用于机器人化系统的在直接教学期间的安全控制的方法和相关的机器人化系统

相关申请的交叉引用

本专利申请要求2021年9月29日提交的意大利专利申请号102021000024905的优先权，其全部公开内容通过引用并入本文。

技术领域

本发明涉及一种用于机器人化系统的在直接教学期间的安全控制的方法，机器人化系统特别地包括机器人操作员，并且涉及一种相关的机器人化系统。

本发明发现在陶瓷，尤其是陶瓷物品的上釉领域具有优势但并非独有的应用，在不失其一般性的情况下，以下讨论将明确涉及该领域。

背景技术

在处理陶瓷物品的领域中，已知使用支持喷头的机器人化装置来给表面上漆和/或上釉。

这种方法也用于其他领域，如焊接、定位、抛光等，是高度地通用和有效的，并已经导致在生产速度上的提高和在工业过程的可重复性和精度上的改善。

近年来，工业操纵器(以下也简称为机器人)的使用发生了根本性的变化，从完全隔离的工作空间(通过物理屏障实现)的想法转变为机器人和人类操作员共享同一工作空间并一起协作的场景。在这种情况下，机器人正在成为提高生产竞争力的关键要素，因为物理人-机器人的交互(pHRI)无疑可以帮助公司实现更大的生产灵活性，以应对快速发展的产品。然而，机器人化技术的广泛采用仍然由于一些众所周知的因素而削弱，包括机器人编程的固有的复杂和耗时的特性。

鉴于同一个机器人可以给不同形状的物品上漆和/或上釉的事实，教它如何行动的方式已经成为越来越重要的工作步骤，并且应该尽可能简单和直观。

对工业操纵器进行编程的传统方法通常包括使用手持设备(教学器)进行“点对点”编程(PTP)或在“离线”编程环境中模拟操纵器的活动。

在前一种情况下，不仅操作员必须学会正确使用教学器，而且这些设备固有的点对点的编程方式仅对于特别简单的移动是高效的。特别地，机器人本身必须用于对机器人编程(即形成生产停止)，并且编程相当复杂(有必要在路径的每个点处以所谓的“协作的”减速的速度移动机器人并保存其位置)；并且为了能够评估结果的良好性，程序必须完成然后执行；如果结果不令人满意，必须重复这些操作。

另一方面，在第二种情况下(“离线”编程)，绝对有必要知道平台特定的编程语言(和/或专用编程环境，即专用IDE程序)，因此需要来自人类操作员的对于机器操作员的任务的特定且通常过量的知识。

“离线”和“PTP”编程方法既复杂又费力，这使得它们在中小批量生产中特别低效。

为了克服这些缺点，开发了通常定义为“走查(walk-through)”编程(也称为“引导式”或“手动引导”编程)的直接教学编程策略，具有最多样的实际应用，例如喷涂或焊接。这些编程策略的特征是，操作员抓住操纵器并手动将其引导到所需位置，而无需事先了解特定编程语言和/或特定手持设备(教学器)提供的功能。在学习步骤期间，机器人的控制单元(以下也称为控制器)记录由人类操作员施加的中间点或整个轨迹，以便操纵器本身随后可以独立地再现该期望的移动。

通常，直接教学编程架构基于两个关键要素：检测系统(传感器)和由控制单元(或控制器)管理的导纳(或阻抗)控制算法。检测系统负责测量操作员施加在操纵器上的相互作用力/扭矩。

前述目的可以主要以两种方式实现：通过利用对在操纵器的接头处的扭矩的直接检测(然而，操纵器制造商通常不向客户提供这种检测，或者这种检测受到数据的差的频率和/或分辨率的影响)；或者通过在操纵器的末端执行器(即部分/元件/末端连杆，即最后一个接头之后)上安装特定传感器(例如专用测压元件)。

