(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210561485.6 (22)申请日 2022.05.23 (71)申请人 湘潭大学 地址 411105 湖南省湘潭市雨湖区湘潭大 学 (72)发明人 李明富　杨承霖　张黎明　赵文权　 罗威　 (51)Int.Cl. B25J 9/22(2006.01) B25J 9/16(2006.01) (54)发明名称 一种基于六维力传感器信息学习的工业机 器人示教方法 (57)摘要 本发明公开了一种基于六维力传感信息学 习的工业机器人示教方法， 属于智能制造领域。 本发明通过机器学习的方法， 以六轴协作机器人 示教过程中末端受力情况为输入， 末端速度为输 出训练神经网络， 并将完成训练的神经网络应用 到工业机器人示教过程中， 让工业机器人末端具 备协作机器人末端的运动特性。 通过本发明可以 实现通过拖动工业机器人末端进行示教， 改善了 工业机器人示教过程中人机交互性差和示教过 程繁琐的问题。 权利要求书2页 说明书5页 CN 115157273 A 2022.10.11 CN 115157273 A 1.一种基于六维力传感信息学习的工业机器人示教方法， 其特 征在于， 包括以下步骤： 步骤1、 配备两台机器人设备， 分别为六轴工业机器人和六轴协作机器人， 六轴工业机 器人末端和六轴协作机器人末端均连接六维力传感器； 步骤2、 建立神经网络模型， 并通过对六轴协作机器人的多次示教获得机器人末端运动 特性库， 并利用该运动特性库对所建立的神经网络模型进行训练， 具体步骤如下： 步骤2a、 设置 六轴协作机器人示教采样周期 T1， 并由操作者拖动六轴协作机器人末 端进 行示教， 示教过程中， 每个采样周期， 对六轴协作机器人关节角信号和末端的六维力信息采 样一次， 直至 完成一次示教任务； 步骤2b、 重复执行步骤2a， 完成多次示教任务， 获得六轴协作机器人的多次示教任务所 对应的关节角数据和末端力传感器数据； 步骤2c、 使用贝塞尔曲线对所获得的所有力传感器数据进行预处理， 得到平滑力数据 以及各个采样周期的力增量数据； 并通过正运动学计算出六轴协作机器人的末端位姿及其 对应采样周期的末端速度； 步骤2d、 建立机器人末端运动特性库， 该运动特性库由步骤2c中获得的平滑力数据、 各 个采样周期的力增量数据和末端速度构成； 步骤2e、 构建以力传感器数据、 各个周期力增量数据为输入， 以末端速度为输出的神经 网络； 并使用步骤2d建立的运动特性库中的数据对神经网络进行训练， 得到最终回归 模型； 步骤3、 将训练得到的最终回归模型应用到六轴工业机器人示教过程中， 具体步骤如 下： 步骤3a、 设置六轴工业机器人示教采样周期T2， 并由操作者拖动六轴工业机器人末端， 同时由末端连接的六维力传感器实时采集末端六维力 信息； 步骤3b、 在 每个采样周期T2内， 对采集到的末端六维力信息fe进行处理并生成末端驱动 力Fd和各个采样周期的力增量， 并将其实时输入到所述的最终回归模型中， 输出为每个采 样周期T2对应的六轴工业机器人末端期望 速度； 步骤3c、 利用所获得的六轴工业机器人末端期望速度， 对六轴工业机器人末端的期望 位姿进行求解， 最后通过逆运动学求 解， 完成一次步进运动； 步骤3d、 重复步骤3b和3 c， 直至操作者停止拖动六轴工业机器人末端， 示教完成。 2.根据权利要求1中所述的一种基于六维力传感信息学习的工业机器人示教方法， 其 特征在于： 所述步骤2c中， 使用贝塞尔曲线对 所获得的所有力 传感器数据进 行预处理， 具体 方法为， 将力传感器数据代入n次贝塞尔曲线公式， n为示教过程总时长S与采样周期T1的 商， 得到贝塞尔曲线， 则处理后的第i个样本点平滑力数据 其中i是取值 范围为[0， S/T1]的整数。 3.根据权利要求1中所述的一种基于六维力传感信息学习的工业机器人示教方法， 其 特征在于： 所述步骤3b中， 对采集到的末端六维力信息fe进行处理并生成末端驱动力Fd和各 个采样周期的力增量， 具体方法为， 采用一个 分段函数H(fe)对末端驱动力Fd进行映射， 即Fd ＝H(fe)， 其中， H(fe)表达式如下： 权　利　要　求　书 1/2 页 2 CN 115157273 A 2其中， KP为增益系 数， 其取值范围为(0， +∞)； Kt为运动阈值， 其取值与步骤2c中平滑力 的最大值有关。 4.根据权利要求1中所述的一种基于六维力传感信息学习的工业机器人示教方法， 其 特征在于： 所述步骤3c中， 对 六轴工业机器人末端的期望位姿进 行求解， 具体为， 将k时刻的 期望位姿 表示为k‑1时刻估计的末端位姿Pk‑1和k时刻六轴工业机器人末端位姿变化量 ΔPk之和， 如式(3)； 而k ‑1时刻的估计末端位姿Pk‑1， 则用k‑1时刻的期望位姿 与k‑1时 刻的测量位姿Zk‑1进行表征， 如式(1)， 其中， kw为置信度系 数， 取值范围为[0， 1]， 置信度越 接近0， 表明期 望位姿越 可信， 置信度越接近1， 表明测量位姿越可信； k时刻六轴工业机器人 末端位姿变化量ΔPk可由式(2)求解， 其中vk与vk‑1分别为k时刻与k ‑1时刻最终回归模型输 出的六轴工业机器人末端速度， 采样周期T2为已知量； 以上 过程的数 学模型如下： ΔPk＝(vk+vk‑1)·T2/2              (2) 在实际示教过程中， 首先获得k ‑1时刻的期望位姿 与测量位姿Zk‑1， 计算出k ‑1时刻 的估计末端位姿Pk‑1； 然后对k时刻采集的六轴工业机器人末端的六维力 传感器信号进 行处 理， 得到末端驱动力Fd后将其输入最终回归模型得到六轴工业机器人末端速度vk， 计算出k 时刻六轴工业机器人末端位姿变化量ΔPk； 将k‑1时刻的估计末端位姿Pk‑1与k时刻六轴工 业机器人末端位姿 变化量ΔPk相加， 得到k时刻的期望 位姿 完成一次迭代； 再重复以上步 骤， 直到示教结束， 逐次计算Pk， Pk+1…Pn， 其中n为示教过程中采样周期的个数。权　利　要　求　书 2/2 页 3 CN 115157273 A 3