机器人之仿真软件的使用(ABB RobotStudio)

机器人之仿真软件的使用(ABB RobotStudio)

坐标系:

基地坐标

大地坐标系



工具坐标系(TCP)

工件坐标系(用户[UserFrame]\工件[ObjectFrame])

关节坐标系(jointtarget)



六轴机器人

1、平移:Ctrl+鼠标左键2、旋转:Ctrl+Shift+左键3、机械装置手动关节:设置每轴的数据



           可以通过手动关节/手动线性调整单个轴的运动/旋转等操作,除此之外就是拉手动关节运动面板,控制机械手每轴的运动。

姿态:轴配置。

MoveL Target 10,v1000,z100,MyTool\wobj:=wobj0:

MoveL Target 10,v1000,fine,MyTool\wobj:=wobj0;

MoveL:直线运动

Target 10:目标点

v1000:速度

z100:转弯半径,适当的转弯半径可以提高效率,但是有精确要求必须使用fine
MyTool:工具坐标系

WObj:=wobj0:工件坐标系4、回到机械原点5、线性运动:X、Y、Z

所有轴在配合TCP点运动6、安装\拆除工具7、TCP:Tool Center Point 工具中心点      tool0:六轴中心位置

所有对机器人的控制其实就是对TCP点的控制8、保存数据:示教目标点



T_ROB1:就是刚才保存的点位信息,5位置 就是刚才的点位



工具坐标系标定:        四点示教法:如果工具的数据的TCP位置很难获得的时候,可利用此法对自动算出其TCPN相对于法兰端面中心TCP0之坐标位置。注意,此法仅适用于六轴机器人上。        选取点步骤:                ①选取原点                ②调整机器人姿态,分别设置姿态1、姿态2、姿态3、姿态4                ③示教工具坐标系



       

                原点



   

              姿态1                         姿态2                           姿态3                        姿态4

创建工件坐标点:





注意:要开启捕获,才能显示小白点,观察自己的点位



工件坐标系
【1】工作坐标&目标点-创建工件坐标

【2】坐标系名称wobj Left
【3】选点:原点、X、XY平面上一点
MoveL ToPoint Speed Zone Tool

[]:可选参数
|:或
MoveL:运动类型(直线)(不能变)

ToPoint:目标描述,目标点 数据类型:robtarget

Speed:速度 数据类型:speeddata

Zone:转弯半径数据类型:zonedata

Tool:工具坐标系 数据类型:tooldata

\WObj:工件坐标系 数据类型:wobjdata

[\TLoad ]Total load数据类型:loaddata9、重定位运动(旋转)10、数据类型

robtarget :保存的是线性运动(直角坐标)下的坐标值

CONST robtarget p15 :=[

[600, 500,225.3],                           ---- trans            X、Y、Z 

[1, 0, 0, 0],                                     ---- rot                方位

[1, 1. 0,0],                                      ---- robconf        姿态

[ 11,12.3, 9E9, 9E9, 9E9, 9E9]     ---- extax            外轴

];

结构:[trans,rot,robconf,extax]

trans:pos                                          pos1 := [600,500,225.3];    X Y Z

rot:orien                                             torient1 := [1,0,0, 0];    四元数

robconf: confdata                               conf15 := [1,-1.0,0]      一组姿态值(轴位置)

extax:extjoint


jointtarget:轴关节角度数据[robjoint,extjoint]
MoveJ:远距离,有利于机器人平滑运动,不容易碰到奇异点

MoveL:近距离,强制机器人直线

示例1

1、导入模型库-设备-Curve Thing

2、导入工具

3、添加示教点,将示教点添加到路径种,同步到RAPID中

首先先创建工件的坐标系

其次,在工件坐标系的基础上,设置示教点位,并添加到路径

最后,可以在在代码中,可以对同类工件,不同位置,设定一个点位,更换工件坐标系,进行机械手运动

路径中最后一个点的zero:fine。

如果要走环形,要选中过度点和目标点,鼠标右键,选择修改指令中的转换为MoveC

示例2

机器人怎么知道物料来了???

