机器人工具切换方法、系统、存储介质及计算机与流程

1.本发明涉及机器人技术领域，特别涉及一种机器人工具切换方法、系统、存储介质及计算机。


背景技术：

2.随着科技的飞速发展和人们生活水平的提高，汽车已经成为人们出行不可或缺的一部分。在汽车生产加工中，通常会采用机器人制造系统，即利用机器人的识别、定位、检测等技术，大幅度提升生产效率，提升产品质量。
3.在汽车生产加工时，往往需要在机器人上配置多种末端工具，以使得该机器人能够适配于生产加工过程中的各类工序，然而，伴随着末端工具种类的增加以及生产产能的大幅上升，导致在生产过程中由于信息繁杂而使得机器人的工具切换不易受控制，协调的生产计划和作业计划难以实现，并且，在机器人切换工具时，伴随着工具种类的增加，导致整个生产过程中，切换工具所花费的工时也在逐渐增加，最终导致不能在交货期内完成生产、生产质量无法保证、损失经济效益等问题。


技术实现要素：

4.基于此，本发明的目的是提供一种机器人工具切换方法、系统、存储介质及计算机，以至少解决上述相关技术中的不足。
5.本发明提出一种机器人工具切换方法，包括：
6.获取机器人的总线结构，并对所述总线结构进行地址解析，以得到所述机器人的各末端工具的总线地址；
7.获取各所述末端工具的序列数据，基于工具选择算法构建序列计算模型，并利用所述序列计算模型对各所述序列数据进行序列计算，以得到各所述序列数据对应的工具序列集合；
8.构建解析档案集，并利用所述解析档案集对所述序列计算模型进行迭代优化，以得到对应的序列概率模型；
9.根据所述序列概率模型对所述工具序列集合进行逐条分析，以得到所述工具序列集合中各所述序列数据的序列选取概率；
10.将所述序列选取概率大于预设概率阈值的序列数据重新进行阀岛配置，以对应生成工具切换参数，并控制所述机器人以所述工具切换参数对各所述末端工具进行切换。
11.进一步的，利用所述序列计算模型对各所述序列数据进行序列计算，以得到各所述序列数据对应的工具序列集合的步骤包括：
12.在所述序列计算模型中添加工具选择序列矩阵，并利用所述工具选择序列矩阵对各所述序列数据进行迭代计算，以得到各所述序列数据的匹配度；
13.基于所述匹配度对各所述序列数据进行均匀分布处理，以得到各所述序列数据对应的工具序列集合。
14.进一步的，构建解析档案集，并利用所述解析档案集对所述序列计算模型进行迭代优化，以得到对应的序列概率模型的步骤包括：
15.利用所述解析档案集在所述序列计算模型进行迭代搜索时计算出所有的非控制解，并根据所述解析档案集所对应的优化档案集记录每一次迭代搜索时新获取的非控制解，以形成迭代解集合；
16.根据所述迭代解集合和所有的所述非控制解对所述序列计算模型进行优化，以得到对应的序列概率模型。
17.进一步的，根据所述序列概率模型对所述工具序列集合进行逐条分析，以得到所述工具序列集合中各所述序列数据的序列选取概率的步骤包括：
18.初始化所述序列概率模型的参数，并将所述序列概率模型的迭代计数标记为0；
19.对所述工具序列集合进行随机采样，以得到初步采样数据，并利用变异概率对所述序列概率模型进行更新，通过更新后的序列概率模型基于与随机采样相同的采样参数进行二次采样，以得到二次采样数据；
20.将所述初步采样数据和所述二次采样数据进行数据对比，以得到采样差异数据，并利用所述采样差异数据对所述工具序列集合进行分析，得到所述工具序列集合中各所述序列数据的序列选取概率。
21.本发明还提出一种机器人工具切换系统，包括：
22.地址获取模块，用于获取机器人的总线结构，并对所述总线结构进行地址解析，以得到所述机器人的各末端工具的总线地址；
23.序列计算模块，用于获取各所述末端工具的序列数据，基于工具选择算法构建序列计算模型，并利用所述序列计算模型对各所述序列数据进行序列计算，以得到各所述序列数据对应的工具序列集合；
24.迭代优化模块，用于构建解析档案集，并利用所述解析档案集对所述序列计算模型进行迭代优化，以得到对应的序列概率模型；
25.序列分析模块，用于根据所述序列概率模型对所述工具序列集合进行逐条分析，以得到所述工具序列集合中各所述序列数据的序列选取概率；
26.工具切换模块，用于将所述序列选取概率大于预设概率阈值的序列数据重新进行阀岛配置，以对应生成工具切换参数，并控制所述机器人以所述工具切换参数对各所述末端工具进行切换。
27.进一步的，所述序列计算模块包括：
