CN113721574B - 一种柔顺控制方法、mec、现场单元、柔顺控制系统及装置 - Google Patents
一种柔顺控制方法、mec、现场单元、柔顺控制系统及装置 Download PDFInfo
- Publication number
- CN113721574B CN113721574B CN202111043223.2A CN202111043223A CN113721574B CN 113721574 B CN113721574 B CN 113721574B CN 202111043223 A CN202111043223 A CN 202111043223A CN 113721574 B CN113721574 B CN 113721574B
- Authority
- CN
- China
- Prior art keywords
- task
- information
- position information
- field unit
- subtasks
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 81
- 230000008569 process Effects 0.000 claims description 25
- 230000008030 elimination Effects 0.000 claims description 22
- 238000003379 elimination reaction Methods 0.000 claims description 22
- 238000005259 measurement Methods 0.000 claims description 18
- 230000001133 acceleration Effects 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000011217 control strategy Methods 0.000 claims description 12
- 230000015654 memory Effects 0.000 claims description 10
- 238000000354 decomposition reaction Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 14
- 238000005516 engineering process Methods 0.000 abstract description 12
- 230000000875 corresponding effect Effects 0.000 description 56
- 230000006870 function Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 11
- 238000007726 management method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 7
- 230000003993 interaction Effects 0.000 description 6
- 238000005498 polishing Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/06—Selective distribution of broadcast services, e.g. multimedia broadcast multicast service [MBMS]; Services to user groups; One-way selective calling services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/33—Director till display
- G05B2219/33139—Design of industrial communication system with expert system
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种柔顺控制方法、MEC、现场单元、柔顺控制系统及装置，所述方法包括：将柔顺控制任务分解成现场单元能够执行的多个子任务；为每个所述子任务分配对应的所述现场单元；通过广播机器对机器B‑M2M广播信道向所有所述现场单元广播所述柔顺控制任务的任务信息，所述任务信息包括所有所述子任务的任务内容以及分配的现场单元。该方法、MEC、现场单元、柔顺控制系统及装置能够解决现有的柔顺控制一方面由于缺乏高效的协同模式，无法完成复杂的柔顺控制，另一方面，由于复杂的柔顺控制涉及大量的信息采集和数据处理，如果部署到设备侧，不仅容易造成设备成本的急剧增加，缺乏灵活性，也不利于功能拓展和技术升级的问题。
Description
技术领域
本发明涉及智慧工业技术领域，尤其涉及一种柔顺控制方法、MEC、现场单元、柔顺控制系统及装置。
背景技术
随着机器人技术的不断发展，其相关技术也随之由简单的使机械臂按照预先设定好的位置和路径进行工作逐步过渡到机器人承担一些复杂的装配或加工工作，这时机器人所处的环境复杂多变，传统的位置控制使得控制变得困难，控制的精度也难以保证，甚至引起设备和被加工设备的损坏。造成这些问题的原因是机器人与外界环境接触的位置、时刻、产生的作用力是变化的，无法准确估计，因此要使机器人对外部环境具有一定的顺应性，这种机器人和外界接触的顺应性控制称为柔顺控制(ComplianceControl)。
然而，现有的柔顺控制一方面由于缺乏高效的协同模式，无法完成复杂的柔顺控制，另一方面，由于复杂的柔顺控制涉及大量的信息采集和数据处理，如果部署到设备侧，不仅容易造成设备成本的急剧增加，缺乏灵活性，也不利于功能拓展和技术升级。
发明内容
本发明所要解决的技术问题是针对现有技术的上述不足，提供一种柔顺控制方法、MEC、现场单元、柔顺控制系统及装置，用以解决现有的柔顺控制一方面由于缺乏高效的协同模式，无法完成复杂的柔顺控制，另一方面，由于复杂的柔顺控制涉及大量的信息采集和数据处理，如果部署到设备侧，不仅容易造成设备成本的急剧增加，缺乏灵活性，也不利于功能拓展和技术升级的问题。
第一方面，本发明提供一种柔顺控制方法，应用于移动边缘计算MEC中，所述方法包括：
将柔顺控制任务分解成现场单元能够执行的多个子任务；
为每个所述子任务分配对应的所述现场单元；
通过广播机器对机器B-M2M广播信道向所有所述现场单元广播所述柔顺控制任务的任务信息，所述任务信息包括所有所述子任务的任务内容以及分配的现场单元，以使所述现场单元分别基于所述任务信息执行分配给自身的所述任务内容对应的所述子任务，并在任务执行过程中进行柔顺控制。
优选地，所述将柔顺控制任务分解成现场单元能够执行的多个子任务，具体包括：
根据任务需求和预先部署的柔顺控制算法获取柔顺控制策略；
根据所述柔顺控制策略将柔顺控制任务分解成现场单元能够执行的多个子任务。
