基于模型预测控制的工业机器人曲面跟踪方法研究

doi:10.3901/JME.2022.19.024

机械工程学报 ›› 2022, Vol. 58 ›› Issue (19): 24-33.doi: 10.3901/JME.2022.19.024

扫码分享

基于模型预测控制的工业机器人曲面跟踪方法研究

杨真真¹, 李明富^1,2,3, 张黎明¹, 邓旭康¹

1. 湘潭大学机械工程学院湘潭 411105;
2. 复杂轨迹加工工艺及装备教育部工程研究中心湘潭 411105;
3. 焊接机器人与应用技术湖南省重点实验室湘潭 411105

收稿日期:2022-01-06 修回日期:2022-05-13 出版日期:2022-10-05 发布日期:2023-01-05
通讯作者: 李明富(通信作者)，男，1979年出生，教授，博士研究生导师。主要研究方向为智能机器人、智能制造。E-mail：mingfuli@xtu.edu.cn；limingfu2001@foxmail.com
作者简介:杨真真，女，1996年出生。主要研究方向为机器人控制。E-mail：yzzibobo_dk@163.com
基金资助:
国家自然科学基金(51775470, 52075465)、湖南省战略性新兴产业科技攻关与重大科技成果转化项目(2019GK4025)和湖南省科技创新计划(2020RC4038)资助项目。

Research on Surface Tracking Method of Industrial Robot Based on Model Predictive Control

YANG Zhenzhen¹, LI Mingfu^1,2,3, ZHANG Liming¹, DENG Xukang¹

1. School of Mechanical Engineering, Xiangtan University, Xiangtan 411105;
2. Engineering Research Center of Complex Tracks Processing Technology and Equipment of Ministry of Education, Xiangtan 411105;
3. Key Laboratory of Welding Robot and Application Technology of Hunan Province, Xiangtan 411105

Received:2022-01-06 Revised:2022-05-13 Online:2022-10-05 Published:2023-01-05

摘要/Abstract

摘要： 工业机器人执行接触性作业任务时，通常需要稳定控制接触力，比如在磨抛过程中，不平稳的法向接触力容易影响表面质量。为解决力跟踪控制时法向控制速度易超调和不确定环境造成法向接触力不平稳的问题，提出一种基于模型预测控制的工业机器人曲面跟踪方法。首先，根据工件模型几何信息计算出末端工具的运动轨迹，再结合机器人当前位姿求解末端工具的笛卡儿速度；然后，建立末端工具与工件接触时的状态空间模型，并依据末端工具的姿态变化对法向阻尼系数进行在线调节；最后，根据实时力信号的反馈，利用模型预测控制算法对法向速度进行修正，实现曲面恒力跟踪。基于Staubli TX90工业机器人，在末端工具姿态不变和姿态改变的情况下分别进行了曲面跟踪实验，结果显示法向接触力波动范围分别为±1 N和±2 N，方差分别为0.038 1 N²和0.105 9 N²，能够达到较好的力跟踪效果。

关键词: 模型预测控制, 曲面跟踪, 速度修正, 恒力控制

Abstract: The stable control of contact force is generally required for industrial robot to perform the contact work. For example, in the grinding process, the surface quality can be easily affected by the unstable contact force in the normal direction. To solve the overshoot of normal speed and the unstable contact force in the normal direction, which caused by uncertain environment, a force tracking method for industrial robot based on model predictive control is proposed. Firstly, the trajectory of the end tool is calculated based on the geometric information of the workpiece. And the Cartesian velocity of the end tool is then calculated by combining with the current robot position. Secondly, the state-space model of contact status between the end tool and the workpiece is developed, and the damping coefficient in the normal direction is adjusted online based on the attitude of end tool. Thirdly, the normal velocity is corrected by the model predictive control algorithm based on the feedback of the real-time force signal to achieve constant force tracking of the surface. Finally, two surface tracking experiments are conducted under the situations of constant and changeable end tool attitude respectively, by Staubli TX90 industrial robot. The experimental results show that, the contact force in the normal direction fluctuated in the range of 1 N and 2 N with variance of 0.038 1 N² and 0.105 9 N², respectively, which can realize favorable force tracking.

