模糊滑动模式对机械加工力的控制研究

文摘

低刚度有限的应用机器人加工过程。本文提出了一种模糊滑动模式控制方案管理振动和颤振出现在加工操作通过调整进给速率。首先分析来识别机器人加工动力学参数与关注系统刚度和加工过程的行为。控制器组成的模糊估计机能可以确定控制增益系数根据系统状态和滑模控制器用于保证收敛性,然后提出了系统的全球稳定。仿真和实验结果表明,与开环和采用模糊控制方案相比,模糊滑动模式控制方案可以减少振动的振幅和周期。

1。介绍

工业机器人是现在世界范围内的应用在许多领域,如材料转移,加工,装配1- - - - - -3]。至于加工,许多研究报告和结果表明,一些关键问题,包括轨迹误差,材料去除率,和接触力,是需要解决的。

识别去除率之间的关系和联系,Domroes和Krewet4)的性能相比力相关的进给速率控制和正交力控制和得出了恒力的去除率变化平均值。这句话也同意Karayiannidis和Doulgeri5),提出一种自适应控制器识别倾斜的表面状况使用武力和关节位置/速度测量。结果表明,该控制器可以减少摩擦接触造成的扭曲和跟踪误差和不确定性联系表面。对于未知的对象和环境,Kiguchi和福田6)提出了一个智能控制器的构造的基础上,自适应模糊神经位置/力策略,而Žarko和Vlastimir [7)提出了自适应neuro-fuzzy-genetic控制机器人控制方案明确的力量。然而,负面影响加工性能、低刚度造成的机器人,没有在这些研究讨论。

机器人加工的低刚度的影响已经注意到松岗et al。8]自1996年以来,研究机器人铣削操作的特点,提出一个方法来减少低刚度造成的影响。进一步探索低刚度对加工误差的影响,银白杨et al。9)确定机器人的刚度由两种方法并进行了加工实验,其结果表明,位移,由机器人刚度低,在机械加工中起着重要作用的错误。其中一个视图,许多研究人员提出了一些措施来弥补变形。Zhang et al。10]分析了耦合关节刚度和笛卡尔刚度之间的关系,建立了一个在线补偿模型。王等人。11)提供一个赔偿方案基于接头刚度模型来减少加工变形引起的加工力。

本文提出一种模糊滑动模式控制方案来弥补造成的变形和振动加工的力量。首先分析来识别机器人加工动力学参数与关注系统刚度和加工过程中其行为。知识的加工行为,然后构建基于模糊滑模控制器的规则来管理复杂的机械加工。模拟和实验是随后进行控制方案的性能进行评估。

2。切削动力学

与数控相比,机器人的刚度较低,这可能导致更大的加工过程中路径偏差和振荡。建立机器人的动力学模型加工之前,变形的形成。

2.1。机械变形

如图1,旋转工具走向工件进给速率和挤压工件进行加工。当加工力是应用于加工工具,变位和机器人系统发生扭转,导致末端执行器的位置偏移。促进以下讨论,这个位置偏移量被认为是对末端执行器的偏转,偏转的结果在一个unmachined区域(标记为变形在下面讨论)。挠度逐渐随着加工的持续释放。

偏转的生成和释放过程可以观察到图2。切削力达到峰值10 N当编码器显示机器人达到所需深度。然而,加工力不回到0 N立即执行持续振荡,降低从3 N 1 N,这表明加工操作仍在进行。因此,可以推断,变形发生在加工过程中可导致实际路径和计划之间的偏差路径如图3。变形可以被视为一体的速度不同之间的进给速率和删除率,它可以表示为

如图2的振荡力出现在第二阶段。这是由于释放时发生的变形。振荡力可以表示为在哪里是力变形引起的释放;和是机器人系统的系数。因此,变形引起的力可以表示为与第一阶段相比,在第二阶段的力要小得多,而进给速率降低为0。在此基础上,可以进行一个假设的进给速率和变形值施加重大影响刀具上的作用力。