在这两种情况下，直接教学编程无疑确定了pHRI的一个最明显的例子，然而，在人类操作员和机器人之间的高度接近性确定了阻碍高速直接教学编程的一系列安全问题。在某些情况下，当操纵器制造商允许时，对于直接教学操作，开放式控制架构往往是优选的，特别是当直接教学用于在高速下记录连续轨迹时，直接与操纵器的低级实时控制接口。然而，从安全角度来看，这种方法会导致进一步的关键问题。

特别是，由于上述原因，在用于工业操纵器直接教学的安全标准中定义了250mm/s的笛卡尔(Cartesian)速度限制。此外，每个接头的最大速度及其加速度通常也受到限制。尽管这些限制可能适用于仅需要存储中间点的场景，但当需要记录高速下执行的连续轨迹时，这些限制可能妨碍直接教学编程的使用。例如，喷涂机器人不能在低笛卡尔速度下手动引导，因为它们的移动必须平滑并且与喷涂系统的参数同步，而喷涂系统的参数又不能(通常还包括开/关阀)相对于时间进行运动学调节。对于其他类型的应用，如焊接、抛光等，也可以进行相同的观察。

一般来说，工业操纵器通常是串联机器人，即配备有多个(取决于应用和所需自由度)通过接头相互连接的刚性连杆的机器人。特别是，即使在走查编程中，安全问题也经常取决于操作员与组成机器人的刚性连杆发生碰撞或夹住的可能性。

为了克服这些问题，已经提出了一些解决方案，包括用于在远程操作中直接教学的可穿戴触觉设备，将其视为走查编程的更安全的替代方案。然而，直接交互的缺乏必须通过增加如触觉反馈和远程视觉系统等远程呈现功能来弥补，大大增加了装备成本，这只有在高风险情况下才是合理的，如建筑物拆除、核电设施退役、灾难恢复等。

本发明的目的是提供一种特别是在直接教学期间控制封闭式机器人化系统的方法，封闭式机器人化系统特别是工业操纵器和相关的处理设施，该方法允许至少部分地克服已知技术的缺点，并且同时容易且经济地实现。

发明内容

根据本发明，提供了一种用于机器人化系统的在直接教学期间的安全控制的方法，该机器人化系统特别包括机器人操纵器，以及相关的机器人化系统，如以下独立权利要求，并且优选地，如直接或间接从属于独立权利要求的权利要求中的任一项所要求保护。

权利要求描述了本发明的优选实施例，形成了本公开的组成部分。

在本文中，“扭矩”是指“力矩”(扭矩)或在任何情况下指包含力矩(更准确地说是力矩的函数)的另一个量。“力矩”(或“机械矩”)的一般含义是当力没有作用于刚体的质心时，力使刚体绕点(平面内)或轴(空间内)转动的倾向。

在本文中，“力”也指(除了通常赋予该术语的含义之外)另一个包含力(更准确地说是力的函数)的量。根据一些实施例，“力”表示根据其正常含义的力。

附图说明

现在将参考附图描述本发明，附图显示了实施例的一些非限制性示例，其中：

图1是根据本发明的为了清楚起见移除细节的机器人化系统的立体图；

图2和图3是处于两种不同操作配置的设备1的两个示意性俯视图；

图4是显示根据本发明的机器人化系统或操作员的两个部分(刚性连杆)的可能建模的示意图；特别地，图4以非限制性的方式指示了在示意和建模的两个刚性连杆部分之间的最小距离的计算示意图；

图5示意性地示出了图1的系统的三维建模的立体图；

图6示意性地示出了在图5的机器人化系统的一部分和操作员之间的相对速度的几何表示；和

图7示意性示出了根据本发明的安全控制方法的可能框图。

具体实施方式

根据本发明的第一方面，在图1中，1总体上表示机器人化系统，特别是但不限于用于物品(本身已知且未示出，例如卫生洁具)的处理。

机器人化系统1包括末端执行器2，末端执行器2配置为处理正在生产的物品(例如物品)或与其交互。

在图1和图2的非限制性实施例中，末端执行器2是喷头，其配置为发射物质的喷射流以覆盖(特别是陶瓷的)物品的至少部分表面。在其他非限制性和非说明性实施例中，末端执行器2是焊接头、夹头、夹具或任何其他加工工具。

