【机器人】机器人PID控制

2018 年 11 月 25 日 产业智能官

1.概述

1.1 机器人控制系统

机器人控制系统是机器人的大脑,是决定机器人功能和性能的主要因素。工业机器人控制技术的主要任务就是控制工业机器人在工作空间中的运动位置、姿态和轨迹、操作顺序及动作的时间等。具有编程简单、软件菜单操作、友好的人机交互界面、在线操作提示和使用方便等特点。


1.2 机器人控制的关键技术

关键技术包括:

(1)开放性模块化的控制系统体系结构:采用分布式CPU计算机结构,分为机器人控制器(RC),运动控制器(MC),光电隔离I/O控制板、传感器处理板和编程示教盒等。机器人控制器(RC)和编程示教盒通过串口/CAN总线进行通讯。机器人控制器(RC)的主计算机完成机器人的运动规划、插补和位置伺服以及主控逻辑、数字I/O、传感器处理等功能,而编程示教盒完成信息的显示和按键的输入。


(2)模块化层次化的控制器软件系统:软件系统建立在基于开源的实时多任务操作系统Linux上,采用分层和模块化结构设计,以实现软件系统的开放性。整个控制器软件系统分为三个层次:硬件驱动层、核心层和应用层。三个层次分别面对不同的功能需求,对应不同层次的开发,系统中各个层次内部由若干个功能相对对立的模块组成,这些功能模块相互协作共同实现该层次所提供的功能。

(3)机器人的故障诊断与安全维护技术:通过各种信息,对机器人故障进行诊断,并进行相应维护,是保证机器人安全性的关键技术。

(4)网络化机器人控制器技术:目前机器人的应用工程由单台机器人工作站向机器人生产线发展,机器人控制器的联网技术变得越来越重要。控制器上具有串口、现场总线及以太网的联网功能。可用于机器人控制器之间和机器人控制器同上位机的通讯,便于对机器人生产线进行监控、诊断和管理。


2.机器人PID控制

2.1 PID控制器的组成

PID控制器由比例单元(P)、积分单元(I)和微分单元(D)组成。其输入e (t)与输出u (t)的关系为u(t)=Kp(e((t)+1/TI∫e(t)dt+TD*de(t)/dt)

式中积分的上下限分别是0和t,

因此它的传递函数为:G(s)=U(s)/E(s)=kp(1+1/(TI*s)+TD*s);

其中Kp为比例系数;TI为积分时间常数;TD为微分时间常数。

它由于用途广泛、使用灵活,已有系列化产品,使用中只需设定三个参数(Kp, Ti和Td)即可。在很多情况下,并不一定需要全部三个单元,可以取其中的一到两个单元,但比例控制单元是必不可少的。

首先,PID应用范围广。虽然很多工业过程是非线性或时变的,但通过对其简化可以变成基本线性和动态特性不随时间变化的系统,这样PID就可控制了。

其次,PID参数较易整定。也就是,PID参数Kp,Ti和Td可以根据过程的动态特性及时整定。如果过程的动态特性变化,例如可能由负载的变化引起系统动态特性变化,PID参数就可以重新整定。

2.2 PID控制器的研究现状

虽然有这些缺点,PID控制器是最简单的有时却是最好的控制器。

目前工业自动化水平已成为衡量各行各业现代化水平的一个重要标志。同时,控制理论的发展也经历了古典控制理论、现代控制理论和智能控制理论三个阶段。智能控制的典型实例是模糊全自动洗衣机等。自动控制系统可分为开环控制系统和闭环控制系统。一个控制系统包括控制器、传感器、变送器、执行机构、输入输出接口。控制器的输出经过输出接口、执行机构,加到被控系统上;控制系统的被控量,经过传感器,变送器,通过输入接口送到控制器。不同的控制系统,其传感器、变送器、执行机构是不一样的。比如压力控制系统要采用压力传感器。电加热控制系统的传感器是温度传感器。目前,PID控制及其控制器或智能PID控制器(仪表)已经很多,产品已在工程实际中得到了广泛的应用,有各种各样的PID控制器产品,各大公司均开发了具有PID参数自整定功能的智能调节器,其中PID控制器参数的自动调整是通过智能化调整或自校正、自适应算法来实现。

