一种工业机器人-主轴结合面参数辨识方法与流程

一种工业机器人
‑
主轴结合面参数辨识方法
技术领域
1.本发明涉及工业机器人加工技术领域，更具体的说是涉及一种工业机器人
‑
主轴结合面参数辨识方法。


背景技术：

2.工业机器人近些年被广泛应用于钻孔、磨削、铣削等加工领域，相对于传统的数控机床，工业机器人具有高度的加工灵活性，其多关节的结构带来了更高的自由度，能够采用更加灵活多变的位姿达成加工目标；然而从另一方面来看，多自由度可变位姿导致工业机器人本身的动态特性具有位姿依赖性，对末端刀尖频响函数的预测带来巨大挑战，机器人加工稳定性难以预测，无法选取合理的工艺参数。不合理的工艺参数会带来较大的切削力作用于工业机器人末端刀具，影响加工稳定性，甚至产生颤振等现象，严重影响加工精度，破坏零件表面质量，难以满足高精度加工需求。
3.针对串联工业机器人加工稳定性难以预测的问题，需要对机器人末端刀尖频响进行预测，而工业机器人
‑
主轴结合面参数是影响机器人末端刀尖频响函数预测精度的主要因素之一。目前关于工业机器人
‑
主轴结合面参数辨识的相关专利较为缺乏，因此，如何提出一种低成本，易操作，精度高的工业机器人
‑
主轴结合面参数辨识方法是本领域技术人员亟需解决的问题。


技术实现要素：

4.有鉴于此，本发明提供了一种工业机器人
‑
主轴结合面参数辨识方法，大幅降低了辨识复杂程度，提高了辨识效率和辨识精度。
5.为了实现上述目的，本发明提供如下技术方案：
6.一种工业机器人
‑
主轴结合面参数辨识方法，包括以下步骤：
7.s1、将机器人工艺系统划分为机器人本体子结构与主轴
‑
刀具子结构；
8.s2、通过锤击模态实验获取所述机器人本体子结构与所述主轴
‑
刀具子结构的频响函数；
9.s3、将所述机器人本体子结构与所述主轴
‑
刀具子结构耦合连接形成整体的机器人工艺系统；
10.s4、通过锤击模态实验获取所述机器人工艺系统的频响函数；
11.s5、基于所述s2和s4中获取的频响函数，通过粒子群算法计算和优化机器人
‑
主轴结合面参数。
12.上述的技术方案公开了工业机器人
‑
主轴结合面参数辨识方法的具体步骤，为机器人末端刀架频响预测提供基础，整个过程计算简单且模型近似度高，采用粒子群算法进行参数优化显著提高辨识参数的准确度。
13.优选的，所述s2中，获取所述主轴
‑
刀具子结构的频响函数，包括：
14.s21、采用与所述机器人本体子结构一样的测量系统，将所述主轴
‑
刀具子结构置
于自由状态，采用螺纹连接将加速度传感器与磁铁固连，再通过磁铁将加速度传感器安装到所述主轴
‑
刀具子结构的末端，采用冲击力锤敲击加速度传感器响应点处以产生激励信号；
15.s22、采用电荷放大器放大激励信号并传输到模态分析软件中，同时通过加速度传感器获取响应信号并传输到模态分析软件中；
16.s23、通过调整加速度传感器的布置位置与冲击力锤的冲击方向，采用模态分析软件进行模态分析，得到所述主轴
‑
刀具子结构的直接频响与交叉频响，取多次锤击实验的平均值，获得所述主轴
‑
刀具子结构的频响函数为：
[0017][0018]
其中，s
11
、s
22
是主轴
‑
刀具子结构的直接频响函数矩阵，s
12
、s
21
是主轴
‑
刀具子结构的交叉频响函数矩阵。
[0019]
优选的，所述s2中，获取所述机器人本体子结构的频响函数，包括：
[0020]
s24、选取某一特定的位姿，采用螺纹连接将加速度传感器与磁铁固连，再通过磁铁将加速度传感器安装到所述机器人本体子结构的末端，采用冲击力锤敲击机器人末端以产生激励信号；
[0021]
s25、采用电荷放大器放大激励信号并传输到模态分析软件中，同时通过加速度传感器获取响应信号并传输到模态分析软件中；
[0022]
