面向机器人铣削加工的铣刀姿态动力特性研究

针对铣刀对机器人铣削稳定性的影响,采用回归模型与耦合子结构分析(receptance coupling substructure analysis,RCSA)方法,建立了考虑交叉耦合频响函数的不同刀具姿态动力学模型。通过设计激励试验来测量期望的频响矩阵,将实测频响矩阵与多自由度模型拟合,减少了模态参数的数量。采用多任务高斯过程(multi-task Gaussian process,MTGP)回归模型挖掘不同模态参数之间的物理相关性,与普通单任务高斯过程回归模型(single-task Gaussian process,STGP)相比,所提模型减少了MTGP所需回归模型的数量,提高了预测精度和鲁棒性。通过工业机器人的冲击试验验证了所提方法的有效性。

基于梁结构等效模型的机器人铣削有限元仿真

机器人的弱刚度特性导致铣削加工过程中的末端变形是影响零件表面质量的重要因素。在刀具-工件有限元模型基础上,添加梁结构等效机器人末端,建立适用于机器人铣削加工的有限元模型,并通过对实际机器人进行力锤实验获取梁结构的等效力学参数。利用球头立铣刀进行6061铝合金铣削实验,对所提出的有限元模型进行验证,通过仿真对两种不同的机器人刚度性能指标进行对比分析。结果表明:所建立的模型能够正确模拟机器人的铣削加工过程,并可用于机器人铣削加工姿态的优化;考虑加工效率和需求,基于工件几何形状的曲面法向柔度系数指标更适用于优化机器人铣削加工曲面的姿态。

面向快速制模的机器人铣削原型工艺研究

机器人快速制造原型是正在发展的一种快速制造原型和零件的方法,但是它的应用范围目前仅局限于石蜡、木材、塑料和轻金属等材料。本文开发了一种机器人快速铣削制造陶瓷材料原型的工艺,并成功用于机器人快速制造金属模具工艺。试验研究了适用于该工艺的陶瓷原型材料、陶瓷原型铣削制造工艺以及机器人的铣削特性。从而扩展了机器人原型制造的可加工材料范围以及快速原型制造的应用领域。

考虑主轴-刀柄结合面特性的机器人铣削系统刀尖频响预测研究

针对机器人铣削系统刀尖频响具有位姿依赖特性,导致机器人变位姿加工时稳定性难以准确预测、加工颤振难以有效控制的问题,提出一种考虑主轴-刀柄结合面接触刚度的机器人铣削系统刀尖频响预测方法。基于欧拉拉格朗日法与吉村允孝单位面积法,分别构建了机器人本体动力学模型与主轴-刀柄结合面接触刚度模型,进而基于有限元主副自由度理论将机器人本体动力学模型与主轴-刀柄结合面接触刚度模型结合,构建了机器人铣削加工系统刀尖频响预测模型。开展了机器人不同位姿下刀尖频响预测验证实验,结果表明,仿真与实验得到的刀尖频响函数相比,固有频率最大误差为6.63%,对应幅值最大误差为9.80%,验证了所提出的预测模型的准确性,证明了该模型能够实现机器人任意位姿下的频响函数准确预测。

基于刚度分析的机器人铣削加工刀具角度优化

为提高多轴机器人铣削的加工精度,提出一种新型的刀具方向角优化方法。该方法综合考虑了串联机构的固有特性及其与机器人刚度的关系,从而在生成精加工刀具方向角时选择最佳的机器人姿势。由于在不改变刀具轨迹的情况下,通过优化选择刀具的方向角来减少加工误差,该优化方法无需修改原始刀具轨迹以便补偿预测偏差。在多轴铣削机器人系统上的实验结果验证了该方法的有效性。研究结果表明,该方法能够加工出具有精细表面的三维形状,并减少了由于刀具向机器人刚度最低方向位移所引起的偏差。相比基于体积刚度性能指标的刀具方向角优化方法,RMS误差减少了0.05 mm。

基于概率方法的机器人铣削加工颤振稳定性研究

将可靠性概率方法引入到机器人铣削模态耦合颤振预测中,首先建立可靠性模型,得到极限状态方程.其次,应用四阶矩法计算其可靠度和灵敏度以分析各参数对于铣削加工稳定性的影响.最后,基于机器人铣削加工骨头的工程背景给出了一个算例研究.结果表明:机器人两自由度方向的刚度、切削力系数和加工进给方向会影响铣削加工的稳定性;在一定范围内,增加X方向刚度,降低Y方向的刚度,减小切削力系数以及合理选择加工进给方向有利于避免模态耦合颤振的发生;系统对于切削力系数的变化相较于X,Y方向刚度更加敏感,对稳定性的影响更显著.

