一种切削加工机器人的动态误差补偿与控制方法专利检索-运动模糊摄影专利检索查询-专利查询网

一种切削加工 机器人的动态误差补偿与控制方法

阅读：644发布：2020-05-11

专利汇可以提供一种切削加工机器人的动态误差补偿与控制方法专利检索，专利查询，专利分析的服务。并且本发明公开一种切削加工机器人的动态误差补偿与控制方法，属于机器人技术领域。针对动态误差影响机器人切削加工精度的问题，采用技术方案包括：动态误差为稳定变形误差时，基于离线补偿模块和在线修正模块进行误差补偿与控制；动态误差为低频振动误差时，采用基于模态分析的开环控制方法，通过在机器人关节处施加额外的主动力抵消引起低阶模态的激振力，抑制振动，实现误差补偿与控制；动态误差为高频振动误差时，提出机器人动力学控制算法，在机器人中增设加速度传感器，通过加速度传感器实时采集机器人加工过程中的振动信号，通过机器人动力学控制算法对控制参数的在线实时校正，实现对高频振动的抑制和高精度的轨迹控制。，下面是一种切削加工机器人的动态误差补偿与控制方法专利的具体信息内容。

权利要求

1.一种切削加工机器人的动态误差补偿与控制方法，所述动态误差包括稳定变形误差、低频振动误差、高频振动误差三种，其特征在于，该方法的具体实现方式为：
A)所述动态误差为稳定变形误差时，基于离线补偿模块和在线修正模块进行误差补偿与控制；
B)所述动态误差为低频振动误差时，采用基于模态分析的开环控制方法，通过在机器人关节处施加额外的主动力抵消引起低阶模态的激振力，从而抑制振动，进行误差补偿与控制；
C)所述动态误差为高频振动误差时，提出基于参数自校正自抗扰策略的机器人动力学控制算法，同时，在机器人中增设加速度传感器，通过加速度传感器实时采集机器人加工过程中的振动信号，并将高频振动看作外界对机器人控制系统的扰动，机器人动力学控制算法对控制参数的在线实时校正，使机器人控制系统在全部运行期间保持优良的控制性能，实现对高频振动的抑制和高精度的轨迹控制，即实现高频振动误差的补偿与控制。
2.根据权利要求1所述的一种切削加工机器人的动态误差补偿与控制方法，其特征在于，在补偿与控制低频振动误差的过程中：
基于机器人整机动刚度模型与加工过程采集的振动数据，利用模态分析方法，求出结构振动的主要模态，针对主要模态，计算获得各个关节处所需主动控制力的幅值、相位和周期信息，并实时的施加到关节处，以抵消相应模态的激振力。
3.根据权利要求1所述的一种切削加工机器人的动态误差补偿与控制方法，其特征在于，所述离线补偿模块进行误差补偿与控制的具体操作为：在机器人控制系统中引入切削力模型，根据目标轨迹和切削参数，预测各插补点处的切削力，然后基于机器人整机动刚度模型计算各插补点处的变形量，并将各变形量补偿到理论轨迹中，获得修正的刀具轨迹，同时，保存各插补点处的预测切削力；
所述在线修正模块进行误差补偿与控制的具体操作为：在实时插补过程中，机器人以修正的刀具轨迹为目标轨迹进行切削运动，同时，通过力传感器/力矩传感器实时测量和采集切削力，与预测切削力比较后获得切削力误差，通过该切削力误差微调刀具轨迹，并进一步修正刀具轨迹，对机器人的实时运动进行控制，提高机器人切削加工的轨迹精度。
4.根据权利要求3所述的一种切削加工机器人的动态误差补偿与控制方法，其特征在于，所述切削力模型为线性切削力模型，线性切削力模型的切削力系数是常数，线性切削力模型通过计算刀具一个旋转周期内的平均铣削力对切削力系数进行辨识，从而根据目标轨迹和切削参数预测三向切削力。
5.根据权利要求2或3所述的一种切削加工机器人的动态误差补偿与控制方法，其特征在于，所述机器人整机动刚度模型是由通过以下步骤建立后得到的：
步骤一、获取机器人本体参数的描述文件，通过描述文件调用模型类库；
步骤二、首先，对机器人中影响误差分析的组件及组件接触特性进行理论分析，采用计算模态分析法建立各组件及组件接触特性的动刚度理论子模型，
随后，对机器人中影响误差分析的组件及组件接触特性进行模态实验，通过对激励、响应数据的采集与处理，建立组件及组件接触特性的动刚度实验子模型与模态子模型，辨识出模态参数并进行动刚度实验子模型的验证；
再随后，根据理论分析结果去除影响误差分析的极小因素，简化动刚度理论子模型的变量，通过动刚度实验子模型对相应组件及组件接触特性的动刚度理论子模型进行修正，获得符合精度要求的动刚度子模型；
最后，通过模态综合理论将符合精度要求的动刚度子模型综合为机器人的整机动刚度理论模型；
步骤三、对机器人整机进行模态实验，通过对激励、响应数据的采集与处理，建立机器人的整机动刚度实验模型与模态模型，辨识出模态参数并进行整机动刚度实验模型的验证；
步骤四、通过整机动刚度实验模型对整机动刚度理论模型进行修正，获得符合精度要求的整机动刚度模型。
