第8章 設備級決策

第8章：設備級決策背景設備的定義：設備是具有不可分割性的信息物理系統(tǒng)最小單元，具備可感知、可分析、可交互、可決策的功能，每個設備都是一個可被識別、定位、訪問、聯(lián)網的信息載體。設備級決策包含內容：設備自適應控制，對設備中的各種不確定性，利用反饋控制產生的信號來自行改變工作方式、調整參數(shù)以適應差值變化的控制；設備預測性維護，對設備進行周期性或持續(xù)性的實時在線狀態(tài)監(jiān)測及故障預測，來預測設備狀態(tài)未來的發(fā)展趨勢，根據(jù)預測結果預先制定維護計劃，確定機器應該維護的時間、內容、方式、方法、必須的技術服務和物資支持；智能交互決策，將用戶的一些模糊行為習慣識別為具體準確的交互意圖，用戶通過自然的方式實現(xiàn)交互決策。第8章：8.1設備自適應控制六自由度機械臂自適應控制研究意義：隨著機器人在制造業(yè)中的廣泛使用，傷害工人的工業(yè)機器人事件屢見不鮮。如何在共享有限空間的前提下確保工人的安全成為機器人防撞技術的研究重點。因此，研究復雜環(huán)境下工業(yè)機器人的動態(tài)碰撞避免對提高工業(yè)機器人的安全性具有重要意義。章節(jié)意義：本章節(jié)以Func六自由度機械臂為研究對象，針對機械臂運行時障礙物避碰和目標追蹤問題，利用深度學習算法、雙目視覺空間定位技術、虛擬樣機技術對六自由度機械臂障礙物避碰和目標追蹤進行研究與分析。六自由度串聯(lián)工業(yè)機械臂三維模型第8章：8.1設備自適應控制六自由度機械臂自適應控制第一層：機械臂的主體由交流伺服電機驅動，其動力由第二層的伺服控制級傳遞。第二層：伺服控制層由交流電動機、伺服驅動器、串行卡等組成。電動機驅動器和控制器構成電流環(huán)、速度環(huán)、位置環(huán)實現(xiàn)對機械臂六個軸的控制。串行端口卡可以獲取驅動器編碼器的值。第三層：規(guī)劃控制級是嵌入式工控機通過總線連接到多通道串行端口卡和多軸運動控制器。其主要功能是初始化多軸運動控制器，并將軌跡規(guī)劃的結果傳送到多軸運動控制器。第四層：編程模塊是指基于仿真平臺對機械臂進行編程的部分。六自由度串聯(lián)工業(yè)機械臂控制系統(tǒng)架構第8章：8.1設備自適應控制機械臂工作空間上軌跡跟蹤控制1將工作空間中機械臂的最終位置從笛卡爾坐標轉換為每個關節(jié)的角位置（q1，q2，q3，q4，q5，q6），為機械臂的逆運動學問題。L1=Link('d',0,'a',0,'alpha',-pi/2)； L2=Link('d',1,'a',0,'alpha',pi/2)；L3=Link('theta',0,'a',0,'alpha',0)； L4=Link('d',0,'a',0,'alpha',-pi/2)；L5=Link('d',0,'a',0,'alpha',pi/2)； L6=Link('d',1,'a',0,'alpha',0)；myrob=SerialLink(L1L2L3L4LSL6)；

使用MATLAB的RoboticToolbox工具箱建立六自由度機械臂模型如下：參數(shù)d表示機械臂的各連桿偏移量，參數(shù)a表示機械臂各連桿的長度，而alpha表示機械臂的扭轉角。給定端從(x,y,z)=(0.2,11.5,0.97)到(x,y,z）=(0.5,13.8,1.2)的軌跡如圖所示。第8章：8.1設備自適應控制采用雙目視覺系統(tǒng)獲取目標的位置信息工業(yè)機器人的工作環(huán)境復雜多變，為了提高避免機械臂動態(tài)碰撞的準確性和可靠性，需要建立一種視覺系統(tǒng)來準確地檢測、識別和定位障礙物和目標。MaskR-CNN方法定義：卷積神經網絡中用于檢測和識別障礙物和目標，以像素分割為研究對象的卷積神經網絡的基礎上提出的一種神經網絡算法。特點：該方法模塊化了識別對象的特征，并大大提高了識別相似對象的能力，適合復雜多變的環(huán)境。