优选地，所述为每个所述子任务分配对应的所述现场单元之前，所述方法还包括：
接收每个所述现场单元发送的能力注册请求，所述能力注册请求携带所述现场单元的能力信息；
所述为每个所述子任务分配对应的所述现场单元，具体包括：
根据所述现场单元的能力信息为每个所述子任务分配对应的所述现场单元。
优选地，所述任务信息还包括每个所述子任务的执行顺序和执行时间，所述将柔顺控制任务分解成现场单元能够执行的多个子任务之后，所述方法还包括：
确定每个所述子任务的所述执行顺序和所述执行时间；
所述为每个所述子任务分配对应的所述现场单元之后，所述方法还包括：
根据所述子任务的分配情况预测各个所述子任务在执行过程中是否存在冲突；
若是，则修改对应子任务分配的所述现场单元、和/或所述执行顺序、和/或所述执行时间。
优选地，所述通过B-M2M广播信道向所有所述现场单元广播所述柔顺控制任务的任务信息之后，所述方法还包括：
接收某一现场单元发送的与所述柔顺控制任务对应的目标对象的图像信息；
对所述图像信息进行识别，并通过所述B-M2M广播信道向所有所述现场单元广播所述图像信息的识别结果，以使各个所述现场单元对所述目标对象分别进行定位和跟踪，并将获得的所述目标对象的当前位置信息以及预测位置信息通过所述B-M2M广播信道进行广播；
接收并存储所述目标对象的所述当前位置信息和所述预测位置信息，并将所述目标对象的原当前位置信息保存为历史位置信息。
优选地，所述通过B-M2M广播信道向所有所述现场单元广播所述柔顺控制任务的任务信息之后，所述方法还包括：
接收所述现场单元通过所述B-M2M广播信道广播的与自身对应的所述子任务的任务状态信息；
根据接收到的所述任务状态信息更新本地任务协同看板中对应所述子任务的任务状态；
其中，所述任务协同看板包括所有所述子任务的任务内容、分配的现场单元以及所述任务状态，所述任务状态包括以下至少之一：已分配状态、已领用状态、正在执行状态、已完成状态。
优选地，所述任务状态为正在执行状态；所述接收所述现场单元通过所述B-M2M广播信道广播的与自身对应的所述子任务的任务状态信息的同时或之后，所述方法还包括：
接收所述现场单元通过所述B-M2M广播信道广播的与自身对应的所述子任务的资源使用情况；
根据接收到的所述资源使用情况检测正在执行的各个所述子任务之间是否存在冲突；
若是，则获取冲突消除策略，并根据所述冲突消除策略生成对应的冲突消除任务，以及通过所述B-M2M广播信道向所有所述现场单元广播所述冲突消除任务。
第二方面，本发明提供一种柔顺控制方法，应用于现场单元，所述方法包括：
接收MEC通过B-M2M广播信道广播的柔顺控制任务的任务信息，所述任务信息是所述MEC将柔顺控制任务分解成现场单元能够执行的多个子任务，并为每个所述子任务分配对应的所述现场单元后发送的；所述任务信息包括所有所述子任务的任务内容以及分配的现场单元；
基于所述任务信息执行分配给自身的所述任务内容对应的所述子任务，并在任务执行过程中进行柔顺控制。
优选地，所述在任务执行过程中进行柔顺控制之前，所述方法还包括：
接收并存储所述B-M2M广播信道中广播的与所述柔顺控制任务对应的目标对象的当前位置信息以及预测位置信息，并将所述目标对象的原当前位置信息保存为历史位置信息；
所述在任务执行过程中进行柔顺控制，具体包括：
根据所述目标对象的当前位置信息、预测位置信息以及历史位置信息对机器人或机械臂的位置、和/或速度、和/或加速度、和/或力进行控制。
第三方面，本发明提供一种MEC，包括：
任务分解模块，用于将柔顺控制任务分解成现场单元能够执行的多个子任务；
任务分配模块，与所述任务分解模块连接，用于为每个所述子任务分配对应的所述现场单元；
第一B-M2M模块，与所述任务分配模块连接，用于通过广播机器对机器B-M2M广播信道向所有所述现场单元广播所述柔顺控制任务的任务信息，所述任务信息包括所有所述子任务的任务内容以及分配的现场单元，以使所述现场单元分别基于所述任务信息执行分配给自身的所述任务内容对应的所述子任务，并在任务执行过程中进行柔顺控制。
第四方面，本发明提供一种现场单元，包括：
第二B-M2M模块，用于接收MEC通过B-M2M广播信道广播的柔顺控制任务的任务信息，所述任务信息是所述MEC将柔顺控制任务分解成现场单元能够执行的多个子任务，并为每个所述子任务分配对应的所述现场单元后发送的；所述任务信息包括所有所述子任务的任务内容以及分配的现场单元；
控制模块，与所述第二B-M2M模块连接，用于基于所述任务信息执行分配给自身的所述任务内容对应的所述子任务，并在任务执行过程中进行柔顺控制。
第五方面，本发明提供一种柔顺控制系统，包括上述第三方面所述的MEC和第四方面所述的现场单元，其中，所述MEC与所述现场单元通过B-M2M无线广播网络连接。
第六方面，本发明提供一种柔顺控制装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以实现上述第一方面或第二方面所述的柔顺控制方法。
本发明提供的柔顺控制方法、MEC、现场单元、柔顺控制系统及装置，结合5G的MEC技术和B-M2M网络，由MEC进行柔顺控制任务的分解和分配，仅将柔顺控制的执行部分部署在现场，从而降低了现场设备柔顺控制的难度和成本。同时，通过实时高效的B-M2M广播网络进行广播数据的交互，能够解决现有5G网络主要针对点-点通信设计，局部广播通信能力效率不高的问题。此外，各现场单元接收到广播的任务信息后，分别基于该任务信息执行分配给自身的所述任务内容对应的子任务，最终完成复杂的柔顺控制，本发明对提高5G技术在工业领域和其他领域的应用，对构建B-M2M技术的应用生态，都具有积极的意义。解决了现有的柔顺控制一方面由于缺乏高效的协同模式，无法完成复杂的柔顺控制，另一方面，由于复杂的柔顺控制涉及大量的信息采集和数据处理，如果部署到设备侧，不仅容易造成设备成本的急剧增加，缺乏灵活性，也不利于功能拓展和技术升级的问题。
附图说明
图1：为本发明实施例1的一种柔顺控制方法的流程图；
图2：为本发明实施例2的一种柔顺控制方法的流程图；
图3：为本发明实施例3的一种MEC的结构示意图；
图4：为本发明实施例4的一种现场单元的结构示意图；
图5：为本发明实施例5的一种柔顺控制系统的结构示意图；
图6：为本发明实施例6的一种柔顺控制装置的结构示意图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案，下面将结合附图对本发明实施方式作进一步地详细描述。
可以理解的是，此处描述的具体实施例和附图仅仅用于解释本发明，而非对本发明的限定。
可以理解的是，在不冲突的情况下，本发明中的各实施例及实施例中的各特征可相互组合。
可以理解的是，为便于描述，本发明的附图中仅示出了与本发明相关的部分，而与本发明无关的部分未在附图中示出。
可以理解的是，本发明的实施例中所涉及的每个单元、模块可仅对应一个实体结构，也可由多个实体结构组成，或者，多个单元、模块也可集成为一个实体结构。
可以理解的是，在不冲突的情况下，本发明的流程图和框图中所标注的功能、步骤可按照不同于附图中所标注的顺序发生。