机器人铣削加工稳定性影响因素

机器人铣削加工时容易发生模态耦合颤振,对刀具和机器人本体造成伤害,从而导致机器人定位精度降低.为了研究机器人铣削加工稳定性的影响因素,进行大量的铣削加工实验,研究主轴转速、轴向切深、进给速度、刀具悬长、顺逆铣以及切削材料等因素对于机器人铣削加工稳定性的影响.结果表明:在一定范围内,主轴转速越低、进给速度越快、轴向切深越大、刀具悬长越短、采用逆铣、材料硬度越大越容易导致模态耦合颤振的发生,且主轴转速和刀具悬长对于模态耦合颤振影响显著.

机器人铣削加工动态变形误差预测与在线感知

航天舱段零件的机器人铣削加工中,强激励铣削力作用下的动态加工变形是影响加工精度的重要因素,复杂工况下动态误差的离线理论预测难以准确反映实际变形误差。为此,考虑加工过程中复杂工况下不确定性因素对动态变形误差的影响,本文提出了融合在线测量位姿、力数据的动态误差预测方法。首先,建立动态变形误差理论预测模型,引入加工误差预测偏差项;其次,结合有限实验数据对预测偏差的影响因素进行主成分分析(PCA),提取信息贡献率大的主成分作为特征向量,利用支持向量机(SVM)建立预测偏差关于特征向量的动态误差预测回归模型;最后,构建基于机器人关节位置和切削力测量数据的加工动态误差预测模型,实现动态误差在线感知,为加工精度控制提供数据基础。

基于刚度定向的工业机器人铣削姿态优化研究

针对工业机器人结构非对称引起的主刚度方向难以确定、因刚度低导致的铣削过程中容易发生模态耦合颤振的问题,提出了一种机器人加工系统主刚度定向方法,并利用机器人功能冗余特性优化姿态,以提高铣削过程的稳定性。计算工业机器人末端笛卡儿坐标系中的刚度椭球,确定切削平面内机器人的主刚度方向;通过建立加工系统的动力学模型,得到机器人铣削模态耦合颤振的稳定性判据;基于刚度定向方法,提出一种机器人铣削姿态优化算法。实验结果表明,在不改变其他参数的情况下,通过优化工业机器人姿态,可以保证机器人沿给定轨迹加工的稳定性。

应用响应曲面法的机器人铣削工艺优化

为保证机器人铣削加工效率的同时减小切削力、振动加速度和表面粗糙度,从而优化铣削工艺,通过试验研究了不同铣削工艺对机器人切削性能的影响。应用响应曲面法,以切削力、振动加速度和表面粗糙度为响应值,选取主轴转速、进给量和切削深度3类数值因子,以及铣削方式与走刀方向2类类别因子进行优化参数,并建立了各个响应值的二阶预测模型。结果表明:Y方向铣削可以获得较小的切削力和表面粗糙度,逆铣的振动加速度幅值明显小于顺铣加工。同时,进给量和切削深度对切削力和振动加速度具有显著影响,主轴转速对表面粗糙度影响较为显著。优化结果表明高主轴转速、大进给量和小切深时,在保证加工效率的同时切削力、振动加速度和表面粗糙度都较小。

机器人铣削加工变形误差视觉测量与补偿

工业机器人因其较高的灵活性、较大的工作空间和较低的成本,广泛应用于大型复杂零件的铣削加工中。在加工过程中,机器人关节弱刚性导致的末端变形是影响加工误差的重要因素。传统的末端变形测量通常是利用激光跟踪仪设备,设备昂贵且操作复杂。针对机器人铣削加工中的变形误差问题,建立了主轴编码标志点坐标系和机器人末端刀具坐标系之间的映射关系,并提出利用双目视觉系统跟踪测量机器人末端位置与变形误差计算的方法。在得到变形误差的基础上,通过镜像法进行误差离线补偿,提高加工精度。