然后利用雙目視覺的三維重構原理，對空間中的障礙物和目標進行定位，為機械臂避碰算法提供準確的坐標信息。實驗系統(tǒng)設計結構示意圖第8章：8.1設備自適應控制采用雙目視覺系統(tǒng)獲取目標的位置信息MaskR-CNN方法四個階段第一階段，提取樣本圖片，并使用卷積神經網絡獲取樣本特征，以獲取特征圖。第二階段，將提取的特征圖輸入到RPN(RegionProposalNetworks)中以生成目標候選區(qū)域。RPN網絡結構如圖所示。首先，滑動窗口對特征圖執(zhí)行卷積處理，特征圖的每個位置生成一個多維特征向量，并且每個相鄰的9個位置可以隨機形成候選窗口anchor。第三階段，通過RollAlign層處理獲得的候選區(qū)域，以獲得包含二進制掩碼的新特征。第四階段，使用帶有二進制掩碼的新功能實現(xiàn)目標分類的回歸和細分。RPN網絡結構示意圖第8章：8.1設備自適應控制AGV軌跡規(guī)劃自適應控制AGV軌跡規(guī)劃定義：AGV的軌跡跟蹤是指在一定的控制率下驅動小車跟蹤指令軌跡，保證跟蹤誤差和末端定位誤差?？刂撇呗裕翰捎靡郧梆伩刂茷橹?，反饋控制為輔助的控制策略。前饋控制用于執(zhí)行軌跡規(guī)劃參考指令，反饋控制用于減小系統(tǒng)模型不準、路面不平和帶來的誤差。前饋控制嚴重依賴于模型參數(shù)的準確性，而反饋控制對模型參數(shù)的依賴程度低，因其他擾動此兩者同時使用可以獲得較好的性能。驅動系統(tǒng)：主要包括驅動器、電機、編碼器、減速機、車輪。AGV硬件系統(tǒng)模型第8章：8.1設備自適應控制多自由度機械臂目標抓取自適應控制控制算法：采用了基于自建機械手的抓力模糊增量自適應控制算法，以提高機械手在實際工作中的抓力穩(wěn)定性控制。機械手抓取流程：在獲取目標物體的圖像的過程中，深度相機還獲取目標位置信息。通過坐標變換獲得機械臂的坐標空間中的位置信息。機械臂控制平臺結合空間環(huán)境信息和目標位置信息，計算出運動軌跡，將機械手移動到目標物體的位置，最后通過抓力控制，安全穩(wěn)定地抓取目標物體。目標抓取系統(tǒng)搭建原理圖第8章：8.1設備自適應控制多自由度機械臂目標抓取自適應控制RRT算法：RRT算法的中文全稱是快速搜索隨機樹算法。它使用隨機采樣的原理來檢測周圍環(huán)境中的碰撞并選擇無障礙運動環(huán)境，直到成功規(guī)劃運動軌跡為止。RRT算法流程圖如圖所示。第8章：8.1設備自適應控制多自由度機械臂目標抓取自適應控制1在Movelt！中通過Rviz可視界面將障礙物添加到機械臂的運動場景中，如圖所示。將桌面高度設置為0.6，將桌面的三維尺寸設置為[0.1，0.7，0.01]，并設置最終工具的三維工具尺寸為[0.2，0.02，0.02]，設置末端工具的位姿，將桌子添加到機械臂運動場景中，執(zhí)行避障運動路徑規(guī)劃，并在成功規(guī)劃后完成自主避障運動，最后在Rviz可視化界面中展示機械臂運動場景和障礙物情況，以及自主避障運動的執(zhí)行結果。通過Python編程在運動場景中添加障礙物，如圖所示。Rviz中添加障礙物到機械臂運動場景Python語言實現(xiàn)機械臂運動場景中添加障礙物第8章：8.1設備自適應控制多自由度機械臂目標抓取自適應控制實驗結論：通過實驗可以看出，六自由度機械臂和機械手的組合可以很好地完成目標抓取和抓取力的控制。抓取過程：第一步，深度相機可以在預設的物體信息數(shù)據(jù)庫中匹配并識別目標物體；第二步，機械臂可以移動到適合抓取目標物體的空間；第三步，機械臂通過與藍牙連接的移動應用程序執(zhí)行抓取動作；第四步，抓住目標物體之后，機械臂將規(guī)劃避障運動路徑，并通過避開障礙物完成目標物體的安全放置。第8章：8.2預測性維護預測性維護概述1預測性維護的定義預測性維護是以狀態(tài)為依據(jù)（ConditionBased）的維護。