可以理解的是，本发明的流程图和框图中，示出了按照本发明各实施例的系统、装置、设备、方法的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可代表一个单元、模块、程序段、代码，其包含用于实现规定的功能的可执行指令。而且，框图和流程图中的每个方框或方框的组合，可用实现规定的功能的基于硬件的系统实现，也可用硬件与计算机指令的组合来实现。
可以理解的是，本发明实施例中所涉及的单元、模块可通过软件的方式实现，也可通过硬件的方式来实现，例如单元、模块可位于处理器中。
申请概述
现有的柔顺控制一般采用力传感器等来感受外界的变化，然后将信息反馈给控制系统，使之根据外界的变化来控制机器人的动作，柔顺控制从力传感器取得控制信号，用此信号去控制机器人，使之响应这个变化而动作。机器人的柔顺控制是机器人发展的重要方向，使得机器人由从事简单工作提升到复杂精细的工作，机器人向智能化方向迈了一大步。
正如工人工作需要各个手指、手臂和身体其他部位协同工作才能完成各类复杂的工作，机器人的各部分在多个空间维度以及多个机器人之间进行协同可以完成复杂的柔顺控制，由于这类协同需要高效的通信能力和数据处理能力，若部署在设备侧，不仅容易造成设备成本的急剧增加，缺乏灵活性，也不利于功能拓展和技术升级。
针对上述技术问题，本申请结合5G的MEC(Mobile Edge Computing，移动边缘计算)技术和B-M2M(Board Machine-to-Machine，广播机器对机器)网络，将柔顺控制的控制部分部署在MEC中，即由MEC进行柔顺控制任务的分解和分配，并通过B-M2M网络进行广播数据的交互，而将执行部分部署在现场。由于MEC能够提供强大的数据处理能力，因此，能够实现基站覆盖范围内的机器人的通用的复杂柔顺控制。此外，由于柔顺控制是机器人的一个核心的能力，不仅可以应用于制造业，而且可以广泛应用于医疗机器人、服务机器人等广泛的领域。因此，5G技术与柔顺控制的结合，也给运营商带来了新的发展空间，充分利用5G网络的资源，不仅为用户提供数据传输服务，同时为用户提供各类机器人的复杂柔顺控制服务，可以促进机器人在社会各个领域的高层次应用。由于基于MEC提供通用化的服务，在增加系统灵活性，提高系统性能的同时也降低了系统成本。
在介绍了本申请的基本原理之后，下面将参考附图来具体介绍本申请的各种非限制性实施例。
实施例1：
本实施例提供一种柔顺控制方法，应用于MEC中，如图1所示，该方法包括：
步骤S102：将柔顺控制任务分解成现场单元能够执行的多个子任务。
在本实施例中，柔顺控制分为基本柔顺控制和复杂柔顺控制，分别对应不同的柔顺控制算法，基于MEC的强大的数据处理能力和存储能力，以及基站覆盖单位大的优势，柔顺控制算法预先部署在MEC中，MEC根据不同的任务需求调用不同的柔顺控制算法，完成总体的柔顺控制策略，然后根据总体的柔顺控制策略将柔顺控制任务分解成现场单元能够执行的多个子任务，例如打磨，可以先高速接近打磨部分，然后降低速度，接触打磨部位的同时，对力进行控制，使得打磨头以合适的力量压在打磨部位上，又不至于把打磨部位压扁。需要说明的是，基本柔顺控制通常对应简单的柔顺控制算法，仅靠现场单元能够完成，复杂柔顺控制通常对应复杂的柔顺控制算法，比如，需要基于机器学习和人工智能构造的柔顺控制算法，此类复杂柔顺控制无法直接在现场单元执行，需要MEC基于对应的柔顺控制算法进行分解，从而得到现场单元能够执行的任务。
步骤S104：为每个子任务分配对应的现场单元。
在本实施例中，现场单元部署在现场设备中，现场设备如各种工业现场设备，正如工人工作需要各个手指、手臂和身体其他部位协同工作才能完成各类复杂的工作，现场单元泛指完成柔顺控制所需的所有单元，各个现场单元相互协同从而完成复杂的柔顺控制。
在本实施例中，MEC侧部署有协同任务分配单元以及智能柔顺控制单元，智能柔顺控制单元包括：目标对象识别、柔顺控制机器学习策略(现场单元重复执行相同的任务时，基于机器学习的柔顺控制算法把位置、速度、加速度和力误差作为学习任务的输入，在参数不确定性和干扰足够小的情况下，能保证位置和力跟踪误差收敛的同时，也保证了鲁棒性)、复杂柔顺控制(例如具备复杂情况具有各种可能状态的推理和判断，做出适应性调整的模糊柔顺控制、具有自适应性和自学习性能力的神经网络柔顺控制)、协同策略和冲突协调。智能柔顺控制单元同现场单元的基本柔顺控制单元进行任务的分配和状态交互，协同任务分配单元将总体柔顺控制策略分解为现场单元能够执行的任务，并通过看板方式在各个分解任务之间进行协同管理和冲突管理。
可选地，为每个子任务分配对应的现场单元之前，方法还可以包括：
接收每个现场单元发送的能力注册请求，能力注册请求携带现场单元的能力信息；
为每个子任务分配对应的现场单元，具体包括：
根据现场单元的能力信息为每个子任务分配对应的现场单元。
在本实施例中，由于柔顺控制需要不同现场单元协同完成，现场单元的能力是进行任务分配和任务执行的重要依据。各现场单元在进入系统时首先通过B-M2M广播信道向MEC进行能力注册，MEC根据现场单元的能力信息进行柔顺控制的任务分配。
步骤S106：通过广播机器对机器B-M2M广播信道向所有现场单元广播柔顺控制任务的任务信息，任务信息包括所有子任务的任务内容以及分配的现场单元，以使现场单元分别基于任务信息执行分配给自身的任务内容对应的子任务，并在任务执行过程中进行柔顺控制。
在本实施例中，由于协同柔顺控制需要高效的实时广播通信网络，针对现有5G网络主要为点对点通信设计，局部广播通信能力效率不高的问题，本申请提出了基于5G网络的B-M2M网络架构的概念，利用5G的授权频段，在工业现场基站覆盖范围内，动态划分出专用的频段，采用时分方式部署广播信道，网络内所有现场单元或设备具有接收所有广播时隙的能力，MEC以及各现场单元可以动态选择空闲时隙发送广播信息，从而实现所有现场单元或设备的广播发送和接收，同时配置专用的控制时隙。
具体地，基于5G网络的B-M2M网络架构包括设置于各现场单元中的B-M2M模块、公共广播信道资源池和B-M2M管理单元。其中，B-M2M模块具有无线广播信息发送和接收功能，所有具有B-M2M模块的现场单元或设备具有接收公共广播信道资源池所有时隙的功能。公共广播信道资源池为基站覆盖范围内，由基站内的B-M2M管理单元进行管理的具有连续频段和时隙的公共广播信道资源池，资源池的频段宽度和时隙数量由B-M2M管理单元根据实时的广播强度进行动态调整，以保证各个现场单元或设备的广播发送延迟符合生产现场的质量要求。B-M2M管理单元部署在基站和移动边缘计算中，在5G基站的接入网(5G NG-RAN)中部署B-M2M广播发送接收模块，具有广播管理信息、确认信息和状态信息的功能、系统管理以及接收公共广播信道资源池所有时隙的功能。基站的移动边缘计算平台部署B-M2M管理和控制系统，以及生产应用系统的运行。
在本实施例中，任务信息还包括每个子任务的执行顺序和执行时间，MEC将柔顺控制任务分解成现场单元能够执行的多个子任务的同时或之后，可以确定每个子任务的执行顺序和执行时间，为了降低各子任务在执行过程中发生资源冲突的可能性，MEC在各子任务执行前进行冲突预测，根据子任务的分配情况预测各个子任务在执行过程中是否存在冲突，若存在冲突，则修改对应子任务分配的现场单元、和/或执行顺序、和/或执行时间，使任务能够满足相互间的约束，并实现任务的整体效能最大。