有利地，机器人化系统1包括机器人操纵器3，该机器人操纵器3以至少三个(特别是至少四个，更特别是六个)自由度可移动，并且末端2(例如喷头)安装在该机器人操纵器3上。

特别地，机器人操纵器3包括借助于机械(基本刚性的)L(连杆)彼此连续连接的多个机动接头J。优选地，接头J是已知类型的旋转接头，因此不再详述。每个连杆L相对于前一个连杆围绕各自的旋转轴线A可旋转。围绕每个轴线A的旋转代表机器人操纵器3的自由度。在所示实施例中，机器人操纵器3具有六个自由度，更准确地说，具有六个旋转轴线A。

机器人化系统1还包括控制系统4和驱动组件5。

控制系统4包括存储单元6，并配置为控制机器人操纵器3的移动，以便移动末端执行器2(即喷头)。特别地，控制系统4还设计成调节安装在末端执行器2(例如喷头、焊接头等)上的工具的操作。

优选地，驱动组件5配置成由操作员O操作，以便将移动的指示传递给机器人操纵器3。特别地，驱动组件5还配置成将操作指示传递到末端2(例如，喷头)。

机器人操纵器3通常是拟人工业型机器人，例如可以是盖奥托自动化(GaiottoAutomation SpA)的GA-OL机器人。机器人操纵器3也可以具有多于六个自由度(特别是多于六个旋转轴线A)。在一些非限制性情况下，自由度可以是五个旋转轴线和一个平移轴线(例如水平或垂直的)。

在图1和图2的非限制性实施例中，驱动组件5包括操作装置7，在使用中，操作员O在操作装置7上施加力和扭矩(也称为接触力)。此外，驱动组件5包括传感器8，该传感器8连接到末端执行器2并设计成检测施加到操作装置7的力和扭矩。此外，驱动组件5包括处理单元9，该处理单元9设计成取决于由传感器8检测到的数据(更准确地说，取决于检测到的力和扭矩)并遵循导纳(或阻抗)控制来为机器人操纵器3提供移动的指示。

特别地，传感器8具有(至少)六个自由度，并且能够测量(至少)三个力和三个扭矩(在笛卡尔参考系中)。传感器8可以是能够执行上述功能的任何已知装置。

根据特定的非限制性实施例，例如传感器8是FTSens，其已经测量了三个力和三个扭矩，能够通过CAN网络以数字方式传输它们。FTSens是由热那亚(Genoa)的IIT(意大利理工学院)开发的。在这种情况下，多亏应变仪技术，基于放置在传感器的本体内部的应变仪(电气/电阻型)的变形，来检测测量值。

根据其他特定的非限制性实施例，例如传感器10是由ATI Automation开发的FTAxia传感器80；它经由

存储单元6设计成当操作员O借助于驱动组件5移动末端执行器2时存储由机器人操纵器3做出的移动。控制系统4设计成取决于由存储单元存储的移动来控制机器人操纵器3的移动。特别地，控制系统4设计成控制机器人操纵器3的移动，使得机器人操纵器3基本上(特别是精确地)重复由存储单元6存储的移动，更特别地使得末端执行器2基本上(特别是精确地)重复操作员O移动末端执行器2时做出的移动。

特别地，“移动”或“转移”在本文中表示路径和沿着路径的速度。更准确地说，机器人操纵器3的移动是在空间中的在机器人操纵器5的每个可移动部件的空间中的移动。

特别地，操作装置7安装在机器人3上(更特别地，安装在传感器8上)。有利地但非必要地，操作装置7安装在机器人操纵器3上(即安装在末端执行器2上)，特别是在机器人3的末端。更准确地说，操作装置7通过传感器8(其支撑操作装置7)连接到机器人3操纵器5。

