前端新闻

超精细抛光机器人,超精细,抛光延寿!

在精密机器人制造过程中,倒角和倒圆等超精密加工操作的特点是相对较低的接触力和较低的材料去除 。 对于这一过程 ,传统的自动方法,如预编程的位置或力控制,是不可调的 ,不适合获得高精度的表面加工。 因此 ,抛光工作仍然主要由熟练的操作人员手工完成。 在这项研究中,研究人员提出了一种自适应框架,可以使用合作机器人抛光广泛的材料 ,包括钛等硬金属 。 研究人员提出了一种基于阻抗控制的迭代学习控制器,在每次迭代中同时调整位置和力来调整抛光过程 。 所提出的控制器可以跟踪所需的轮廓,而不需要抛光不同材料所需的力的任何先验知识。 此外 ,研究者提出了一种新的基于李萨如曲线的复杂圆角刀具轨迹生成的数学模型。 在完成倒角和切片等任务后,使用协作工业机器人来验证新框架 。 表面粗糙度和轮廓的测量表明,该自适应控制器可以在各种材料 ,如钛、铝和木材中获得良好的抛光输出。 这篇论文于2020年11月20日发表在《国际先进制造技术杂志》上,题目是“一个基于碰撞 控制的机器人抛光的 适应性框架” 超级抛光机器人,超级精细 ! 研究背景与实验 机器人的研究在涂装 、码垛、焊接等工业应用领域取得了显著进展。 因为末端执行器和环境之间的相互作用可以忽略 ,这些任务可以通过简单的基于位置或基于力的控制策略来执行 。 虽然机器人技术有许多进步,但人类擅长的涉及与环境物理交互的任务对机器人自主执行提出了固有的挑战。 人类操作员为补偿不稳定性而表现出的微妙的位置和力适应不能仅通过预编程的位置或力控制策略来捕捉。 所以业内占制造总时间50%的抛光任务,还是主要靠熟练的操作工 。 尽管有所增长 ,但机器人精加工占当前机器人应用的比例不到1%。 这是几个因素造成的 ,比如机器人金属加工的表面光洁度和精度还不如人工操作,还有机器人本身的编程难度。 当涉及到中小型企业(SME)时,这些问题会变得更糟 ,因为它们处理高容量和低容量的零件 。 用于抛光的机器人在执行过程中需要高度的柔顺性来控制最终的输出。 因此,需要自适应交互控制来实现期望的轮廓几何形状和表面粗糙度,这可以通过特殊的柔顺工具(如宏微系统)或基于控制算法的柔顺来实现。 在使用特殊柔顺工具的交互控制中 ,末端执行器通常可以补偿不同轴上的力误差 。 柔性工具可以是被动的或主动的,以保持所需的接触力 。 被动柔性工具通常依靠工具本身的柔顺性来维持法向接触力,而主动柔性工具依靠闭环力控制系统来修正力误差。 另外 ,刀具的过度柔顺会降低抛光时的刚性和轮廓跟踪的精度。 为了使用控制算法来实现交互式任务,通常部署混合位置和力控制器或阻抗控制器 。 在表面加工的混合位置和力控制中,位置通常沿表面调整 ,而力通常沿法线方向控制。 机械手的力控制策略以及混合位置和力控制已经广泛应用于包括去毛刺、抛光和磨削在内的光整加工过程。 倒角是一种精加工操作,其锐边通常以45°角向两个相邻的直角面倾斜 。 为了获得倒角的刀具轨迹,在研究人员的框架内 ,人类操作者以低阻抗(高柔度)模式(即刚度值低至1N/m ,最大可达值高达5000 n/m)对机器人进行动态示教。 利用操作者从运动学示教中获得的倒角起点和终点以及机器人姿态,对用户指定的倒角深度进行线性插补,生成参考轨迹 ,如图所示。 图为不同刀具在旋转中的姿态(a)在边缘,(b) x' y '面,(c) y' z '面 。 超级研磨抛光机器人 ,超级精细,抛光如新! 图为二维李萨如曲线和bLissajous转化为三维姿态的数学模型 机器人到达任意特定点的实际位置 、力和方向的反馈信息被记录并存储在分析中。 在每次迭代结束时,将控制器获得的实际轨迹与方程中的参考轨迹进行比较。 这种增量轨迹调整是为了保证精加工操作能够按照期望的轮廓和增量力调整来完成 ,而不损伤工件 。 此外,由于通过迭代反馈进行纠错,回收也减少了将来的返工量。 研究人员使用相同的臂端工具在铝加工试片中进行倒角测试 ,观察到与钛测试相同的控制行为。 通过输入命令和研究装置的工作,发现经过13遍后,位置误差不再明显减小 ,达到绝对误差图所示的饱和点 。 与钛试验相比 ,铝含量相对较低 。 因此,在每次迭代中观察到的平均力通常低于图中描述的钛试验中观察到的力。 由于铝的硬度远低于钛,机器人的实际轨迹可以在初始迭代中相对较快地逼近期望的参考轨迹 ,使得机器人在下一遍的受力更低。 设计感大大增强! & nbsp;

hth华体会官方下载|首页

发表评论