以确保机器人的高效、安全运行。

2、工业机器人控制系统的核心是控制算法和软件，通常基于先进的控制理论和计算机技术。这些控制算法可以分为开环控制和闭环控制两大类。开环控制依赖于预定的指令和模型，而闭环控制则利用传感器反馈来实时调整机器人的行为，从而实现更高的精度和适应性。此外，随着人工智能和机器学习技术的进步，现代工业机器人控制系统还引入了智能控制方法，使机器人能够学习和适应新的环境和任务。通过这种先进的控制技术，工业机器人不仅提高了生产效率和产品质量，还显著降低了人工成本和劳动强度，推动了工业自动化和智能制造的发展。

3、对工业焊接机器人进行焊接控制时，需要对焊头进行精确控制，焊头的控制是指在工业机器人进行焊接操作时，对焊头的位置、姿态、运动轨迹、焊接参数（如电流、电压、焊接速度等）进行精确控制。其作用是确保焊头在焊接过程中能够准确到达指定位置，保持正确的焊接角度和距离，从而实现高质量、稳定的焊接效果。这种控制不仅能提高焊接的精度和一致性，减少焊接缺陷，还能适应不同的焊接材料和复杂的焊接环境，显著提高生产效率和产品质量。

4、现有技术存在以下不足：

5、现有技术在对工业焊接机器人的焊头进行控制时，焊头控制出现异常通常无法及时发现，由于工业生产中通常采用批量焊接和批量检查的方式，这意味着在焊接过程中可能存在多个产品已经完成了焊接操作，但焊接质量尚未经过检测，如果焊头控制异常没有被及时检测和纠正，这些产品的焊接质量很可能不符合标准，导致整批产品不合格，这样的情况不仅会造成材料和时间的浪费，还可能带来严重的经济损失和生产延误。

6、在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本发明的目的是提供一种工业机器人控制系统及机器人控制方法，通过实时获取焊接控制信息，结合机器学习模型分析特征参数，及时识别焊接过程中的潜在异常，如果检测到异常，通过图像传感器获取和比对焊接痕迹，生成相似度差异指数，并与参考阈值比对，判断异常对焊接质量的影响，若相似度差异指数超出阈值，则标记为低质量焊接，停止操作并维护，确保高质量焊接和生产稳定性，以解决上述背景技术中的问题。

2、为了实现上述目的，本发明提供如下技术方案：一种工业机器人控制方法，包括以下步骤：

3、在工业焊接机器人进行焊头控制时，通过传感器和控制器实时获取焊接过程的控制信息，并将获取的信息传输到中央控制系统中；

4、对获取的信息进行数据整理，并对整理后的信息进行特征提取，再对提取的特征进行异常分析处理，随后将提取的特征输入预先训练好的机器学习模型进行分析，判断当前焊接过程是否存在潜在异常；

5、若模型判断焊接过程中存在潜在异常，通过图像传感器获取焊接系统获取上一次焊接时的焊接痕迹和当前焊接时的焊接痕迹；

6、通过图像处理技术比较上一次焊接痕迹与当前焊接痕迹的差异，对当前焊接痕迹的质量进行评估；

7、基于比对分析的结果，判断焊接过程出现的潜在异常是否对焊接质量造成了影响，如果比对结果显示焊接痕迹存在明显差异且影响焊接质量，则判定潜在异常对焊接过程有负面影响，停止焊接过程并对工业焊接机器人进行维护管理，如果比对结果显示焊接痕迹不存在明显差异，则判定异常对焊接质量没有实质性影响，继续进行焊接工作。

8、优选的，对整理后的信息进行特征提取，其中，提取的特征包括焊接过程中的热量输入、焊丝送丝速度以及焊接速度，提取后，对焊接过程中的热量输入进行异常分析处理生成热量输入不均匀指数，对焊丝送丝速度和焊接速度进行异常分析处理生成焊丝送丝速度一致性指数。

9、优选的，将异常分析处理后的热量输入不均匀指数和焊丝送丝速度一致性指数输入预先训练好的机器学习模型中，通过模型生成焊接系数，通过焊接系数判断当前焊接过程是否存在潜在异常。

10、优选的，对焊接过程中的热量输入进行分析处理生成热量输入不均匀指数的具体步骤如下：

11、在一次焊接过程中，获取焊接电流随时间的变化函数和焊接电压随时间的变化函数，并计算瞬时热输入功率，表示t时刻的热输入，计算的表达式为：；

12、计算一次焊接过程中的累积热输入能量，表示在t时刻的累积热输入能量，计算的表达式为：，式中，和分别表示一次焊接过程的起始时间和终点时间，到之间的时间段为一次焊接过程的总时长；

13、计算热输入密度，表示在t时刻的热输入密度，计算的表达式为：，式中，表示在t时刻的累计焊接长度，计算的表达式为：，其中，表示焊接速度随时间的变化函数；

14、计算局部热输入不均匀性，计算的表达式为：，式中，表示热输入密度变化率，，表示在时刻的局部热输入不均匀性，表示在时刻的热输入密度变化率，n表示时间点的总数量；