2.3 PID控制器的不足

在一些情况下针对特定的系统设计的PID控制器控制得很好,但它们仍存在一些问题需要解决:

如果自整定要以模型为基础,为了PID参数的重新整定在线寻找和保持好过程模型是较难的。闭环工作时,要求在过程中插入一个测试信号。这个方法会引起扰动,所以基于模型的PID参数自整定在工业应用不是太好。

如果自整定是基于控制律的,经常难以把由负载干扰引起的影响和过程动态特性变化引起的影响区分开来,因此受到干扰的影响控制器会产生超调,产生一个不必要的自适应转换。另外,由于基于控制律的系统没有成熟的稳定性分析方法,参数整定可靠与否存在很多问题。

因此,许多自身整定参数的PID控制器经常工作在自动整定模式而不是连续的自身整定模式。自动整定通常是指根据开环状态确定的简单过程模型自动计算PID参数。

PID在控制非线性、时变、耦合及参数和结构不确定的复杂过程时,工作地不是太好。最重要的是,如果PID控制器不能控制复杂过程,无论怎么调参数都没用。


3.PID控制的原理和特点

3.1 PID控制的原理

在工程实际中,应用最为广泛的调节器控制规律为比例、积分、微分控制,简称PID控制,又称PID调节。PID控制器问世至今已有近70年历史,它以其结构简单、稳定性好、工作可靠、调整方便而成为工业控制的主要技术之一。当被控对象的结构和参数不能完全掌握,或得不到精确的数学模型时,控制理论的其它技术难以采用时,系统控制器的结构和参数必须依靠经验和现场调试来确定,这时应用PID控制技术最为方便。即当我们不完全了解一个系统和被控对象,或不能通过有效的测量手段来获得系统参数时,最适合用PID控制技术。PID控制,实际中也有PI和PD控制。PID控制器就是根据系统的误差,利用比例、积分、微分计算出控制量进行控制的。

比例(P)控制

比例控制是一种最简单的控制方式。其控制器的输出与输入误差信号成比例关系。当仅有比例控制时系统输出存在稳态误差。

积分(I)控制

在积分控制中,控制器的输出与输入误差信号的积分成正比关系。对一个自动控制系统,如果在进入稳态后存在稳态误差,则称这个控制系统是有稳态误差的或简称有差系统。为了消除稳态误差,在控制器中必须引入积分项。积分项对误差取决于时间的积分,随着时间的增加,积分项会增大。这样,即便误差很小,积分项也会随着时间的增加而加大,它推动控制器的输出增大使稳态误差进一步减小,直到等于零。因此,比例+积分(PI)控制器,可以使系统在进入稳态后无稳态误差。

微分(D)控制

在微分控制中,控制器的输出与输入误差信号的微分(即误差的变化率)成正比关系。自动控制系统在克服误差的调节过程中可能会出现振荡甚至失稳。其原因是由于存在有较大惯性环节或有滞后组件,具有抑制误差的作用,其变化总是落后于误差的变化。解决的办法是使抑制误差的作用的变化超前,即在误差接近零时,抑制误差的作用就应该是零。这就是说,在控制器中仅引入比例项往往是不够的,比例项的作用仅是放大误差的幅值,而目前需要增加的是微分项,它能预测误差变化的趋势,这样,具有比例+微分的控制器,就能够提前使抑制误差的控制作用等于零,甚至为负值,从而避免了被控量的严重超调。所以对有较大惯性或滞后的被控对象,比例+微分(PD)控制器能改善系统在调节过程中的动态特性。

3.2 PID控制的特点

在PID 控制中,积分控制的特点是:只要还有余差(即残余的控制偏差)存在,积分控制就按部就班地逐渐增加控制作用,直到余差消失。所以积分的效果比较缓慢,除特殊情况外,作为基本控制作用,缓不救急。微分控制的特点是:尽管实际测量值还比设定值低,但其快速上扬的冲势需要及早加以抑制,否则,等到实际值超过设定值再作反应就晚了,这就是微分控制施展身手的地方了。作为基本控制使用,微分控制只看趋势,不看具体数值所在,所以最理想的情况也就是把实际值稳定下来,但稳定在什么地方就要看你的运气了,所以微分控制也不能作为基本控制作用。比例控制没有这些问题,比例控制的反应快,稳定性好,是最基本的控制作用,是 “皮”,积分、微分控制是对比例控制起增强作用的,极少单独使用,所以是”毛”。在实际使用中比例和积分一般一起使用,比例承担主要的控制作用,积分帮助消除余差。微分只有在被控对象反应迟缓,需要在开始有所反应时,及早补偿,才予以采用。只用比例和微分的情况很少见。

