FANUC 机器人 PR 寄存器

FANUC 机器人 PR 寄存器(位置寄存器)完全解析

PR(Position Register,位置寄存器)是 FANUC 机器人系统中核心的位置存储与操作单元,用于记录机器人关节坐标、笛卡尔坐标(位置 + 姿态)、工具坐标等关键位置信息,是机器人编程(TP 程序、Karel 程序)中实现位置灵活控制的核心工具。

一、PR 寄存器基础属性

1. 基本定义

  • 数量:标准配置下提供PR[1]~PR[99](部分高端型号可扩展至 PR [199]/PR [299]),支持自定义命名(如 PR [HOME]、PR [PICK])。
  • 存储格式
    • 关节型(JNT):存储 J1~J6 轴的关节角度(°);
    • 笛卡尔型(POS):存储 X/Y/Z(位置,mm)+W/P/R(姿态,°),支持世界坐标、用户坐标、工具坐标等坐标系。
  • 访问权限:可通过 TP 示教器、TP 程序、Karel 程序、上位机(如 Socket/MACRO)读写,需%RW 访问权限(Karel 程序)。

2. 核心用途

  • 存储固定点位(如抓取位、放置位、原点);
  • 动态计算位置(如偏移、插值、轨迹修正);
  • 与外部设备交互(如接收上位机下发的目标位置);
  • 记录机器人当前位置(如故障时的位置回溯)。

二、PR 寄存器的操作方式

1. TP 示教器手动操作

(1)查看 / 修改 PR 值
  1. 进入「位置」→「位置寄存器」界面;
  2. 选择目标 PR 号(如 PR [1]);
  3. 切换坐标系(关节 / 世界 / 用户 / 工具);
  4. 直接输入数值(如 X=100.0,Y=200.0,Z=300.0),或通过「当前位置」将机器人当前位置写入 PR。
(2)复制 / 粘贴 PR 值
  • 选中 PR [1] → 「编辑」→「复制」→ 选中 PR [2] →「粘贴」,快速复用位置。

2. TP 程序中操作 PR 寄存器

(1)基础赋值

tp

-- 将机器人当前位置写入PR[1](世界坐标系) PR[1]=LPOS[1] ; LPOS[1]表示当前位置(世界坐标) -- 直接赋值笛卡尔坐标(X/Y/Z/W/P/R) PR[2]=(X100.0,Y200.0,Z300.0,W0.0,P0.0,R0.0) -- 赋值关节坐标(J1~J6) PR[3]=(J10.0,J20.0,J30.0,J40.0,J50.0,J60.0) 
(2)位置偏移(核心用法)

tp

-- PR[1]的X轴偏移50mm,结果存入PR[4] PR[4]=PR[1]+(X50.0) -- 相对工具坐标系偏移(Z轴下降20mm) PR[5]=PR[1]+(Z-20.0,TOOL[1]) -- 多轴组合偏移 PR[6]=PR[1]+(X10.0,Y-5.0,R15.0) 
(3)运动指令调用 PR

tp

-- 以关节运动方式移动到PR[1]位置,速度50% J PR[1] 50% FINE -- 以线性运动方式移动到PR[2]位置,速度100mm/s L PR[2] 100mm/sec CNT10 
(4)与变量联动(动态计算)

tp

-- 定义数值变量 R[1]=50.0 -- PR[7]的X轴偏移R[1]的值 PR[7]=PR[1]+(XR[1]) 

3. Karel 程序中操作 PR 寄存器

Karel 通过GET_POS_REG/SET_POS_REG函数读写 PR 寄存器,需包含%ENVIRONMENT sysdef%INCLUDE klevpos(位置操作相关头文件)。

(1)读取 PR 寄存器值

karel

VAR pr_num : INTEGER := 1 -- PR寄存器号 pos_data : POSITION -- 存储位置数据的结构体 status : INTEGER -- 操作状态码 BEGIN -- 读取PR[1]的位置数据(笛卡尔坐标) GET_POS_REG(pr_num, pos_data, status) IF status = 0 THEN -- 提取X/Y/Z坐标(mm) WRITE('PR[1] X: ', pos_data.x, CR) WRITE('PR[1] Y: ', pos_data.y, CR) WRITE('PR[1] Z: ', pos_data.z, CR) -- 提取W/P/R姿态(°) WRITE('PR[1] W: ', pos_data.w, CR) WRITE('PR[1] P: ', pos_data.p, CR) WRITE('PR[1] R: ', pos_data.r, CR) ELSE WRITE('读取PR[1]失败,状态码: ', status, CR) ENDIF END 
(2)写入 PR 寄存器值