15、计算热量输入不均匀指数，计算的表达式为：，式中，表示热量输入不均匀指数。

16、优选的，对焊丝送丝速度和焊接速度进行异常分析处理生成焊丝送丝速度一致性指数的具体步骤如下：

17、在一次焊接过程中，实时采集焊丝送丝速度数据，将焊丝送丝速度随时间的变化函数进行表示；

18、计算每个时刻的焊丝送丝速度与焊接速度的差异，计算的表达式为：；

19、对速度差异的绝对值进行积分，计算一次焊接过程中的总差异d，计算的表达式为：，式中，t为一次焊接时长的总长度；

20、计算焊丝送丝速度一致性指数，计算的表达式为：，式中，表示归一化后的总差异，，，，，表示焊丝送丝速度一致性指数。

21、优选的，将工业焊接机器人进行一次焊接时生成的焊接系数与预先设定的焊接系数参考阈值进行比对分析，判断当前焊接过程是否存在潜在异常，判断的过程如下：

22、若焊接系数大于等于焊接系数参考阈值，则将工业焊接机器人焊接时的过程标记为潜在异常；

23、若焊接系数小于焊接系数参考阈值，则将工业焊接机器人焊接时的过程标记为高效焊接。

24、优选的，当焊接过程中存在潜在异常时，对上一次焊接时的焊接痕迹和当前焊接时的焊接痕迹进行相似度分析，生成相似度差异指数，通过相似度差异指数对当前焊接痕迹的质量进行评估。

25、优选的，相似度差异指数生成的步骤如下：

26、在焊接过程开始前后，通过图像传感器获取上一次焊接时的焊接痕迹图像和当前焊接时的焊接痕迹图像；

27、对采集到的图像进行预处理，包括灰度化、去噪和边缘检测；

28、使用形状描述子来从预处理后的图像中提取焊缝形状特征；

29、使用采用余弦相似度计算上一次焊接痕迹图像与当前焊接痕迹图像之间的余弦相似度，计算的表达式为：，其中，和分别是上一次焊接痕迹图像和当前焊接痕迹图像的特征向量分量，n是特征向量的维度，表示上一次焊接痕迹图像与当前焊接痕迹图像之间的余弦相似度；

30、根据余弦相似度计算结果，生成相似度差异指数，生成的表达式为：，式中，表示相似度差异指数，表示权重因子，用于调整相似度差异指数的敏感度。

31、一种工业机器人控制系统，包括数据采集模块、数据处理与异常检测模块、图像采集模块、图像分析与质量评估模块以及质量判断与维护模块；

32、数据采集模块，在工业焊接机器人进行焊头控制时，通过传感器和控制器实时获取焊接过程的控制信息，并将获取的信息传输到中央控制系统中；

33、数据处理与异常检测模块，对获取的信息进行数据整理，并对整理后的信息进行特征提取，再对提取的特征进行异常分析处理，随后将提取的特征输入预先训练好的机器学习模型进行分析，判断当前焊接过程是否存在潜在异常；

34、图像采集模块，若模型判断焊接过程中存在潜在异常，通过图像传感器获取焊接系统获取上一次焊接时的焊接痕迹和当前焊接时的焊接痕迹；

35、图像分析与质量评估模块，通过图像处理技术比较上一次焊接痕迹与当前焊接痕迹的差异，对当前焊接痕迹的质量进行评估；

36、质量判断与维护模块，基于比对分析的结果，判断焊接过程出现的潜在异常是否对焊接质量造成了影响，如果比对结果显示焊接痕迹存在明显差异且影响焊接质量，则判定潜在异常对焊接过程有负面影响，停止焊接过程并对工业焊接机器人进行维护管理，如果比对结果显示焊接痕迹不存在明显差异，则判定异常对焊接质量没有实质性影响，继续进行焊接工作。

37、在上述技术方案中，本发明提供的技术效果和优点：

38、本发明通过在工业焊接机器人进行焊头控制时，实时获取焊接过程的控制信息，结合预先训练好的机器学习模型对特征参数进行分析，可以及时识别焊接过程中的潜在异常，若发现潜在异常，则进一步通过图像传感器获取焊接痕迹，进行详细的比对和评估，此过程确保在焊接过程中，能够及时发现和标记潜在的异常情况，防止未检测到的异常影响后续批量生产中的焊接质量，从而提高了整体焊接过程的可靠性和一致性。

39、本发明在识别出焊接过程中存在潜在异常时，通过图像传感器获取上一次焊接痕迹和当前焊接痕迹，并利用图像处理技术进行详细的相似度分析，生成相似度差异指数，将相似度差异指数与预先设定的参考阈值进行比对，可以准确判断焊接过程中潜在异常是否对焊接质量造成了影响，若相似度差异指数超出阈值，则标记当前焊接痕迹为低质量焊接，及时停止焊接过程并进行维护管理，防止不合格产品进入后续生产环节，若相似度差异指数在阈值范围内，则表明焊接质量未受异常影响，可以继续进行焊接操作，从而通过对比焊接痕迹，提供了一个精确的质量评估手段，确保了焊接产品的高质量和生产过程的稳定性。