6.根据权利要求5所述的一种切削加工机器人的动态误差补偿与控制方法，其特征在于，步骤一中，所述机器人本体参数的描述文件即能够完整描述机器人本体参数的规范性文件，所述描述文件的生成过程包括：
a1)依据机器人的结构参数，对机器人动特性的灵敏度进行分析，所述结构参数包括功能组件、关节连接方式、结构组成三类，其中，所述功能组件包括驱动单元、连杆单元、减速器单元，所述关节连接方式包括一体化连接、联轴器连接，所述结构组成包括串联、并联、串并联结合；
a2)根据分析结果制定参数描述的精度准则与规范；
a3)采用标准化的XML文件格式作为载体，对功能组件、关节连接方式、结构组成三类参数进行灵敏度分析后，分别生成功能组件参数的描述文件、关节连接方式参数的描述文件、结构组成参数的描述文件；
a4)开源xml文件生成器将功能组件参数的描述文件、关节连接方式参数的描述文件、结构组成参数的描述文件整合生成机器人本体参数的描述文件；
所述模型类库是应用面向对象的方法设计而成的，其设计过程包括：
b1)借助工具SQLserver建立机器人组件误差分析基类，包括ID、误差分析方法和其他属性，用于分析组件误差产生的原因；
b2)由机器人组件误差分析基类派生出功能组件类和关节连接方式类，其中，功能组件类是组件的刚度对误差影响的分析，功能组件类派生出杆件类、减速器类两个子类；
关节连接方式类是对组件接触刚度影响的分析，关节连接方式类派生出一体式连接和联轴器连接两个子类；
b3)封装基类和派生出的子类，在建立机器人整机动刚度理论模型时，机器人本体参数的描述文件对模型类库的封装信息进行调用。
7.根据权利要求6所述的一种切削加工机器人的动态误差补偿与控制方法，其特征在于，在a1)中，依据机器人的结构参数，对机器人动特性的灵敏度分析，具体操作包括：
依据机器人结构参数建立机器人仿真模型；
依据机器人仿真模型，建立仿真动刚度模型；
以仿真动刚度模型为目标函数，对机器人的结构参数进行灵敏度分析，依据灵敏度分析结果，将结构参数划分为敏感参数和非敏感参数，其中，对敏感参数使用精度较高的仪器进行更加精确的测量，采用精度更高的算法进行参数计算和描述，对非敏感参数则可以简化其测量、描述过程，仿真动刚度模型的灵敏度分析结果，可以为机器人切削加工系统的动力修改提供依据；
确定机器人的结构参数变化对机器人控制系统动态特性影响的灵敏度，并由机械工程师通过计算编程分析权衡结构参数的灵敏度，随后，人工制定参数描述的精度准则与规范。
8.根据权利要求5所述的一种切削加工机器人的动态误差补偿与控制方法，其特征在于，步骤四中，通过整机动刚度实验模型对整机动刚度理论模型进行修正的具体过程为：
步骤1：将工艺参数录入控制器，控制器执行加工轨迹，并通过测力仪与加速度传感器采集实验数据；
步骤2：对采集到的加速度数据进行傅里叶变换，获取振动幅值谱数据，对幅值谱数据进行取对数运算，然后通过傅里叶逆变换获得幅值谱倒谱数据；
步骤3：对步骤2获得的幅值谱倒谱数据进行指数窗滤波运算，然后滤波后的倒谱数据做反倒谱运算，获得随机激励下的振动幅值谱数据；
步骤4：对采集到的的加速度数据进行傅里叶变换，获得振动相位谱数据；
步骤5：结合步骤3和步骤4获得的幅值谱和相位谱数据，进行傅里叶逆变换，获得加工过程中随机激励下的加速度时域信号；
步骤6：利用步骤5获得的时域信号，通过最小二乘复频域法辨识模态参数，获得切削机器人末端变形与变化切削力之间的函数关系，进而构建符合精度要求的切削加工机器人整机动刚度模型。
9.根据权利要求1所述的一种切削加工机器人的动态误差补偿与控制方法，其特征在于，所述机器人动力学控制算法包括：柔性机器人动力学模型、跟踪微分模块、扩张状态观测模块、非线性组合控制模块、基于模糊控制的参数实时自校正模块；
所述柔性机器人动力学模型是基于机器人控制系统中参数化误差分析模型的分析结果，用拉格朗日法建立的；研究柔性机器人动力学模型补偿自抗扰控制的原理，并补偿到扩张状态观测模块；
所述跟踪微分模块根据机器人控制系统输出的目标位值qd安排过渡过程qd1并提取其微分信号qd2；
所述扩张状态观测模块根据机器人控制系统的输出信号q估计出机器人状态机器人状态作用于机器人的总和扰动f，扩张状态观测模块再根据跟踪微分模块的过渡过程qd1、微分信号qd2得出机器人的状态误差ε1、ε2，其中
所述非线性组合控制模块进一步根据机器人的状态误差ε1、ε2得出非线性控制规律τ0，基于非线性控制规律τ0、作用于机器人的总和扰动f、控制参数b得到机器人的输入控制力矩τ；
通过总结非线性控制规律τ0，设计基于模糊控制的参数实时自校正模块，所述基于模糊控制的参数实时自校正模块根据人工调参经验设计模糊规则，使控制参数b逼近真实值，同时根据跟踪状态误差ε1调整扩张状态观测模块的增益，达到“大误差小增益，小误差大增益”的效果，使扩张状态观测模块在快速准确估计机器人状态机器人状态总和扰动f的同时减少噪声影响。