可选地，通过B-M2M广播信道向所有现场单元广播柔顺控制任务的任务信息之后，方法还可以包括：
接收现场单元通过B-M2M广播信道广播的与自身对应的子任务的任务状态信息；
根据接收到的任务状态信息更新本地任务协同看板中对应子任务的任务状态；
其中，任务协同看板包括所有子任务的任务内容、分配的现场单元以及任务状态，任务状态包括以下至少之一：已分配状态、已领用状态、正在执行状态、已完成状态。
在本实施例中，由于机器人完成的工作越来越复杂，机器人需要完成大量的复杂接触操作，在这些复杂接触操作中，机器人需要实现协同柔顺控制，因此，本申请提出了基于B-M2M广播的看板(KanBoard)通信方式：通过实时高效的B-M2M广播网络进行任务信息的交互。看板管理方法是生产企业中在同一道工序或者前后工序之间进行物流或信息流的传递的管理方法，从最后一道工序通过信息流向上一道工序传递信息。本实施例采用看板模式在各个现场单元之间传递需求、状态、任务、指令和协同消息。每个现场单元可以包括识别定位测量单元和基本柔顺控制单元，每个识别定位测量单元和基本柔顺控制单元均配置控制模块、任务协同看板模块和B-M2M模块，各个现场单元和MEC均通过B-M2M广播信道完成任务信息的广播和接收，从而实现任务协同。具体地，在每个现场单元和MEC中，配置数据存储区，数据存储区和控制模块实现看板的功能，可以标注任务的分配、请求和领用情况，协同任务前后之间进行信息流的传递。不同的现场单元领取任务后，在自身任务协同看板上进行标注，并将标注信息通过B-M2M广播信道广播，同时继续周期性将任务执行的实时任务状态广播，MEC和其他现场单元通过B-M2M模块接收到信息后，更新到本地的任务协同看板，从而获知所有任务当前的实时状态，以便相互之间配合完成协同柔顺控制。
在本实施例中，随着柔顺控制需要的复杂性，需要基于机器学习和人工智能构建总体柔顺控制策略，同时，将总体柔顺控制策略分解成各现场单元能执行的任务。由于机器学习和人工智能需要较强的数据处理能力，同时算法也需要动态调度和更新，以适应不同应用的要求。因此，可以采用集中和分布结合的任务分配方式，各个现场单元通过B-M2M模块接收到任务后，在执行经典柔顺控制过程中，通过广播看板方式进行相互之间的协调，共同完成柔顺控制。
在本实施例中，为了更好的监测各任务的执行状态，MEC可以设置三个任务协同看板，分别对应已分配状态的任务、正在执行状态的任务和已完成状态的任务，并根据接收到的B-M2M广播信道中广播的状态信息实时更新。
可选地，接收现场单元通过B-M2M广播信道广播的与自身对应的子任务的任务状态信息的同时或之后，方法还可以包括：
接收现场单元通过B-M2M广播信道广播的与自身对应的子任务的资源使用情况；
根据接收到的资源使用情况检测正在执行的各个子任务之间是否存在冲突；
若是，则获取冲突消除策略，并根据冲突消除策略生成对应的冲突消除任务，以及通过B-M2M广播信道向所有现场单元广播冲突消除任务。
在本实施例中，各现场单元在执行柔顺控制时，由于执行环境的不确定性，各现场单元之间的行为可能发生相互冲突，或者各个现场单元因资源冲突产生资源死锁致使所有任务都处于停滞状态，在上述情况下，需要进行冲突协调来避免，从而提高系统的效率和安全性。集中式冲突协调方式具有高效快速的优点，但是需要了解全局的能力。由于本实施例基于B-M2M广播模式，MEC接收到各子任务的资源使用情况后，可以标注在自身的任务协同看板中，通过自身的任务协同看板随时监测所有子任务中已分配的任务、正在执行的任务和已经完成的任务的状态以及资源使用情况。MEC中可以设置冲突协调单元，除了在各子任务执行前进行冲突预测，在各子任务执行过程中也进行相应的冲突检测，若检测到冲突，则根据冲突对应的类型查找并获取对应的冲突消除策略，并将冲突消除策略转化成冲突消除任务，通过B-M2M信道进行广播，该冲突消除任务可以包括执行该冲突消除任务的现场单元信息以及具体的任务内容信息，相关现场单元接收到冲突消除任务后，执行相应动作以消除冲突。
可选地，通过B-M2M广播信道向所有现场单元广播柔顺控制任务的任务信息之后，方法还可以包括：
接收某一现场单元发送的与柔顺控制任务对应的目标对象的图像信息；
对图像信息进行识别，并通过B-M2M广播信道向所有现场单元广播图像信息的识别结果，以使各个现场单元对目标对象分别进行定位和跟踪，并将获得的目标对象的当前位置信息以及预测位置信息通过B-M2M广播信道进行广播；
接收并存储目标对象的当前位置信息和预测位置信息，并将目标对象的原当前位置信息保存为历史位置信息。
在本实施例中，目标对象可以是待加工的设备或待装配的设备，为了更好的进行柔顺控制，需要对目标对象的位置进行定位和跟踪。具体的，现场单元中的识别定位测量单元通过视频获取目标对象的图像信息，并通过B-M2M广播信道传输到MEC，MEC对目标对象进行识别，然后将识别结果通过B-M2M广播信道广播到各个现场单元中的识别定位测量单元，各个识别定位测量单元采用视频、光学方式对目标对象进行动态定位和跟踪，获得目标对象的位置、距离、运动方向、速度、加速度和角度信息，并根据目标对象的运动趋势预测未来一段时间目标对象的位置和运动速度、运动方向，并将当前位置信息和预测位置信息周期性通过B-M2M信道广播，各个现场单元和MEC均可以设置位置信息看板，具体可以设置预测位置信息、当前位置信息以及历史位置信息三个位置信息看板，各个现场单元和MEC接收到新的当前位置信息和预测位置信息后进行存储，将当前位置信息移动到历史位置信息看板，将接收到的预测信息、当前信息分别放置到预测位置看板和当前位置看板。
在本实施例中，各现场单元接收到任务信息后，可以基于任务信息中的任务内容、执行顺序和执行时间执行分配给自身的子任务，并在任务执行过程中进行柔顺控制。具体地，现场单元中的基本柔顺控制单元是柔顺控制的最终执行机构，支持对阻抗控制机构、导纳控制机构、力/位置混合控制机构、混合阻抗控制机构、直接力控制机构、间接力控制机构。基本柔顺控制是确定作用力并有效的使用反馈信号得到适当的输入信号，从而得到期望的运动和力。基本柔顺控制中的变量主要是位置、速度、加速度和力。控制过程分成两个基本运动状态以及这两个状态之间的转换：接触状态、非接触状态、两种运动状态间的转换。基本柔顺控制单元通过接收识别定位测量单元广播的位置信息和自身传感器获得的信息，通过看板方式管理位置、速度、加速度和力，为基本柔顺控制提供运动状态信息和力的反馈信息。基本柔顺控制单元通过B-M2M广播和看板，能够实现执行机构在某些自由度上进行力控制，在余下的自由度上进行位置控制，同时控制力和位置，即基本柔顺控制单元根据目标对象的当前位置信息、预测位置信息以及历史位置信息对机器人或机械臂的位置、和/或速度、和/或加速度、和/或力进行控制。
本发明实施例提供的柔顺控制方法，结合5G的MEC技术和B-M2M网络，由MEC进行柔顺控制任务的分解和分配，仅将柔顺控制的执行部分部署在现场，从而降低了现场设备柔顺控制的难度和成本。同时，通过实时高效的B-M2M广播网络进行广播数据的交互，能够解决现有5G网络主要针对点-点通信设计，局部广播通信能力效率不高的问题。此外，各现场单元接收到广播的任务信息后，分别基于该任务信息执行分配给自身的所述任务内容对应的子任务，最终完成复杂的柔顺控制，本发明对提高5G技术在工业领域和其他领域的应用，对构建B-M2M技术的应用生态，都具有积极的意义。解决了现有的柔顺控制一方面由于缺乏高效的协同模式，无法完成复杂的柔顺控制，另一方面，由于复杂的柔顺控制涉及大量的信息采集和数据处理，如果部署到设备侧，不仅容易造成设备成本的急剧增加，缺乏灵活性，也不利于功能拓展和技术升级的问题。