karel

VAR pr_num : INTEGER := 2 pos_data : POSITION status : INTEGER BEGIN -- 初始化位置数据(X=100,Y=200,Z=300,W=0,P=0,R=0) pos_data.x = 100.0 pos_data.y = 200.0 pos_data.z = 300.0 pos_data.w = 0.0 pos_data.p = 0.0 pos_data.r = 0.0 pos_data.coord = WORLD_COORD -- 指定坐标系:世界坐标 pos_data.type = POS_TYPE -- 类型:笛卡尔坐标 -- 写入PR[2] SET_POS_REG(pr_num, pos_data, status) IF status = 0 THEN WRITE('PR[2]写入成功', CR) ELSE WRITE('PR[2]写入失败,状态码: ', status, CR) ENDIF END 
(3)位置偏移计算(Karel)

karel

VAR pr1_data, pr4_data : POSITION status : INTEGER BEGIN -- 读取PR[1] GET_POS_REG(1, pr1_data, status) -- X轴偏移50mm pr4_data = pr1_data pr4_data.x = pr4_data.x + 50.0 -- 写入PR[4] SET_POS_REG(4, pr4_data, status) END 

三、PR 寄存器的高级用法

1. 坐标系切换

PR 寄存器可存储不同坐标系的位置,切换时需明确指定:

tp

-- PR[1]存储工具坐标系位置 PR[1]=(X50.0,Y0.0,Z-10.0,W0.0,P0.0,R0.0,TOOL[1]) -- PR[1]存储用户坐标系位置 PR[1]=(X100.0,Y200.0,Z300.0,W0.0,P0.0,R0.0,UFRAME[2]) 

2. 与 TCP 通信联动(结合前文 TCP 程序)

通过 Karel 的 TCP 客户端程序接收上位机下发的位置数据,写入 PR 寄存器:

karel

-- 假设从TCP读取到126字节数据,解析为X/Y/Z/W/P/R VAR recv_str : STRING[128] x_val, y_val, z_val : REAL w_val, p_val, r_val : REAL pos_data : POSITION BEGIN -- 从TCP读取数据(前文readline函数) readline(sockfd, recv_str, 126) -- 解析字符串为数值(示例:recv_str="100.0,200.0,300.0,0.0,0.0,0.0") sscanf(recv_str, "%f,%f,%f,%f,%f,%f", x_val, y_val, z_val, w_val, p_val, r_val) -- 写入PR[5] pos_data.x = x_val pos_data.y = y_val pos_data.z = z_val pos_data.w = w_val pos_data.p = p_val pos_data.r = r_val SET_POS_REG(5, pos_data, status) END 

3. 关节 / 笛卡尔坐标互转

tp

-- 将PR[1]的关节坐标转为笛卡尔坐标,存入PR[2] PR[2]=CONV_POS(PR[1],POS_TYPE,WORLD_COORD) -- 将PR[2]的笛卡尔坐标转为关节坐标,存入PR[3] PR[3]=CONV_POS(PR[2],JNT_TYPE,WORLD_COORD) 

四、常见问题与排查

1. PR 寄存器值写入失败

  • 原因 1:无读写权限 → 检查 Karel 程序是否加%RW 访问,TP 程序是否解锁「程序保护」;
  • 原因 2:坐标系不匹配 → 确认写入时指定的坐标系(如 TOOL/UFRAME)已配置;
  • 原因 3:数值超限 → 检查坐标值是否超出机器人运动范围(如 X 轴最大行程 ±1000mm)。

2. 调用 PR 运动时报警

  • 报警「位置超出范围」:PR 中的坐标超出机器人关节 / 笛卡尔软限位,需修正 PR 值;
  • 报警「姿态异常」:W/P/R 姿态超出工具坐标系允许范围,需调整姿态值;
  • 报警「坐标系未定义」:PR 中指定的 TOOL/UFRAME 未配置,需先定义工具 / 用户坐标。

3. PR 值丢失

  • 原因:未将 PR 值写入永久存储 → 在 TP 示教器中执行「位置」→「保存」,或在 Karel 中调用SAVE_POS_REG函数。

五、PR 寄存器与其他寄存器的区别

寄存器类型用途存储内容核心差异
PR位置存储 / 运动控制关节 / 笛卡尔坐标支持位置运算、运动指令调用
R数值存储 / 逻辑运算整数 / 浮点数仅支持数值计算
AR程序参数 / 临时存储数值 / 字符串仅在程序执行时有效
LR位置偏移 / 精细调整相对偏移量仅用于位置修正

PR 寄存器是 FANUC 机器人位置控制的核心,结合 TP 程序 / Karel 程序 / TCP 通信可实现灵活的位置控制,是工业现场实现机器人自动化、柔性化生产的关键工具。