s26、通过调整加速度传感器的布置位置与冲击力锤的冲击方向，采用模态分析软件进行模态分析，得到所述机器人本体子结构的直接频响与交叉频响，取多次锤击实验的平均值，获得所述机器人本体子结构的频响函数为：
[0023][0024]
其中，r
11
、r
22
是机器人本体子结构的直接频响函数矩阵，r
12
、r
21
是机器人本体子结构的交叉频响函数矩阵。
[0025]
上述的技术方案公开了通过锤击模态实验分别获取机器人本体子结构与主轴
‑
刀具子结构的频响函数的具体操作，因机器人本体与主轴
‑
刀具系统构造复杂，难以建立精确的动力学模型，而本方案利用锤击方法测试其端点频响函数，可以避免对采样数据的大量采集和分析处理，提高辨识精度。
[0026]
优选的，所述s3中，耦合连接形成整体的机器人工艺系统，包括：
[0027]
s31、基于rcsa耦合方法，通过弹簧阻尼单元将所述机器人本体子结构和所述主轴
‑
刀具子结构耦合起来，采用柔性
‑
阻尼模型对机器人
‑
主轴之间的结合面进行近似，在耦合处的内力为：
[0028]
(k iωc)(x
2a
‑
x
2b
)＝
‑
f
2b
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)；
[0029]
其中：k是刚度，c是阻尼，ω是固有频率，x
2a
是主轴
‑
刀具子结构的位移，x
2b
是机器人本体子结构的位移，f
2b
是主轴
‑
刀具子结构与机器人本体子结构之间的力；
[0030]
s32、根据rcsa理论，得到机器人
‑
主轴耦合系统端点频响r
a
，即机器人工艺系统末端刀尖点频响：
[0031][0032]
其中：
[0033][0034]
其中k
sh
为机器人
‑
主轴结合面动力学复刚度矩阵：
[0035][0036]
其中，k1是机器人
‑
主轴结合面的刚度，c1是机器人
‑
主轴结合面的阻尼，k
θ
是扭转刚度，c
θ
是扭转阻尼。
[0037]
上述的技术方案公开了将子结构进行耦合得到机器人工艺系统的具体过程，基于rcsa耦合方法达到的耦合效果更好，模型近似度更高。
[0038]
优选的，所述s4中，获取所述机器人工艺系统的频响函数，包括：
[0039]
s41、通过对机器人工艺系统末端刀尖点频响函数进行预测，得到机器人
‑
主轴结合面参数的函数；
[0040]
s42、保持所述s24中的位姿不变，将主轴
‑
刀具子结构安装到机器人本体子结构的末端，采用螺纹连接将加速度传感器与磁铁固连，再通过磁铁将加速度传感器安装到刀尖点，采用冲击力锤敲击刀尖以产生激励信号；
[0041]
s43、采用电荷放大器放大激励信号并传输到模态分析软件中，同时通过加速度传感器获取响应信号并传输到模态分析软件中；
[0042]
s44、通过调整加速度传感器的布置位置与冲击力锤的冲击方向，采用模态分析软件进行模态分析，得到所述机器人工艺系统末端刀尖点的直接频响与交叉频响，取多次锤击实验的平均值，获得所述机器人工艺系统末端刀尖点的频响函数为：
[0043][0044]
其中，t
11
、t
22
是机器人工艺系统的直接频响函数矩阵，t
12
、t
21
是机器人工艺系统的交叉频响函数矩阵。
[0045]
优选的，所述s5中，通过粒子群算法计算和优化机器人
‑
主轴结合面参数，包括：
[0046]
s51、设机器人
‑
主轴结合面的参数向量为α＝[k
1 c1]，在频率测试点构造误差向量：e＝r
a
‑
r
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)；
[0047]
其中，e是参数向量α的非线性函数，总方差为：
[0048]
j(α)＝e
t
e＝(r
a
‑
r
t
)
t
(r
a
‑
r
t