传送带到位有一个输出信号:doinpos ----> 机器人内部有一个diinpos信号,用于接受doinpos信号 -----> 机器人会发出抓取doGrip信号 ----> 夹爪/洗盘中有一个diGrip 信号,用于接收doGrip信号,然后去抓取物料 ----> 夹爪/洗盘抓到物料之后发出doGrip ok信号 ---->机器人中的diGrip ok,用于接收doGrip ok信号,如果收到,说明已经抓取到物料----> 机器人把物料放到指定的位置,如果想松下来,就把doGrip信号复位

IO板子设置:

IO信号设置:

Read more

2026 免费 AI 编程助手排行榜:文心快码、Copilot 与 Cursor 深度评测

2026年度核心结论速览 基于 IDC《中国生成式 AI 代码工具评估 2025》 及 Stack Overflow 2026 开发者调查 数据,我们将主流工具分为三个梯队。 * 行业现状:据 McKinsey 报告显示,AI 辅助开发使新手工程师效率提升 2倍,熟练开发者编码速度提升 55%。 * Tier 0 (工程化首选):文心快码 (Comate)。唯一在 IDC 评估中斩获 8项满分 的产品,支持企业级免费开通与个人免费使用,是目前唯一具备完整“代码智能体(Coding Agent)”形态的工具。 * Tier 1 (生态首选):GitHub Copilot。全球生态最强,拥有 85% 的开发者信心提升率,适合开源社区重度用户。 * Tier

2025 嵌入式 AI IDE 全面对比:Trae、Copilot、Windsurf、Cursor 谁最值得个人开发者入手?

文章目录 * 2025 嵌入式 AI IDE 全面对比:Trae、Copilot、Windsurf、Cursor 谁最值得个人开发者入手? * 一、先给结论(个人开发者视角) * 二、2025 年 9 月最新价格与免费额度 * 三、横向体验对比(2025-11) * 1. 模型与响应 * 2. 项目理解力 * 3. 隐私与离线能力 * 四、怎么选?一句话总结 * 五、官方链接(清晰明了) * 六、结语:AI IDE 2025 的趋势 * 七、AI IDE 的底层工作原理:编辑器为什么突然变聪明了? * 1. 解析层:把你的项目拆得比你自己还清楚 * 2. 索引层:

【AIGC】Claude Code的CLAUDE.md加载时机与书写最佳实践

I. CLAUDE.md 文件:项目级 vs 全局级 完全解析 CLAUDE.md 是 Claude Code 提供的简化版规则配置文件(对比多文件的 rules 文件夹),核心作用是定义 AI 需遵循的代码规范、项目要求等,而「项目根目录的 CLAUDE.md」和「用户主目录的 ~/.claude/CLAUDE.md」的核心区别在于作用域和优先级,下面分维度讲清楚: 一、核心区别(作用域+使用场景) 维度项目根目录 CLAUDE.md用户主目录 ~/.claude/CLAUDE.md作用域仅对当前项目生效(项目内所有文件)对当前用户下的所有项目生效使用场景定义当前项目的专属规则(如项目特有编码规范、业务约束、依赖版本)定义跨项目的通用规则(如个人编码习惯、全项目通用安全规范、

Amazon SageMaker 部署 AIGC 应用:训练 - 优化 - 部署 - Web 前端集成应用实践

Amazon SageMaker 部署 AIGC 应用:训练 - 优化 - 部署 - Web 前端集成应用实践

Amazon SageMaker 部署 AIGC 应用:训练 - 优化 - 部署 - Web 前端集成应用实践 背景 Amazon SageMaker 汇集广泛采用的亚马逊云科技机器学习和分析功能,统一访问所有数据,为分析和人工智能提供一体式体验,使用亚马逊云科技机工具进行模型开发、生成式人工智能、数据处理和 SQL 分析,在融通式合作开发工作室中加快协作和构建,借助强大的生成式人工智能软件开发助手 Amazon Q 开发者版提升效率,无论数据存储在数据湖、数据仓库,还是第三方或联合数据来源中,均可访问所有数据,同时内置治理功能可满足企业安全需求。 前言 本文将通过 Amazon SageMaker Notebook 实例完成 AIGC 模型的测试与验证,再将模型部署至 Amazon SageMaker Inference Endpoint 实现服务化,最后利用 Amazon