说明书全文

一种切削加工机器人的动态误差补偿与控制方法

技术领域

[0001] 本发明涉及机器人加工技术领域，具体的说是一种切削加工机器人的动态误差补偿与控制方法。

背景技术

[0002] 工业机器人技术的进步和应用是推动我国智能制造发展的重要手段和关键环节。工业机器人柔性高、成本低、工作空间大、位姿控制灵活，将其应用于切削加工，能够适应多品种、小批量、现场加工的现代生产模式要求，显著降低生产成本，提高设备和加工空间的利用率，有效提升技术创新速度和企业竞争力。但由于工业机器人存在重复定位精度低、刚度差、误差分析控制繁琐等问题，极大限制了机器人在切削加工领域的应用。

[0003] 如何对切削加工机器人的误差进行有效的分析，提高加工精度，是推动机器人切削加工应用的关键问题。机器人切削加工过程的误差主要包括静态误差和动态误差。静态误差可通过直接修改控制器结构参数的方式进行修正。动态误差中包含三种子类型，即稳定变形误差、低频振动误差、高频振动误差。为提高加工精度，改善表面质量，亟需一种切削加工机器人的动态误差补偿与控制方法，对以上各类误差的补偿方法进行研究，从而实现高精度的机器人轨迹控制及对高频振动的抑制。

发明内容

[0004] 本发明针对目前技术发展的需求和不足之处，提供一种切削加工机器人的动态误差补偿与控制方法。

[0005] 本发明的一种切削加工机器人的动态误差补偿与控制方法，解决上述技术问题采用的技术方案如下：

[0006] 一种切削加工机器人的动态误差补偿与控制方法，该方法的动态误差包括稳定变形误差、低频振动误差、高频振动误差三种，该方法的具体实现方式为：

[0007] A)所述动态误差为稳定变形误差时，基于离线补偿模块和在线修正模块进行误差补偿与控制；

[0008] B)所述动态误差为低频振动误差时，采用基于模态分析的开环控制方法，通过在机器人关节处施加额外的主动力抵消引起低阶模态的激振力，从而抑制振动，进行误差补偿与控制；