4.PID控制器的参数整定

PID控制器的参数整定是控制系统设计的核心内容。它是根据被控过程的特性确定PID控制器的比例系数、积分时间和微分时间的大小。PID控制器参数整定的方法很多,概括起来有两大类:一是理论计算整定法。它主要是依据系统的数学模型,经过理论计算确定控制器参数。这种方法所得到的计算数据未必可以直接用,还必须通过工程实际进行调整和修改。二是工程整定方法,它主要依赖工程经验,直接在控制系统的试验中进行,且方法简单、易于掌握,在工程实际中被广泛采用。PID控制器参数的工程整定方法,主要有临界比例法、反应曲线法和衰减法。三种方法各有其特点,其共同点都是通过试验,然后按照工程经验公式对控制器参数进行整定。但无论采用哪一种方法所得到的控制器参数,都需要在实际运行中进行最后调整与完善。现在一般采用的是临界比例法。利用该方法进行 PID控制器参数的整定步骤如下:

(1)首先预选择一个足够短的采样周期让系统工作;

(2)仅加入比例控制环节,直到系统对输入的阶跃响应出现临界振荡,记下这时的比例放大系数和临界振荡周期;

(3)在一定的控制度下通过公式计算得到PID控制器的参数。

机器人控制系统是机器人的大脑,是决定机器人功能和性能的主要因素。机器人控制器是根据指令以及传感信息控制机器人完成一定的动作或作业任务的装置,它是机器人的心脏,决定了机器人性能的优劣。机器人技术涉及计算机、电子、控制等多学科专业,是近年来高新技术发展的一个重要领域和研究热点。随着机器人技术的发展,机器人应用领域的不断扩大,对机器人的性能提出了更高的要求,因此,如何有效地将其他领域(如图像处理、声音识别、最优控制、人工智能等)的研究成果应用到机器人控制系统的实时操作中,是一项富有挑战性的研究工作.而具有开放式结构的模块化、标准化机器人控制器的研究无疑对提高机器人性能和自主能力、推动机器人技术的发展具有重大意义。




知识点:装配机器人关键技术有哪些


装配机器人的出现,可大幅度提高生产效率,保证装配精度,减轻劳动者生产强度。目前装配机器人在工业机器人应用领域中占有量相对较少,其主要原因是装配机器人本体要比搬运、涂装、焊接机器人本体复杂。那么装配机器人的关键技术又有哪些呢?下面小编就给大家来分享一下。



1、装配机器人的精确定位:


装配机器人运动系统的定位精度由机械系统静态运动精度(几何误差、热和载荷变形误差)和机电系统高频响应的暂态特性(过渡过程)所决定,其中静态精度取决于设备的制造精度和机械运动形式,动态响应取决于外部跟踪信号、系统固有的开环动态特性、所采用的减振方法(阻尼)和控制器的调节作用。

 

2、检测传感技术:


检测传感技术的关键是传感器技术,它主要用于检测机器人系统中自身与作业对象、作业环境的状态,向控制器提供信息以决定系统动作。传感器精度、灵敏度和可靠性很大程度决定了系统性能的好坏。

 

3、装配机器人控制器的研制:


装配机器人的伺服控制模块是整个系统的基础,它的特点是实现了机器人操作空间力和位置混合伺服控制,实现了高精度的位置控制、静态力控制,并且具有良好的动态力控制性能。伺服模块之上的局部自由控制模块相对独立于监督控制模块,它能完成精密的插圆孔、方孔等较为复杂的装配作业。监督控制模块是整个系统的核心和灵魂。

 

4、装配机器人的图形仿真技术:


对于复杂装配作业,示教编程方法效率往往不高,如果能直接把机器人控制器与CAD系统相链接,则能利用数据库中与装配作业有关的信息对机器人进行离线编程,使机器人在结构环境下的编程具有很大的灵活性。另一方面,如果将机器人控制器与图形仿真系统相连,则可离线对机器人装配作业进行动画仿真,从而验证装配程序的正确性、可执行性及合理性,为机器人作业编程和调试带来直观的视觉效果。