特别地，驱动组件5是申请人提交的意大利专利申请102016000097482内描述的类型。

有利地，机器人化系统1配置成执行下述方法。

根据本发明的第二方面，提供了一种通过直接教导用于机器人化系统的安全控制的方法，该机器人化系统执行与在本发明第一方面的上下文中描述的机器人化系统1相同的功能并包括相同的部件。更准确地说，机器人化系统1类似于根据本发明第一方面描述的系统。

该方法包括学习步骤，在该学习步骤期间，操作员O借助于包括力/扭矩传感器8的驱动组件5来移动机器人操纵器3的末端执行器2，并且由末端执行器2做出的移动存储在存储单元6中。

优选地，该方法还包括再现步骤，该再现步骤发生在学习步骤之后，并且在该再现步骤期间，控制系统4操作机器人操纵器3，使得末端执行器2基本上重复(特别是精确地)存储在存储单元6中的移动(特别是在学习步骤期间做出的移动)。特别地，在学习步骤期间，操作员O抓住操作装置7。

特别地，非必要地，在学习步骤期间，操作员在操作装置7上施加(施加)力和扭矩，该力和扭矩由传感器8检测。更特别地，处理单元9通过取决于由传感器8检测到的数据获得机器人操纵器3在空间中的移动的指示来执行导纳控制。

有利地，在学习步骤期间，处理单元9确定在机器人操纵器3的至少一个连杆L和操作员O之间的当前相对距离RD；并且控制(验证)至少一个连杆L的相对距离RD大于预定义距离阈值TV。在当前值RD和/或VR低于预定义值TV的情况下，该方法需要停止机器人操纵器3，即单元9控制机器人操纵器3以便停止它。

有利地，预定义距离阈值TV等于或大于机器人操纵器3在从相应的最大线速度开始到停止所需的时间量内可以覆盖的距离。换句话说，已经估计了机器人操纵器3从以最大速度V

优选地，处理单元9确定在每个连杆L和操作员O之间的相对距离RD。换句话说，处理单元9在学习步骤期间，循环地评估在每个连杆L和操作员O之间的距离；特别是在每个连杆的点和操作员O之间的距离。

有利地但不限于，替代地或除了位置控制之外，在学习步骤期间，处理单元9确定在机器人操纵器3的至少一个连杆L和操作员O之间的当前相对速度VR；并控制(验证)至少一条连杆L的所述相对速度VR是否低于预定义速度阈值TV’。在当前值VR高于预定义值TV’的情况下，该方法需要停止机器人操纵器3，即单元9控制机器人操纵器3以便停止它。优选地，处理单元9确定在每个连杆L和操作员O之间的相对速度VR。

有利地但非必要地，预定义速度阈值TV’基本上等于相应连杆L的最大线性最大速度V

优选但非限制性地，距离阈值TV取决于相对速度VR是可变的。事实上，即使机器人操纵器3以高速移动，如果操作员O沿相同方向移动，相对速度VR将较低，并且机器人操纵器3撞击操作员O将需要机器人操纵器3的反转(这需要更多时间并因此允许在机器人操纵器3伤害操作员O之前停止机器人操纵器3)。

在一些优选但非限制性的情况下，处理单元9配置为实时监控机器人操纵器3(即其每个连杆L)相对于操作员O的相对距离RD和相对速度VR。以这种方式，控制系统4可以识别以高的撞击/夹住风险为特征的情况，并因此发出紧急停止信号。

根据一些优选但非限制性的实施例，如图4所示，每个连杆L包括第一末端A和第二末端B。

特别地，如图6的非限制性实施例中示意性示出的，在至少一个连杆L和操作员O之间的相对速度VR定义为在操作员O与连杆L的末端A和B之间分别计算的相对速度

根据图2和图3的非限制性实施例，处理单元9基于在操作员O和机器人操纵器3的末端执行器2之间的刚性连杆RL，特别是在操作员O和驱动组件5之间的刚性连杆RL，更特别地基于驱动组件5的几何形状，来确定操作员O的位置，驱动组件5允许操作员O移动机器人操纵器3。换句话说，操作员O的位置OP被认为与操作装置7是整体的，因此，优选地，在学习移动期间，操作员O的位置OP被认为与机器人操纵器3的末端执行器2在固定距离处并且是整体的。