实施例2：
如图2所示，本实施例提供一种柔顺控制方法，应用于现场单元，所述方法包括：
步骤S202：接收MEC通过B-M2M广播信道广播的柔顺控制任务的任务信息，任务信息是MEC将柔顺控制任务分解成现场单元能够执行的多个子任务，并为每个子任务分配对应的现场单元后发送的；任务信息包括所有子任务的任务内容以及分配的现场单元；
步骤S204：基于任务信息执行分配给自身的任务内容对应的子任务，并在任务执行过程中进行柔顺控制。
可选地，在任务执行过程中进行柔顺控制之前，方法还包括：
接收并存储B-M2M广播信道中广播的与柔顺控制任务对应的目标对象的当前位置信息以及预测位置信息，并将目标对象的原当前位置信息保存为历史位置信息；
所述在任务执行过程中进行柔顺控制，具体包括：
根据目标对象的当前位置信息、预测位置信息以及历史位置信息对机器人或机械臂的位置、和/或速度、和/或加速度、和/或力进行控制。
实施例3：
参考图3，本实施例提供一种MEC，包括：
任务分解模块12，用于将柔顺控制任务分解成现场单元能够执行的多个子任务；
任务分配模块14，与所述任务分解模块12连接，用于为每个所述子任务分配对应的所述现场单元；
第一B-M2M模块16，与所述任务分配模块14连接，用于通过广播机器对机器B-M2M广播信道向所有所述现场单元广播所述柔顺控制任务的任务信息，所述任务信息包括所有所述子任务的任务内容以及分配的现场单元，以使所述现场单元分别基于所述任务信息执行分配给自身的所述任务内容对应的所述子任务，并在任务执行过程中进行柔顺控制。
可选地，所述任务分解模块12具体包括：
柔顺控制策略获取模块，用于根据任务需求和预先部署的柔顺控制算法获取柔顺控制策略；
执行子任务分配模块，用于根据所述柔顺控制策略将柔顺控制任务分解成现场单元能够执行的多个子任务。
可选地，还可以包括：
能力注册请求接收模块，用于接收每个所述现场单元发送的能力注册请求，所述能力注册请求携带所述现场单元的能力信息；
所述任务分配模块14具体用于根据所述现场单元的能力信息为每个所述子任务分配对应的所述现场单元。
可选地，所述任务信息还包括每个所述子任务的执行顺序和执行时间；
可选地，还可以包括：
确定模块，用于确定每个所述子任务的所述执行顺序和所述执行时间；
冲突预测模块，用于根据所述子任务的分配情况预测各个所述子任务在执行过程中是否存在冲突；
冲突处理模块，用于若是，则修改对应子任务分配的所述现场单元、和/或所述执行顺序、和/或所述执行时间。
可选地，还可以包括：
目标图像接收模块，用于接收某一现场单元发送的与所述柔顺控制任务对应的目标对象的图像信息；
识别模块，用于对所述图像信息进行识别，并通过所述B-M2M广播信道向所有所述现场单元广播所述图像信息的识别结果，以使各个所述现场单元对所述目标对象分别进行定位和跟踪，并将获得的所述目标对象的当前位置信息以及预测位置信息通过所述B-M2M广播信道进行广播；
位置信息存储模块，用于接收并存储所述目标对象的所述当前位置信息和所述预测位置信息，并将所述目标对象的原当前位置信息保存为历史位置信息。
可选地，第一B-M2M模块16还用于接收所述现场单元通过所述B-M2M广播信道广播的与自身对应的所述子任务的任务状态信息；
可选地，还可以包括：
任务协同看板模块，用于根据接收到的所述任务状态信息更新本地任务协同看板中对应所述子任务的任务状态；
其中，所述任务协同看板包括所有所述子任务的任务内容、分配的现场单元以及所述任务状态，所述任务状态包括以下至少之一：已分配状态、已领用状态、正在执行状态、已完成状态。
可选地，所述任务状态为正在执行状态，所述第一B-M2M模块16还用于接收所述现场单元通过所述B-M2M广播信道广播的与自身对应的所述子任务的资源使用情况；
可选地，所述MEC还包括：
冲突检测模块，用于根据接收到的所述资源使用情况检测正在执行的各个所述子任务之间是否存在冲突；
冲突消除策略模块，用于若是，则获取冲突消除策略，并根据所述冲突消除策略生成对应的冲突消除任务；
所述第一B-M2M模块16还用于通过所述B-M2M广播信道向所有所述现场单元广播所述冲突消除任务。
实施例4：
参考图4，本实施例提供一种现场单元，包括：
第二B-M2M模块32，用于接收MEC通过B-M2M广播信道广播的柔顺控制任务的任务信息，所述任务信息是所述MEC将柔顺控制任务分解成现场单元能够执行的多个子任务，并为每个所述子任务分配对应的所述现场单元后发送的；所述任务信息包括所有所述子任务的任务内容以及分配的现场单元；
控制模块34，与所述第二B-M2M模块32连接，用于基于所述任务信息执行分配给自身的所述任务内容对应的所述子任务，并在任务执行过程中进行柔顺控制。
可选地，还可以包括：位置信息看板模块；所述第二B-M2M模块32还用于接收所述B-M2M广播信道中广播的与所述柔顺控制任务对应的目标对象的当前位置信息以及预测位置信息，并将所述当前位置信息以及预测位置信息发送给位置信息看板模块；所述位置信息看板模块用于存储所述当前位置信息以及预测位置信息，并将所述目标对象的原当前位置信息保存为历史位置信息；
可选地，所述控制模块34具体用于根据所述目标对象的当前位置信息、预测位置信息以及历史位置信息对机器人或机械臂的位置、和/或速度、和/或加速度、和/或力进行控制。
实施例5：
参考图5，本实施例提供一种柔顺控制系统，包括实施例3所述的MEC42和实施例4所述的现场单元44，其中，所述MEC42与所述现场单元44通过B-M2M无线广播网络连接。
实施例6：
参考图6，本实施例提供一种柔顺控制装置，包括存储器21和处理器22，存储器21中存储有计算机程序，处理器22被设置为运行所述计算机程序以执行实施例1或实施例2中的柔顺控制方法。
其中，存储器21与处理器22连接，存储器21可采用闪存或只读存储器或其他存储器，处理器22可采用中央处理器或单片机。
实施例2至实施例6提供的柔顺控制方法、MEC、现场单元、柔顺控制系统及装置，结合5G的MEC技术和B-M2M网络，由MEC进行柔顺控制任务的分解和分配，仅将柔顺控制的执行部分部署在现场，从而降低了现场设备柔顺控制的难度和成本。同时，通过实时高效的B-M2M广播网络进行广播数据的交互，能够解决现有5G网络主要针对点-点通信设计，局部广播通信能力效率不高的问题。此外，各现场单元接收到广播的任务信息后，分别基于该任务信息执行分配给自身的所述任务内容对应的子任务，最终完成复杂的柔顺控制，本发明对提高5G技术在工业领域和其他领域的应用，对构建B-M2M技术的应用生态，都具有积极的意义。解决了现有的柔顺控制一方面由于缺乏高效的协同模式，无法完成复杂的柔顺控制，另一方面，由于复杂的柔顺控制涉及大量的信息采集和数据处理，如果部署到设备侧，不仅容易造成设备成本的急剧增加，缺乏灵活性，也不利于功能拓展和技术升级的问题。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。