 

5、装配机器人柔顺手腕的研制:


通常而言,通用机器人均可用于装配操作,利用机器人固有的结构柔性,可以对装配操作中的运动误差进行修正。通过对影响机器人刚度的各种变量进行分析,并通过调整机器人本身的结构参数来获得期望的机器人末端刚度,以满足装配操作对机器人柔顺性要求。但在装配机器人中采用柔性操作手爪则能更好地取得装配操作所需的柔顺性,由于装配操作对机器人精度、速度和柔顺性等性能要求较高。所以有必要设计专门用于装配作业的柔顺手腕,利用柔顺手腕是实际装配操作中使用最多的柔顺环节。

来源:工业机器人




【仿真】国内外主流工业机器人离线编程软件对比


通常来讲,机器人编程可分为示教在线编程和离线编程。我们今天讲解的重点是离线编程,通过示教在线编程在实际应用中主要存在的问题,来说说机器人离线编程软件的优势和主流编程软件的功能、优缺点进行深度解析。




示教在线编程在实际应用中主要存在以下问题

1、示教在线编程过程繁琐、效率低。

2、精度完全是靠示教者的目测决定,而且对于复杂的路径示教在线编程难以取得令人满意的效果。


基于对示教编程出现的弊端,那么离线编程就出现啦!与示教编程相比,离线编程又有什么优势呢?

1、减少机器人的停机时间,当对下一个任务进行编程时,机器人仍可在生产线上进行工作。

2、使编程者远离了危险的工作环境。

3、适用范围广,可对各种机器人进行编程,并能方便的实现优化编程。

4、可对复杂任务进行编程。

5、便于修改机器人程序。


常用离线编程软件,可按不同标准分类,例如,可以按国内与国外分类,也可以按通用离线编程软件与厂家专用离线编程软件。

按国内与国外分类,可以分为以下两大阵营:

国内:RobotArt

国外:RobotMaster、RobotWorks、Robomove、RobotCAD、DELMIA、RobotStudio、RoboGuide


按通用离线编程与厂家专用离线编程,又可以为以下两大阵营:

通用:RobotArt、RobotMaster、Robomove、RobotCAD、DELMIA

厂家专用:RobotStudio、RoboGuide、KUKASim


国外软件中,RobotMaster相对来说最强的,基于MasterCAM平台,生成数控加工轨迹是优势,RobotWorks,RoboMove次之,但一套都要几十万大洋,目前没试用。RobotCAD,DElMIA都侧重仿真,价格比前者还贵。


机器人厂家的离线编程软件,以ABB的RobotStudio是强,但也仅仅是把示教放到了电脑中,注重是仿真和节拍统计。


看到离线编程的这些优点以及分类后,是不是迫不及待的想看看离线编程软件长什么样子?那么往下看吧~下面详细介绍一下主流的离线编程软件。


01

Robot Art(中国,可免费下载试用)

Robot Art是北京华航唯实出的一款国产离线编程软件,老实说,虽然与国外同类的RobotMaster,DELMIA相比,功能稍逊一些,但是在国内离线编程软件里面,也算是出类拔萃。据了解他们的技术来自北航机器人所,也有一些自己的专利,号称首款商业化离线编程软件,算是填补了国产离线编程的一个空白。一站式解决方案,从轨迹规划,轨迹生成,仿真模拟,到最后后置代码,使用简单,学习起来比较容易上手。官网可以下载软件,并免费试用。


图表 1:RobotArt离线编程仿真软件的界面


优点:

1)支持多种格式的三维CAD模型,可导入扩展名为step、igs、stl、x_t、prt(UG)、prt(ProE)、CATPart、sldpart等格式;


2)支持多种品牌工业机器人离线编程操作,如ABB、KUKA、Fanuc、Yaskawa、Staubli、KEBA系列、新时达、广数等);


3)拥有大量航空航天高端应用经验;


4)自动识别与搜索CAD模型的点、线、面信息生成轨迹;


5)轨迹与CAD模型特征关联,模型移动或变形,轨迹自动变化;


6)一键优化轨迹与几何级别的碰撞检测;


