在这项研究中,一个机器人的动态特性基础上手腕力/力矩与横梁(F / T)传感器弹性体进行了分析通过模型识别的两种方法,一种方法同时识别的命令和参数模型(SIM)和一个方法基于差分进化(DE)算法。首先,通过建立简化的力学模型和有限元(FE)模型,分别固有频率的基础上手腕F / T传感器计算。其次,动态校准实验进行。最后,两个传感器动态模型是由SIM和DE方法和传感器的动态特性,如固有频率和乐队合作,进行了进一步的分析。实验值与理论值比较,结果表明,该传感器具有宽动态范围的第一固有频率在1600赫兹以上,工作频带(±5%)超过400赫兹,和阶跃响应振荡很激烈。本研究可以为应用程序提供一个参考的基础上F / T传感器领域的动态测量。
基础力/力矩(F / T)传感器可以测量切向力的条件 收购的动态特性基础上F / T传感器是基于动态校准实验。基础上F / T的动态校准传感器是获取传感器的输入和输出之间的关系在执行不同的基础力量。从本质上讲,这是一个过程获得动态特性的指标,如固有频率、时间常数和阻尼比。黄验证,频带传感器和测试系统的影响最大,因此成为最重要的实用指数动态校准( 有有限的文献multiaxis F / T传感器的动态性能分析,但其中大部分都是不够全面的。歌等人研究了动态性能的两轴力传感器应用力反馈的磁悬浮控制系统通过使用一个脉冲刺激方法( 本文的其余部分组织如下。部分
如图 F / T传感器校准的基础上。(一)校准实验设置。(b)校准
激发力应用于传感器通过校准柱子横梁弹性体的变形引起的。由于柔性梁是非常薄的,它可以被视为灵活链接作用力垂直于这个平面时,它可以被视为理想的刚体时应用力是平行于平面的。因此,应用于传感器的力会导致两个大梁的弯曲变形,其变形程度成正比的作用力和紧张或压缩变形的其他两个大梁变形程度可以忽略。电阻应变仪连接到大梁弯曲可以检测相应的振幅的力量。
得到的等效刚度值灵活的连接横梁的弹性体,简化建立静力学模型。图 基础上的横梁弹性体手腕F / T传感器。(一)弹性体的示意图。(b)下横梁弹性体的力学模型 根据力和力矩平衡的原则,支持反应部队的支持 横梁的变形的挠度和旋转角度可以表示一个点波束。作为显示在图 横梁弹性体的材料基础上手腕F / T传感器是铝合金2024。横梁弹性体的参数如表所示 参数的cr⋅ossbeam弹性体。 用方程( 随后,等效刚度系数扣除如下: 用参数表
参数
密度(公斤/米<年代up>3年代up>)
价值
3.8
3.8
64年
1
32
2820年
72000年
0.3
基础上手腕F / T传感器是一个多输入和多输出(MIMO)系统。当传感器约束基础表面,基础表面和基座之间的联合是刚性连接,因此任何方向的输入-输出特性可以简化为一个二自由度(自由度)系统。当传感器安装在机器人的手腕,整个机制由三部分组成:传感器的基座,横梁弹性体,机器人的手。每个组件都有一个任何方向的平动和转动自由度基础上F / T传感器,机制是一个三自由度系统。如图 简化的动力学模型基础上的手腕F / T传感器的机器人。(一)单个自由度系统。(b)一个三自由度系统。 假设 矩阵的特征值 的等效刚度系数和横梁弹性体和校准的质量支柱( 简化的动力学分析的结果的基础上F / T传感器。
通道
固有频率(赫兹)
1642年
1642年
1973年
3376年
3376年
4892年
振动模态是弹性结构的固有特性之一。弹性体的模态分析是进行ANSYS软件,和固有振动特性的基础上手腕F / T传感器进行了研究,包括无阻尼固有频率、阻尼比和振动模态。模态提取方法设置为阻止兰索斯,和提取的数量是6。结果如表所示 模态分析的结果的基础上F / T传感器。
第一个six-order振动模式基础上的手腕F / T传感器的机器人。(一)一阶模式。(b)二阶模式。(c)三阶模式。(d)四阶模式。(e)基于模式。(f) sixth-order模式。
集
固有频率(赫兹)
振动模式
1
1660年
翻译在
2
1661年
翻译在
3
2025年
翻译在
4
3577年
周围旋转
5
3578年
周围旋转
6
5094年
周围旋转
阶跃响应法用于校准基础上F / T传感器。激发消极的一步是由切割挂绳子的重量获得阶跃响应进行的动态校准实验基础上手腕F / T传感器。绳子的一端挂在校准支柱,和另一端暂停一个滑轮的重量。绳子被切断在给定的时间,因此负激励应用于步基础上F / T传感器。棉绳、钓鱼线和普通塑料绳子,分别用于暂停期间重量标定实验。图 三个绳子用于动态校准实验。