机器人铣削加工颤振自适应识别方法研究

针对机器人铣削颤振形式复杂、难以有效识别的问题,提出一种机器人铣削加工颤振自适应识别方法。首先对原始振动信号进行信号分离,保留能够表征机器人加工状态的信息;然后采用不同信号功率谱熵之间的差值表征不同铣削状态下振动信号的频率分布特性,采用原始信号的标准偏差表征机器人铣削振动信号的时域特性。采用上述特征指标构建能够表征机器人不同铣削状态的三维特征向量矩阵,将特征向量输入支持向量机,构建机器人铣削加工颤振自适应识别模型。对模型进行验证,并与现有方法进行对比,结果表明,构建的机器人铣削颤振自适应识别模型能够准确识别机器人铣削加工过程中的再生颤振与低频颤振;对于稳定、早期颤振、剧烈颤振、低频颤振以及空载等状态的识别准确率达到93%,优于现有方法。

基于力致误差建模的工业机器人铣削加工工件位姿优化

针对工业机器人铣削加工过程中力致误差问题,以工件位姿为优化变量、工件表面法向力致误差为优化目标,构建工业机器人铣削加工力致误差模型及工件位姿优化模型,通过算法设计对优化模型进行求解,以确定最优工件位姿,并在ABB IRB6660工业机器人铣削加工平台上对优化模型进行实验验证。结果表明,采用优化模型求解确定的最优工件位姿处的平均法向力致误差相比优化前降低61.0%,应用该优化方法能够有效控制工业机器人铣削加工中的力致误差,有利于提高工业机器人铣削加工精度。

机器人铣削加工误差在线补偿方法研究

针对机器人在铣削加工过程中由于精度低和刚度弱导致加工误差大的问题,提出一种可以同时考虑定位误差与变形误差的加工误差在线补偿方法。首先,基于几何参数标定法进行机器人定位误差建模,并基于机器人刚度矩阵模型进行变形误差建模;然后,基于上述模型和在线测量的切削力,建立加工误差在线预测模型;接着,提出基于自校正增量式PID控制的误差补偿方法,对铣削加工误差进行在线闭环补偿;最后,经铣削加工实验验证补偿方法的有效性。

基于卷积神经网络的机器人铣削颤振识别

串联式工业机器人整体刚度较低,铣削加工过程中极易产生颤振,降低工件表面质量与尺寸精度。针对机器人铣削颤振识别问题,提出一种基于卷积神经网络的颤振识别方法。通过机器人铣削实验采集不同加工状态下的振动加速度信号,提取信号的功率谱熵差与均方根作为特征指标;采用特征指标构建表征机器人不同铣削状态的二维散点图像数据集。采用卷积神经网络算法构建机器人铣削状态智能识别模型,对机器人铣削状态进行辨识。为验证所提方法的有效性,与现有方法进行对比分析与验证。结果表明,基于卷积神经网络构建的识别模型能够有效辨识机器人铣削加工过程中的不同状态,其识别准确率可达95.10%,优于采用支持向量机构建的模型。

铣削加工机器人旋量建模及几何求逆优化

为了提高机器人在铣削加工应用中的性能,将旋量理论应用于铣削加工机器人的建模中。针对仿真过程中逆解计算太慢的问题,提出了一种改进几何法对求逆过程进行优化。该方法以库卡KR60铣削加工机器人为例,考虑铣削加工位置相对固定,忽略了机器人前三个关节引起的逆解变化,从而简化了逆解的求取。仿真结果表明,经过改进后的几何法相对MATLAB软件自带求逆方法能够极大提高运算效率,减少仿真时间。