有利地但非必要地，如图4和图5的非限制性实施例所示，为了确定操作员O和至少一个连杆L的位置(以及它们的距离，或者在两个不同连杆L之间的距离)，使用胶囊CA和/或圆柱体CY几何模型GM。

特别地，从图5所示的图像中可以看出，其中示出了机器人化系统1处于其(模拟)工作空间WS中，每个胶囊CA由凸形壳体限定，该凸形壳体通过在相应的连杆L或操作员O的第一末端A和第二末端B之间平移相应的球S(为了简单起见，仅示出了其中的一些球)而获得。替代地，胶囊CA由圆柱体CY限定，在圆柱体CY的末端有基部与圆柱体CY的基部重合的帽或半球。

详细地说，每个胶囊CA和/或每个圆柱体CY的特征在于各自的半径R，R’(也称为“间隙”)。

优选地，该方法设想用相应的胶囊CA对每个连杆L建模。特别地，该方法设想用单个胶囊CA对操作员O建模。

在图2和图3的非限制性实施例中，操作员O的胶囊CA的位置OP相对于惯性参考系统RF和相对于机器人3的末端执行器2用图形代表。特别地，在图2和图3中，操作员O的胶囊CA相对于操作装置7和相对于末端执行器2的相对位置(即距离RL和OE)保持恒定，不同于操作员O的胶囊CA相对于惯性参考系统RF的位置OP(在图2和图3之间，角度改变，特别是因为只有一个基部连杆L’已经移动，然而，通过移动其他连杆L，位置矢量OP的模也将改变)。

特别地，在两个几何模型GM(即两个胶囊CA、两个圆柱体CY或一个胶囊CA和一个圆柱体CY)之间的距离通过从在相应末端A和B之间的距离中的最小值减去每个相应球S(或圆柱体CY)的半径R、R’来计算。换句话说，在该图的非限制性实施例中，在两个几何模型GM之间的距离(因此在操作员O和连杆L之间或在两个连杆L之间)等于距离AB’和BA’中的最小值(在这种情况下为BA’)，从中减去半径R和R’，即RD＝min(AB’,BA’)-R-R’(例如，在图4的非限制性实施例中，RD＝BA-R-R’)。优选但非必要地，如图6的非限制性实施例所示，在连杆L和操作员O之间的相对速度VR定义为在操作员O的胶囊CA与连杆L的末端A和B(其优选分别对应于在点A和B中的球S的中心)之间的最大相对速度

特别地，在图6中，条r

在这些非限制性实施例中，连杆L的线速度在末端A和B之间线性变化。因此，末端A(点r

在一些优选的非限制性情况下，与机器人操纵器3不同，操作员O借助于单一几何模型GM(特别是胶囊CA)建模，该几何模型视为取决于允许操作员O移动机器人操纵器3的驱动组件5的几何形状而刚性连接到机器人操纵器3的末端执行器2。

有利地但非必要地，如图2和图3的非限制性实施例所示，操作员的位置OP相对于惯性参考系统RF确定，该惯性参考系统RF优选锚定到机器人操纵器3的基部连杆L’。

有利地但非必要地，该方法提供仅基于连杆L的远侧末端B计算相对最大速度。特别地，由于机器人的胶囊CA按顺序布置，使得第i个胶囊的末端B对应于第(i+1)个胶囊的末端A，因此该方法提供了，由于机器人操纵器3的基部连杆L′(其通常对应于机器人3的第一个胶囊CA的点A)通常是静止的(为此，其选择为锚定参考系统RF)，最大相对速度

有利地但非必要地，该方法提供将目前为止描述的步骤转换成虚拟安全变量，以发送到封闭式安全控制器(即不可自由编程)。这些控制器是典型的现代机器人操纵器3，并严重限制了其功能以保护操作员和设施的安全。

