(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211232732.4 (22)申请日 2022.10.10 (71)申请人 华中科技大 学 地址 430074 湖北省武汉市洪山区珞喻路 1037号 申请人 内蒙古第一机 械集团股份有限公司 (72)发明人 毛新勇　王照宇　刘勇　彭芳瑜　 张鹏　唐小卫　闫蓉　刘红奇　 (74)专利代理 机构 成都方圆聿联专利代理事务 所(普通合伙) 51241 专利代理师 李鹏 (51)Int.Cl. G06F 16/901(2019.01) G06F 16/23(2019.01) G06F 16/9035(2019.01)G06F 16/28(2019.01) G06N 5/02(2006.01) G06N 5/04(2006.01) B25J 9/16(2006.01) (54)发明名称 一种六关节机器人位姿关联知识图谱构建 方法 (57)摘要 本发明公开了一种六关节机器人位姿关联 知识图谱构建方法， 包括： 首先根据机器人的本 体结构和相关理论分析机器人位姿、 模态参数等 概念之间的关系构建机器人知识图谱的模式层， 其次通过OMA的方法对机器人进行模态参数辨识 得到结构化数据并将其根据已搭建好的模式层 导入进Neo4j图形数据库软件构建图形化的数据 层， 最后对进行了数据填充的数据层进行知 识融 合， 自动更新知识图谱的数据层。 模式层和数据 层共同构成该知识图谱。 本发明的优点是： 以构 建的知识图谱为基础， 可以在领域内实现多种查 询、 分析、 预测、 推荐算法。 权利要求书1页 说明书4页 附图7页 CN 115544312 A 2022.12.30 CN 115544312 A 1.一种六关节机器人位姿关联知识图谱构建方法， 其特 征在于， 包括如下步骤： S1.根据机器人的本体结构分析机器人位姿、 模态参数概念之间的关系构建机器人知 识图谱的模式层； S2.通过OMA的方法对机器人进行模态参数辨识得到结构化数据并将其根据已搭建好 的模式层导入进Neo 4j图形数据库软件构建图形化的数据层； S3.对进行了数据填充 的数据层进行知识融合， 建立融合规则， 包括实体链接、 质量评 估、 知识更新， 进行冗余融合和错 误删除， 自动更新知识图谱的数据层。 2.根据权利要求1所述的一种六关节机器人位姿关联知识图谱构建方法， 其特征在于： S1的具体步骤如下： S11.采用自顶向下的方式对机器人位姿关联动力学特征进行分析， 确定实体为机器 人、 杆、 关节角度、 角度参数、 模态参数、 固有频率、 阻尼比， 将其作为图的节点； S12.确定实体之间的关系将其作为图的边； S13.以节点 ‑边‑节点的形式将所有实体进行 连接， 构建图谱的模式层。 3.根据权利要求1所述的一种六关节机器人位姿关联知识图谱构建方法， 其特征在于： S2的具体步骤如下： 采用以下 方法进行 数据层构建： S21.使用OMA的方法辨识出机器人在不同位姿下的模态参数； S22.将各关节转动角度与其对应的模态参数 预处理为一组结构化数据； S23.使用Neo4j图形数据库将一组结构化数据根据模式层转换成一个图结构化数据即 为一个知识图谱块； 多个知识图谱块共同构成知识图谱数据层。 4.根据权利要求1所述的一种六关节机器人位姿关联知识图谱构建方法， 其特征在于： S3的具体步骤如下： S31.实体链接： 将新生成的节点数据与现有数据进行链接， 将相同的样本的节点聚合 在一起。 S32.质量评估： 将已经聚合后的节点通过融合规则进行评估， 将相同属性值的节点合 并为同一个节点。 S33.知识更新： 在每一次数据 导入时， 对需要进行冗余 融合的节点使用merge指令进行 创建， 动态更新数据层。权　利　要　求　书 1/1 页 2 CN 115544312 A 2一种六关节机 器人位姿关联知识图谱构建 方法 技术领域 [0001]本发明涉及机器人智能制造技术领域， 特别涉及 一种六关节机器人位姿关联知识 图谱构建方法。 背景技术 [0002]机器人铣削： 大型曲面构件在航空、 航天和航海等行业有着广泛应用， 而机器人加 工相对于机床加工具有 结构灵活、 操作空间大、 可快速重构特点， 可以到达复杂零件的不可 访问区域， 有望成为大型复杂构件加工领域重要加工手段。 机器人铣削现在仍然被认为是 一个开放的问题。 其中一个主要问题就是机器人串联结构固有的弱刚度。 机器人相对较低 的位姿关联结构动刚度， 往往会降低机器人加工精度和表面完整性。 其结构 刚度在工作范 围内是空间位姿依赖的， 尤其当机器人处在工作范围边界区域的极限位姿时， 其刚度特性 对空间位姿更为敏感。 而机器人 的位姿关联 的高空间维度特性， 现有常规有限离散测量方 法， 对于工作范围内的机器人结构 本体刚度特性 获取根本难以实施。 例如 对于6转动自由度 机器人， 每个 关节角运动区间粗略10等分， 6个 关节将有1000000个位姿。 但即使在机器人工 作范围空间内， 能够确定如此巨大的位姿 数量点， 这些位姿关联的机器人结构刚度信息， 也 会因为位姿空间中这种 大区间十等分的划分方式， 使得结构本体刚度分区粒度太大， 所以 即使如此大的数据集也无法满足工作空间连续机器人结构的本体刚度特性获取需求。 同时 对于如此大的数据集， 现有的被应用的数据存储方法 并不能实现一个合理的结构化存储和 快速的查询。 [0003]OMA(工作 模态分析)是一种利用实际加工过程中机器人往复运动自动产生的激励 获得振动数据来识别结构的模态特性的方法， 不需要进行常规的模态实验如 锤击法和激振 法来辨识模态， 能保证对机器人工作空间内任意 位姿关联的结构动力学参数的自动辨识。 [0004]知识图谱(Knowledge  Graph)是一种人工智能的重要分支技术， 是结构化的语义 知识库， 用于以符号形式描述物理世界中的概念及其相互关系， 其基本组成单位是 “实体— 关系—实体 ”三元组， 以及实体及其相关属性—值对， 实体间通过关系相互联结， 构成网状 的知识结构。 通过实体以及属 性值将数据存储进知识图谱中形成图结构数据， 构成图数据 库， 这种图数据库具有数据搜索、 辅助大 数据分析等优点。 发明内容 [0005]本发明针对现有技术的缺陷， 提供了一种六关节机器人位姿关联知识图谱构建方 法， 对机器人在高维空间中产生的大量数据进行图结构化存储和自动更新， 便于之后对数 据的查询、 推理和 加工位姿推荐。 [0006]为了实现以上发明目的， 本发明采取的技 术方案如下： [0007]一种六关节机器人位姿关联知识图谱构建方法， 包括如下步骤： [0008]S1.根据机器人的本体结构分析机器人位姿、 模态参数概念之间的关系构建机器 人知识图谱的模式层；说　明　书 1/4 页 3 CN 115544312 A 3