2.2。机械切削动力学

通用切削动力学模型可以表示为

考虑到动态模型变形的影响,在笛卡尔坐标系可以写成在哪里代表了加工力,力垂直于表面倒角,是倒角表面切向的力。加工力由法线方向的接触力和摩擦力在切线方向。考虑到工件的加工质量在正常的方向是更重要的是,本文在法线方向的控制加工变形。代表了切削力;代表力造成变形;质量系数;阻尼系数;变形在时间吗;这个过程中刚度;静态刚度。根据初步实验结果,preconclusion可以的价值远远大于之一吗。,,是加工工具的位置及其一阶导数和二阶导数,在哪里和是切割的位置垂直于表面倒角被认为是加工深度;是切割的位置切向槽表面。考虑到所需的加工深度,(5)可以写成在哪里和进给速率和去除率组件垂直于表面和倒角可以计算吗和是加工的角度。定义加工力垂直于表面倒角错误,而加工深度误差引起的机械变形。根据耦合关系中所示(7),所需的加工深度和加工可以通过修改的,,。的值和在这个研究是不变集和本文的重点进行调整减少偏差。另一个解决方案,以减少变形是减缓进给速率。接近速度的减少会导致加工效率的降低。由于加工效率是需要考虑的一个关键元素,本文旨在减少最初的过度和加工变形加工效率的前提保证。

3所示。模糊滑动模式控制方案

定义作为控制输出;然后在哪里控制律的增益系数;机器人系统的不确定性。根据上面的分析,加工力和变形受到加工角和进给速率的影响。处理复杂的加工力转变造成的加工角度,基于模糊规则的滑模控制方案提出了这部分。

3.1。加工过程的滑模控制方案

滑模的优点是将订单跟踪问题转化为一阶稳定性问题。定义的滑动面在哪里是一个积极的常数,和控制律是什么和滑模控制的增益系数。当系统在给定精度状态达到理想状态在时间,有方程(10)可以写成推断出同样的,我们可以李雅普诺夫是用来确保全球稳定:

因此,增益系数和可以修改在线时在加工过程中受到15)和(16)。

3.2。模糊滑动模式控制方案

模糊规则是用来确定实时的价值和通过评估系统的状态。力偏差输入模糊变量及其一阶导数,他们的域和。的域和是和。使用高斯隶属函数和重心法(12), 在哪里;是模糊集的数量;会员等级。控制示意图如图4。

4所示。机械加工仿真和实验

4.1。模拟

之前进行加工实验,模拟包括开环控制,采用模糊控制和模糊滑动模式控制进行控制方案的性能的预览。加工路径的仿真如图5,可分为切成阶段和稳定的加工阶段。在切成阶段,刀开始其路径在位置和走向工件进给速率垂直于工件。在达到位置B,刀具的加工路径平行转移到工件表面。仿真参数原始的进给速率毫米/秒;加工深度mm;磨料半径mm;力的目标是5 N。

仿真结果如图所示6。根据(7)和(8),变形值方向,命名为,是由进给速率影响的价值和角。当铣刀的加工路径垂直于工件表面,加料速度的价值在机器人变形有显著影响方向。如图6,加工力的峰值出现当机达到位置b进行饲料率无法控制时,开环控制的力峰值约为19 N。采用的力高峰值和模糊滑动模式控制15 N, 4 N低于1的开环控制,符合(7)。加工力然后减少震荡一段时间。开环控制的振荡周期大约是14秒,5秒以上的采用模糊控制和几乎8秒的一个模糊滑动模式控制。此外,模糊滑动模式控制的振荡幅度大约是3 N, 2 N小于采用模糊控制的一个。因此,与其他两种控制方案相比,模糊滑动模式控制的优点在减少周期和振幅和加工力的峰值。的加工深度模拟是2毫米,这是类似于粗加工过程的加工深度。半成品和完成加工过程将粗加工后进行的过程。考虑这样的事实,提出了控制方案的目的是减少的规模和时间周期振动和变形、振动和变形无法彻底消除,初始振荡的时间是可以接受的。

