博文

【论文推荐】不确定扰动下的打磨机器人动态轨迹规划

已有 149 次阅读 2026-1-16 17:01 |个人分类:论文推荐|系统分类:博客资讯

编辑荐语

本期将给大家分享"不确定扰动下的打磨机器人动态轨迹规划(Dynamic trajectory planning of polishing robot based onfuzzy compensation model predictive control)". 如您对本期相关内容有好的理解与建议, 欢迎评论区留言.

本文针对打磨机器人在实际作业中面临的关节约束、摩擦干扰与时变末端外力等多重不确定扰动, 提出了一种创新性的融合力反馈的双层预测控制轨迹规划框架, 有效解决了复杂工况下动态轨迹精准规划与鲁棒跟踪的难题. 该研究通过上层模型预测控制生成全局最优参考轨迹, 下层引入模糊补偿机制与实时力反馈, 构建了动态约束优化模型, 实现了对轨迹偏差与扰动变化的快速响应与在线修正. 所提方法在保证末端打磨力恒定的同时, 显著提升了轨迹跟踪精度与系统抗干扰能力, 仿真实验表明关节最大跟踪误差降低至0.0324 rad, 表现出了优越的控制平滑性与工况适应性. 本研究不仅为不确定扰动环境下机器人精准作业提供了具有实价值的控制策略, 也为工业机器人智能打磨系统的开发提供了系统的理论支撑与方法参考.

本文研究问题具有明确的工程背景与挑战性, 所提出的双层预测控制结构设计巧妙, 力反馈与模糊补偿的融合有效增强了系统在不确定扰动下的鲁棒性. 推荐给从事机器人控制、轨迹规划、智能打磨与工业自动化相关领域的研究人员与工程师阅读参考.

论文介绍

不确定扰动下的打磨机器人动态轨迹规划

Dynamic trajectory planning of polishing robot based on fuzzy compensation model predictive control

邹涛, 凌振舫†, 项超群, 张建辉

机构: 广州大学机械与电气工程学院

引用: 邹涛, 凌振舫, 项超群, 等. 不确定扰动下的打磨机器人动态轨迹规划. 控制理论与应用, 2025, 42(12): 2487 – 2496

DOI: 10.7641/CTA.2025.40452

全文链接:

http://jcta.alljournals.ac.cn/cta_cn/ch/reader/view_abstract.aspx?file_no=CCTA240452&flag=1

摘要

针对存在关节约束、摩擦干扰及末端外力扰动等复杂工况下的打磨机器人轨迹规划问题, 本文提出一种融合力反馈的双层结构预测控制轨迹规划方法, 旨在实现动态轨迹规划并提升系统干扰能力. 首先, 上层采用模型预测控制在理想条件下生成全局最优轨迹; 下层通过模糊补偿的预测控制根据轨迹偏差及其变化率实时修正预测控制输出, 同时结合力传感器反馈数据构建动态约束优化模型. 最后, 通过仿真实验验证了该方法通过分层优化与实时补偿的协同机制, 可以在复杂工况下实现稳定、平滑的轨迹输出.

引言

现代机械加工制造过程中, 产品表面的打磨抛光是其中不可或缺的一个环节, 打磨抛光不仅可以提升产品的外观美观度, 还可以去除材料表面的毛刺、划痕、飞边等缺陷, 提高表面光滑度、减少材料表面的微小裂纹和划痕, 增加产品耐腐蚀性和耐磨性、增强产品的性能, 使之达到所需的精确度和功能性以及去除应力集中等. 但是一般产品的打磨工作环境恶劣, 存在严重的粉尘污染和高温环境等问题. 因此, 引入机器人进行自动化打磨成为了一种出色的解决办法[1–2], 打磨机器人不仅可以保持高效率作业还可以保证作业中操作的精确性, 尤其是在材料处理和表面加工等环节, 通过精确的运动控制, 打磨机器人在确保可重复性的同时可以保证零件打磨结果更加精确规整, 具备高精度的特点. 近年来, 随着制造业的发展, 机器人打磨抛光系统已经广泛应用于自由曲面工件的表面加工, 如汽车车身、风力发电机叶片和航空发动机叶片等复杂曲面零件[3], 在对这些自由曲面工件进行抛光加工时都需要对打磨机器人进行合理的打磨轨迹规划以及高精度的轨迹跟踪控制, 以避免工件上的过抛光或欠抛光现象, 从而大大提高表面质量[4].