7)支持多种工艺包,如切割、焊接、喷涂、去毛刺、数控加工;


8)支持将整个工作站仿真动画发布到网页、手机端;


缺点:

软件不支持整个生产线仿真(不够万能),对外国小品牌机器人也不支持,不过作为机器人离线编程,还是相当给力的,功能一点也不输给国外软件。


02

 Robot Master(加拿大,无试用)

Robotmaster来自加拿大,由上海傲卡自动化代理,是目前离线编程软件国外品牌中的顶尖的软件,几乎支持市场上绝大多数机器人品牌(KUKA,ABB,Fanuc,Motoman,史陶比尔、珂玛、三菱、DENSO、松下……)。


图表 2:Robot Master软件界面

功能:Robotmaster在Mastercam中无缝集成了机器人编程、仿真和代码生成功能,提高了机器人编程速度。


优点:

可以按照产品数模,生成程序,适用于切割、铣削、焊接、喷涂等等。独家的优化功能,运动学规划和碰撞检测非常精确,支持外部轴(直线导轨系统、旋转系统),并支持复合外部轴组合系统。


缺点:

暂时不支持多台机器人同时模拟仿真(就是只能做单个工作站),基于MasterCAM做的二次开发,价格昂贵,企业版在20W左右。好贵!!


03

Robot Works(以色列,有试用)

RobotWorks是来自以色列的机器人离线编程仿真软件,与Robot Master类似,是基于Solidworks做的二次开发。使用时,需要先购买Solidworks。


主要功能如下:

(1)全面的数据接口:Robotworks是基于Solidworks平台开发,Solidworks可以通过IGES,DXF,DWG,PrarSolid,Step,VDA,SAT等标准接口进行数据转换。


(2)强大的编程能力:从输入CAD数据到输出机器人加工代码只需四步。


第一步:从Solidworks直接创建或直接导入其他三维CAD数据,选取定义好的机器人工具与要加工的工件组合成装配体。所有装配夹具和工具客户均可以用Solidworks自行创建调用;


第二步:Robotworks选取工具,然后直接选取曲面的边缘或者样条曲线进行加工产生数据点;


第三步:调用所需的机器人数据库,开始做碰撞检查和仿真,在每个数据点均可以自动修正,包含工具角度控制,引线设置,增加减少加工点,调整切割次序,在每个点增加工艺参数;                


第四步:Robotworks自动产生各种机器人代码,包含笛卡尔坐标数据,关节坐标数据,工具与坐标系数据,加工工艺等,按照工艺要求保存不同的代码。


(3)强大的工业机器人数据库:系统支持市场上主流的大多数的工业机器人,提供各大工业机器人各个型号的三维数模。


(4)完美的仿真模拟:独特的机器人加工仿真系统可对机器人手臂,工具与工件之间的运动进行自动碰撞检查,轴超限检查,自动删除不合格路径并调整,还可以自动优化路径,减少空跑时间。


(5)开放的工艺库定义:系统提供了完全开放的加工工艺指令文件库,用户可以按照自己的实际需求自行定义添加设置自己独特工艺,添加的任何指令都能输出到机器人加工数据里面。


缺点:

Robotworks基于solidworks,solidworks本身不带CAM功能,编程繁琐,机器人运动学规划策略智能化程度低。不会用sw,只会用UG,PROE......咋整?


优点:

生成轨迹方式多样、支持多种机器人、支持外部轴。


04

ROBCAD(德国,无试用)

ROBCAD是西门子旗下的软件,软件较庞大,重点在生产线仿真,价格也是同软件中顶尖的。软件支持离线点焊、支持多台机器人仿真、支持非机器人运动机构仿真,精确的节拍仿真,ROBCAD主要应用于产品生命周期中的概念设计和结构设计两个前期阶段。现已被西门子收购,不再更新,已经out了!

