[发明专利]工业机器人的能耗高效建模预测方法及装置有效

专利信息
申请号: 202210334525.3 申请日: 2022-03-30
公开(公告)号: CN114770499B 公开(公告)日: 2023-09-12
发明(设计)人: 邵珠峰;姚铭;段金昊;霍晔;刘汉擎 申请(专利权)人: 清华大学
主分类号: B25J9/16 分类号: B25J9/16;G06N3/048;G06N3/08
代理公司: 北京清亦华知识产权代理事务所(普通合伙) 11201 代理人: 黄德海
地址: 10008*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 工业 机器人 能耗 高效 建模 预测 方法 装置
【权利要求书】:

1.一种工业机器人的能耗高效建模预测方法,其特征在于,包括以下步骤:

构建工业机器人的输出有效功率的机理模型,并基于预设的多种工况,采集所述工业机器人的总功率数据及相关的至少一个运行参数;

由所述机理模型计算所述多种工况的每个工况的输出有效功率,并基于所述总功率计算所述每个工况的能量损耗功率,生成所述工业机器人的运行参数-能量损耗数据集;以及

利用所述运行参数-能量损耗数据集训练描述机器人运行参数和能量损耗关系的神经网络模型,并融合所述机理模型和训练后的所述神经网络模型,生成所述工业机器人的能耗模型,以利用所述能耗模型预测所述工业机器人的实际能耗;

所述基于所述总功率计算所述每个工况的能量损耗功率,生成所述工业机器人的运行参数-能量损耗数据集,包括:

基于所述机理模型,通过所述工业机器人末端的位姿、速度和加速度确定所述工业机器人在每个工况下各关节的角度、角速度和角加速度;

根据所述工业机器人在每个工况下各关节的角度、角速度和角加速度计算所述工业机器人的输出有效功率;

由所述工业机器人的总功率减去所述输出有效功率,得到所述每个工况的能量损耗功率;

将所述每个工况的运行参数作为样本,且将所述每个工况的能量损耗功率作为标记,组成样例,且利用多个样例构建所述运行参数-能量损耗数据集。

2.根据权利要求1所述的方法,其特征在于,在采集所述工业机器人的总功率数据及相关的至少一个运行参数之前,还包括:

分析所述工业机器人的能耗组成,其中,所述能耗组成包括驱动系统功率、控制系统功率和辅助系统功率;

根据所述工业机器人的能耗组成确定影响所述工业机器人能耗的至少一个运行参数。

3.根据权利要求2所述的方法,其特征在于,所述构建工业机器人的输出有效功率的机理模型,包括:

基于运动学方程,根据所述工业机器人末端的位姿、速度和加速度确定所述工业机器人各关节的角度、角速度和角加速度;

根据所述工业机器人各关节的角度、角速度和角加速度确定所述各关节的有效力矩,并计算所述各关节的有效功率。

4.根据权利要求1-3任一项所述的方法,其特征在于,所述融合所述机理模型和训练后的所述神经网络模型,生成所述工业机器人的能耗模型,以利用所述能耗模型预测所述工业机器人的实际能耗,包括:

根据所述机理模型和所述神经网络模型分别计算出的输出有效功率和能量损耗功率计算所述任一机器人的总功率,并由时间积分得到所述工业机器人的能耗,生成所述能耗模型;

和/或,将所述工业机器人的至少一个运行参数输入至所述能耗模型,得到所述实际能耗。

5.一种工业机器人的能耗高效建模预测装置,其特征在于,包括:

构建模块,用于构建工业机器人的输出有效功率的机理模型,并基于预设的多种工况,采集所述工业机器人的总功率数据及相关的至少一个运行参数;

生成模块,用于由所述机理模型计算所述多种工况的每个工况的输出有效功率,并基于所述总功率计算所述每个工况的能量损耗功率,生成所述工业机器人的运行参数-能量损耗数据集;以及

预测模块,用于利用所述运行参数-能量损耗数据集训练描述机器人运行参数和能量损耗关系的神经网络模型,并融合所述机理模型和训练后的所述神经网络模型,生成所述工业机器人的能耗模型,以利用所述能耗模型预测所述工业机器人的实际能耗;

所述生成模块包括:

第三计算单元,用于基于所述机理模型,通过所述工业机器人末端的位姿、速度和加速度确定所述工业机器人在每个工况下各关节的角度、角速度和角加速度;

第四计算单元,用于根据所述工业机器人在每个工况下各关节的角度、角速度和角加速度计算所述工业机器人的输出有效功率;

第五计算单元,用于由所述工业机器人的总功率减去所述输出有效功率,得到所述每个工况的能量损耗功率;

构建单元,用于将所述每个工况的运行参数作为样本,且将所述每个工况的能量损耗功率作为标记,组成样例,且利用多个样例构建所述运行参数-能量损耗数据集。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210334525.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top