机器人行星复合铣削技术验证实验

为提高大型铝合金构件的机器人铣削加工效率而不降低加工质量,开展机器人铣削对比实验研究,探索行星复合铣削方法在机器人切削加工领域应用的可能.提出一种机器人行星复合铣削工具系统,介绍其基本结构与运行原理,并通过建立刀尖运动轨迹模型比较机器人行星复合铣削与机器人端铣刀尖运动轨迹特征.开展Al-2024单因素机器人铣削试验,对比研究机器人行星复合铣削与沿X或Y方向进给的机器人端铣在加工效率、表面粗糙度和切削力等方面的差异.结果表明:相对于机器人端铣,机器人行星复合铣削的加工效率至少提升21.34%,表面粗糙度至少降低33.33%,同时其最大切削力分量和轴向切削力均优于机器人端铣.机器人行星复合铣削相当于多个间隔固定相位角的摆线铣削的有序组合;在相同机器人系统配置与加工参数组合的条件下,机器人行星复合铣削的加工性能优于机器人端铣.研究结果为实现大型铝合金构件高效机器人铣削提供了新方案.

机器人铣削加工误差视觉跟踪测量与补偿研究

机器人铣削加工是大型复杂构件的重要加工手段,然而由于机器人本体结构特点及零部件制造、安装等误差,使其在大行程运动过程中轨迹绝对精度较低,严重制约机器人铣削加工的应用工况。现有机器人精度的传感测量控制方法主要集中在基于视觉的定位误差预测和激光跟踪仪的轨迹误差测量等,前者难以考虑铣削轨迹误差,后者操作复杂且设备极其昂贵。为此,提出一种利用双目视觉系统跟踪测量的机器人铣削加工刀具端位置误差计算和加工误差补偿方法,实现机器人铣削加工误差的高效准确预测和补偿。其中通过训练粒子群算法(Particle swarm optimization,PSO)优化的BP神经网络建立了位姿相关的机器人加工刀具TCP位置误差预测模型,基于弦截法建立了位置误差迭代模型,制定了轨迹误差的综合补偿策略。试验结果表明机器人铣削加工最大切深误差从1.354 mm降低到0.244 mm,为机器人铣削加工工况扩展提供了理论和技术基础。

机器人铣削系统精度控制方法及试验

新一代航空航天器大量使用一体化复杂大部件作为主要结构,传统机床难以满足其高质量、高效率、高柔性的加工需求,以工业机器人为载体的加工系统是解决该问题的有效新途径,但面临机器人精度低、刚性差的瓶颈。为提高工业机器人的加工精度,搭建了基于数控系统的机器人铣削系统,提出了关节空间-笛卡尔空间分级精度补偿方法。静载试验结果表明,机器人的重复定位精度由0.154 mm提高到0.039 mm,提高了74.68%;绝对定位精度由1.307 mm提高到0.156 mm,提高了88.06%;轨迹精度由1.346 mm提高到0.181 mm,提高了86.55%,实现了点位与轨迹精度的在线实时补偿。铣削试验结果表明,复合材料舱段铣削精度达到0.22 mm,表面粗糙度优于Ra4.8,机器人铣削系统能够满足航空航天零部件的加工精度要求。

基于自适应变分模态分解与功率谱熵差的机器人铣削加工颤振类型辨识

机器人铣削加工存在模态耦合颤振和再生颤振现象,有效地进行机器人铣削加工颤振类型的辨识是进行颤振精准抑制和保证加工质量的基础。为此,提出一种基于自适应变分模态分解与功率谱熵差的颤振类型辨识(AVMD-ΔPSE)方法。通过分析机器人铣削加工颤振特性和主导模态,将机器人铣削颤振分为机器人结构模态主导的模态耦合颤振和刀具-主轴结构模态主导的再生颤振两种类型。为了提取颤振敏感子信号,利用自适应变分模态分解方法对原始信号进行分解,根据功率谱熵和频率消除算法设计功率谱熵差颤振类型辨识指标,结合多组试验数据采用高斯混合模型自适应地确定辨识指标最佳分类阈值。颤振辨识试验表明机床铣削加工颤振辨识方法运用于机器人铣削加工中仅能识别颤振却无法区分不同的颤振类型,而AVMD-ΔPSE方法能准确有效地辨识和区分机器人铣削加工中的模态耦合颤振和再生颤振,为机器人铣削颤振的针对性抑制提供理论指导。