28.迭代计算单元，用于在所述序列计算模型中添加工具选择序列矩阵，并利用所述工具选择序列矩阵对各所述序列数据进行迭代计算，以得到各所述序列数据的匹配度；
29.分布处理单元，用于基于所述匹配度对各所述序列数据进行均匀分布处理，以得到各所述序列数据对应的工具序列集合。
30.进一步的，所述迭代优化模块包括：
31.迭代处理单元，用于利用所述解析档案集在所述序列计算模型进行迭代搜索时计算出所有的非控制解，并根据所述解析档案集所对应的优化档案集记录每一次迭代搜索时新获取的非控制解，以形成迭代解集合；
32.模型优化单元，用于根据所述迭代解集合和所有的所述非控制解对所述序列计算
模型进行优化，以得到对应的序列概率模型。
33.进一步的，所述序列分析模块包括：
34.参数配置单元，用于初始化所述序列概率模型的参数，并将所述序列概率模型的迭代计数标记为0；
35.数据采样单元，用于对所述工具序列集合进行随机采样，以得到初步采样数据，并利用变异概率对所述序列概率模型进行更新，通过更新后的序列概率模型基于与随机采样相同的采样参数进行二次采样，以得到二次采样数据；
36.序列分析单元，用于将所述初步采样数据和所述二次采样数据进行数据对比，以得到采样差异数据，并利用所述采样差异数据对所述工具序列集合进行分析，得到所述工具序列集合中各所述序列数据的序列选取概率。
37.本发明还提出一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的机器人工具切换方法。
38.本发明还提出一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的机器人工具切换方法。
39.与现有技术相比，本发明的有益效果是：通过对末端工具的序列数据进行序列计算，从而得到对应的工具序列集合，并根据序列概率模型对工具序列集合进行逐条分析，以得到序列选取概率，将序列选取概率大于预设概率阈值的序列数据重新进行阀岛配置，以对应生成工具切换参数，并控制所述机器人以工具切换参数对各末端工具进行切换，通过在单目标优化的基础上，进行多目标优化，利用序列选取概率来构建工具切换参数，基于工具切换参数完成机器人的末端工具的切换，从而提升工具的切换速度，提升产线的工作效率和生产产能。
附图说明
40.图1为本发明第一实施例中机器人工具切换方法的流程图；
41.图2为图1中步骤s102的详细流程图；
42.图3为图1中步骤s103的详细流程图；
43.图4为图1中步骤s104的详细流程图；
44.图5为本发明第二实施例中机器人工具切换系统的结构框图；
45.图6为本发明第三实施例中计算机的结构框图。
46.如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
47.为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
48.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相
关的所列项目的任意的和所有的组合。
49.实施例一
50.请参阅图1，所示为本发明第一实施例中的机器人工具切换方法，所述方法具体包括步骤s101至s105：
51.s101，获取机器人的总线结构，并对所述总线结构进行地址解析，以得到所述机器人的各末端工具的总线地址；
52.在具体实施时，开启机器人的相关软件，并获取其对应的总线结构，对该总线结构进行地址解析，以得到该机器人的所有末端工具的总线地址，可以理解的，当机器人需要与末端工具相适配时，会通过总线地址进行适配。
53.s102，获取各所述末端工具的序列数据，基于工具选择算法构建序列计算模型，并利用所述序列计算模型对各所述序列数据进行序列计算，以得到各所述序列数据对应的工具序列集合；
54.请参阅图2，所述步骤s102具体包括步骤s1021～s1022：
55.s1021，在所述序列计算模型中添加工具选择序列矩阵，并利用所述工具选择序列矩阵对各所述序列数据进行迭代计算，以得到各所述序列数据的匹配度；
56.s1022，基于所述匹配度对各所述序列数据进行均匀分布处理，以得到各所述序列数据对应的工具序列集合。
57.在具体实施时，通过上述的总线地址获取各末端工具的序列数据，其中，该序列数据包括末端工具的种类、装配路径以及装配参数，利用预先设有的工具选择算法构建序列计算模型，在进行序列计算前，在该序列计算模型中添加工具选择序列矩阵δ(x)，并利用工具选择序列矩阵对各序列数据进行迭代计算，以得到各序列数据的匹配度，该工具选择序列矩阵δ(x)为m*ts的2维矩阵：