[0009] C)所述动态误差为高频振动误差时，提出基于参数自校正自抗扰策略的机器人动力学控制算法，同时，在机器人中增设加速度传感器，通过加速度传感器实时采集机器人加工过程中的振动信号，并将高频振动看作外界对机器人控制系统的扰动，机器人动力学控制算法对控制参数的在线实时校正，使机器人控制系统在全部运行期间保持优良的控制性能，实现对高频振动的抑制和高精度的轨迹控制，即实现高频振动误差的补偿与控制。

[0010] 具体的，在补偿与控制低频振动误差的过程中：

[0011] 基于机器人整机动刚度模型与加工过程采集的振动数据，利用模态分析方法，求出结构振动的主要模态，针对主要模态，计算获得各个关节处所需主动控制力的幅值、相位和周期信息，并实时的施加到关节处，以抵消相应模态的激振力。

[0012] 具体的，所涉及离线补偿模块进行误差补偿与控制的具体操作为：

[0013] 在机器人控制系统中引入切削力模型，根据目标轨迹和切削参数，预测各插补点处的切削力，然后基于机器人整机动刚度模型计算各插补点处的变形量，并将各变形量补偿到理论轨迹中，获得修正的刀具轨迹，同时，保存各插补点处的预测切削力；

[0014] 所涉及在线修正模块进行误差补偿与控制的具体操作为：

[0015] 在实时插补过程中，机器人以修正的刀具轨迹为目标轨迹进行切削运动，同时，通过力传感器/力矩传感器实时测量和采集切削力，与预测切削力比较后获得切削力误差，通过该切削力误差微调刀具轨迹，并进一步修正刀具轨迹，对机器人的实时运动进行控制，提高机器人切削加工的轨迹精度。

[0016] 更具体的，所涉及切削力模型为线性切削力模型，线性切削力模型的切削力系数是常数，线性切削力模型通过计算刀具一个旋转周期内的平均铣削力对切削力系数进行辨识，从而根据目标轨迹和切削参数预测三向切削力。

[0017] 具体的，所涉及机器人整机动刚度模型是由通过以下步骤建立后得到的：

[0018] 步骤一、获取机器人本体参数的描述文件，通过描述文件调用模型类库；

[0019] 步骤二、首先，对机器人中影响误差分析的组件及组件接触特性进行理论分析，采用计算模态分析法建立各组件及组件接触特性的动刚度理论子模型，

[0020] 随后，对机器人中影响误差分析的组件及组件接触特性进行模态实验，通过对激励、响应数据的采集与处理，建立组件及组件接触特性的动刚度实验子模型与模态子模型，辨识出模态参数并进行动刚度实验子模型的验证；

[0021] 再随后，根据理论分析结果去除影响误差分析的极小因素，简化动刚度理论子模型的变量，通过动刚度实验子模型对相应组件及组件接触特性的动刚度理论子模型进行修正，获得符合精度要求的动刚度子模型；

[0022] 最后，通过模态综合理论将符合精度要求的动刚度子模型综合为机器人的整机动刚度理论模型；

[0023] 步骤三、对机器人整机进行模态实验，通过对激励、响应数据的采集与处理，建立机器人的整机动刚度实验模型与模态模型，辨识出模态参数并进行整机动刚度实验模型的验证；

[0024] 步骤四、通过整机动刚度实验模型对整机动刚度理论模型进行修正，获得符合精度要求的整机动刚度模型。

[0025] 步骤一中，所涉及机器人本体参数的描述文件即能够完整描述机器人本体参数的规范性文件，所述描述文件的生成过程包括：

[0026] a1)依据机器人的结构参数，对机器人动特性的灵敏度进行分析，所述结构参数包括功能组件、关节连接方式、结构组成三类，其中，功能组件包括驱动单元、连杆单元、减速器单元，关节连接方式包括一体化连接、联轴器连接，所述结构组成包括串联、并联、串并联结合；

[0027] a2)根据分析结果制定参数描述的精度准则与规范；

[0028] a3)采用标准化的XML文件格式作为载体，对功能组件、关节连接方式、结构组成三类参数进行灵敏度分析后，分别生成功能组件参数的描述文件、关节连接方式参数的描述文件、结构组成参数的描述文件；

