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

Flutter 组件 tavily_dart 的适配 鸿蒙Harmony 深度进阶 - 驾驭 AI 原生聚合搜索、实现鸿蒙端跨域知识发现与垂直领域语义降噪方案

Flutter 组件 tavily_dart 的适配 鸿蒙Harmony 深度进阶 - 驾驭 AI 原生聚合搜索、实现鸿蒙端跨域知识发现与垂直领域语义降噪方案

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 tavily_dart 的适配 鸿蒙Harmony 深度进阶 - 驾驭 AI 原生聚合搜索、实现鸿蒙端跨域知识发现与垂直领域语义降噪方案 前言 在前文中,我们领略了 tavily_dart 在鸿蒙(OpenHarmony)生态中实现基础互联网 AI 搜索集成的魅力。但在真正的“跨国科研智能辅助”、“政务决策舆情态势感知”以及“需要接入高精密专业数据库”的场景中。简单的单次查询往往不足以触达知识的核心。面对需要在大规模并发环境下,针对特定行业域名(如 .gov / .edu)执行深层内容的并行嗅探,并且要求对回显的数万字内容执行基于 AI 强语义的重排序(Re-ranking)与引用链路审计的高阶需求。如果缺乏一套完善的聚合搜索策略与语义降噪模型。不仅会导致 AI 智能体出现由于“信息泛滥”

AI + 鸿蒙游戏,会不会是下一个爆点?

AI + 鸿蒙游戏,会不会是下一个爆点?

子玥酱(掘金 / 知乎 / ZEEKLOG / 简书 同名) 大家好,我是子玥酱,一名长期深耕在一线的前端程序媛 👩‍💻。曾就职于多家知名互联网大厂,目前在某国企负责前端软件研发相关工作,主要聚焦于业务型系统的工程化建设与长期维护。 我持续输出和沉淀前端领域的实战经验,日常关注并分享的技术方向包括前端工程化、小程序、React / RN、Flutter、跨端方案, 在复杂业务落地、组件抽象、性能优化以及多端协作方面积累了大量真实项目经验。 技术方向:前端 / 跨端 / 小程序 / 移动端工程化 内容平台:掘金、知乎、ZEEKLOG、简书 创作特点:实战导向、源码拆解、少空谈多落地 文章状态:长期稳定更新,大量原创输出 我的内容主要围绕 前端技术实战、真实业务踩坑总结、框架与方案选型思考、行业趋势解读 展开。文章不会停留在“API 怎么用”,而是更关注为什么这么设计、在什么场景下容易踩坑、

AI 的智能体专栏:手把手教你用豆包打造专属 Python 智能管家,轻松解决编程难题

AI 的智能体专栏:手把手教你用豆包打造专属 Python 智能管家,轻松解决编程难题

AI 的智能体专栏:手把手教你用豆包打造专属 Python 智能管家,轻松解决编程难题 AI 的智能体专栏:手把手教你用豆包打造专属 Python 智能管家,轻松解决编程难题,本文介绍了如何利用豆包平台打造专属Python智能管家。首先简述豆包平台的核心优势,接着说明创建前的准备工作,包括注册账号、明确定位和收集训练资料。随后详细讲解创建流程,从新建智能体、基础设置、能力配置到测试优化,还提及集成代码执行环境等高级功能扩展,以及使用技巧与实际应用案例。该智能官能解决多种Python编程问题,可提升学习效率和问题解决速度,是实用的个性化编程助手。 前言     人工智能学习合集专栏是 AI 学习者的实用工具。它像一个全面的 AI 知识库,把提示词设计、AI 创作、智能绘图等多个细分领域的知识整合起来。无论你是刚接触 AI 的新手,还是有一定基础想提升的人,都能在这里找到合适的内容。从最基础的工具操作方法,到背后深层的技术原理,专栏都有讲解,还搭配了实例教程和实战案例。这些内容能帮助学习者一步步搭建完整的 AI 知识体系,让大家快速从入门进步到精通,

ToDesk重磅更新, 硬核-ToClaw AI 实现科技新闻日报自动化实战

ToDesk重磅更新, 硬核-ToClaw AI 实现科技新闻日报自动化实战

一、前言 最近发现ToDesk悄悄更新,直接内置了 ToClaw 龙虾AI,真的格外惊喜!之前看中轻量化OpenClaw却被繁琐的本地部署、代码搭建劝退,如今不用任何前置准备,打开就能用。刚好我想做一款省心的每日科技新闻自动播报工具,省去手动搜资讯的麻烦,索性直接实测,从功能上手、实操任务到同类对比,全程分享真实体验,不吹不黑,看看这款桌面AI助手到底好不好用。 二、界面与入口 最新版ToDesk的 ToClaw 入口设在首页醒目位置,我下载的是4.8.7.1版本。 不用翻找多级菜单,打开就能快速定位,上手零难度,点开直接进入交互界面,操作极简高效。 启动ToClaw后会自动生成专属悬浮窗,支持全局一键唤醒,不管是办公、整理文件还是使用其他软件,都能随时呼出AI,不用切换界面,日常使用便捷度拉满,实测顺手不耽误手头操作。 三、核心架构 简单说下ToClaw的底层逻辑,OpenClaw并非独立运算模型,而是轻量化交互载体,负责衔接用户与AI核心算力,不占用过多内存,这也是它轻量化的关键,所有智能处理全靠底层内核支撑,