Read more

Qwen3-VL-WEBUI在线教育:作业批改自动化部署解决方案

Qwen3-VL-WEBUI在线教育:作业批改自动化部署解决方案 1. 引言:在线教育中的作业批改痛点与技术革新 在当前快速发展的在线教育生态中,教师面临海量学生作业的批改任务,尤其是涉及图像、图表、手写公式甚至视频类内容时,传统文本型大模型难以胜任。人工批改耗时耗力,而现有自动化工具在多模态理解能力、复杂逻辑推理和跨模态对齐精度上存在明显短板。 阿里云最新开源的 Qwen3-VL-WEBUI 正是为解决这一核心痛点而生。它不仅集成了迄今为止最强大的视觉-语言模型 Qwen3-VL-4B-Instruct,还通过 WebUI 界面实现了“开箱即用”的本地化部署,特别适用于教育机构实现作业自动批改系统的轻量化落地。 本文将围绕 Qwen3-VL-WEBUI 在在线教育场景下的作业批改自动化部署方案展开,涵盖其技术优势、部署流程、实际应用案例及优化建议,帮助开发者和教育科技团队快速构建高效、精准的智能批改系统。 2. 技术背景:Qwen3-VL 的核心能力解析 2.1 Qwen3-VL 模型架构升级详解 作为 Qwen 系列的最新一代视觉语言模型,Qwen3-VL 在多个

DAMO-YOLO-S WebUI无障碍适配:屏幕阅读器支持与键盘导航优化

DAMO-YOLO-S WebUI无障碍适配:屏幕阅读器支持与键盘导航优化 1. 项目背景与意义 在现代Web应用开发中,无障碍访问(Accessibility)已经成为一个不可忽视的重要议题。DAMO-YOLO-S作为一个基于先进目标检测技术的手机检测系统,其Web界面的无障碍适配对于确保所有用户都能平等使用这一技术具有重要意义。 传统的计算机视觉应用往往忽视了视障用户和行动不便用户的需求。通过为DAMO-YOLO-S WebUI添加屏幕阅读器支持和键盘导航优化,我们不仅提升了产品的包容性,也为更多用户群体打开了使用先进AI技术的大门。 这项改进工作的核心价值在于: * 平等访问:确保视障用户能够通过屏幕阅读器理解界面内容和操作流程 * 操作便利:为无法使用鼠标的用户提供完整的键盘操作支持 * 合规性:符合Web内容无障碍指南(WCAG)标准要求 * 用户体验:为所有用户提供更加友好和高效的操作体验 2. 屏幕阅读器支持实现 2.1 ARIA标签优化 为DAMO-YOLO-S WebUI中的关键元素添加适当的ARIA(Accessible Rich Int

用 ASCII 草图 + AI 快速生成前端代码

引言 从想法到代码,中间往往要经历画原型、出设计稿等环节。 用 ASCII 草图,可以跳过大量原型绘制、结构拆解和手动搭骨架的中间步骤。 这种表达方式其实一直存在,但真正让它进入工程流程的,是 AI 的能力提升。大语言模型对结构化文本具有很强的解析能力,能够识别文本中的层级、对齐关系与空间划分,并将这些结构信息稳定地映射为组件树和页面布局。 因此,ASCII 不再只是沟通草稿,而成为一种可执行的结构描述。 什么是 “ASCII 草图” 提到 ASCII,很多人的第一反应可能是那个年代久远的“字符画”。没错,ASCII 草图就是用字符来构建页面布局。 在 AI 时代,这种看似简陋的草图,其实蕴含着巨大的能量。大语言模型(LLM)对结构化文本的理解能力极强。相比于模糊的自然语言描述(“我要一个左边宽右边窄的布局”),ASCII 草图提供了一种所见即所得的结构化 Prompt。 简单来说,ASCII 草图充当了视觉蓝图的角色,AI 根据这个结构生成代码。

WebGIS + 无人机 + AI:下一代智能巡检系统?

WebGIS + 无人机 + AI:下一代智能巡检系统?

WebGIS 遇上无人机,再叠加 AI 能力,巡检不再只是“看画面”,而是变成“智能决策系统”。 一、为什么 WebGIS + 无人机 + AI 是趋势? 在传统巡检场景中: * 电力巡检 → 人工拍照 * 工地巡查 → 人工记录 * 农业监测 → 靠经验判断 * 安防巡逻 → 事后回放 问题: * 数据无法实时分析 * 缺乏空间关联 * 没有智能预警能力 * 无法形成可视化决策系统 而结合: * WebGIS(三维可视化) * 无人机(数据采集) * AI(智能识别与分析) 我们可以构建: 一个真正的“空天地一体化智能巡检系统” 二、整体技术架构设计 1、系统分层架构 ┌──────────────────────────────┐ │ 前端可视化层 │ │ Cesium + Three.js + WebGL │ └──────────────┬───────────────┘ │ ┌──────────────▼───────────────┐ │ 业务中台层 │ │ AI推理