英语原文共 1 页，剩余内容已隐藏，支付完成后下载完整资料

---

机器人加工

1.介绍

目前，机器人被用于工业机械加工中，这些加工过程涉及的切削力要求相对较低，如对复合零件进行修整、钻孔和抛光，以及对金属零件进行钻孔或去毛刺、磨削和铣削。有几个方面促使机器人在机械加工中的使用。第一个也是最主要的一个是成本——与机床相比，在相同的工作空间下，机器人的成本更低。

在过去十年中，工业机器人(IRs)几乎每年都创下新的全球销售记录。2016年，共售出29.4万套，同比增长16%。这一数字在2017年飙升至38.1万台，比上一年增加了30%。到2020年，预计安装的机器人将超过300万台，比2014年[2]的数量翻了一番。根据国际机器人联合会(IFR)的数据，2016年，1.4%的IRs用于机械切割、研磨、去毛刺、铣削和抛光[1]。与诸如搬运或装配之类的非加工操作相比，这一数字较低，这表明在加工过程中缺少机器人的使用。然而，这些发展说明了IRs对加工应用的重要性。

在大量的操作资源中，制造机器人是计算机数控(CNC)机器，用于工业中特定的材料减法或沉积功能(如铣削、涂层、焊接或喷粉)，以及计量和检测功能，同时通过在不同金属和非金属材料上利用多个末端执行器甚至混合工艺链灵活地实施各种工艺策略。制造机器人通常是一个固定基座上的机械手，在一个局部工作单元[3]内执行重复的任务。高速机器人是危险的，要求将人类排除在机器人工作场所之外，机器人通常被放在笼子里。相比之下，协作机器人在人类周围被认为是安全的，因为它们的运行速度很低，如果遇到障碍物就会停止移动。

时定义加工机器人,试图画区分他们和机床不是一般意义上的简单,取决于特定的科学和技术学科(如机床被归类为笛卡尔机器人在机器人学科)。

“机械加工”一词与用各种工具实现的特定技术有关(DIN 8580)，但其词源中包含这样一个事实，即这些技术是在传统机床上实现的。机械加工机器人应该被认为是制造机器人家族的一个子集。根据DIN 8580，它们通常可以定义为执行制造过程的机器人。与机床一样，加工机器人可以通过利用不同的配置、运动学结构和性能目标来完成多种加工任务，同时集成一个与材料接触时执行加工过程的工具(根据机器人术语，末端执行器)。集成在加工机器人上的末端执行器可以提供与安装在机床上的工具类似的功能。他们的选择依赖于产品和过程驱动的标准，以及机器人的有效载荷和动力学。利用该工具，加工机器人可以执行由机器人控制器单元控制的操作，将毛坯加工成最终产品。与机床[4]类似，加工机器人的运动可以由数控单元控制，加工策略和轨迹由CAD/CAM(计算机辅助设计/制造)系统生成。加工作业的生产率和准确性取决于数控程序的编制、机器人路径规划、运动策略和动力学优化，以及机器人在工作区域的行为评估。

例如，在金属切割领域，越来越多的成功安装的机器人被用于类似于机床或手持金属切割工具[5]的人。本论文将概述和调查的机会和应用范围，其中采用机器人加工构成一个工具杠杆。

1.1 机械加工中机器人的标准定义

1954年，乔治·德沃尔(George C. Devol)为我们现在所认为的机器人申请了第一项专利，并于1961年发布了[6]。从那时起，工业机器人的概念和开发带来了颠覆性创新，同时也给科学界带来了复杂的科技挑战。

如今，机器人被普遍定义为一种能感知、计划和行动的目标导向机器。根据ISO/IEC 2382:2015 (en)标准，机器人被定义为一种机械设备，通常可编程，在自动控制下执行操作或移动任务。类似地，ISO 18646-1:2016 (en)认为机器人是一个程序驱动的机构，具有一定程度的自主性，在其环境中移动以执行预期的任务。而工业机器人则被描述为一种自动控制、可重新编程的多用途机械手，可在三个或更多轴上编程，既可以固定在原地，也可以移动用于工业自动化应用程序[7]。

在接下来的章节中，我们将介绍机器人的理论基础，然后介绍机器人加工中的编程工具链。然后，概述了几种机器人加工工艺。最后，我们着眼于这一领域的新兴研究领域，并得出了一些结论。

2.机器人加工的理论基础

本章总结了机器人加工任务所需的理论背景。使用机器人模型使机器人程序能够预测行为和过程参数。为了对机器人进行建模，本章的第一部分描述了重要的数学方程和参数识别方法。然后介绍了机器人的机械特性和几何特性，以及机器人刚度方面的考虑。此外，对工业机器人的静态和动态行为进行了解释，并给出了各种测试结果。路径规划，机器人控制和过程控制策略也是必不可少的准备机器人的新任务，并在本章中详细讨论。