Claims (11)
1.一种柔顺控制方法，其特征在于，应用于基于5G网络的广播机器对机器B-M2M网络架构中的移动边缘计算MEC中，所述B-M2M网络架构还包括现场单元，所述MEC与现场单元通过B-M2M无线广播网络连接，所述方法包括：
将柔顺控制任务分解成现场单元能够执行的多个子任务；
为每个所述子任务分配对应的所述现场单元；
通过广播机器对机器B-M2M广播信道向所有所述现场单元广播所述柔顺控制任务的任务信息，所述任务信息包括所有所述子任务的任务内容以及分配的现场单元，以使所述现场单元分别基于所述任务信息执行分配给自身的所述任务内容对应的所述子任务，并在任务执行过程中进行柔顺控制；
所述通过B-M2M广播信道向所有所述现场单元广播所述柔顺控制任务的任务信息之后，所述方法还包括：
接收某一现场单元中的识别定位测量单元通过视频获取与所述柔顺控制任务对应的目标对象的图像信息后，通过所述B-M2M广播信道发送的所述图像信息；
对所述图像信息进行识别，并将识别结果通过所述B-M2M广播信道广播到各个现场单元中的识别定位测量单元，以使各个识别定位测量单元采用视频、光学方式对目标对象进行动态定位和跟踪，获得目标对象的位置、距离、运动方向、速度、加速度和角度信息，并根据目标对象的运动趋势预测未来一段时间目标对象的位置和运动速度、运动方向，并将当前位置信息和预测位置信息周期性通过所述B-M2M广播信道进行广播；所述当前位置信息和预测位置信息用于触发所述现场单元根据所述目标对象的当前位置信息、预测位置信息以及历史位置信息对机器人或机械臂的位置、和/或速度、和/或加速度、和/或力进行控制；
接收并存储所述目标对象的新的当前位置信息和预测位置信息，将原当前位置信息移动到历史位置信息看板，将接收到的预测位置信息、新的当前位置信息分别放置到预测位置看板和当前位置看板，其中，所述MEC预先设置有所述预测位置看板、当前位置看板和历史位置信息看板。
2.根据权利要求1所述的柔顺控制方法，其特征在于，所述将柔顺控制任务分解成现场单元能够执行的多个子任务，具体包括：
根据任务需求和预先部署的柔顺控制算法获取柔顺控制策略；
根据所述柔顺控制策略将柔顺控制任务分解成现场单元能够执行的多个子任务。
3.根据权利要求1所述的柔顺控制方法，其特征在于，所述为每个所述子任务分配对应的所述现场单元之前，所述方法还包括：
接收每个所述现场单元发送的能力注册请求，所述能力注册请求携带所述现场单元的能力信息；
所述为每个所述子任务分配对应的所述现场单元，具体包括：
根据所述现场单元的能力信息为每个所述子任务分配对应的所述现场单元。
4.根据权利要求1所述的柔顺控制方法，其特征在于，所述任务信息还包括每个所述子任务的执行顺序和执行时间，所述将柔顺控制任务分解成现场单元能够执行的多个子任务之后，所述方法还包括：
确定每个所述子任务的所述执行顺序和所述执行时间；
所述为每个所述子任务分配对应的所述现场单元之后，所述方法还包括：
根据所述子任务的分配情况预测各个所述子任务在执行过程中是否存在冲突；
若是，则修改对应子任务分配的所述现场单元、和/或所述执行顺序、和/或所述执行时间。
5.根据权利要求1所述的柔顺控制方法，其特征在于，所述通过B-M2M广播信道向所有所述现场单元广播所述柔顺控制任务的任务信息之后，所述方法还包括：
接收所述现场单元通过所述B-M2M广播信道广播的与自身对应的所述子任务的任务状态信息；
根据接收到的所述任务状态信息更新本地任务协同看板中对应所述子任务的任务状态；
其中，所述任务协同看板包括所有所述子任务的任务内容、分配的现场单元以及所述任务状态，所述任务状态包括以下至少之一：已分配状态、已领用状态、正在执行状态、已完成状态。
6.根据权利要求5所述的柔顺控制方法，其特征在于，所述任务状态为正在执行状态；所述接收所述现场单元通过所述B-M2M广播信道广播的与自身对应的所述子任务的任务状态信息的同时或之后，所述方法还包括：
接收所述现场单元通过所述B-M2M广播信道广播的与自身对应的所述子任务的资源使用情况；
根据接收到的所述资源使用情况检测正在执行的各个所述子任务之间是否存在冲突；
若是，则获取冲突消除策略，并根据所述冲突消除策略生成对应的冲突消除任务，以及通过所述B-M2M广播信道向所有所述现场单元广播所述冲突消除任务。
7.一种柔顺控制方法，其特征在于，应用于基于5G网络的广播机器对机器B-M2M网络架构中的现场单元，所述B-M2M网络架构还包括移动边缘计算MEC，所述MEC与现场单元通过B-M2M无线广播网络连接，所述方法包括：
接收MEC通过B-M2M广播信道广播的柔顺控制任务的任务信息，所述任务信息是所述MEC将柔顺控制任务分解成现场单元能够执行的多个子任务，并为每个所述子任务分配对应的所述现场单元后发送的；所述任务信息包括所有所述子任务的任务内容以及分配的现场单元；
基于所述任务信息执行分配给自身的所述任务内容对应的所述子任务，并在任务执行过程中进行柔顺控制；
还包括：
所述现场单元中的识别定位测量单元通过视频获取与所述柔顺控制任务对应的目标对象的图像信息后，通过所述B-M2M广播信道向所述MEC发送所述图像信息；
所述识别定位测量单元接收所述MEC对所述图像信息进行识别后，通过所述B-M2M广播信道广播的识别结果；
所述识别定位测量单元根据所述识别结果采用视频、光学方式对目标对象进行动态定位和跟踪，获得目标对象的位置、距离、运动方向、速度、加速度和角度信息，并根据目标对象的运动趋势预测未来一段时间目标对象的位置和运动速度、运动方向，并将当前位置信息和预测位置信息周期性通过所述B-M2M广播信道进行广播；
接收并存储所述目标对象的新的当前位置信息和预测位置信息，将原当前位置信息移动到历史位置信息看板，将接收到的预测位置信息、新的当前位置信息分别放置到预测位置看板和当前位置看板，其中，所述现场单元预先设置有所述预测位置看板、当前位置看板和历史位置信息看板；
所述在任务执行过程中进行柔顺控制，具体包括：
根据所述目标对象的当前位置信息、预测位置信息以及历史位置信息对机器人或机械臂的位置、和/或速度、和/或加速度、和/或力进行控制。
8.一种MEC，其特征在于，所述MEC设置于基于5G网络的广播机器对机器B-M2M网络架构中，所述B-M2M网络架构还包括现场单元，所述MEC与现场单元通过B-M2M无线广播网络连接，所述MEC包括：
任务分解模块，用于将柔顺控制任务分解成现场单元能够执行的多个子任务；
任务分配模块，与所述任务分解模块连接，用于为每个所述子任务分配对应的所述现场单元；
第一B-M2M模块，与所述任务分配模块连接，用于通过广播机器对机器B-M2M广播信道向所有所述现场单元广播所述柔顺控制任务的任务信息，所述任务信息包括所有所述子任务的任务内容以及分配的现场单元，以使所述现场单元分别基于所述任务信息执行分配给自身的所述任务内容对应的所述子任务，并在任务执行过程中进行柔顺控制；
所述第一B-M2M模块还用于：
接收某一现场单元中的识别定位测量单元通过视频获取与所述柔顺控制任务对应的目标对象的图像信息后，通过所述B-M2M广播信道发送的所述图像信息；