其主要特点包括:

(1)与主流的CAD软件(如NX、CATIA、IDEAS)无缝集成。

(2)实现工具工装、机器人和操作者的三维可视化。

(3)制造单元、测试以及编程的仿真。

ROBCAD的主要功能包括:

(1)Workcelland Modeling:对白车身生产线进行设计、管理和信息控制。
(2)Spotand OLP:完成点焊工艺设计和离线编程。
(3)Human:实现人因工程分析。
(4)Application中的Paint、Arc、Laser等模块:实现生产制造中喷涂,弧焊,激光加工,绲边等等工艺的仿真验证及离线程序输出。
(5)ROBCAD的Paint模块。喷漆的设计、优化和离线编程,其功能包括:喷漆路线的自动生成、多种颜色喷漆厚度的仿真、喷漆过程的优化。

缺点:

价格昂贵,离线功能较弱,Unix移植过来的界面,人机界面不友好。而且已经不再更新!

图表 4:ROBCAD软件界面


05

DELMIA(法国,无试用)

汽车行业都是用的DELMIA哦!


DELMIA是达索旗下的CAM软件,大名鼎鼎的CATIA是达索旗下的CAD软件。DELMIA有6大模块,其中Robotics解决方案涵盖汽车领域的发动机、总装和白车身(Body-in-White),航空领域的机身装配、维修维护,以及一般制造业的制造工艺。


DELMIA的机器人模块ROBOTICS是一个可伸缩的解决方案,利用强大的PPR集成中枢快速进行机器人工作单元建立、仿真与验证,是一个完整的、可伸缩的、柔性的解决方案。使用DELMIA机器人模块,用户能够容易地:


(1)从可搜索的含有超过400种以上的机器人的资源目录中,下载机器人和其它的工具资源。


(2)利用工厂布置规划工程师所完成的工作。


(3)加入工作单元中工艺所需的资源进一步细化布局。


缺点:

DELMIA,和Process&Simulate等都属于专家型软件,操作难度太高,不适宜高职学生学习,需要机器人专业研究生以上学生使用。DELMIA,Process&Simulte功能虽然十分强大,但是工业正版单价也在百万级别。


06

RobotStudio(瑞士,无试用)

RobotStudio是瑞士ABB公司配套的软件,是机器人本体商中软件做的最好的一款。。RobotStudio支持机器人的整个生命周期,使用图形化编程、编辑和调试机器人系统来创建机器人的运行,并模拟优化现有的机器人程序。


Robot Studio包括如下功能:


(1)CAD导入。可方便地导入各种主流CAD格式的数据,包括IGES、STEP、VRML、VDAFS、ACIS及CATIA等。机器人程序员可依据这些精确的数据编制精度更高的机器人程序,从而提高产品质量。


(2)Auto Path功能。该功能通过使用待加工零件的CAD模型,仅在数分钟之内便可自动生成跟踪加工曲线所需要的机器人位置(路径),而这项任务以往通常需要数小时甚至数天


(3)程序编辑器。可生成机器人程序,使用户能够在Windows环境中离线开发或维护机器人程序,可显著缩短编程时间、改进程序结构。


(4)路径优化。如果程序包含接近奇异点的机器人动作,RobotStudio可自动检测出来并发出报警,从而防止机器人在实际运行中发生这种现象。仿真监视器是一种用于机器人运动优化的可视工具,红色线条显示可改进之处,以使机器人按照最有效方式运行。可以对TCP速度、加速度、奇异点或轴线等进行优化,缩短周期时间。


(5)可达性分析。通过Autoreach可自动进行可到达性分析,使用十分方便,用户可通过该功能任意移动机器人或工件,直到所有位置均可到达,在数分钟之内便可完成工作单元平面布置验证和优化。


(6)虚拟示教台。是实际示教台的图形显示,其核心技术是Virtual Robot。


从本质上讲,所有可以在实际示教台上进行的工作都可以在虚拟示教台


(QuickTeach?)上完成,因而是一种非常出色的教学和培训工具。


(7)事件表。一种用于验证程序的结构与逻辑的理想工具。程序执行期间,可通过该工具直接观察工作单元的I/O状态。可将I/O连接到仿真事件,实现工位内机器人及所有设备的仿真。该功能是一种十分理想的调试工具。


(8)碰撞检测。碰撞检测功能可避免设备碰撞造成的严重损失。选定检测对象后,RobotStudio可自动监测并显示程序执行时这些对象是否会发生碰撞。


(9)VBA功能。可采用VBA改进和扩充RobotStudio功能,根据用户具体需要开发功能强大的外接插件、宏,或定制用户界面。


(10)直接上传和下载。整个机器人程序无需任何转换便可直接下载到实际机器人系统,该功能得益于ABB独有的Virtual Robot技术。


缺点:

就是只支持ABB品牌机器人,机器人间的兼容性很差。集成商可不能只做ABB的项目!


