论文部分内容阅读
作为自动化生产线中必不可少的核心装备,工业机器人及其控制技术的改进与应用是推动我国智能制造发展的重要手段和关键环节。近年来,工业机器人以其成本低、灵活性强、占用空间小等优点,正在普遍应用于汽车制造、电子电器、食品、化工、航空制造等行业,具体的应用工艺主要包含机器人焊接、机器人搬运、机器人分拣、机器人制孔、机器人打磨与抛光等。与机器人制孔、打磨、抛光等具体工艺相比较,机器人铣削加工问题更为棘手,工件与机器人末端刀具是刚性接触,切削负载大,切削过程动态特性复杂,导致系统稳定性差,切削精度低。如何解决机器人低精度、弱刚性与高精度高效率切削加工之间的矛盾,是国内外学者们的研究热点。本学位论文围绕机器人铣削系统颤振分析及加工精度提升方法展开研究。首先,为了将颤振对机器人加工系统及加工质量的影响控制在可接受范围内,通过研究机器人铣削加工颤振检测方法,及早发现机器人铣削加工过程中的颤振现象,避免不受控的颤振对加工质量的破坏。然后,通过建立同时考虑交叉模态耦合与再生作用的机器人铣削系统动力学模型,探究机器人铣削颤振稳定域,为选择稳定无颤振的铣削加工参数提供理论指导。接着,在机器人空载情况下,分析机器人定位误差来源,研究机器人定位误差预测补偿方法,提高机器人的绝对定位精度,为提高铣削机器人加工精度奠定基础。最后,在机器人铣削情况下,通过构建铣削机器人变形模型,提出一种机器人铣削加工综合变形指标,并基于该指标优化机器人铣削姿态,减小由切削负载引发的机器人末端柔性变形,进而提高机器人铣削加工精度。本文主要研究内容及实施方案归纳如下:(1)搭建了六自由度工业机器人铣削实验平台,开发了机器人运动控制-铣削加工一体化控制系统软件。通过对工业机器人铣削实验平台进行需求分析,确定了机器人控制功能需求,铣削功能需求和测量需求,制定了机器人铣削实验平台硬件组成方案。然后,基于标准PC开发了机器人运动控制-铣削一体化控制系统软件,实现了机器人运动控制与铣削加工协同控制,为机器人铣削加工实验及后续的机器人颤振分析及加工精度提升算法的验证提供了平台支撑。(2)研究了机器人振动信号中颤振特征的提取问题,提出了基于变分模态分解算法的机器人铣削颤振在线检测方法。首先,基于瞬时频率和峰度系数,提出了振动信号自适应变分模态分解方法,实现了模态分量上限的自适应求解,规避了分解过程中混叠子模态的出现。然后,给出了基于遗传算法的分解参数优化方法,包含模态分量个数和惩罚因子,并根据优化结果给出惩罚因子离散步长的选择策略,提高了计算效率。最后,定义了反映熵值变化趋势的颤振特征:熵漂移系数,基于近似熵和能量熵的熵漂移系数实现了机器人铣削颤振的检测。仿真和实验结果表明,提出的颤振检测方法能够满足在线检测的实时性要求,有效地检测出铣削过程中颤振的发生。(3)阐明了机器人铣削系统动力学建模及颤振稳定性分析的基本原理和方法,进行了机器人铣削颤振稳定域求解与实验研究。首先,建立了考虑交叉模态耦合的机器人铣削系统动力学模型,并据此推导再生作用下系统动力学微分方程。然后,基于非对称频响函数模型构建模态空间动力学模型,并对机器人铣削加工系统进行锤击实验,计算获得系统频响函数曲线。接着,提出了基于粒子群的机器人铣削系统模态参数整体辨识方法,通过对频响函数曲线的整体拟合,辨识出机器人铣削系统的各阶模态参数。最后,基于辨识得到的模态参数,采用半离散法求解出机器人铣削颤振稳定域。实验结果表明,提出的模态参数辨识方法可以有效提高频响曲线拟合精度,基于辨识的模态参数进行稳定性预测获得的结果具有一定准确性,能够帮助实验人员选择出稳定无颤振的工艺参数。(4)研究了机器人空载情况下定位误差来源及分类问题,提出一种基于Stacking模型集成策略的误差补偿方法。首先,基于工业机器人运动学模型与结构组成,分析了空载时工业机器人定位误差来源,并进行分类,制定了定位误差补偿方案。然后,根据机器人铣削工作空间,采用拉丁超立方采样方法,生成了覆盖工作空间的误差采样数据位置点。最后,基于Stacking模型集成策略建立机器人定位误差预测模型,并基于误差数据对模型进行训练,实现对末端定位误差的预测及补偿。实验结果表明,提出的误差预测方法准确地预测出机器人末端空间位置误差,极大改善了机器人定位精度。(5)研究了机器人铣削加工过程中柔性变形模型,提出了基于综合变形指标的机器人加工精度提升方法。基于机器人静态刚度模型,通过分析铣削过程中柔性变形来源,构建了机器人铣削加工变形模型,进而提出了一种机器人铣削加工综合变形指标。然后,以冗余自由度为控制变量,以变形指标与奇异性指标为优化目标,结合关节角度和角速度限制,构建了机器人铣削姿态优化模型。接着,为了保证机器人刚度性能的增强,提出一种理想刚度区间模型寻优方法,采用自适应遗传算法对机器人铣削姿态进行优化。仿真和实验结果表明,所提出的综合变形指标能够准确反映机器人末端变形,基于该变形指标优化机器人姿态,能够有效减小机器人变形,提升铣削加工精度。