[0058][0059]
式中，x表示迭代次数。
[0060][0061]
式中，δ
m，t
(x)表示第x次迭代中机器人基于工具切换任务所选择的第m个序列数据所对应的工具为工具t的概率，其表明该切换操作与工具之间的匹配度。
[0062]
具体的，基于所计算出的匹配度对各序列数据进行均匀分布处理，以得到各序列数据对应的工具序列集合。在本实施例中，对上述的矩阵中的所有元素采用轮盘赌的方式进行处理，从而得到对应的工具序列集合。
[0063]
s103，构建解析档案集，并利用所述解析档案集对所述序列计算模型进行迭代优化，以得到对应的序列概率模型；
[0064]
请参阅图3，所述步骤s103具体包括步骤s1031～s1032：
[0065]
s1031，利用所述解析档案集在所述序列计算模型进行迭代搜索时计算出所有的非控制解，并根据所述解析档案集所对应的优化档案集记录每一次迭代搜索时新获取的非
控制解，以形成迭代解集合；
[0066]
s1032，根据所述迭代解集合和所有的所述非控制解对所述序列计算模型进行优化，以得到对应的序列概率模型。
[0067]
在具体实施时，构建外部的解析档案集τ，并利用该解析档案集τ记录序列计算模型在迭代搜索的过程中所得到的所有非控制解，非控制解为在任何二解x1和x2对所有目标而言，x1均优于x2，则x1控制x2，若x1的解没有被其他解所控制，则x1称为非控制解。
[0068]
进一步的，用上述解析档案集τ所对应的优化档案集τ记录每一次迭代那个所发现的新的非控制解，以形成迭代解集合，每次迭代搜索前初始化优化档案集τ为空集，搜索时将当代产生的迭代解集合θ中的每个个体ii不被解析档案集τ中的任何个体控制，且ii不属于解析档案集τ，则将ii加入解析档案集τ和优化档案集∈，若个体ii控制解析档案集τ中的某个个体kj，则将该个体kj从解析档案集τ中移除。对迭代解集合θ中所有个体解析档案集τ中个体支配关系比较完后，若优化档案集∈为非空集，则用优化档案集∈优化序列计算模型，以得到对应的序列概率模型，若为空集继续沿用上一代的序列计算模型为序列概率模型。
[0069]
s104，根据所述序列概率模型对所述工具序列集合进行逐条分析，以得到所述工具序列集合中各所述序列数据的序列选取概率；
[0070]
请参阅图4，所述步骤s104具体包括步骤s1041～s1043：
[0071]
s1041，初始化所述序列概率模型的参数，并将所述序列概率模型的迭代计数标记为0；
[0072]
s1042，对所述工具序列集合进行随机采样，以得到初步采样数据，并利用变异概率对所述序列概率模型进行更新，通过更新后的序列概率模型基于与随机采样相同的采样参数进行二次采样，以得到二次采样数据；
[0073]
s1043，将所述初步采样数据和所述二次采样数据进行数据对比，以得到采样差异数据，并利用所述采样差异数据对所述工具序列集合进行分析，得到所述工具序列集合中各所述序列数据的序列选取概率。
[0074]
在具体实施时，初始化序列概率模型的参数，并将该序列概率模型的迭代计数标记为0，利用该序列概率模型对工具序列集合进行随机采样，以得到初步采样数据，并基于预设的变异概率对序列概率模型进行更新，利用更新后的系列概率模型用于随机采样相同的采样参数进行二次采样，从而得到二次采样数据，其中，采样参数包括采样顺序、采样规则等。
[0075]
将上述得到的初步采样数据和二次采样数据进行数据对比，以得到采样差异数据，并利用采样差异数据对工具序列集合进行分析，得到工具序列集合中各序列数据的序列选取概率。其中，序列选取概率即为工具序列数据在两次采样时被正确选取的概率。
[0076]
s105，将所述序列选取概率大于预设概率阈值的序列数据重新进行阀岛配置，以对应生成工具切换参数，并控制所述机器人以所述工具切换参数对各所述末端工具进行切换。
[0077]
在具体实施时，将序列选取概率大于预设概率阈值(在本实施例中，该概率阈值为85％，在其他实施例中，该概率阈值还可以由系统自动设定或用户自行设定)的序列数据重新进行阀岛配置，以解析出其内部的工具切换数据，并利用对应的工具切换数据生成工具