优选但非限制性地，目前为止描述的控制方法借助于在机器人化系统1(即在上述安全控制器外)的功能逻辑内分配的代码来执行。

在图7的非限制性实施例中，两个宏块FL和SL示意性地表示在直接教学步骤期间机器人化系统1的功能逻辑LF和安全逻辑LS。特别地，根据到目前为止所描述的内容，块10表示对(相应几何模型GM的，例如胶囊CA的)区域、碰撞、位置和相对速度的(实时)动态监控。更特别地，块11表示加速度控制，其使用实验数据来定义用于末端执行器2的在接头J的空间和笛卡尔空间中的相应加速度限制(特别参考机器人操纵器3的工具中心点(TCP))。优选地，只有当学习步骤激活时，块10和/或11才起作用。

通过块14和15，块10和11的前述控制转换成安全变量SV’、SV”(优选地，布尔变量通常为真或等于1)。详细地说，在对操作员O的安全存在风险的情况下，换句话说，在相对距离RD低于距离阈值TV的情况下，或者在相对速度VR高于速度阈值TV’的情况下，或者甚至在末端执行器2或接头J的笛卡尔加速度超过由块11的控制监控的相应参考值的情况下，块14和块15向相应的安全变量SV’、SV”发送“假”(或零)值。

有利地但非必要地，块12和13是通常存在于封闭式安全控制器内的块。特别地，块12表示已知的块，通过该块为末端执行器2(与TCP成整体)设定在笛卡尔空间中的速度限制，例如，块12是校准到预设笛卡尔速度限制的SLSc(安全笛卡尔速度限制)块，并且仅在学习步骤中启用。

有利地但非必要地，该方法提供了计算对应于预先设定限制的接头J的最大旋转速度(即它们各自的机动化)。特别地，接头的这种最大旋转速度是假设其余接头不移动，一次一个接头J来计算的。更特别地说，块13代表已知块，其在内部包括例如安全限速控制(SLS)块，这些SLS块根据先前识别的值校准并仅在学习步骤中启用。优选地，块13包括三个SLS块，用于从基部连杆L’开始的前三个接头(换句话说，用于除机器人手腕3的接头之外的所有接头J)。

安全变量SV’、SV”和来自块12和13的输出中的安全变量由安全逻辑LS使用块循环验证，并且等同于逻辑条件AND。如果输入到该块的某个值与其他值不同，安全逻辑(LS)会激活块(BLK)，块(BLK)会立即发送紧急信号，从而在尽可能短的时间内停止机器人(例如通过无刷电机典型的著名安全扭矩关闭(STO)机构)。

在使用中，在执行学习步骤期间，控制系统4(在专用于安全的部分中)实时更新连杆L和操作员O的胶囊CA的位置，计算在每个胶囊CA和操作员O之间的相对距离RD(如图4所示)，并验证最小相对距离RD保持在距离阈值TV以上。通过将值TV设定为机器人在实施紧急停止需要的时间期间以最大可允许线速度能够覆盖的距离，(安全)控制系统4能够确保在机器人和操作员O之间的碰撞风险即使在高速下也足够低。

尽管上述发明特别参考了非常精确的实施示例，但它不限于这些实施示例，因为所有这些变化、修改或简化都由所附权利要求覆盖，例如机器人操纵器5的不同几何形状、不同类型的末端执行器、方法步骤的不同细分等，都属于权利要求的保护范围。

上述机器人化系统和方法具有许多优点。

首先，这种架构允许操作员O记录在笛卡尔空间和接头空间中在高速下做出的轨迹，同时保持根据已知技术解决方案所缺乏的高安全标准，因此有助于在高速下的直接教学。

此外，通过这种方式，在机器人和操作员之间机械碰撞的风险大大降低，同时避免后者身体的某些部分受到夹住或勒住。

此外，这使得帮助公司实现更大的生产灵活性以应对快速发展的产品成为可能。