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)；
[0049]
s52、初始化粒子群：设置种群规模n，每个粒子表示为i＝1,2,
…
n，给每个粒子设置初始值；设置惯性系数ω，粒子最大速度v
max
，加速系数s1、s2，最大迭代次数n1；
[0050]
s53、以总方差j(α)为目标函数，参数向量α为优化参数，粒子群迭代k次后，计算各粒子对应的总方差j(α
i
)，选择j(α
i
)最小的粒子ξ，将j(ξ)与整个粒子群的最好位置的最好值p
g
进行比较，若j(ξ)＜p
g
，则p
g
＝j(ξ)，其中p
g
为整个粒子群的最好位置，反之保留p
g
和p
g
；
[0051]
迭代k次后，粒子速度和位置为：
[0052][0053][0054]
其中：w是控制粒子群全局搜索和局部搜索能力的惯性因子，r1和r2是[0,1]之间的任意两个数，v
i
是粒子速度，α
i
是第i个粒子当前最好位置；
[0055]
s54、重复s53的迭代过程，直至达到最大迭代次数n1，得到优化后的参数向量α。
[0056]
上述的技术方案公开了通过粒子群算法计算和优化机器人
‑
主轴结合面参数的具体过程，采用粒子群优化算法，寻优能力更强，即可以更快的获得更高精度的机器人
‑
主轴结合面参数。
[0057]
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种工业机器人
‑
主轴结合面参数辨识方法，具有以下有益效果：
[0058]
(1)本发明的工业机器人
‑
主轴结合面参数辨识方法无需进行复杂的动力学建模，大幅降低了辨识复杂程度，提高了辨识效率；
[0059]
(2)本发明通过模态实验对子结构频响函数进行辨识，可避免对采样数据的大量采集和分析处理，提高了辨识精度；
[0060]
(3)本发明采用遗传粒子群优化算法，在参数识别过程中，全局和局部寻优能力强，直接以目标函数转化为适应度函数作为搜索信息，搜索效率高，在隐含并行性搜索的同时，可快速获得高精度的机器人参数优化结果。
附图说明
[0061]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0062]
图1是本发明的工业机器人
‑
主轴结合面参数辨识方法的流程图；
[0063]
图2是机器人工艺系统子结构划分示意图；
[0064]
图3是机器人工艺系统子结构简化示意图；
[0065]
图4是机器人本体子结构的锤击模态实验图；
[0066]
图5是主轴
‑
刀具子结构的锤击模态实验图；
[0067]
图6是机器人
‑
主轴结合面动力学模型图；
[0068]
其中1—机器人本体简化模型，2—机器人
‑
主轴结合面，3—主轴
‑
刀具系统简化模型，4—机器人本体子结构，5—主轴
‑
刀具子结构，6—主轴
‑
刀具系统，7—加速度传感器，8—冲击力锤，9—电荷放大器，10—采集卡，11—模态分析软件，12—机器人本体。
具体实施方式
[0069]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0070]
本发明实施例公开了一种工业机器人
‑
主轴结合面参数辨识方法，如图1所示，包括以下步骤：
[0071]
步骤1：机器人工艺系统a子结构划分；
[0072]
针对机器人工艺系统中的机器人
‑
主轴结合面参数辨识问题，可以将整个机器人工艺系统a进行简化，如图2所示，得到机器人本体简化模型1、机器人
‑
主轴结合面2和主轴
‑
刀具系统简化模型3，其中各子结构内部相互作用及动力学问题不是我们研究重点，因此可将各子结构进行简化，如图3所示，得到机器人本体子结构4和主轴
‑
刀具子结构5。
[0073]
步骤2：子结构b、c锤击模态实验获取频响函数；
