用基于模型的控制改进机器人技术

机器内部:基于模型的控制导致机器人系统移动更快,更准确,具有更大的吞吐量。这样的建模可以估计机器人在运动过程中的扭矩和力,防止过大的扭矩,提高机器人的速度,减少振荡,和沉淀时间。

通过米尔科Borich 2016年4月13日

机械臂动力学建模是学术界多年来公认的一种方法。它通常作为机器人和工程实验室的工具,用于研究和开发人形机器人和先进的控制算法,运动模拟和其他学术追求。动态建模涉及数学公式的发展,这些数学公式描述了机器人的动态特性——惯性、质量、质心和其他不容易测量的特性。虽然动态建模在理论研究中屡见不鲜,但应用动态建模来提高机器人的控制能力却常常被工业机器人的开发者和制造商所忽视。

考虑了动态建模的潜力,以解决半导体工业中使用的高速delta机器人制造商遇到的性能问题。在太阳能晶圆处理应用中,机器人需要高加速度和极高的精度。由于其固有的脆弱结构,delta机械手非常容易断裂。此外,它还构成了冲击和破坏昂贵载荷和生产材料的威胁。

减少机器人损坏的风险

delta运动学的研究是基于由球关节连接的机械平行四边形,在某些系统中,与运动平台和臂链相连。如果超出了一定的位置或角度,分解机器人所需的力就会急剧减小,如果发生碰撞或强烈的震动,机器人很容易解体。更复杂的是,这些断点通常是在一个伸展的位置,在那里有很大的风险撞上障碍物。如果在机器人断裂后没有发现撞击,那么造成更大伤害的可能性就会增加。

为了克服这些缺点并更好地控制delta机器人,工程师采用并改进了一种源于学术研究的动态模型。最终的模型,或者说是描述delta机器人的一套算法,只是故事的一半。

该模型是通用的。由于机器人的尺寸和质量不同,实际参数值也会有所不同。虽然机器人的运动学是相同的,但物理性质是不同的。即使在制造系列中,每个机器人的物理特性也可能略有不同,并对每个机器人的性能产生不同的影响。

一旦对机器人系统进行建模,就需要获得准确的动态参数值。这是通过开发额外的算法和自动识别运动和动态参数的过程来实现的。

虽然一些参数,如机械臂连杆的几何尺寸,很容易测量并插入公式,但其他参数值,如每个连杆的质心,则由自动识别过程确定。

在识别过程中,机器人是随机移动的,通过识别算法确定动态参数的值。内部和外部因素,如形状、材料、电缆和摩擦,都被考虑到计算中。

由于delta机器人基于模型控制的成功,其他类型的机器人,如选择性顺应装配机器人臂(SCARA)机器人、4轴横臂机器人和5轴球面机器人的动态模型也被开发出来。动态建模解决了对更大输出、更快速度和更低成本的不断增长的需求。

更好的运动控制

使用动态模型,客户实现了更快的沉降时间和更好的轨迹跟踪运动控制。附带的好处是,通过机械参数(特别是摩擦常数)随时间的变化,可以检测系统的磨损情况。

基于模型的控制现在是一些多轴控制器的嵌入式特性。其有效性最终通过实时运动总线系统来实现。确定性以太网协议允许多轴控制器每毫秒更新驱动器值。在每个样本中,逻辑器件发送和接收来自驱动器的命令和反馈扭矩值,以及标准位置和速度值。多轴控制通常与伺服驱动器相结合,伺服驱动器可以配置为接收扭矩作为附加值,作为其自身计算扭矩的补充。

从delta机器人的例子中可以看出,基于模型的控制的直接好处是碰撞检测和避免。负载和工作空间以及人工操作员得到了更好的保护。此外,基于模型的控制消除了对力传感器的需求,从而简化了系统设计并降低了成本。

优化路径

这种控制方法最大的好处是提高了机器人的行为和驱动性能。路径高度优化,因为到达位置所需的扭矩可以以更高的精度计算和控制。所需的电流更平滑,因为它是计算出来的,而不是简单地通过反馈回路获得的,从而提供了更好的速度控制,减少了抖动和尖峰。

在运动过程中对机器人的扭矩和力的估计以及防止过大的扭矩使机器人的速度可以轻松安全地增加,同时减少振荡和沉降时间。基于模型的控制导致机器人系统移动更快,更准确,具有更大的吞吐量。

米尔科Borich是Servotronix运动控制公司softMC项目经理;内容经理马克·t·霍斯克编辑,控制工程, CFE传媒,mhoske@cfemedia.com

更多的建议

关键概念

机器人会移动当基于模型的算法帮助预测基于速度、负载、机器人类型和位置的需求响应时,更快、更顺利。

机器人的路径使用动态建模进行优化。

模型与运动平稳,减少磨损和维护。

考虑一下这个

智能软件可以提高处理量,减少机器人维护。

在线额外

也了解如何驱动软件可以抑制振动的相关文章链接如下。

有关机器人技术的更多信息,请参见www.globalelove.com/robotics