图表8:Robot Studio软件界面


07

Robomove(意大利,无试用)

Robomove来自意大利,同样支持市面上大多数品牌的机器人,机器人加工轨迹由外部CAM导入,与其他软件不同的是,Robomove走的是私人定制路线,根据实际项目进行定制。软件操作自由,功能完善,支持多台机器人仿真。


缺点:

需要操作者对机器人有较为深厚的理解,策略智能化程度与Robotmaster有较大差距。


还有一些其他通用型离线编程软件,这里就不多做介绍了。他们通常也有着不错的离线仿真功能,但是由于技术储备之类的原因,尚还属于第二梯队。比如,SprutCAM,RobotSim,川思特,天皇,亚龙,旭上,汇博等等。以上介绍了常用的7款主流离线编程软件,主要对软件的功能和优缺点进行了分析。


08

RoboGuide(美国,有试用)

RoboGuide系列以过程为中心的软件包允许用户在3-D中创建,编程和模拟机器人工作单元,而无需原型工作单元设置的物理需求和费用。使用虚拟机器人和工作单元模型,使用ROBOGUIDE进行离线编程可通过在实际安装之前实现单个和多个机器人工作单元布局的可视化来降低风险。


这类专用型离线编程软件,优点和缺点都很类似且明显。因为都是机器人本体厂家自行或者委托开发,所以能够拿到底层数据接口,开发出更多功能,软件与硬件通讯也更流畅自然。所以,软件的集成度很多,也都有相应的工艺包。


缺点:

就是只支持本公司品牌机器人,机器人间的兼容性很差。


来源:旺材机器人





工业互联网




产业智能官  AI-CPS


加入知识星球“产业智能研究院”:先进产业OT(工艺+自动化+机器人+新能源+精益)技术和新一代信息IT技术(云计算+大数据+物联网+区块链+人工智能)深度融合,在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的机器智能认知计算系统实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链



版权声明产业智能官(ID:AI-CPS推荐的文章,除非确实无法确认,我们都会注明作者和来源,涉权烦请联系协商解决,联系、投稿邮箱:erp_vip@hotmail.com。






登录查看更多
10

相关内容

最新《多任务学习》综述,39页pdf
专知会员服务
264+阅读 · 2020年7月10日
多智能体深度强化学习的若干关键科学问题
专知会员服务
188+阅读 · 2020年5月24日
【CMU】深度学习模型中集成优化、约束和控制,33页ppt
专知会员服务
45+阅读 · 2020年5月23日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
【天津大学】风格线条画生成技术综述
专知会员服务
31+阅读 · 2020年4月26日
【综述】自动驾驶领域中的强化学习,附18页论文下载
专知会员服务
172+阅读 · 2020年2月8日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
自动驾驶技术解读——自动驾驶汽车决策控制系统
智能交通技术
30+阅读 · 2019年7月7日
【无人机】无人机的自主与智能控制
产业智能官
48+阅读 · 2017年11月27日
李克强:智能车辆运动控制研究综述
厚势
21+阅读 · 2017年10月17日
【智能制造】离散型制造业如何实现智能制造​
产业智能官
7+阅读 · 2017年10月16日
【智能驾驶】史上最全自动驾驶系统解析
产业智能官
23+阅读 · 2017年8月21日
Conditional BERT Contextual Augmentation
Arxiv
8+阅读 · 2018年12月17日
Learning to Importance Sample in Primary Sample Space
VIP会员
相关VIP内容
最新《多任务学习》综述,39页pdf
专知会员服务
264+阅读 · 2020年7月10日
多智能体深度强化学习的若干关键科学问题
专知会员服务
188+阅读 · 2020年5月24日
【CMU】深度学习模型中集成优化、约束和控制,33页ppt
专知会员服务
45+阅读 · 2020年5月23日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
【天津大学】风格线条画生成技术综述
专知会员服务
31+阅读 · 2020年4月26日
【综述】自动驾驶领域中的强化学习,附18页论文下载
专知会员服务
172+阅读 · 2020年2月8日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
Top
微信扫码咨询专知VIP会员