切换参数，并控制机器人以工具切换参数对各末端工具进行切换。可以理解的，大于预设概率阈值的序列数据其工具切换数据相对较优，则将其作为参考生成工具切换参数，以使得机器人对其进行学习，从而达到提高机器人对末端工具的切换速率，以提升整体的工作效率。
[0078]
综上，本发明上述实施例当中的机器人工具切换方法，通过对末端工具的序列数据进行序列计算，从而得到对应的工具序列集合，并根据序列概率模型对工具序列集合进行逐条分析，以得到序列选取概率，将序列选取概率大于预设概率阈值的序列数据重新进行阀岛配置，以对应生成工具切换参数，并控制所述机器人以工具切换参数对各末端工具进行切换，通过在单目标优化的基础上，进行多目标优化，利用序列选取概率来构建工具切换参数，基于工具切换参数完成机器人的末端工具的切换，从而提升工具的切换速度，提升产线的工作效率和生产产能。
[0079]
实施例二
[0080]
本发明另一方面还提出一种机器人工具切换系统，请参阅图5，所示为本发明第二实施例中的机器人工具切换系统，包括：
[0081]
地址获取模块11，用于获取机器人的总线结构，并对所述总线结构进行地址解析，以得到所述机器人的各末端工具的总线地址；
[0082]
序列计算模块12，用于获取各所述末端工具的序列数据，基于工具选择算法构建序列计算模型，并利用所述序列计算模型对各所述序列数据进行序列计算，以得到各所述序列数据对应的工具序列集合；
[0083]
进一步的，所述序列计算模块12包括：
[0084]
迭代计算单元，用于在所述序列计算模型中添加工具选择序列矩阵，并利用所述工具选择序列矩阵对各所述序列数据进行迭代计算，以得到各所述序列数据的匹配度；
[0085]
分布处理单元，用于基于所述匹配度对各所述序列数据进行均匀分布处理，以得到各所述序列数据对应的工具序列集合。
[0086]
迭代优化模块13，用于构建解析档案集，并利用所述解析档案集对所述序列计算模型进行迭代优化，以得到对应的序列概率模型；
[0087]
进一步的，所述迭代优化模块13包括：
[0088]
迭代处理单元，用于利用所述解析档案集在所述序列计算模型进行迭代搜索时计算出所有的非控制解，并根据所述解析档案集所对应的优化档案集记录每一次迭代搜索时新获取的非控制解，以形成迭代解集合；
[0089]
模型优化单元，用于根据所述迭代解集合和所有的所述非控制解对所述序列计算模型进行优化，以得到对应的序列概率模型。
[0090]
序列分析模块14，用于根据所述序列概率模型对所述工具序列集合进行逐条分析，以得到所述工具序列集合中各所述序列数据的序列选取概率；
[0091]
进一步的，所述序列分析模块14包括：
[0092]
参数配置单元，用于初始化所述序列概率模型的参数，并将所述序列概率模型的迭代计数标记为0；
[0093]
数据采样单元，用于对所述工具序列集合进行随机采样，以得到初步采样数据，并利用变异概率对所述序列概率模型进行更新，通过更新后的序列概率模型基于与随机采样
相同的采样参数进行二次采样，以得到二次采样数据；
[0094]
序列分析单元，用于将所述初步采样数据和所述二次采样数据进行数据对比，以得到采样差异数据，并利用所述采样差异数据对所述工具序列集合进行分析，得到所述工具序列集合中各所述序列数据的序列选取概率。
[0095]
工具切换模块15，用于将所述序列选取概率大于预设概率阈值的序列数据重新进行阀岛配置，以对应生成工具切换参数，并控制所述机器人以所述工具切换参数对各所述末端工具进行切换。
[0096]
上述各模块、单元被执行时所实现的功能或操作步骤与上述方法实施例大体相同，在此不再赘述。
[0097]
本发明实施例所提供的机器人工具切换系统，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，系统实施例部分未提及之处，可参考前述方法实施例中相应内容。
[0098]
实施例三
[0099]
本发明还提出一种计算机，请参阅图6，所示为本发明第三实施例中的计算机，包括存储器10、处理器20以及存储在所述存储器10上并可在所述处理器20上运行的计算机程序30，所述处理器20执行所述计算机程序30时实现上述的机器人工具切换方法。
[0100]