构建步骤的方法激励通过削减挂绳的重量在动态校准实验是简单的,但上升时间步长。可以生成力激发在其他方面,如动态压力发生器基于一个双作用气动执行机构
基于获得的输入和输出数据,建立了动态模型,模型识别。模型识别的方法用于本文仿真方法和方法。仿真方法是一种方法,同时命令和参数的识别模型。这种方法可以直接计算指数函数的最小值对应于感兴趣的所有的模型,然后确定订单。与最小二乘法相比,这种方法有一些重要的特性,如低计算,简化程序,和更灵活的应用程序。同时,数值“病态”的问题造成的坏脾气的正则方程的最小二乘方法避免。
让基础上的微分方程F / T传感器 负一步激发构造和阶跃响应实验如图 输入和输出信号的传感器 指数函数和模型之间的关系曲线。 负一步激发构建用于得到模型的响应。图 模型响应和传感器的波德图。(一)模型的反应相比,测试反应。(b)模型的波德图。 波德图和传递函数,我们可以看到模型的固有频率1720赫兹和工作带内振幅误差 所以从其他渠道也可以被动态模型仿真方法。可以获得传感器的动态性能指标如表所示 模型的动态性能指标的仿真方法。
指数
固有频率(赫兹)
1720年
3530年
5060年
2020年
工作频带(±10%)(赫兹)
560年
997年
1622年
652年
工作频带(±5%)(赫兹)
414年
693年
1294年
475年
差分进化(DE)算法是一种基于群体智能理论的优化算法,这是通常用于解决优化问题的搜索在复杂的真实空间。DE算法的特殊记忆能力使得它能够动态跟踪当前搜索情况调整其搜索策略。它具有较强的全局收敛能力和鲁棒性,不需要问题的特征信息。可以实现复杂系统的参数识别。
DE算法的基本思想是,从一个随机的初始种群,生成一个新的个人总结加权向量区别任何两个人的人口和第三个人在一定的规则之内。通过比较一个预先确定的个人,如果新个体的适应性更好,新的个人将取代旧的下一代;否则老仍然存在。通过不断迭代计算,我们留住好的人才,消除劣质个体,引导搜索过程接近最优解。
认为它是一个高阶模型,离散传递函数表示为方程(
动态模型的识别基础上手腕F / T传感器
根据传递函数DE算法,确定的波德图可以描述如图 模型的波德图了DE算法的传感器
从图
同样,模型识别的结果
模型的识别结果的其他渠道。(一)
模型的动态性能指标确定的算法。
| 指数 |
|
|
|
|
|---|---|---|---|---|
| 固有频率(赫兹) | 1680年 | 3460年 | 4910年 | 1986年 |
| 工作频带(±10%)(赫兹) | 530年 | 980年 | 1610年 | 648年 |
| 工作频带(±5%)(赫兹) | 405年 | 678年 | 1285年 | 466年 |
结合上述模型,动态性能指标综合成表 自然频率来自各种模型。
模型
简化的动力学模型
1642赫兹
3376赫兹
4892赫兹
1973赫兹
有限元模型
1660赫兹
3578赫兹
5094赫兹
2025赫兹
模型的仿真方法
1720赫兹
3530赫兹
5060赫兹
2020赫兹
该模型确定的算法
1680赫兹
3460赫兹
4910赫兹
1986赫兹
最大的上述模型之间的差异
4.5%
5.6%
4.0%
2.6%
在这项研究中,一个系统的理论分析、模态分析、动态校准实验和模型识别进行测试和验证基础上手腕F / T传感器。仿真方法和DE算法用于识别动态模型。从表
结果表明,该传感器具有宽动态范围与第一共振频率在1600赫兹以上,工作频带(±5%)超过400赫兹,和阶跃响应振荡很激烈。扩大其工作频带和减少超调,需要添加一个补偿传感器的链接将未来的工作。在这种动态校准实验,每个通道单独兴奋,只有这个频道的反应是同时获得,耦合是软弱,在这个实验中没有分离。然而,耦合严重的实际动态应用程序,动态解耦的基础上F / T传感器也将未来的工作。
使用的数据来支持本研究的发现可以从相应的作者。
作者宣称没有利益冲突有关的出版。
这项工作是由中国国家重点研发项目(没有。2016 yfb1001301),中国国家自然科学基金(没有。U1713210)和苏州科技计划项目(没有。SGC201653)。