关键词:
SCARA机器人
关节柔性
动力学模型
动力学参数辨识
双编码器机器人
摘要:
随着“工业4.0”和“智能制造2025”的相继提出,中国制造业正朝着自动化、绿色化及智能化等方向发展。工业机器人作为制造业升级的关键,在3C电子、车辆制造、精密加工等行业应用广泛。其中,SCARA机器人因其灵活性高、运行速度快、定位精度高等良好的特性,在工业自动化市场中被大多数企业青睐。随着市场份额加大,对SCARA机器人的性能指标也提出了更高的要求,因其高端技术应用大多以动力学模型为其基础理论支撑,并且在一、二轴关节处使用谐波减速器传动,将不可避免带来关节柔性,故需建立考虑关节柔性的SCARA机器人动力学模型才更加符合实际应用。在实际中,机器臂工件加工和装配时将引入结构误差,使SCARA机器人存在个体差异,关节刚度和摩擦也无法从理论模型知晓,所以必须通过参数辨识方法获取到实际动力学参数值。本文为了得到更加贴近真实的SCARA机器人动力学模型,进行了考虑关节柔性以及非线性摩擦的SCARA机器人动力学参数辨识研究。主要研究内容如下:首先,设计了从模型建立-消除刚度项-模型线性化-激励轨迹参数设计及优化-数据采集并处理-惯性参数及摩擦系数辨识-关节刚度辨识-模型验证的完整参数辨识流程,并详细讲述了本实验所采用的双编码SCARA机器人的软硬件平台,为后续研究奠定了基础。然后,采用D-H法建立SCARA机器人运动学模型,并求出SCARA机器人的运动学正逆解,作为动力学建模的基础;采用Lagrange方程建立动力学模型,该模型即考虑了关节柔性,又考虑了连杆侧与电机侧的非线性摩擦,使之更符合SCARA机器人的实际动力学模型。接着,通过因式分解法对动力学方程进行线性化处理,得出待辨识动力学最小参数集。再基于有限项傅里叶级数,选定动力学方程中回归矩阵的条件数作为优化指标,设计并验证了该动力学模型的最优激励轨迹。最后,将最优激励轨迹下发给双编码器SCARA机器人,利用伺服软件分别采集各关节反馈电流、电机编码器值、减速器输出端编码器值;将采集得到的数据经过均值滤波+巴特沃斯低通滤波+flitflit零相移滤波器处理后,代入动力学模型中,利用最小二乘法求出待辨识的摩擦系数和惯性参数,接着将辨识结果中电机惯量和电机摩擦系数代入电机侧动力学模型中估算出关节刚度,完成所有参数的辨识,选择不同于激励轨迹的另外一条轨迹验证参数辨识结果,求得残差均方根误差值都在2以内,说明了参数辨识结果的正确性。本文的主要创新之处在于采用一次辨识实验即可获得所有待辨识参数,且辨识误差都在可控范围内,极大地简化了工业机器人出厂流程,提高了效率,对实际生产制造具有重要意义。