另一个执行模拟计算增益系数的影响和在控制方案的性能。根据(9)和(11),加料速度的变化是影响和,从而最终影响切削力的变化。如图7,加工力的峰值减少从11 N 8 N的值从0.1增加到1。减少出现在周期和振幅增加。然而,尽管大于0.5,一个明显的颤振出现在稳定加工阶段,和它的振幅增加的价值吗增加,这可以说明了(14)。类似的性能评估中出现。

因此,preconclusion可以模糊滑动模式控制的优点在减少加工力的峰值,振荡周期和振幅。修改增益系数和可以修改收敛的速度。然而,由于的影响和颤振振幅,增益系数的增加应该是有界的。

4.2。基于模糊滑动模式控制加工实验

4.2.1。准备机械加工系统

实验使用的机械加工系统由笛卡尔坐标机器人,消耗旋转平台,力传感器,加工工具和工件。如图8笛卡儿坐标组成的机器人,机器人和消耗的旋转平台,有一个开环和串行结构,类似于一般的工业机器人。因此,它可以完全说明通用工业机器人的刚度的行为。力传感器和加工工具安装在轴的结束,而工件安装在旋转平台。

4.2.2。实验

实验进行平面工件的一部分,参数如图9。加工路径是一样的一个模拟进行。加工参数原始的进给速率毫米/秒;加工深度mm;磨料半径mm;磨料宽度mm;铣刀的转速4000 r / min。加工力4 N的目的。三种测量方法中使用,包括力传感器、三座标测量系统和粗糙度测试仪。

根据(6)和(7)和模拟(1),切削力误差显著影响进给速率值而垂直于工件表面的加工路径。如图10,增加相当大的加工力出现在切入阶段,到达峰值的17 N 3秒。后的加工力和振荡振幅下降7 N释放造成的变形。稳定的加工阶段从9号开始第二和喋喋不休的波动是大约5 N,而平均力4.5 N。切入阶段的加工力值高于一个在稳定加工阶段,这意味着加工角的变化对加工的变化有重要影响的力量方向。这个性能是符合(5)和(6)。三座标测量系统的尺寸进行检查(全球优势05.07.05)。实际的加工深度约0.75毫米,波动的振幅大约是0.06毫米。1.821加工表面的粗糙度是Raμm。

采用模糊控制下的实验结果如图11。根据(5)和(6),加料速度的修改可以改变加工力值。因此,峰值约为14 N, N小于3的开环控制。加工力振幅的振荡6 N和达到稳定加工7秒,2秒不到一个开环控制。喋喋不休的波动是大约3 N比开环控制的一个更光滑,和平均是4 N。实际的加工深度约0.75毫米和波动幅度大约是0.04毫米。1.432加工表面的粗糙度是Raμm。

根据(5)和(6),加料速度的修改可以改变加工力值。因此,实验中使用模糊滑动模式控制修改进给速率根据实时系统为了平稳波动的状态。模糊滑动模式控制下的实验结果如图12。峰值约14 N,这几乎是一样的采用模糊控制之一。加工力振幅的振荡2 N,小于其他两个的控制方案,并达到稳定加工5秒。与采用模糊控制相比,模糊滑动模式控制达到2秒的振荡周期和减少振荡幅度的减少4 N。的颤动幅度减少3 N 2 N。振幅和振荡周期的减少导致平滑力曲线这意味着验证的有效性(8)和(10),这表明平滑力量波动可以实现使用模糊滑模控制方案。实际的加工深度约0.75毫米和波动幅度大约是0.03毫米。1.292加工表面的粗糙度是Raμm。