[0029] a4)开源xml文件生成器将功能组件参数的描述文件、关节连接方式参数的描述文件、结构组成参数的描述文件整合生成机器人本体参数的描述文件；

[0030] 所涉及模型类库是应用面向对象的方法设计而成的，其设计过程包括：

[0031] b1)借助工具SQLserver建立机器人组件误差分析基类，包括ID、误差分析方法和其他属性，用于分析组件误差产生的原因；

[0032] b2)由机器人组件误差分析基类派生出功能组件类和关节连接方式类，其中，[0033] 功能组件类是组件的刚度对误差影响的分析，功能组件类派生出杆件类、减速器类两个子类；

[0034] 关节连接方式类是对组件接触刚度影响的分析，关节连接方式类派生出一体式连接和联轴器连接两个子类；

[0035] b3)封装基类和派生出的子类，在建立机器人整机动刚度理论模型时，机器人本体参数的描述文件对模型类库的封装信息进行调用。

[0036] 进一步的，在a1)中，依据机器人的结构参数，对机器人动特性的灵敏度分析，具体操作包括：

[0037] 依据机器人结构参数建立机器人仿真模型；

[0038] 依据机器人仿真模型，建立仿真动刚度模型；

[0039] 以仿真动刚度模型为目标函数，对机器人的结构参数进行灵敏度分析，依据灵敏度分析结果，将结构参数划分为敏感参数和非敏感参数，其中，对敏感参数使用精度较高的仪器进行更加精确的测量，采用精度更高的算法进行参数计算和描述，对非敏感参数则可以简化其测量、描述过程，仿真动刚度模型的灵敏度分析结果，可以为机器人切削加工系统的动力修改提供依据；

[0040] 确定机器人的结构参数变化对机器人控制系统动态特性影响的灵敏度，并由机械工程师通过计算编程分析权衡结构参数的灵敏度，随后，人工制定参数描述的精度准则与规范。

[0041] 具体的，在步骤四中，通过整机动刚度实验模型对整机动刚度理论模型进行修正的具体过程为：

[0042] 步骤1：将工艺参数录入控制器，控制器执行加工轨迹，并通过测力仪与加速度传感器采集实验数据；

[0043] 步骤2：对采集到的加速度数据进行傅里叶变换，获取振动幅值谱数据，对幅值谱数据进行取对数运算，然后通过傅里叶逆变换获得幅值谱倒谱数据；

[0044] 步骤3：对步骤2获得的幅值谱倒谱数据进行指数窗滤波运算，然后滤波后的倒谱数据做反倒谱运算，获得随机激励下的振动幅值谱数据；

[0045] 步骤4：对采集到的加速度数据进行傅里叶变换，获得振动相位谱数据；

[0046] 步骤5：结合步骤3和步骤4获得的幅值谱和相位谱数据，进行傅里叶逆变换，获得加工过程中随机激励下的加速度时域信号；

[0047] 步骤6：利用步骤5获得的时域信号，通过最小二乘复频域法辨识模态参数，获得切削机器人末端变形与变化切削力之间的函数关系，进而构建符合精度要求的切削加工机器人整机动刚度模型。

[0048] 具体的，所涉及机器人动力学控制算法包括：柔性机器人动力学模型、跟踪微分模块、扩张状态观测模块、非线性组合控制模块、基于模糊控制的参数实时自校正模块；

[0049] 柔性机器人动力学模型是基于机器人控制系统中参数化误差分析模型的分析结果，用拉格朗日法建立的；研究柔性机器人动力学模型补偿自抗扰控制的原理，并补偿到扩张状态观测模块；

[0050] 跟踪微分模块根据机器人控制系统输出的目标位值qd安排过渡过程qd1并提取其微分信号qd2；

[0051] 扩张状态观测模块根据机器人控制系统的输出信号q估计出机器人状态机器人状态作用于机器人的总和扰动f，扩张状态观测模块再根据跟踪微分模块的过渡过程qd1、微分信号qd2得出机器人的状态误差ε1、ε2，其中

[0052] 非线性组合控制模块进一步根据机器人的状态误差ε1、ε2得出非线性控制规律τ0，基于非线性控制规律τ0、作用于机器人的总和扰动f、控制参数b得到机器人的输入控制力矩τ；

