[发明专利]一种反馈式自学习工业机器人及工作方法

说明书

技术领域

本发明涉及工业机器人领域，具体为一种反馈式自学习工业机器人及工作方法。

背景技术

传统工业机器人主要通过预编程的方法来控制机器人的运动，实现重复工作。如果没有事先定义和编程相关任务，机器人将无法作出相应判断和工作。在此基础上，通过标定机器人的视觉传感器（眼）以及机器人的末端执行器（手）之间的关系，即手眼关系，再结合图像处理的方法实现自动工作的自动手眼机器人得到广泛应用和发展。这种机器人适用于已知物体形态的夹取、搬运等工作，无法自动学习和对未知物体进行操作。

发明内容

本发明的目的在于提供一种反馈式自学习工业机器人及工作方法，具有可以自动学习和对未知物体进行操作的优点，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种反馈式自学习工业机器人，包括机器人主体、机器人关节、机器人末端执行器、压力传感器、基座、视觉传感器、支架和机器人底座，机器人底座固定连接在基座上，机器人底座通过机器人关节连接机器人主体，机器人主体的末端设置有机器人末端执行器，机器人末端执行器上安装有压力传感器，基座上还固定连接有支架，支架的顶部固定安装有视觉传感器。

优选的，机器人末端执行器上安装有末端执行装置。

一种反馈式自学习工业机器人的工作方法，工作流程包括：

步骤1：构建神经网络，为机器人位姿信息、在图像上物体的中心坐标、压力传感器数据作为神经网络输入节点，执行成功与否作为神经网络输出节点，合适的隐层节点数目；

步骤2：由视觉传感器采集图像；

步骤3：再对图像进行处理，分割边缘和目标，得到目标相关坐标信息如中心坐标；

步骤4：接着控制机器人执行相关动作，若机器人执行动作成功，其压力传感器将会传送相应数据到上位机，否则，执行失败；

步骤5：将此时的位姿信息、图像处理结果、执行结果等信息送入到神经网络输入输出，同时，反馈执行结果和坐标信息到机器人；

步骤6：机器人根据反馈的执行信息，适当调整位姿；

步骤7：重复步骤5和6，直至末端执行成功；

步骤8：训练神经网络；

步骤9：多次执行步骤2至步骤8，直至神经网络收敛，获得位姿和处理成功时物体位置、压力传感器状态等的相关关系，机器人自学习完成；

步骤10：完成自学习后，根据神经网络结果执行相关工作。

与现有技术相比，本发明的有益效果是：本发明的反馈式自学习工业机器人及工作方法，通过压力传感器数据判断末端执行成功与否为自学习神经网络提供了学习结果依据，为工业机器人的自学习提供了学习途径，采用反馈式方式，根据图像处理结果，自动调整机器人位姿，解决了自动化学习中的位姿控制问题。整个过程中，不需要标定摄像头以及机器人的手眼关系，其中的相关关系由神经网络的隐层所描述。可以自适应未知物体的相关任务，应用范围大大增加。

附图说明

图1为本发明的整体结构示意图；

图2为本发明的工作流程图。

图中：1机器人主体、2机器人关节、3机器人末端执行器、4压力传感器、5基座、6视觉传感器、7支架、8机器人底座。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行亲楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参阅图1-2，本发明提供一种技术方案：一种反馈式自学习工业机器人，包括机器人主体1、机器人关节2、机器人末端执行器3、压力传感器4、基座5、视觉传感器6、支架7和机器人底座8，机器人底座8固定连接在基座5上，机器人底座8通过机器人关节2连接机器人主体1，控制机器人的坐姿，机器人主体1的末端设置有机器人末端执行器3，机器人末端执行器3上安装有压力传感器4，压力传感器4用于检测是否抓取已知物体，机器人末端执行器3上安装有末端执行装置如抓手，基座5上还固定连接有支架7，支架7的顶部固定安装有视觉传感器6，视觉传感器6可以观测到机器人末端执行器3的工作范围之内。

一种反馈式自学习工业机器人的工作方法，工作流程包括：

步骤1：构建神经网络，为机器人位姿信息、在图像上物体的中心坐标、压力传感器4数据作为神经网络输入节点，执行成功与否作为神经网络输出节点，合适的隐层节点数目；