其中，存储器10至少包括一种类型的存储介质，所述存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、磁性存储器、磁盘、光盘等。存储器10在一些实施例中可以是计算机的内部存储单元，例如该计算机的硬盘。存储器10在另一些实施例中也可以是外部存储装置，例如插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，存储器10还可以既包括计算机的内部存储单元也包括外部存储装置。存储器10不仅可以用于存储安装于计算机的应用软件及各类数据，还可以用于暂时地存储已经输出或者将要输出的数据。
[0101]
其中，处理器20在一些实施例中可以是电子控制单元(electronic control unit，简称ecu，又称行车电脑)、中央处理器(central processing unit,cpu)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器10中存储的程序代码或处理数据，例如执行访问限制程序等。
[0102]
需要指出的是，图6示出的结构并不构成对计算机的限定，在其它实施例当中，该计算机可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0103]
本发明实施例还提出一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述的机器人工具切换方法。
[0104]
本领域技术人员可以理解，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机存储介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机存储介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
[0105]
计算机存储介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线
的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机存储介质甚至可以是可在其上打印所述程序的纸或其他合适的存储介质，因为可以例如通过对纸或其他存储介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0106]
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或它们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0107]
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0108]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。

技术特征：
1.一种机器人工具切换方法，其特征在于，包括：获取机器人的总线结构，并对所述总线结构进行地址解析，以得到所述机器人的各末端工具的总线地址；获取各所述末端工具的序列数据，基于工具选择算法构建序列计算模型，并利用所述序列计算模型对各所述序列数据进行序列计算，以得到各所述序列数据对应的工具序列集合；构建解析档案集，并利用所述解析档案集对所述序列计算模型进行迭代优化，以得到对应的序列概率模型；根据所述序列概率模型对所述工具序列集合进行逐条分析，以得到所述工具序列集合中各所述序列数据的序列选取概率；将所述序列选取概率大于预设概率阈值的序列数据重新进行阀岛配置，以对应生成工具切换参数，并控制所述机器人以所述工具切换参数对各所述末端工具进行切换。2.根据权利要求1所述的机器人工具切换方法，其特征在于，利用所述序列计算模型对各所述序列数据进行序列计算，以得到各所述序列数据对应的工具序列集合的步骤包括：在所述序列计算模型中添加工具选择序列矩阵，并利用所述工具选择序列矩阵对各所述序列数据进行迭代计算，以得到各所述序列数据的匹配度；基于所述匹配度对各所述序列数据进行均匀分布处理，以得到各所述序列数据对应的工具序列集合。3.根据权利要求1所述的机器人工具切换方法，其特征在于，构建解析档案集，并利用所述解析档案集对所述序列计算模型进行迭代优化，以得到对应的序列概率模型的步骤包括：利用所述解析档案集在所述序列计算模型进行迭代搜索时计算出所有的非控制解，并根据所述解析档案集所对应的优化档案集记录每一次迭代搜索时新获取的非控制解，以形成迭代解集合；根据所述迭代解集合和所有的所述非控制解对所述序列计算模型进行优化，以得到对应的序列概率模型。