对所述图像信息进行识别，并将识别结果通过所述B-M2M广播信道广播到各个现场单元中的识别定位测量单元，以使各个识别定位测量单元采用视频、光学方式对目标对象进行动态定位和跟踪，获得目标对象的位置、距离、运动方向、速度、加速度和角度信息，并根据目标对象的运动趋势预测未来一段时间目标对象的位置和运动速度、运动方向，并将当前位置信息和预测位置信息周期性通过所述B-M2M广播信道进行广播；所述当前位置信息和预测位置信息用于触发所述现场单元根据所述目标对象的当前位置信息、预测位置信息以及历史位置信息对机器人或机械臂的位置、和/或速度、和/或加速度、和/或力进行控制；
接收并存储所述目标对象的新的当前位置信息和预测位置信息，将原当前位置信息移动到历史位置信息看板，将接收到的预测位置信息、新的当前位置信息分别放置到预测位置看板和当前位置看板，其中，所述MEC预先设置有所述预测位置看板、当前位置看板和历史位置信息看板。
9.一种现场单元，其特征在于，所述现场单元设置于基于5G网络的广播机器对机器B-M2M网络架构中，所述B-M2M网络架构还包括移动边缘计算MEC，所述MEC与现场单元通过B-M2M无线广播网络连接，所述现场单元包括：
第二B-M2M模块，用于接收MEC通过B-M2M广播信道广播的柔顺控制任务的任务信息，所述任务信息是所述MEC将柔顺控制任务分解成现场单元能够执行的多个子任务，并为每个所述子任务分配对应的所述现场单元后发送的；所述任务信息包括所有所述子任务的任务内容以及分配的现场单元；
控制模块，与所述第二B-M2M模块连接，用于基于所述任务信息执行分配给自身的所述任务内容对应的所述子任务，并在任务执行过程中进行柔顺控制；
还包括：
识别定位测量单元，用于通过视频获取与所述柔顺控制任务对应的目标对象的图像信息后，通过所述B-M2M广播信道向所述MEC发送所述图像信息；
所述识别定位测量单元还用于接收所述MEC对所述图像信息进行识别后，通过所述B-M2M广播信道广播的识别结果；
所述识别定位测量单元还用于根据所述识别结果采用视频、光学方式对目标对象进行动态定位和跟踪，获得目标对象的位置、距离、运动方向、速度、加速度和角度信息，并根据目标对象的运动趋势预测未来一段时间目标对象的位置和运动速度、运动方向，并将当前位置信息和预测位置信息周期性通过所述B-M2M广播信道进行广播；
所述第二B-M2M模块还用于接收并存储所述目标对象的新的当前位置信息和预测位置信息，将原当前位置信息移动到历史位置信息看板，将接收到的预测位置信息、新的当前位置信息分别放置到预测位置看板和当前位置看板，其中，所述现场单元预先设置有所述预测位置看板、当前位置看板和历史位置信息看板；
所述控制模块还用于根据所述目标对象的当前位置信息、预测位置信息以及历史位置信息对机器人或机械臂的位置、和/或速度、和/或加速度、和/或力进行控制。
10.一种柔顺控制系统，其特征在于，包括如权利要求8所述的MEC和如权利要求9所述的现场单元，其中，所述MEC与所述现场单元通过B-M2M无线广播网络连接。
11.一种柔顺控制装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以实现如权利要求1-6中任一项所述的柔顺控制方法，或实现如权利要求7所述的柔顺控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111043223.2A CN113721574B (zh) | 2021-09-07 | 2021-09-07 | 一种柔顺控制方法、mec、现场单元、柔顺控制系统及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111043223.2A CN113721574B (zh) | 2021-09-07 | 2021-09-07 | 一种柔顺控制方法、mec、现场单元、柔顺控制系统及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113721574A CN113721574A (zh) | 2021-11-30 |
| CN113721574B true CN113721574B (zh) | 2023-07-18 |
Family
ID=78682138
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111043223.2A Active CN113721574B (zh) | 2021-09-07 | 2021-09-07 | 一种柔顺控制方法、mec、现场单元、柔顺控制系统及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113721574B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120053131A (ko) * | 2010-11-17 | 2012-05-25 | 주식회사 엘지유플러스 | 주문형 방송 서버 및 그 제어방법 |
| CN103257626A (zh) * | 2012-01-31 | 2013-08-21 | 费希尔-罗斯蒙特系统公司 | 用于建立过程控制系统中的维护路由的装置和方法 |
| CN111052658A (zh) * | 2017-08-11 | 2020-04-21 | 韦勒斯标准与技术协会公司 | 在无线通信系统中发送或接收上行链路控制信道的方法、设备和系统 |
| CN111164952A (zh) * | 2017-11-16 | 2020-05-15 | 英特尔公司 | 分布式软件定义的工业系统 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1197876A3 (en) * | 2000-10-13 | 2003-04-16 | Miosoft Corporation | Persistent data storage techniques |
| US20080148346A1 (en) * | 2006-12-15 | 2008-06-19 | Ravinder Gill | Compliance control system |
| CN106793114B (zh) * | 2016-12-09 | 2020-03-31 | 上海金卓网络科技有限公司 | 动态时隙分配方法、所适用的媒介访问控制系统及节点 |
| CN106695797B (zh) * | 2017-02-22 | 2019-03-05 | 哈尔滨工业大学深圳研究生院 | 基于双臂机器人协同操作的柔顺控制方法及系统 |
| DE102017109219A1 (de) * | 2017-04-28 | 2018-10-31 | RobArt GmbH | Verfahren für die Roboternavigation |
| EP4421578A3 (en) * | 2018-08-27 | 2024-11-06 | 3M Innovative Properties Company | Learning framework for robotic paint repair |