[0053] 通过总结非线性控制规律τ0，设计基于模糊控制的参数实时自校正模块，基于模糊控制的参数实时自校正模块根据人工调参经验设计模糊规则，使控制参数b逼近真实值，同时根据跟踪状态误差ε1调整扩张状态观测模块的增益，达到“大误差小增益，小误差大增益”的效果，使扩张状态观测模块在快速准确估计机器人状态机器人状态总和扰动f的同时减少噪声影响。

[0054] 本发明的一种切削加工机器人的动态误差补偿与控制方法，与现有技术相比具有的有益效果是：

[0055] 本发明对稳定变形误差提出基于离线补偿模块和在线修正模块的补偿与控制方法，对低频振动误差采用基于模态分析的开环控制方法抑制低频模态对振动的影响，对高频振动误差提出基于参数自校正自抗扰策略的机器人动力学控制算法，在保证高精度轨迹控制的同时，实现对高频振动的抑制，由此，通过对不同类型的动态误差采用不同的补偿与控制方法，来显著提高机器人切削加工的精度和表面质量。附图说明

[0056] 附图1是本发明中建立机器人整机动刚度模型的流程图；

[0057] 附图2是本发明中建立整机动刚度理论模型的流程图；

[0058] 附图3是本发明中生成机器人本体参数描述文件的流程图；

[0059] 附图4是本发明中机器人动力学控制算法的结构流程框图；

[0060] 附图5是本发明中对稳定变形误差进行补偿与控制的流程框图。

[0061] 附图中各标号信息表示：

[0062] 1、柔性机器人动力学模型，2、跟踪微分模块，3、扩张状态观测模块，[0063] 4、非线性组合控制模块，5、基于模糊控制的参数实时自校正模块，[0064] 6、离线补偿模块，7、在线修正模块。

具体实施方式

[0065] 为使本发明的技术方案、解决的技术问题和技术效果更加清楚明白，以下结合具体实施例，对本发明的技术方案进行清楚、完整的描述。

[0066] 实施例一：

[0067] 本实施例提出一种切削加工机器人的动态误差补偿与控制方法，该方法的动态误差包括稳定变形误差、低频振动误差、高频振动误差三种。该方法的具体实现方式为：

[0068] A)所述动态误差为稳定变形误差时，基于离线补偿模块6和在线修正模块7进行误差补偿与控制；

[0069] B)所述动态误差为低频振动误差时，采用基于模态分析的开环控制方法，通过在机器人关节处施加额外的主动力抵消引起低阶模态的激振力，从而抑制振动，进行误差补偿与控制；

[0070] C)所述动态误差为高频振动误差时，提出基于参数自校正自抗扰策略的机器人动力学控制算法，同时，在机器人中增设加速度传感器，通过加速度传感器实时采集机器人加工过程中的振动信号，并将高频振动看作外界对机器人控制系统的扰动，机器人动力学控制算法对控制参数的在线实时校正，使机器人控制系统在全部运行期间保持优良的控制性能，实现对高频振动的抑制和高精度的轨迹控制，即实现高频振动误差的补偿与控制。

[0071] 在本实施例中，在补偿与控制低频振动误差的过程中：

[0072] 基于机器人整机动刚度模型与加工过程采集的振动数据，利用模态分析方法，求出结构振动的主要模态，针对主要模态，计算获得各个关节处所需主动控制力的幅值、相位和周期信息，并实时的施加到关节处，以抵消相应模态的激振力。

[0073] 结合附图5，在本实施例中，所涉及离线补偿模块6进行误差补偿与控制的具体操作为：

[0074] 在机器人控制系统中引入切削力模型，根据目标轨迹和切削参数，预测各插补点处的切削力，然后基于机器人整机动刚度模型计算各插补点处的变形量，并将各变形量补偿到理论轨迹中，获得修正的刀具轨迹，同时，保存各插补点处的预测切削力；

[0075] 所涉及在线修正模块7进行误差补偿与控制的具体操作为：

[0076] 在实时插补过程中，机器人以修正的刀具轨迹为目标轨迹进行切削运动，同时，通过力传感器/力矩传感器实时测量和采集切削力，与预测切削力比较后获得切削力误差，通过该切削力误差微调刀具轨迹，并进一步修正刀具轨迹，对机器人的实时运动进行控制，提高机器人切削加工的轨迹精度。

