【机器人】【控制系统】工业机器人控制系统架构介绍

2020 年 5 月 24 日 产业智能官

本文比较了机械臂和移动机器人两种工业机器人的控制系统方案,对其特点进行了介绍。


以上分类是根据应用对象,此外,市面上更多的是通用型运动控制器,即控制非标设备的。


1 控制器底层方案

1.1 机械臂类

机械臂类的控制器发展较早,相对成熟,先来看看现有的控制系统底层方案。


1.2 移动机器人类

移动机器人的控制器属于较新的方向,工业移动机器人有AGV、无人驾驶工程机械等形式,控制系统底层方案如下:


1.3 对比


机械臂对精度和运动稳定性的要求较高,因此计算量大、周期短,比移动机器人一般要高1到2个量级。移动机器人一般对同步精度要求不高,其配置相对较低。


机械臂一般工作于固定的区域,其控制器通常放置于机箱内,因此防护等级不高,一般是IP20。


移动机器人由于需要经常运动,尤其是室外工程机械,要考虑防水防尘,其防护等级较高,一般是IP67。


2 CoDeSys介绍

2.1 CoDeSys的组成


你会发现,很多的机器人控制软件都是借助CoDeSys实现的,那么什么是CoDeSys呢?


CoDeSys是一款付费的软PLC开发软件,简单来说,它包括两部分:Development System和Runtime System。Development System就是用来编程的软件界面(就像Visual Studio、Eclipse等软件,也可以称为IDE),设计、调试、编译PLC程序都在IDE中进行,这部分是用户经常打交道的;PLC程序写好了以后,就要把它转移到硬件设备中运行。可是这时生成的PLC程序自己是无法运行的,它还要在一定的软件环境中才能工作,这个环境就是Runtime System,这部分是用户看不到的。二者安装的位置通常不同,IDE一般安装在开发电脑上,Runtime System则位于起控制作用的硬件设备上,二者一般使用网线连接,程序通过网线下载到Runtime中运行。



CoDeSys在国内知名度不高,但是在欧洲久负盛名,尤其在工业控制领域。我们上面提到的很多机器人公司都使用了它的产品,例如KEBA、倍福、固高,还有几乎所有的移动机器人控制器厂家。设计CoDeSys的3S公司只卖软件,不卖硬件。硬件电路需要由用户自己设计,3S公司负责将Runtime System移植到客户的硬件上。Runtime System可以裸跑在硬件上,但一般是运行在操作系统上,配置操作系统也是客户的工作。如果客户要求,CoDeSys的IDE可以定制,换成客户的logo和外观,这就是为什么你会发现不同厂家的开发平台长得不一样,但风格又比较相似。当然,用户也可以使用其它IDE,例如倍福就使用了微软的Visual Studio,而背后的编译器等内核以及函数库仍然采用CoDeSys的方案。CoDeSys的Runtime具有强大的适应性,支持绝大多数的操作系统和硬件芯片架构。


2.2 CoDeSys Runtime原理

CoDeSys的IDE部分是免费的,你可以从其官网下载体验体验。真正收费的是运行系统Runtime System。

CoDeSys在设计之初就将功能划分为若干组件模块,例如总线协议栈、可视化界面、运动控制、安全控制等等,用户可以像搭积木一样选购必需的模块搭建自己的系统,最后形成一个定制化的控制软件平台。一些初次接触软PLC的用户可能对这部分感到陌生,但其实这种设计方式非常普遍。举几个例子,MATLAB Simulink的实时工具箱(Real-Time)就是这样的工作方式,用户在Simulink的图形界面里通过拖拽设计控制程序,然后下载到真实的硬件中跑,可以在这里了解。还有像倍福也是这样的使用方式,用户在TwinCAT IDE里进行编程,然后下载到倍福的控制器中,控制器里面其实已经预装了一个Runtime。西门子的STEP7也是一款IDE,它的PLC中也存在一个配套的Runtime。


用户编写的PLC程序就像我们电脑里的应用程序,它运行在Runtime System上,而Runtime System又运行在操作系统之上。Runtime System位于应用程序和操作系统之间。所以可以被称为中间件(Middleware)。在机器人软件里面,处于同样地位的还有ROS、OROCOS(Real-Time Toolkit)等等。


机器人的控制,像数控机床一样,对实时性有要求,因此我们选择的操作系统最好是实时操作系统(RTOS)。遗憾的是,我们经常用的操作系统都不是实时的,例如Windows和Linux。但幸运的是,有人对它们进行了改造,也就是加入实时补丁。常用的实时操作系统有:VxWorks、QNX、Windows RTX、Xenomai、RT Linux、Linux RTAI、WinCE、μC/OS、SylixOs等等。考虑到Windows和Linux这两款操作系统的用户较多,CoDeSys推出了相应的实时补丁(RTE),为用户免去了改造的烦恼。


想了解更多的CoDeSys Runtime信息可以阅读官方的文档[Math Processing Error] [1][2][1][2]。


2.3 CoDeSys的缺点



CoDeSys给我们开发控制器带来了便利,省去了从零开始的麻烦,但是依靠CoDeSys这类商业软件开发自己的控制器产品也存在不少的缺点:


1 底层算法不公开


CoDeSys集成的运动控制组件、总线协议栈都是封装好的,用户无法了解其内部细节,也无法针对自己的具体需求进行定制优化,只能简单地调用。用户只能依附于CoDeSys平台,难以形成自己的核心技术。