[0074]
(2
‑
1)通过锤击模态实验获取子结构c(主轴
‑
刀具系统)频响函数
[0075]
主轴
‑
刀具系统构造复杂，且多个部件互相交互，很难建立其精确的动力学模型，因此，利用锤击方法测试其端点频响函数，实验原理如图5所示。所需设备主要包括：加速度传感器7，冲击力锤8，电荷放大器9，采集卡10，模态分析软件11，机器人本体12。
[0076]
采用与子结构b一样的测量系统，将主轴
‑
刀具系统置于自由状态，采用螺纹连接将加速度传感器与磁铁固连，再通过磁铁将加速度传感器安装到主轴
‑
刀具系统末端，采用冲击力锤敲击传感器响应点处以产生激励信号，用电荷放大器放大激励信号并传输到模态分析软件中，同时采用加速度传感器获取响应信号并传输到模态分析软件中，通过调整加速度传感器的布置位置与冲击力锤的冲击方向，采用模态分析软件进行模态分析，得到主轴
‑
刀具系统的直接频响与交叉频响，取多次锤击实验的平均值，获得子结构c的频响函数：
[0077][0078]
其中，s
11
、s
22
是主轴
‑
刀具子结构的直接频响函数矩阵，s
12
、s
21
是主轴
‑
刀具子结构的交叉频响函数矩阵。
[0079]
(2
‑
2)通过锤击模态实验获取子结构b(机器人本体)频响函数
[0080]
机器人本体具有复杂的结构，且动态特性随位姿变化而变化，很难建立其精确的动力学模型，因此，利用锤击方法测试其端点频响函数，实验原理如图4所示。所需设备主要
包括：主轴
‑
刀具系统6，加速度传感器7，冲击力锤8，电荷放大器9，采集卡10，模态分析软件11。
[0081]
由于机器人动态特性的位姿依赖性，选取某一特定的位姿进行锤击模态实验。为了得到子结构b端点的频响函数，采用螺纹连接将加速度传感器与磁铁固连，再通过磁铁将加速度传感器安装到机器人末端，采用冲击力锤敲击机器人末端以产生激励信号，用电荷放大器放大激励信号并传输到模态分析软件中，同时采用加速度传感器获取响应信号并传输到模态分析软件中，通过调整加速度传感器的布置位置与冲击力锤的冲击方向，采用模态分析软件进行模态分析，得到机器人末端的直接频响与交叉频响，取多次锤击实验的平均值，获得子结构b的频响函数：
[0082][0083]
其中，r
11
、r
22
是机器人本体子结构的直接频响函数矩阵，r
12
、r
21
是机器人本体子结构的交叉频响函数矩阵。
[0084]
步骤3：子结构b、c耦合连接形成整体结构a；
[0085]
机器人与主轴之间存在接触界面。由于粗糙度和公差的存在，不同界面之间的接触会在一定的“缝隙”，进而会使界面之间产生微小的相对滑动，随之构成弹簧
‑
阻尼系统，故采用柔性
‑
阻尼模型对机器人
‑
主轴之间的结合面进行近似，如图6。
[0086]
在耦合处内力的表达式为：
[0087]
(k iωc)(x
2a
‑
x
2b
)＝
‑
f
2b
；
[0088]
其中：k是刚度，c是阻尼，ω是固有频率，x
2a
是主轴
‑
刀具子结构的位移，x
2b
是机器人本体子结构的位移，f
2b
是主轴
‑
刀具子结构与机器人本体子结构之间的力；
[0089]
通过实验方法分别得到子结构b和子结构c端点频响函数后，基于rcsa耦合方法，通过弹簧阻尼单元将子结构b和子结构c耦合起来，根据rcsa理论，可得机器人
‑
主轴耦合系统端点频响r
a
，也就是机器人工艺系统末端刀尖点频响：
[0090][0091]
其中：
[0092][0093]
其中k
sh
为机器人
‑
主轴结合面动力学复刚度矩阵：
[0094][0095]
其中，k1是机器人
‑
主轴结合面的刚度，c1是机器人
‑
主轴结合面的阻尼，k
θ
是扭转刚度，c
θ
是扭转阻尼。
[0096]
步骤4：机器人工艺系统a锤击模态实验获取频响函数；