4.根据权利要求1所述的机器人工具切换方法，其特征在于，根据所述序列概率模型对所述工具序列集合进行逐条分析，以得到所述工具序列集合中各所述序列数据的序列选取概率的步骤包括：初始化所述序列概率模型的参数，并将所述序列概率模型的迭代计数标记为0；对所述工具序列集合进行随机采样，以得到初步采样数据，并利用变异概率对所述序列概率模型进行更新，通过更新后的序列概率模型基于与随机采样相同的采样参数进行二次采样，以得到二次采样数据；将所述初步采样数据和所述二次采样数据进行数据对比，以得到采样差异数据，并利用所述采样差异数据对所述工具序列集合进行分析，得到所述工具序列集合中各所述序列数据的序列选取概率。5.一种机器人工具切换系统，其特征在于，包括：地址获取模块，用于获取机器人的总线结构，并对所述总线结构进行地址解析，以得到所述机器人的各末端工具的总线地址；
序列计算模块，用于获取各所述末端工具的序列数据，基于工具选择算法构建序列计算模型，并利用所述序列计算模型对各所述序列数据进行序列计算，以得到各所述序列数据对应的工具序列集合；迭代优化模块，用于构建解析档案集，并利用所述解析档案集对所述序列计算模型进行迭代优化，以得到对应的序列概率模型；序列分析模块，用于根据所述序列概率模型对所述工具序列集合进行逐条分析，以得到所述工具序列集合中各所述序列数据的序列选取概率；工具切换模块，用于将所述序列选取概率大于预设概率阈值的序列数据重新进行阀岛配置，以对应生成工具切换参数，并控制所述机器人以所述工具切换参数对各所述末端工具进行切换。6.根据权利要求5所述的机器人工具切换系统，其特征在于，所述序列计算模块包括：迭代计算单元，用于在所述序列计算模型中添加工具选择序列矩阵，并利用所述工具选择序列矩阵对各所述序列数据进行迭代计算，以得到各所述序列数据的匹配度；分布处理单元，用于基于所述匹配度对各所述序列数据进行均匀分布处理，以得到各所述序列数据对应的工具序列集合。7.根据权利要求5所述的机器人工具切换系统，其特征在于，所述迭代优化模块包括：迭代处理单元，用于利用所述解析档案集在所述序列计算模型进行迭代搜索时计算出所有的非控制解，并根据所述解析档案集所对应的优化档案集记录每一次迭代搜索时新获取的非控制解，以形成迭代解集合；模型优化单元，用于根据所述迭代解集合和所有的所述非控制解对所述序列计算模型进行优化，以得到对应的序列概率模型。8.根据权利要求5所述的机器人工具切换系统，其特征在于，所述序列分析模块包括：参数配置单元，用于初始化所述序列概率模型的参数，并将所述序列概率模型的迭代计数标记为0；数据采样单元，用于对所述工具序列集合进行随机采样，以得到初步采样数据，并利用变异概率对所述序列概率模型进行更新，通过更新后的序列概率模型基于与随机采样相同的采样参数进行二次采样，以得到二次采样数据；序列分析单元，用于将所述初步采样数据和所述二次采样数据进行数据对比，以得到采样差异数据，并利用所述采样差异数据对所述工具序列集合进行分析，得到所述工具序列集合中各所述序列数据的序列选取概率。9.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至4任一所述的机器人工具切换方法。10.一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一所述的机器人工具切换方法。

技术总结
本发明提供一种机器人工具切换方法、系统、存储介质及计算机，该方法包括：当获取机器人的总线结构，并对总线结构进行地址解析得到机器人的各末端工具的总线地址；获取各末端工具的序列数据，基于工具选择算法构建序列计算模型，并利用序列计算模型对各序列数据进行序列计算，以得到各序列数据对应的工具序列集合；构建解析档案集，并利用解析档案集对序列计算模型进行迭代优化，以得到对应的序列概率模型；根据序列概率模型对工具序列集合进行逐条分析，以得到工具序列集合中各序列数据的序列选取概率；将序列选取概率大于预设概率阈值的序列数据重新进行阀岛配置，以对应生成工具切换参数，并控制机器人以工具切换参数对各末端工具进行切换。端工具进行切换。端工具进行切换。


技术研发人员：刘峻峰 吴胜平 梅曾辉 万超 罗志根 陈春 杨巍 唐名珠 付伟
受保护的技术使用者：江铃汽车股份有限公司
技术研发日：2023.05.22
技术公布日：2023/10/8