2 功能有限,难以扩展


现在以机器视觉、人工智能、自动驾驶等为代表的新技术突飞猛进,而工业控制上的很多技术仍然停留在20年前。以移动机器人中的导航场景为例,基于视觉或者激光的导航方法需要采集大量的数据并对其进行处理,其中涉及相当多的矩阵计算。而现在PLC只能进行落后的一维数字计算,难以实现复杂的算法。与人工智能圈子喜欢开源的风格正好相反,工业控制圈子相互封闭,谁都不肯开放自家的函数库,开源函数库极少(OSCAT),就连最基本的滤波算法、矩阵计算都要自己从头开始写。而且,国际标准提供的基本函数太过有限,完全无法适应新的场景,急需扩展。


3 难以更新


由于完全依赖CoDeSys,客户自己产品硬件的升级换代需要重新定制移植,导致成本增加。


3 开源方案


目前存在一些开源的控制系统方案,例如Beremiz、Orocos、OpenPLC、OpenRTM、ORCA。


开发机器人控制器是个繁重的工作,要明确一系列性能要求,首先是实时性。


实时性对于工业机器人来说一般是必须的,对于服务或娱乐机器人则未必。一般人很容易错把“实时性”理解为处理或者响应速度快,但是其实“实时性”表示时间上的“确定性”,例如实时操作系统(RTOS)中的中断响应或者进程切换的延迟时间一定是在一个时间范围内,我们常用的操作系统(Windows、Linux)都不是实时操作系统,因为它们设计的初衷是吞吐量,不能保证每个事件都在一定范围内得到处理。再比如,标准以太网的传输速度比实时工业以太网快多了,但是它也却不是实时的,因为它同样不能保证数据在给定的时间内完成传输。


理解实时性不太难,可是机器人哪些的任务需要实时运行呢?如何根据机器人的性能要求确定程序运行的时间间隔呢(是1ms还是10ms)?实时性取决于硬件还是软件呢?如何根据实时性选择具体的软硬件呢(该选择ARM还是X86、Linux RTAI还是VxWorks)?网上缺少这方面的深入讨论,各大机器人厂家也不会公开自己的测试和试验结果,似乎这方面主要依靠经验和试错。这里我也只能提供几个指标,目前工业机械臂的控制周期是1ms左右,性能较高的伺服驱动器位置环的控制周期可以达到125[Math Processing Error] \mu sμs。

  

PLCopen定义了伺服和运动控制的一些标准,包括编程语言、运动控制基础函数块(Function Block)、输入输出接口的参数等[Math Processing Error] ^{[3]} 

[3]

 ,但是并没有给出具体的实现代码细节,这个是由各个厂家提供的。


--------------------- 

作者:robinvista 

来源:CSDN 

原文:https://blog.csdn.net/robinvista/article/details/88085020 

版权声明:本文为博主原创文章,转载请附上博文链接!



先进制造业+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”:先进制造业OT(自动化+机器人+工艺+精益)和工业互联网IT(云计算+大数据+物联网+区块链+人工智能)产业智能化技术深度融合,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”的产业智能化平台;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。


产业智能化平台作为第四次工业革命的核心驱动力,将进一步释放历次科技革命和产业变革积蓄的巨大能量,并创造新的强大引擎; 重构设计、生产、物流、服务等经济活动各环节,形成从宏观到微观各领域的智能化新需求,催生新技术、新产品、新产业、新业态和新模式;引发经济结构重大变革,深刻改变人类生产生活方式和思维模式,实现社会生产力的整体跃升。

产业智能化技术分支用来的今天,制造业者必须了解如何将“智能技术”全面渗入整个公司、产品、业务等商业场景中, 利用工业互联网形成数字化、网络化和智能化力量,实现行业的重新布局、企业的重新构建和焕然新生。

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
7

相关内容

移动机器人(Robot)是自动执行工作的机器装置。它既可以接受人类指挥,又可以运行预先编排的程序,也可以根据以人工智能技术制定的原则纲领行动。它的任务是协助或取代人类工作的工作,例如生产业、建筑业,或是危险的工作。
FPGA加速系统开发工具设计:综述与实践
专知会员服务
65+阅读 · 2020年6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
斯坦福2020硬课《分布式算法与优化》
专知会员服务
118+阅读 · 2020年5月6日
最新《智能交通系统的深度强化学习》综述论文,22页pdf
专知会员服务
31+阅读 · 2020年4月24日
深度神经网络实时物联网图像处理,241页pdf
专知会员服务
76+阅读 · 2020年3月15日
【Google】利用AUTOML实现加速感知神经网络设计
专知会员服务
29+阅读 · 2020年3月5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
“马踏飞”AI机器人实现方案介绍
PaperWeekly
5+阅读 · 2019年8月31日
浅谈 Kubernetes 在生产环境中的架构
DevOps时代
11+阅读 · 2019年5月8日
美陆军计划部署四大新型地面无人系统
无人机
25+阅读 · 2019年4月30日
【机器人】机器人PID控制
产业智能官
10+阅读 · 2018年11月25日
Image Segmentation Using Deep Learning: A Survey
Arxiv
45+阅读 · 2020年1月15日
Arxiv
5+阅读 · 2018年5月1日
VIP会员
相关VIP内容
FPGA加速系统开发工具设计:综述与实践
专知会员服务
65+阅读 · 2020年6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
斯坦福2020硬课《分布式算法与优化》
专知会员服务
118+阅读 · 2020年5月6日
最新《智能交通系统的深度强化学习》综述论文,22页pdf
专知会员服务
31+阅读 · 2020年4月24日
深度神经网络实时物联网图像处理,241页pdf
专知会员服务
76+阅读 · 2020年3月15日
【Google】利用AUTOML实现加速感知神经网络设计
专知会员服务
29+阅读 · 2020年3月5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