Key words: model predictive control, surface tracking, velocity correction, constant force control

中图分类号:

TG242

杨真真, 李明富, 张黎明, 邓旭康. 基于模型预测控制的工业机器人曲面跟踪方法研究[J]. 机械工程学报, 2022, 58(19): 24-33.

YANG Zhenzhen, LI Mingfu, ZHANG Liming, DENG Xukang. Research on Surface Tracking Method of Industrial Robot Based on Model Predictive Control[J]. Journal of Mechanical Engineering, 2022, 58(19): 24-33.

参考文献

[1] TSAI M J，HUANG J F，KAO W L. Robotic polishing of precision molds with uniform material removal control[J]. International Journal of Machine Tools and Manufacture，2009，49(11):885-895.
[2] ZHAN J，YU S. Study on error compensation of machining force in aspheric surfaces polishing by profile-adaptive hybrid movement-force control[J]. International Journal of Advanced Manufacturing Technology，2011，54(9-12):879-885.
[3] WANG G，WANG Y，ZHANG L，et al. Development and polishing process of a mobile robot finishing large mold surface[J]. Machining Science and Technology，2014，18(4):603-625.
[4] 张铁，胡广. 曲面轮廓恒力跟踪的非线性双闭环控制[J]. 电机与控制学报，2017，21(7):99-106. ZHANG Tie，HU Guang. Nonlinear dual-loop force controller of contour following[J]. Electric Machines and Control，2017，21(7):99-106.
[5] 董悫，张立建，易旺民，等. 基于动力学前馈的空间机器人多销孔装配力柔顺控制[J]. 机械工程学报，2019，55(4):207-217. DONG Que，ZHANG Lijian，YI Wangmin，et al. Force compliance control of multi-peg-in-hole assembling by space robot based on dynamic feedforward[J]. Journal of Mechanical Engineering，2019，55(4):207-217.
[6] 许家忠，郑学海，周洵. 复合材料打磨机器人的主动柔顺控制[J]. 电机与控制学报，2019，23(12):151-158. XU Jiazhong，ZHENG Xuehai，ZHOU Xun. Active and compliant control of the composite polishing robot[J]. Electric Machines and Control，2019，23(12):151-158.
[7] 甘亚辉，段晋军，戴先中. 非结构环境下的机器人自适应变阻抗力跟踪控制方法[J]. 控制与决策，2019，34(10):2134-2142. GAN Yahui，DUAN Jinjun，DAI Xianzhong. Adaptive variable impedance control for robot force tracking in unstructured environment[J]. Control and Decision，2019，34(10):2134-2142.
[8] RAVANDI A K，KHANMIRZA E，DANESHJOU K. Hybrid force/position control of robotic arms manipulating in uncertain environment based on adaptive fuzzy sliding mode control[J]. Applied Soft Computing，2018，70(19):864-874.
[9] 李二超，李炜. 在未知环境下面向位控机器人的力/位混合控制[J]. 煤炭学报，2007(6):657-660. LI Erchao，LI Wei. Hybrid force/position control for positional-controlled robotic manipulators in unknown environment[J]. Journal of China Coal Society，2007(6):657-660.
[10] KOMATI B，CLEVY C，LUTZ P. Force tracking impedance control with unknown environment at the microscale[C]// 2014 IEEE International Conference on Robotics and Automation(ICRA). Hong Kong:IEEE，2014:5203-5208.
[11] 李正义，曹汇敏. 适应环境刚度、阻尼参数未知或变化的机器人阻抗控制方法[J]. 中国机械工程，2014，25(12):1581-1585. LI Zhengyi，CAO Huimin. Robot impedance control method adapting to unknown or changing environment stiffness and damping parameters[J]. China Mechanical Engineering，2014，25(12):1581-1585.
[12] SURDILOVIC D，ZHAO H，SCHRECK G，et al. Advanced methods for small batch robotic machining of hard materials[C]// 7th German Conference on Robotics. Munich:VDE，2012:1-6.
[13] TIAN F，LI Z，LÜ C，et al. Polishing pressure investigations of robot automatic polishing on curved surfaces[J]. The International Journal of Advanced Manufacturing Technology，2016，87(1-4):639-646.
[14] 曾令城，李明富，杨真真，等. 基于先验速度修正的工业机器人曲面跟踪柔顺控制[J]. 机械工程学报，2022，58(1):41-51. ZENG Lingcheng，LI Mingfu，YANG Zhenzhen，et al. Compliant control of industrial robot surface tracking based on priori velocity correction[J]. Journal of Mechanical Engineering，2022，58(1):41-51.
[15] 肖文磊，郇极. 切削加工机器人与CAD/CAM系统集成化[J]. 机械工程学报，2011，47(15):52-60. XIAO Wenlei，HUAN Ji. Integration of a cutting robot with CAD/CAM system[J]. Journal of Mechanical Engineering，2011，47(15):52-60.
[16] HUANG H，GONG Z M，CHEN X Q，et al. Robotic grinding and polishing for turbine-vane overhaul[J]. Journal of Materials Processing Technology，2002，127(2):140-145.
[17] NAGATA F，HASE T，HAGA Z，et al. CAD/CAM-based position/force controller for a mold polishing robot[J]. Mechatronics，2007，17(4-5):207-216.