5。结论

以开放的循环和串行结构,机器人的刚度较低,加工过程中容易导致变形和振动。代的变形和机械加工机制,本研究探索构建动态模型。由于机械加工的复杂性,简单的控制方案是不够充分的管理力波动发生在加工。与视图的滑模控制方案提出了基于模糊规则以减少加工力的峰值,振荡幅度和周期,振幅的喋喋不休。然后进行相关的模拟和实验评估模糊滑动模式控制的性能。结果表明,模糊滑动模式控制具有减少振荡周期和振幅与采用模糊控制相比,在减少4 N和2秒。力高峰值低于采用模糊控制和模糊滑动模式控制的开环控制,达到减少4 N。

目前的研究主要集中在系统集成和力的控制,然而,其中一些集中在进给速率控制。本研究填补了这一领域的差距,为后来的研究提供参考。

的利益冲突

作者宣称没有利益冲突。

确认

这个项目是由中国国家科技重大项目(没有。20152 x04005006)、广东省科技计划项目,中国(2014号。2014 b090921004 b090920001, 2015 b010918002),广州和科技重大项目,中国(没有。201505031617224)。

引用

y陈董和f,”机器人加工:最近的发展和未来的研究问题,“国际先进制造技术杂志》上,卷66,不。9 - 12,1489 - 1497年,2013页。视图:出版商的网站|谷歌学术搜索
l·丁·h·吴,y姚明,y,“动态模型识别6自由度的工业机器人,”机器人杂志文章ID 471478卷,2015年,页1 - 9,2015。视图:出版商的网站|谷歌学术搜索
a . Olabi r . Bearee o . Gibaru, m . Damak”加工工业基础上机器人的速度规划。”控制工程实践,18卷,不。5,471 - 482年,2010页。视图:出版商的网站|谷歌学术搜索
f . Domroes和c . Krewet”的应用和分析力控制策略去毛刺和研磨,”现代机械工程,3卷,不。2、11到18门,2013页。视图:出版商的网站|谷歌学术搜索
y Karayiannidis和z . Doulgeri”,自适应控制的机器人任务与在线学习的平面表面接触,”自动化,45卷,不。10日,2374 - 2382年,2009页。视图:出版商的网站|谷歌学术搜索|MathSciNet
k . Kiguchi t .福田,“智能位置/力工业机器人控制器manipulators-application模糊神经网络,”IEEE工业电子产品,44卷,不。6,753 - 761年,1997页。视图:出版商的网站|谷歌学术搜索
m .Žarko和d . Vlastimir“混合工业机器人的运动控制,”呈文数学。系列自动控制和机器人,7卷,不。1,第110 - 99页,2008。视图:谷歌学术搜索|MathSciNet
机票的。松岗,k .清水:山崎,y冲电气,“高速端铣的铰接式机器人及其特点,“材料加工技术杂志》上,卷95,不。1 - 3、83 - 89年,1999页。视图:出版商的网站|谷歌学术搜索
e .银白杨、m . Weigold和s . Rothenbucher“工业机器人的建模和识别加工应用,”CIRP史册——制造技术卷,56号1,第390 - 387页,2007。视图:出版商的网站|谷歌学术搜索
g·h·张,j . Wang Zhang et al .,“加工柔性机械手:为了提高机械加工性能,”国际会议进行先进的智能机电一体化美国加州,页1127 - 1132,2005。视图:出版商的网站|谷歌学术搜索
张h . j . Wang, t . Fuhlbrigge”与机器人变形补偿,提高加工精度《IEEE / RSJ智能机器人和系统国际会议(——' 09)2009年10月,页3826 - 3831。视图:出版商的网站|谷歌学术搜索
y .白:郭,g . Agbegha”模糊插值和其他插值方法用于机器人校准,”机器人杂志,卷2012,不。2,文章ID 376293年,第74 - 69页,2012年。视图:出版商的网站|谷歌学术搜索

机器人杂志

文摘