當機器或設備正在運行時，會對其主要組件進行定期或連續(xù)（在線）狀態(tài)監(jiān)視和故障預測來確定設備的狀態(tài)，預測設備狀態(tài)的未來發(fā)展趨勢，并根據(jù)設備狀態(tài)的發(fā)展趨勢和可能的故障模式提前制定預測性維護計劃，以確定機器應該維護的時間、內容和維護機器的方法并提供必要的技術服務和材料支持。1預測性維護作用通過預測性維護，可以對設備整個生命周期提供支撐、運行與維護增值服務；實現(xiàn)狀態(tài)監(jiān)控和故障診斷：通過智能化、組態(tài)化、模塊化的監(jiān)控裝置，實現(xiàn)設備和設施狀態(tài)參數(shù)的在線檢測、故障診斷、離線分析、報警和預警功能；實現(xiàn)遠程運維，建立長壽命的設備設施運維健康監(jiān)測服務體系，并通過基于測量的量化指標來確定維護優(yōu)先級；建立疲勞模型，評估結構性能預測結構的生命周期，估算結構整個生命周期的維修或維護成本，并執(zhí)行在線支持服務，通過設備跟蹤和網絡平臺進行遠程監(jiān)控。第8章：8.2預測性維護預測性維護架構預測性維護是一個在預定的時間點執(zhí)行維護任務，這個時間點設定在一個閾值內設備失去性能之前，并且維護活動是最具成本效益的時候。發(fā)展到現(xiàn)在，預測性維護基本上形成了如圖所示的技術體系。當前階段，除了預防性維護的技術以外，以可靠性為中心的維護。預測性維護技術體系第8章：8.2預測性維護預測性維護架構故障預測按功能分類：信號處理，進行數(shù)據(jù)預處理，如對缺失數(shù)據(jù)進行插值處理、數(shù)據(jù)異常值剔除、提取相關信號等；針對不同的信號類型的特點進行信號特征提取。狀態(tài)監(jiān)測，對特征信息進行實時監(jiān)測，為故障診斷、故障預測提供歷史監(jiān)測與統(tǒng)計數(shù)據(jù)。故障診斷，對故障信號進行離線或在線診斷，確定故障類型。故障預測，對關鍵參數(shù)進行時間序列上的故障預測，實現(xiàn)故障提前感知能力。維護決策，維護人員根據(jù)狀態(tài)監(jiān)測、健康評估和故障預測結果進行，評估和判定職能裝備的總體健康狀態(tài)，采取合適的維護策略進行維護。故障診斷過程第8章：8.2預測性維護預測性維護應用VMC1000立式加工中心：該設備為針對模具加工行業(yè)開發(fā)的數(shù)控加工中心。VMC1000立式加工中心設備特點：橫向大行程、高剛性，切削功率大，強力切削、低速高扭矩、恒功率范圍寬；采用全封閉罩防護，氣動換刀快速方便，主要構件剛度高；無齒輪傳動、噪聲低、振動小、熱變形??；能承受重負切削，具有良好的耐磨性和精度保持性；高速定位、高速進給振動小、低速無爬行、精度穩(wěn)定性高。技術參數(shù)單位參數(shù)值X軸行程mm1000Y軸行程mm600Z軸行程mm600主軸端到工作臺面距離mm600主軸最高轉速rpm12000/8000主軸電機功率kW7.5/11主軸扭矩n.m

快速速度X/Y/Zm/min36/36/30整機重量kg6500VM1000VM1000主要技術參數(shù)第8章：8.2預測性維護預測性維護應用1刀具磨損狀態(tài)準確識別刀具磨損狀態(tài)有助于使刀具利用率最大化，從而保證加工質量，降低生產成本。刀具壽命預測對加工零部件的尺寸精度和表面質量具有重大影響。1刀具壽命預測實驗的設置和傳感器的安裝在數(shù)控機床上安裝了2個三向振動加速度傳感器，分別記錄主軸振動與加工件的振動情況，安裝RFID傳感器用于記錄當前加工的工件標識，安裝智能電表記錄機床實時電流、電壓數(shù)據(jù)。刀具壽命預測實驗的設置和傳感器的安裝如右圖所示。刀具壽命預測設置第8章：8.2預測性維護預測性維護應用噪聲來源：從機床安裝的傳感器采集的數(shù)據(jù)為三向加速度，電流/電壓數(shù)據(jù)。采集的原始數(shù)據(jù)會與噪聲疊加，噪聲主要來自工頻信號，周期性干擾信號和隨機干擾信號，從而導致原始傳感器信號中出現(xiàn)較多毛刺。