[0097]
在步骤3中，通过实验与理论分析的方法对机器人工艺系统末端刀尖点频响函数进行了预测，预测结果为机器人
‑
主轴结合面参数的函数，需要通过实验获取机器人工艺系统末端刀尖点频响函数对结合面参数进行求解。
[0098]
为保证实验前后获取的机器人本体频响函数保持不变，保持步骤(2
‑
2)的机器人位姿不变，将主轴
‑
刀具系统安装到机器人末端，利用锤击方法测试机器人工艺系统末端刀尖点频响函数。
[0099]
采用螺纹连接将加速度传感器与磁铁固连，再通过磁铁将加速度传感器安装到刀尖点，采用冲击力锤敲击刀尖以产生激励信号，用电荷放大器放大激励信号并传输到模态分析软件中，同时采用加速度传感器获取响应信号并传输到模态分析软件中，通过调整加速度传感器的布置位置与冲击力锤的冲击方向，采用模态分析软件进行模态分析，得到机器人工艺系统末端刀尖点的直接频响与交叉频响，取多次锤击实验的平均值，获得机器人工艺系统末端刀尖点的频响函数：
[0100][0101]
其中，t
11
、t
22
是机器人工艺系统的直接频响函数矩阵，t
12
、t
21
是机器人工艺系统的交叉频响函数矩阵。
[0102]
步骤5：通过粒子群算法计算和优化机器人
‑
主轴结合面参数；
[0103]
在步骤3中，通过实验与理论分析的方法对机器人工艺系统末端刀尖点频响函数进行了预测，其中机器人
‑
主轴结合面参数k1和c1都是未知的，这些参数通过向量表达为：
[0104]
α＝[k
1 c1]；
[0105]
假设在感兴趣的频带有个频率测试点，可以构造误差向量
[0106]
e＝r
a
‑
r
t
；
[0107]
其中，e是参数向量α的非线性函数，总方差为：
[0108]
j(α)＝e
t
e＝(r
a
‑
r
t
)
t
(r
a
‑
r
t
)；
[0109]
以总方差j(α)为目标函数，以参数向量α为优化参数，采用粒子群算法作为优化算法求解全局最优解，最优解即为需要辨识的机器人
‑
主轴结合面参数。
[0110]
初始化粒子群，设置种群规模n，其中每个粒子表示为i＝1,2,
…
n，给每个粒子设置初始值；设置惯性系数ω，粒子最大速度v
max
，加速系数s1、s2，最大迭代次数n1；
[0111]
以总方差j(α)为目标函数，参数向量α为优化参数，粒子群迭代k次后，计算各粒子对应的总方差j(α
i
)，选择j(α
i
)最小的粒子ξ，将j(ξ)与整个粒子群的最好位置的最好值p
g
进行比较，若j(ξ)＜p
g
，则p
g
＝j(ξ)，其中p
g
为整个粒子群的最好位置，反之保留p
g
和p
g
；
[0112]
迭代k次后，粒子速度和位置为：
[0113][0114][0115]
其中：w是控制粒子群全局搜索和局部搜索能力的惯性因子，r1和r2是[0,1]之间的任意两个数，v
i
是粒子速度，α
i
是第i个粒子当前最好位置；
[0116]
最后重复上述步骤，直到达到规定的迭代次数n1，得到优化后的α，即机器人
‑
主轴结合面参数。
[0117]
工业机器人
‑
主轴结合面参数是影响机器人末端刀尖频响函数预测精度的主要因素之一，目前关于工业机器人
‑
主轴结合面参数辨识的相关专利较为缺乏，而本发明的工业机器人
‑
主轴结合面参数辨识方法无需进行复杂的动力学建模，大幅降低了辨识复杂程度，提高了辨识效率；通过模态实验对子结构频响函数进行辨识，可避免对采样数据的大量采集和分析处理，提高了辨识精度；采用遗传粒子群优化算法，在参数识别过程中，全局和局部寻优能力强，直接以目标函数转化为适应度函数作为搜索信息，搜索效率高，在隐含并行性搜索的同时，可快速获得高精度的机器人参数优化结果。
[0118]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。