[0077] 在本实施例中，所涉及切削力模型为线性切削力模型，线性切削力模型的切削力系数是常数，线性切削力模型通过计算刀具一个旋转周期内的平均铣削力对切削力系数进行辨识，从而根据目标轨迹和切削参数预测三向切削力。

[0078] 在本实施例中，结合附图1，所涉及机器人整机动刚度模型是由通过以下步骤建立后得到的：

[0079] 步骤一、获取机器人本体参数的描述文件，通过描述文件调用模型类库；

[0080] 步骤二、结合附图2，首先，对机器人中影响误差分析的组件及组件接触特性进行理论分析，采用计算模态分析法建立各组件及组件接触特性的动刚度理论子模型，[0081] 随后，对机器人中影响误差分析的组件及组件接触特性进行模态实验，通过对激励、响应数据的采集与处理，建立组件及组件接触特性的动刚度实验子模型与模态子模型，辨识出模态参数并进行动刚度实验子模型的验证；

[0082] 再随后，根据理论分析结果去除影响误差分析的极小因素，简化动刚度理论子模型的变量，通过动刚度实验子模型对相应组件及组件接触特性的动刚度理论子模型进行修正，获得符合精度要求的动刚度子模型；

[0083] 最后，通过模态综合理论将符合精度要求的动刚度子模型综合为机器人的整机动刚度理论模型；

[0084] 步骤三、对机器人整机进行模态实验，通过对激励、响应数据的采集与处理，建立机器人的整机动刚度实验模型与模态模型，辨识出模态参数并进行整机动刚度实验模型的验证；

[0085] 步骤四、通过整机动刚度实验模型对整机动刚度理论模型进行修正，获得符合精度要求的整机动刚度模型。

[0086] 在上述步骤一中，结合附图3，所涉及机器人本体参数的描述文件即能够完整描述机器人本体参数的规范性文件，描述文件的生成过程包括：

[0087] a1)依据机器人的结构参数，对机器人动特性的灵敏度进行分析，结构参数包括功能组件、关节连接方式、结构组成三类，其中，功能组件包括驱动单元、连杆单元、减速器单元，关节连接方式包括一体化连接、联轴器连接，结构组成包括串联、并联、串并联结合；

[0088] a2)根据分析结果制定参数描述的精度准则与规范；

[0089] a3)采用标准化的XML文件格式作为载体，对功能组件、关节连接方式、结构组成三类参数进行灵敏度分析后，分别生成功能组件参数的描述文件、关节连接方式参数的描述文件、结构组成参数的描述文件；

[0090] a4)开源xml文件生成器将功能组件参数的描述文件、关节连接方式参数的描述文件、结构组成参数的描述文件整合生成机器人本体参数的描述文件。

[0091] 在上述a1)中，依据机器人的结构参数，对机器人动特性的灵敏度分析，具体操作包括：

[0092] 依据机器人结构参数建立机器人仿真模型；

[0093] 依据机器人仿真模型，建立仿真动刚度模型；

[0094] 以仿真动刚度模型为目标函数，对机器人的结构参数进行灵敏度分析，依据灵敏度分析结果，将结构参数划分为敏感参数和非敏感参数，其中，对敏感参数使用精度较高的仪器进行更加精确的测量，采用精度更高的算法进行参数计算和描述，对非敏感参数则可以简化其测量、描述过程，仿真动刚度模型的灵敏度分析结果，可以为机器人切削加工系统的动力修改提供依据；

[0095] 确定机器人的结构参数变化对机器人控制系统动态特性影响的灵敏度，并由机械工程师通过计算编程分析权衡结构参数的灵敏度，随后，人工制定参数描述的精度准则与规范。

[0096] 在上述步骤一中，所涉及模型类库是应用面向对象的方法设计而成的，其设计过程包括：

[0097] b1)借助工具SQLserver建立机器人组件误差分析基类，包括ID、误差分析方法和其他属性，用于分析组件误差产生的原因；

[0098] b2)由机器人组件误差分析基类派生出功能组件类和关节连接方式类，其中，[0099] 功能组件类是组件的刚度对误差影响的分析，功能组件类派生出杆件类、减速器类两个子类；