數(shù)據(jù)處理：為了消除信號中的趨勢項并減少干擾信號的影響，采用場景感知中的數(shù)據(jù)預處理方法，利用基于最小二乘法的三次多項式消除數(shù)據(jù)中的趨勢項。以x向的振動信號為例，消除趨勢向后的效果對比如圖所示。傳感器數(shù)據(jù)時域特征頻域特征X方向切削力RMS,平均值，峭度174Hz,521Hz,1042HzY方向切削力RMS,平均值，峭度347Hz,521.1Hz,1042HzZ方向切削力RMS,平均值，峭度521.1HzX方向振動RMS,平均值，峭度50.35Hz,521.1Hz,1042HzY方向振動RMS,平均值，峭度50.35Hz,521.1Hz,1042HzZ方向振動RMS,平均值，峭度50.35Hz,521.1Hz,1042Hz多項式消除數(shù)據(jù)趨勢向時域頻域提取的特征第8章：8.2預測性維護預測性維護應用RUL—融合算法預測得到的刀具最終磨損量當RUL，達到閾值時則進行刀具維護進行換刀或者是刀具的修磨，否則就更新刀具幾何模型的尺寸，并再次用融合型算法預測刀具的磨損量。基于粒子濾波的刀具融合型壽命預測結果如圖所示，使用單一預測方法如數(shù)據(jù)驅動和基于模型的方法時，預測值與實際值有較大誤差。當采用融合型算法時，預測值更接近實際值，誤差較小，實現(xiàn)了壽命預測精度的提高?；诹Ｗ尤旱毒邏勖A測流程第8章：8.2預測性維護預測性維護應用刀具壽命預測結果對比融合型壽命預測比單一方法誤差更小，融合的預測性維護方法克服了模型的不一致性和數(shù)據(jù)算法適應性差的缺點，從而提高了預測維護結果的精度。第8章：8.3智能交互決策基于人機協(xié)作的智能交互1人機協(xié)作—研究背景在工業(yè)中部署機器人會導致工人發(fā)生事故的風險上升，而越來越多的新型傳感器的出現(xiàn)，且在機器人上的應用使得工業(yè)機器人執(zhí)行任務的限制變小，從而人和機器人出現(xiàn)了更多的協(xié)作方式，也就誕生了人機協(xié)作這一概念。1人機協(xié)作—主要研究問題引入協(xié)作機器人的一大問題就是安全問題，如何讓機器人和協(xié)作者能在保證安全問的同時完成協(xié)作任務，是一個非常有意義的研究方向。1人機協(xié)作—研究現(xiàn)狀很多學者將不同傳感器用于機器人本體和人體上，來進行機器人和人的互相感知。一種收集環(huán)境中未知或不確定部分信息的方法是使用動作捕捉系統(tǒng)，利用這些信息，可以生成人類和機器人的模擬表示，利用這種模擬表示，可以估計出人的行為，進而得知人與機器人之間的距離，并將其納入碰撞前的策略中。第8章：8.3智能交互決策人機協(xié)作系統(tǒng)架構安全協(xié)作標準的分析和解讀傳統(tǒng)工業(yè)機器人方面，明確將安全標準區(qū)分為工業(yè)機器人和工業(yè)機器人系統(tǒng)。協(xié)作機器人方面，由于硬件上基本都具備力反饋控制，所以安全標準沒有重點強調機器人本體相關內容。本部分內容，基于標準中制定的機器人安全控制模式，結合多相機監(jiān)測系統(tǒng)，進行安全策略研究。采取的安全措施降低速度，使安全距離減小，滿足協(xié)作安全標準的最小距離要求。重新規(guī)劃選擇一條遵守最小安全協(xié)作距離的路徑，保持當前速度的情況下繼續(xù)運行。觸發(fā)強制停止指令，當人遠離機器人系統(tǒng)使得安全距離達標時，機器人恢復正常運動。人機協(xié)作系統(tǒng)RRT算法基本原理a)初始化起點??_????????初始化b)隨機選擇??_????????隨機撒點，選出一個??_????????c)選擇??_??????在??_????????和??_????????之間選擇一個??_??????，原來已經存在的x中找到離??_??????最近的點d)連結??_??????父節(jié)點連接??_??????，這個最近點作為??