工业机器人的轨迹规划是指在给定条件下, 规划一条符合机器人运动学和动力学约束的从初始状态到目标状态的路径, 并对该路径进行时间参数化, 可分为笛卡尔空间和关节空间两种[5]. 笛卡尔空间轨迹规划直观, 精度高, 但求逆解次数多, 计算量太大且可以规划的轨迹大都比较简单. 而关节空间轨迹规划计算量小, 适用场景多, 因而在实际应用中, 关节空间轨迹规划应用较多[6]. 随着现代制造业对打磨机器人的要求越来越高, 不仅需要对打磨机器人进行轨迹规划, 还需要根据任务要求等因素对打磨机器人的运动轨迹进行优化[7]. 针对上述问题, 研究人员针对时间最优、能量最优以及混合最优等方面展开了研究[8–11]. 在曲面加工领域, 有研究人员[12]根据机器人动力学方程, 以速度约束下的能量最优为目标, 建立机器人系统的能量特性模型, 并通过优化算法, 有效地降低了机器人的能量损耗. Lin[13]基于三次样条插值法, 以最小加速度和关节速度约束为优化目标, 通过粒子群和K-means聚类的混合算法优化, 有效地减少了机器人运行过程中关节受到的冲击.

在实际加工作业中, 打磨机器人往往会受到许多不确定性因素的影响, 因此在有了优化的轨迹之后还需要控制打磨机器人关节的运动, 对轨迹进行跟踪. 近几十年来, 随着模型预测控制(model predictive control, MPC)在经典工业过程控制中的出色表现, 成为了解决上述机器人打磨问题的一种合适而有效的方法[14–18], 它可以根据系统的动力学模型, 通过预测状态变量的来生成最优控制序列, 约束打磨机器人动力系统, 在复杂情况下提供最优控制策略. 但当其应用于真实工业环境中的机器人系统时, 仍然不可避免的会受到建模不准确以及内部摩擦和外部干扰等不确定性因素的影响[19–22], 并且在工作时机器人面临的外部条件也是不断变化的, 因此需要在打磨过程中对机器人进行动态轨迹规划. 目前, 大多数机器人的动态轨迹规划的研究集中在避障领域[23–25], 利用传感器等感知系统的信息帮助机器人规划出一条安全的轨迹.

针对上述问题, 本文提出了一种基于双层结构预测控制的打磨机器人动态轨迹规划方法, 该方法可以在对打磨机器人进行轨迹规划的同时根据传感器返回的实时信息和相关约束对打磨轨迹进行优化, 其中具有模糊补偿的预测控制框图如图1所示. 整体结构框图如图2所示.

结论

为了实现打磨机器人在不确定性因素干扰的情况下实现动态打磨轨迹规划、末端打磨力恒定并且提高打磨轨迹精度, 本文提出了一种融入力反馈的模糊预测控制方法对打磨机器人进行轨迹规划, 通过在理性情况下利用MPC控制器对打磨机器人进行关节空间的动态轨迹规划, 并在引入干扰后利用融入力反馈的模糊预测控制器对该轨迹进行动态跟踪, 同时利用末端力惩罚项来保证末端打磨力恒定, 侧面保证打磨精度, 解决了打磨机器人的动态轨迹规划问题.

实验结果表明, 本文提出的方法可以在符合相关约束的情况下规划出关节运动的平滑轨迹并保证机器人可以到达目标点, 并且关节的跟踪误差基本稳定在零值, 最大跟踪误差减小为0.0324 rad, 显著提升了打磨的精度和机器人的稳定性.

作者简介

邹涛教授, 主要研究方向为工业过程建模与仿真、模型预测控制、先进过程控制和实时优化技术;

凌振舫硕士研究生, 目前研究方向为机器视觉、机器人轨迹规划等;

项超群副教授, 硕士生导师, 主要研究方向为仿生机器人感知、建模及驱控、助力及康复机器人等;

张建辉教授, 博士生导师, 研究方向主要包括压电流体驱动技术、超声电机技术、光声成像技术.

期刊介绍

《控制理论与应用》(Control Theory & Applications)是经国家科学技术部批准, 教育部主管, 由华南理工大学和中国科学院数学与系统科学研究院联合主办的全国性一级学术刊物, 1984年创刊, 月刊, 国内外公开发行. 《控制理论与应用》是中国科学引文数据库首批统计源期刊之一，中文核心期刊，入选中国精品科技期刊顶尖学术论文F5000项目，中国科协自动化学科领域高质量科技期刊目录以及中国科协百篇优秀科技论文遴选计划，2021年入选广东省高质量科技期刊建设项目，2022-2024年连续获得基金委资助（科技活动专项）。

期刊封面2.jpg 目录2.jpg