2.1 机器人造型

有不同的方法来描述一个机械系统的分析。本节所述的拉格朗日方程方法被广泛应用，是推导刚体机器人运动方程的一种简便方法。

设工业机器人关节角在n维向量空间中的q2rbe坐标。ⁿ 首先，拉格朗日量L定义为系统总动能与势能之差(T和V) [8]:

eth;1THORN;

描述了系统中各环节的动能和势能。势能定义为第i个连杆的质量mof，重力加速度g与第i个连杆的质心高度(与重力方向相反)的乘积:_i

eth;2THORN;

与势能相比，动能的描述要复杂得多，为:

eth;3THORN;

对于转动变换，惯性矩阵Ifor每个连杆i，描述动能的中心部分是机械手的雅可比矩阵J，也就是一个有n个连杆的机器人的n个矩阵。雅可比矩阵包含了线速度j和角速度Jv的部分，如下式[9]所示:_v

[4]

:

eth;5THORN;

eth;6THORN;

方程式。(5-6)如图1所示。在这种情况下,z0is张的旋转接头和oTHORN;是工具中心点之间的距离(TCP)标记在图1点的机械手的n -联合我- 1。⁰_i?10表示世界坐标系为参考坐标系。最后用拉格朗日偏导数来描述运动方程:

eth;7THORN;

其中表示执行器力矩和作用在第i个关节上的其他非保守的广义力。_i 这些运动方程描述了执行机构的动态，没有影响如摩擦或反应扭矩和环境诱导的力。更详细的建模参考相关文献[8]。

图1所示 机械手的雅可比矩阵[8]的计算。

近几十年来，人们发展了许多系统辨识方法来确定系统参数，如质量、惯性矩阵的分量、各连杆的力矩分量以及摩擦参数和电机惯量。大多数的机器人动态识别方法都是采用逆动态识别模型来计算电机

带上述运动方程的力矩。此外，利用最小二乘法对参数进行估计。在某些情况下，一些参数如质量或运动学是已知的，因此不需要识别。由于最优方法依赖于机器人和这些已知参数，参考了这些主题的文献贡献[10-12]。此外，有许多方法来优化路径规划的数据采集的识别过程。为了提高最小二乘方法的收敛速度，降低对噪声的敏感性，最优刺激和隐式最优轨迹是该过程的关键。因此，序列辨识过程常被用来估计具有自适应轨迹的不同参数。

2.2 方法描述机械和几何性质

工件的加工需要加工任务的几何描述和描述任务的参考坐标系。然后通过探测将这些坐标系统中描述的任务转换为机器坐标系统。为了执行加工任务，需要对机床轴坐标系(或联合坐标系)进行进一步的转换。具有三个平移轴和可选旋转轴的机床结构已经知道并定义了转换。这不是机器人结构的情况，包括旋转轴与可选的平移轴。

在机器人技术文献中，所谓的Denavit-Hartenberg (DH)公约[14]被认为是关于如何将这些坐标系连接到机器人连杆上的定义规则集。DH方法的基本原理是描述两个只有四个参数的连杆之间的转换，表示两个旋转和两个平移[15]的组合。通过应用公约的规则和限制，通常需要的6个参数减少到4个。尽管基本原理是相同的，但在科学文献[16]中使用了四种不同的符号变体。分类是建立在指标联系和参数的基础上，从而影响了旋转和平移变换矩阵的分组顺序。Sheth-Uicker (SU)约定[17]没有为每个关节只附加一个坐标系，而是附加了两个，一个输入坐标系和一个输出坐标系。两者之间的相对运动就是两个连杆机构之间的关节运动。DH参数仍然可以用来描述连接到一个连杆上的两个坐标系之间的相对变换，但是用于连杆变换的DH参数的联合变量项只是一个恒定的偏移量。尽管DH约定操作的转换数量是SU约定的一半，但值得注意的是，SU约定提供了一种更方便的方法来定义不严格串行化的机制的坐标系统。它还可以更方便地处理复杂的关节类型，具有一个以上的自由度。

2.3 机器人的刚度

机器人刚度是影响加工精度的关键参数。具体来说，由于机器人关节和连杆的静、动刚度有限，导致机器人TCP的刚度不足，进而影响加工精度。Pan等人[18]指出，工业机器人的静笛卡尔刚度约为1 N/mm，而典型数控机床的静笛卡尔刚度高达50倍。与数控机床不同的是，工业机器人在整个工作空间[19]中的直角坐标系刚度随其关节构型(或位姿)的变化而变化，这使得加工过程控制的任务变得复杂。机器人挠度的大小和性质是加工过程中所产生的力的大小和频率的函数。