[0100] 关节连接方式类是对组件接触刚度影响的分析，关节连接方式类派生出一体式连接和联轴器连接两个子类；

[0101] b3)封装基类和派生出的子类，在建立机器人整机动刚度理论模型时，机器人本体参数的描述文件对模型类库的封装信息进行调用。

[0102] 在上述步骤四中，通过整机动刚度实验模型对整机动刚度理论模型进行修正的具体过程为：

[0103] 步骤1：将工艺参数录入控制器，控制器执行加工轨迹，并通过测力仪与加速度传感器采集实验数据；

[0104] 步骤2：对采集到的加速度数据进行傅里叶变换，获取振动幅值谱数据，对幅值谱数据进行取对数运算，然后通过傅里叶逆变换获得幅值谱倒谱数据；

[0105] 步骤3：对步骤2获得的幅值谱倒谱数据进行指数窗滤波运算，然后滤波后的倒谱数据做反倒谱运算，获得随机激励下的振动幅值谱数据；

[0106] 步骤4：对采集到的的加速度数据进行傅里叶变换，获得振动相位谱数据；

[0107] 步骤5：结合步骤3和步骤4获得的幅值谱和相位谱数据，进行傅里叶逆变换，获得加工过程中随机激励下的加速度时域信号；

[0108] 步骤6：利用步骤5获得的时域信号，通过最小二乘复频域法辨识模态参数，获得切削机器人末端变形与变化切削力之间的函数关系，进而构建符合精度要求的切削加工机器人整机动刚度模型。

[0109] 在本实施例中，结合附图4，所涉及机器人动力学控制算法包括：柔性机器人动力学模型1、跟踪微分模块2、扩张状态观测模块3、非线性组合控制模块4、基于模糊控制的参数实时自校正模块5；

[0110] 柔性机器人动力学模型1是基于机器人控制系统中参数化误差分析模型的分析结果，用拉格朗日法建立的；研究柔性机器人动力学模型1补偿自抗扰控制的原理，并补偿到扩张状态观测模块3；

[0111] 跟踪微分模块2根据机器人控制系统输出的目标位值qd安排过渡过程qd1并提取其微分信号qd2；

[0112] 扩张状态观测模块3根据机器人控制系统的输出信号q估计出机器人状态机器人状态作用于机器人的总和扰动f，扩张状态观测模块3再根据跟踪微分模块2的过渡过程qd1、微分信号qd2得出机器人的状态误差ε1、ε2，其中非线性组合控制模块4进一步根据机器人的状态误差ε1、ε2得出非线性控制规律τ0，基于非线性控制规律τ0、作用于机器人的总和扰动f、控制参数b得到机器人的输入控制力矩τ；

[0113] 通过总结非线性控制规律τ0，设计基于模糊控制的参数实时自校正模块5，基于模糊控制的参数实时自校正模块5根据人工调参经验设计模糊规则，使控制参数b逼近真实值，同时根据跟踪状态误差ε1调整扩张状态观测模块3的增益，达到“大误差小增益，小误差大增益”的效果，使扩张状态观测模块3在快速准确估计机器人状态机器人状态总和扰动f的同时减少噪声影响。综上可知，采用本发明的一种切削加工机器人的动态误差补偿与控制方法，通过对不同类型的动态误差采用不同的补偿与控制方法，显著提高机器人切削加工的精度和表面质量。以上应用具体个例对本发明的原理及实施方式进行了详细阐述，这些实施例只是用于帮助理解本发明的核心技术内容。基于本发明的上述具体实施例，本技术领域的技术人员在不脱离本发明原理的前提下，对本发明所作出的任何改进和修饰，皆应落入本发明的专利保护范围。

标题	发布/更新时间	阅读量
一种同时定位与稠密三维重建方法	2020-05-08	426
一种复合翼垂直起降无人机的姿态控制方法	2020-05-11	593
一种免拆卸清洗机	2020-05-11	372
一种气体密度继电器的改造方法	2020-05-08	541
一种汽车电动助力转向系统性能检测系统及其检测方法	2020-05-11	145
一种远距离大视场虹膜光学成像的装置及方法	2020-05-08	999
基于镜像神经元和脑机接口的混合式主动康复方法、装置	2020-05-12	617
基于无手眼标定的抓取学习控制方法、系统、机器人及介质	2020-05-11	369
一种基于强化学习的人脸识别方法	2020-05-08	572
一种带有投影与摄像功能的智能运动手环	2020-05-11	631

一种切削加工机器人的动态误差补偿与控制方法

一种切削加工机器人的动态误差补偿与控制方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：