基于模型预测控制的工业机器人曲面跟踪方法研究

Research on Surface Tracking Method of Industrial Robot Based on Model Predictive Control

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	吴西涛, 魏超, 翟建坤, 苑士华. 考虑横摆稳定性的无人车轨迹跟踪控制优化研究[J]. 机械工程学报, 2022, 58(6): 130-142.
[2]	夏光, 许立平, 唐希雯, 陈无畏. 基于稳定域划分的平衡重式叉车防侧翻控制[J]. 机械工程学报, 2022, 58(6): 153-168.
[3]	曾令城, 李明富, 杨真真, 罗威. 基于先验速度修正的工业机器人曲面跟踪柔顺控制[J]. 机械工程学报, 2022, 58(1): 41-51.
[4]	许男, 李小雨. 复合工况下四轮驱动电动汽车操纵稳定性控制[J]. 机械工程学报, 2021, 57(8): 205-220.
[5]	夏天, 夏向阳, 刘代飞, 刘远, 易海淦. 柔性直流系统的交流侧故障穿越优化控制策略^*[J]. 电气工程学报, 2021, 16(4): 196-204.
[6]	罗宇, 李政, 桂永麟, 柯栋梁, 潘先喜, 但志敏, 汪凤翔. 基于模型预测控制算法的永磁同步电机弱磁控制新策略[J]. 电气工程学报, 2021, 16(4): 68-77.
[7]	王建波, 王春亮, 魏强, 周保中, 张继广, 朱烨扬, 范紫微. 用户侧储能参与需求响应的多时间尺度优化调度策略研究[J]. 电气工程学报, 2021, 16(3): 115-122.
[8]	郭鑫, 颜黎明, 田顺, 杨阳. 基于自校正模型的永磁同步电机鲁棒预测转矩控制^*[J]. 电气工程学报, 2021, 16(3): 9-16.
[9]	丁金勇, 吕建国, 徐炜基, 孙状. 弱电网下基于模型预测控制的NPC三电平LCL型并网逆变器谐振抑制方法研究^*[J]. 电气工程学报, 2021, 16(2): 190-198.
[10]	刘永刚, 张静晨, 万有刚, 孙冬野, 秦大同. 基于知识的双离合器自动变速器换挡智能控制[J]. 机械工程学报, 2021, 57(17): 185-195.
[11]	柳晨光, 初秀民, 毛庆洲, 谢朔. 无人船自适应路径跟踪控制系统[J]. 机械工程学报, 2020, 56(8): 216-227.
[12]	赵治国, 付靖, 蒋蓝星, 范佳琦. 复合功率分流系统发动机起动模型预测控制[J]. 机械工程学报, 2020, 56(22): 201-209.
[13]	胡晓松, 陈科坪, 唐小林, 王斌. 基于机器学习速度预测的并联混合动力车辆能量管理研究[J]. 机械工程学报, 2020, 56(16): 181-192.
[14]	唐小林, 李珊珊, 王红, 段紫文, 李以农, 郑玲. 网联环境下基于分层式模型预测控制的车队能量控制策略研究[J]. 机械工程学报, 2020, 56(14): 119-128.
[15]	王艺, 蔡英凤, 陈龙, 王海, 何友国, 李健. 基于模型预测控制的智能网联汽车路径跟踪控制器设计[J]. 机械工程学报, 2019, 55(8): 136-144,153.