_??????的父節(jié)點e)碰撞檢測對于新找到的??_??????節(jié)點，需要做一次碰撞檢測，判斷機械臂處于此種狀態(tài)時是否會和環(huán)境中的障礙物產生碰撞。第8章：8.3智能交互決策人機協(xié)作系統(tǒng)架構——RRT算法RRT算法人機協(xié)作場景屬于動態(tài)環(huán)境，因此可以用基于RRT快速隨機擴展樹算法引入最小安全協(xié)作距離約束，實現(xiàn)機械臂自主避障。RRT算法原理圖第8章：8.3智能交互決策基于增強現(xiàn)實的智能交互——RRT算法和安全策略下的實時規(guī)劃1實時規(guī)劃—簡介在ROS中搭建仿真環(huán)境，Unity3D中進行可視化顯示。主要以簡化障礙物形式的方式來代替人手與機械臂進行任務交互，基于障礙物和機械臂當前的速度情況由安全距離公式計算最小安全協(xié)作距離，隨后根據(jù)RRT算法實時規(guī)劃，選擇適合的安全策略。1實時規(guī)劃—具體流程當人沒有進入到機械臂工作空間以內時，機械臂以既定的速度完成點到點的規(guī)劃;當人體進入到機械臂工作空間時，機械臂關節(jié)角速度迅速下降;當人體繼續(xù)接近時，機械臂開始根據(jù)RRT算法進行避障規(guī)劃;最終人體距離機械臂過近時，機械臂停止工作，各關節(jié)角速度變?yōu)?。機械臂有障礙物時的實時規(guī)劃第8章：8.3智能交互決策基于增強現(xiàn)實的智能交互1增強現(xiàn)實（AugmentedReality，簡稱AR）增強現(xiàn)實技術也被稱為擴增現(xiàn)實，AR增強現(xiàn)實技術將原本在現(xiàn)實世界的空間范圍中比較難以進行體驗的實體信息在電腦等科學技術的基礎上，實施模擬仿真處理，疊加將虛擬信息內容在真實世界中加以有效應用，并且在這一過程中能夠被人類感官所感知，從而實現(xiàn)超越現(xiàn)實的感官體驗。真實環(huán)境和虛擬物體之間重疊之后，能夠在同一個畫面以及空間中同時存在。1基于AR的設備在線監(jiān)測與預測分析系統(tǒng)其基本思路是連接設備采集設備運行的實時數(shù)據(jù)，通過算法分析預測設備關鍵部位的故障情況，利用增強現(xiàn)實技術的虛擬性、實時交互性、沉浸性的特征，可視化虛擬儀表盤和故障預測結果，并為設備維護人員提供一個以虛擬信息引導與實物操作同步結合進行的維護環(huán)境，以降低設備維護的難度，縮短維護時間。第8章：8.3智能交互決策基于增強現(xiàn)實的智能交互——系統(tǒng)開發(fā)工具框架系統(tǒng)開發(fā)工具框架—簡介系統(tǒng)的整體架構設計上，系統(tǒng)共可分為模型數(shù)據(jù)庫和應用兩大部分。兼顧平臺的整體需求，將關鍵技術進行提煉，可將系統(tǒng)進行分層設計，軟件平臺公用一套技術，只是在最頂層進行自由組合，搭建成為面向不同應用方向的增強現(xiàn)實系統(tǒng)。系統(tǒng)開發(fā)工具框架—架構通過對平臺的綜合考慮、分析，最終將系統(tǒng)的整體架構分成：連接層、數(shù)據(jù)管理層、使能層、AR場景構建層及應用交互層。系統(tǒng)開發(fā)工具的框架結構如右圖所示。RRT算法原理圖第8章：8.3智能交互決策基于增強現(xiàn)實的智能交互——系統(tǒng)開發(fā)工具框架1AR系統(tǒng)跟蹤注冊技術物聯(lián)設備可在其可視表面的適當部位附加具有唯一性的二維平面標識物，在設備監(jiān)測過程中，通過AR技術采用模板數(shù)據(jù)庫中儲存的圖像模板和采集到的圖像進行匹配，得出匹配結果，識別出二維平面標識物，從而獲取對應物體的類型、屬性等所需要的相關信息。11視頻檢測方法視頻檢測中使用的平面圖形標記一般是由具有一定寬度的黑色封閉矩形框和內部的各種圖形或文字兩部分構成，封閉的黑色矩形框能使系統(tǒng)在視頻場景中快速判別是否存在標記。