| CN109986563B (zh) * | 2019-05-01 | 2022-03-15 | 湖南大学 | 一种多移动机器人协同作业方法及系统 |
| CN112247962B (zh) * | 2020-10-19 | 2021-10-08 | 中国科学技术大学 | 面向上肢穿戴机器人的人机博弈控制方法及系统 |
| CN112512121A (zh) * | 2020-12-10 | 2021-03-16 | 齐鲁工业大学 | 基于强化学习算法的无线电频谱动态分配方法及装置 |
| CN113037857B (zh) * | 2021-03-23 | 2022-01-21 | 中国科学院自动化研究所 | 面向云环境的多机器人协同感知服务系统、方法及设备 |
| CN113204218B (zh) * | 2021-04-12 | 2022-04-19 | 广州泰尔智信科技有限公司 | 一种智能制造控制单元 |
-
2021
- 2021-09-07 CN CN202111043223.2A patent/CN113721574B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120053131A (ko) * | 2010-11-17 | 2012-05-25 | 주식회사 엘지유플러스 | 주문형 방송 서버 및 그 제어방법 |
| CN103257626A (zh) * | 2012-01-31 | 2013-08-21 | 费希尔-罗斯蒙特系统公司 | 用于建立过程控制系统中的维护路由的装置和方法 |
| CN111052658A (zh) * | 2017-08-11 | 2020-04-21 | 韦勒斯标准与技术协会公司 | 在无线通信系统中发送或接收上行链路控制信道的方法、设备和系统 |
| CN111164952A (zh) * | 2017-11-16 | 2020-05-15 | 英特尔公司 | 分布式软件定义的工业系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113721574A (zh) | 2021-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110580020A (zh) | Agv调度方法、装置、计算机设备和存储介质 | |
| SanMiguel et al. | Self-reconfigurable smart camera networks | |
| WO2019141217A1 (zh) | 多移动机器人的冲突管理方法及系统 | |
| JP6687788B1 (ja) | 分散型ロボットのスケジューリング決定方法、装置、システム並びに電子機器及び記憶媒体 | |
| EP3449436A1 (en) | Method and apparatus for automating physical equipment replacement and maintenance | |
| CN112230677B (zh) | 无人机族群任务规划方法及终端设备 | |
| CN110888407A (zh) | 一种agv调度系统中的任务分配方法及装置 | |
| Xia et al. | Decentralized coordination of autonomous AGVs for flexible factory automation in the context of Industry 4.0 | |
| Abukhalil et al. | Coordinating a heterogeneous robot swarm using Robot Utility-based Task Assignment (RUTA) | |
| Lavendelis et al. | Multi-agent robotic system architecture for effective task allocation and management | |
| CN113721574B (zh) | 一种柔顺控制方法、mec、现场单元、柔顺控制系统及装置 | |
| Mondal et al. | Global-local AI coordinated learning over optical access networks for scalable H2M/R collaborations | |
| Malanchini et al. | Leveraging machine learning for industrial wireless communications | |
| Moghaddam et al. | Real-time administration of tool sharing and best matching to enhance assembly lines balanceability and flexibility | |
| US20240080679A1 (en) | Elastic cooperative inference architecture and method for uav cluster | |
| Deng et al. | Task allocation and path planning for collaborative AUVs operating through an underwater acoustic network | |
| Nair et al. | Robust Online Multi-robot Simultaneous Exploration and Coverage Path Planning. | |
| CN111897348A (zh) | 云端机器人的控制方法及系统、云端机器人、云端服务器 | |
| CN113894788B (zh) | 视觉伺服方法和视觉伺服系统 | |
| Weyns et al. | Architecture-centric development of an AGV transportation system | |
| US11897139B2 (en) | Dynamic configuration method based on role assignation and multi-agent plan execution device | |
| Walter et al. | Catering to real-time requirements of cloud-connected mobile manipulators | |
| CN117979465B (zh) | 一种分体式信息设备通信方法、系统及计算机设备 | |
| CN117009089A (zh) | 基于分布式计算与uwb定位的机器人集群监督管理系统 | |
| CN113852941B (zh) | 多机器人通信方法、多机器人系统及机器人 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |