[发明专利]一种工业机器人在线轨迹预测的运行监测系统及其监测方法

说明书

本发明公开了一种工业机器人在线轨迹预测的运行监测系统及其监测方法，本发明针对工业机器人历史位姿数据建立了长短期记忆网络模型，重点关注了工业机器人在线轨迹预测与运行状况监测问题；所建立的预测模型可有效解决工业机器人运行位姿数据的非线性与动态性问题，使得运行状态监测的结果更加精确、可靠；本发明将工业机器人的未来时刻位姿坐标作为模型的预测输出，实现长短期记忆网络建模与非线性动态轨迹预测，用于监测工业机器人的实时运行状况。

技术领域

本发明涉及工业机器人控制技术领域，具体为基于长短期记忆网络的一种工业机器人在线轨迹预测的运行监测系统及其监测方法。

背景技术

随着生产自动化与智能化技术的不断发展，工业机器人在制造业中的使用比重日益提升。在工业机器人的应用过程中，如何保证其运行的可靠性与安全性，成为当前相关领域的一项研究热点；目前，针对工业机器人的运行状态监测以基于数据驱动的故障检测和故障诊断为主，例如华南理工大学陈世健提出了基于模糊理论的工业机器人故障诊断专家系统；然而，此类方法主要考虑了工业机器人本身的运行状态监测问题，而针对运行轨迹的实时状态和监测问题关注较少。

为了将在线运行轨迹纳入工业机器人运行状态监测范畴，可通过预测未来时刻位姿坐标作为工业机器人运行状态的输出指标，通过在线回归预测提升工业机器人运行状态监测的可靠性；其中，基于数据驱动的在线回归预测方法目前以偏最小二乘法(PartialLeast Squares,PLS)及其改进方法最为常用；此类方法利用离线历史数据建立一般运行变量与质量变量之间的偏最小二乘模型，用于在线运行阶段的实时预测与监测；然而，此类方法往往基于运行数据是线性与非动态等理想假设，或只解决了其中一种特性对建模带来的影响，难以解决工业机器人非线性动态数据的建模与监测问题。

发明内容

本发明的目的在于提供工业机器人在线轨迹预测的运行监测系统及其监测方法，具体将通过采集工业机器人关键部位的历史位姿数据，建立基于历史位姿矩阵的长短期记忆网络回归模型，最终实现工业机器人的非线性动态在线轨迹预测与运行状况监测。

为实现上述目的，本发明提供如下技术方案，

一种工业机器人在线轨迹预测的运行监测系统，具体包括：

数据采集单元，包括设在工业机器人机体各部位的位置传感器，用于采集工业机器人的位姿数据；

数据处理单元，包括处理器，用于将采集得到的工业机器人位姿数据进行建模和实时轨迹预测，并计算得出下一时刻的预测位姿坐标；具体包括：

通过位置传感器以固定的评论采集各部位的于历史位姿坐标数据集，基于历史位姿坐标数据集建立长短期记忆网络的预测模型，并通过基于时间的反向传播算法计算预测模型的各项参数；通过位置传感器以与离线数据采集相同的频率采集工业机器人各部位的位姿数据，得到工业机器人各部位在线位姿矩阵；利用过去时刻的在线位姿数据递推计算得到上一时刻的网络输出预测向量，结合当前时刻的位姿数据通过已建立的长短期记忆网络模型计算出当前时刻的网络输出预测向量，即下一时刻的工业机器人预测位姿坐标；

监测与报警单元：包括指示灯、蜂鸣器，用于比较历史数据与预测结果的偏差，在偏差超出允许范围之后通过指示灯和蜂鸣器进行实时报警；

数据处理单元分别与数据采集单元和监测与报警单元电连接。

一种如上述的基于长短期记忆网络的工业机器人在线轨迹预测的运行监测方法，包括设在工业机器人机体各部位的位置传感器，包括如下步骤：

S1.离线数据采集，通过位置传感器以固定频率采集各部位的位姿数据，得到工业机器人各部位t时刻的历史位姿矩阵其中，k＝1,2,...,K表示传感器的序号，t＝1,2,...,T表示时间标签，则t时刻的工业机器人历史位姿矩阵表示为x_t＝[T_1,t,T_2,t,...,T_K,t]，其中