近年来，加工工艺参数和机器人配置对机器人动态特性的影响越来越受到重视研究了机器人的加工过程及其稳定性。Bondarenko等人用KUKA KR270工业机器人对铣削过程中机器人动力学对刀-工瞬时交互作用的影响进行了仿真研究。他们建立了模型，分析了由于周期性变化的铣削力，机器人柔度对瞬时刀尖位移的影响。然而，他们没有考虑机器人的顺从对铣削力本身的影响。最近，Cen和Melkote[21]建模并分析了机器人柔度对瞬时铣削力的影响。通过仿真和实验，他们发现如果忽略这一影响，铣削力峰值(图2)以及因此产生的刀尖挠度将大大低于预测。这种影响在离线机器人合规补偿策略中非常重要。

图2所示 机器人动力学对预测和实测铣削力及其频率含量[21]的影响。刚性模型(a)忽略了机器人的柔度。

最近，Cordes等人提出了一个详细的分析研究颤振在机器人铣削铝和钛结构。他们的工作表明，机器人的位置依赖振动模式导致颤振只有在低主轴速度(铣削钛)。相反，只有位置无关的振动模式导致颤振在高主轴速度(当加工铝)。他们随后开发了一个稳定图表，可以用来选择无颤振主轴速度时加工铝。Cen等人在KUKA KR210 IR上进行的机器人铣削实验也发现，在直角坐标系下铣削比在直角坐标系下铣削更容易发生颤振不稳定性。Mousavi等人的[24]也表明，由于机器人配置的不断变化，串行链接机器人的固有频率沿工具路径可以发生显著变化。他们使用了三维欧拉-伯努利梁单元和矩阵结构分析技术。类似的发现已经在一个平行运动机器人(六足)[25]上报道过。这些观察结果强调了在加工应用中机器人轨迹(运动)计划生成过程中考虑机器人动力学的重要性。

2.4 静态特性测量

Karim等人的[26]分析了KUKA KR500-3 MT机器人在各个方向的拉伸和压缩载荷下的众多姿态的笛卡尔静态顺从行为。详细的测量方法见参考文献[26]。结果被内插并以图形方式显示在工作空间中。关于静态柔度值的大非线性，以及它们在机器人x轴上的非对称分布，已经通过实验进行了测量。图3显示了y方向上的静态柔度值(稍后将在图11中详细描述)。在这个平面上，测量的静态柔度随x坐标的增加而增加。负的y坐标比正的y坐标小。相比之下，图4所示为载荷在x-中的静态柔度在xz平面x方向上的分布

图3所示y方向上的拉伸(左)和压缩(右)载荷在xy平面上y方向上的静态柔量值(z = 900mm);x轴和y轴，单位分别为[mm]。

图4所示x方向的拉伸(左)和压缩(右)载荷在xz平面上的柔度值(y = 0 mm);x、y轴分别为[mm]。

示例性结果的方向。在这种情况下，最大的静态遵从性值位于工作区的中间。总的来说，x方向的载荷是最低的，y方向的载荷是最高的。

根据Karim等人的[27]，加工任务的首选进给方向因此应该是y方向，以最小化TCP从命令路径的偏移。虽然已经测量了拉伸和压缩的静态柔度值之间的差异，但这种变化可以忽略不计。采用参考文献[28]的方法，用笛卡尔静柔度的实测值来计算所有6个机器人轴的关节柔度值。结果如图5所示。

图5所示计算联合顺从值。

测量协议和位姿描述可从参考文献[28]中获得。计算出的联合遵从性值与位姿(TCP的位置和方向)有很强的相关性。例如，关节3的计算关节柔度一般几乎为零，但在某些位姿中，该值代表所有计算值的整体最大值。

基于模型的方法由于姿态依赖性的不同和不同方向载荷的显著差异，在许多确定机器人静态顺从行为的研究项目中都提出了这种方法，因此只能考虑在小范围内有效。结果表明，这类模型需要考虑非线性摩擦和齿隙、可能的重力补偿的影响以及差异等影响适用于所有负载方向。即使这些影响的确定导致了更高的努力，静态法规遵循值的实验确定对于描述更广泛工作领域中的法规遵循行为是必要的。由于每个机器人的行为不同，这种努力的增加甚至更多。然而，在Ref.[28]中应用的激光扫描仪或激光振动计可以被用来自动测量机器人结构上的许多点。

2.4.1。静刚度建模与测量

离线机器人柔度误差补偿方法的一个关键要求是了解机器人的刚度。测量静刚度的一个例子来自于认知学[29 - 31]。他们的方法是，机器人力学可以建模和识别，而不只是识别假设的僵硬手臂组件。有三个领域需要建模和识别:(1)手臂运动学，包括由于手臂部件的公差和装配差异而产生的个体变化;(2)齿轮箱内的关节屈曲性，包括齿隙和弯曲;(3)连杆的灵活性，包括弯臂铸件和轴承。现代符号操作语言使机器人模型的创建成为可能，这些模型可用于下一步:识别。

Lehmann等人的[32]使用了机

剩余内容已隐藏，支付完成后下载完整资料

---

资料编号：[237076]，资料为PDF文档或Word文档，PDF文档可免费转换为Word