葉片的加工質量直接影響著汽輪發(fā)動機的性能和壽命。目前將機器人應用于葉片型面等已知結構的自動化拋光技術已較為成熟,但是對于葉緣、阻尼臺等較為復雜的結構,由于機器人編程復雜且配置困難,仍然以人工拋光為主,效率較低且無法保證表面一致性。本文針對具有復雜結構葉片的機器人拋光問題,提出了一種基于人-機器人示教(Human-Robot Demonstration)輔助編程的機器人自動化力控拋光方法,圍繞人-機器人示教的柔順性和機器人-環(huán)境接觸力控制兩個關鍵技術展開了研究。本文具體研究內容如下:1.機器人控制模型構建。針對工業(yè)常用的串聯(lián)型機器人進行了運動學和動力學分析,在Matlab環(huán)境下分別建立了其運動學和動力學模型,然后分析了目前常用的運動控制和力控制框架,得出運動控制是力控制精度的保障的結論,提出采用“外環(huán)力控制+內環(huán)運動控制”的機器人柔順控制的總體框架,以保證機器人的力控制精度,實驗結果證明了所提方法的有效性。2.自適應運動控制器設計與改進。針對所提的柔順控制總體框架的內環(huán)運動控制器,首先建立了笛卡爾空間下的驅動力矩設計模型,采用比例微分(PD)控制器實現(xiàn)了笛卡爾空間下的軌跡跟蹤控制。然后采用魯棒自適應PD控制器,提高了軌跡跟蹤精度和魯棒性。最后提出徑向神經網絡自適應控制方法,無需提前對機器人動力學模型進行線性化處理,超調量降低90%以上,軌跡跟蹤精度得到進一步提升。3.基于意圖預測的人-機器人柔順示教。針對人-機器人交互過程中的柔順性問題,首先建立了人-機器人交互系統(tǒng)的線性二次型調節(jié)器模型,并采用積分強化學習方法對阻抗參數(shù)進行在線優(yōu)化,降低了操作力,提高了柔順性。為了消除阻抗模型帶來的延時,提出了一種基于意圖預測的力前饋補償方法,較未采用前饋補償?shù)那闆r操作力降低90%,位置跟蹤精度也得以提升。4.復雜結構環(huán)境恒力跟蹤研究。針對與環(huán)境接觸時的恒力控制問題,首先提出了一種基于強化學習的恒力跟蹤方法,經過多次離線訓練可以將力跟蹤誤差控制在10%以內。然后提出了一種基于參考軌跡在線修調的恒力跟蹤方法并對其進行了改進,實現(xiàn)了在線的恒力跟蹤控制。由實驗可知力控精度較改進前提升了30%。最后進行了實驗,實驗結果表明前饋補償人-機器人交互方法可有效提高機器人柔順性,改進的參考軌跡在線修調方法可以實現(xiàn)較高精度的恒力跟蹤。
【學位單位】：華中科技大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP242
【部分圖文】：

(a)拋光過程 (b)拋光結果圖 1-2 人工拋光葉片[2]了實現(xiàn)難加工部位的自動化拋光，一種可行方案是采用專用數(shù)控機床進行，數(shù)控機床拋光示意圖如圖 1-3 所示。然而專用數(shù)控機床只能針對某特定型進行拋光，通用性較差，無法滿足各種型號的葉片的拋光工作。同時專用生產成本較高、技術復雜，而歐美發(fā)達國家在這一領域對我國實行了嚴密鎖，因而極大地阻礙了我國針對葉片研發(fā)專用數(shù)控機床的步伐，所以單單數(shù)控機床無法滿足國內對各種各樣的汽輪機葉片的大量需求。

(a)拋光過程 (b)拋光結果圖 1-2 人工拋光葉片[2]了實現(xiàn)難加工部位的自動化拋光，一種可行方案是采用專用數(shù)控機床進行，數(shù)控機床拋光示意圖如圖 1-3 所示。然而專用數(shù)控機床只能針對某特定型進行拋光，通用性較差，無法滿足各種型號的葉片的拋光工作。同時專用生產成本較高、技術復雜，而歐美發(fā)達國家在這一領域對我國實行了嚴密鎖，因而極大地阻礙了我國針對葉片研發(fā)專用數(shù)控機床的步伐，所以單單數(shù)控機床無法滿足國內對各種各樣的汽輪機葉片的大量需求。

華 中 科 技 大 學 碩 士 學 位 論 文逐漸在焊接、搬運、噴涂、裝配、銑削、拋光等領域應用越來越人葉片拋光技術盡管在國內外已經得到了許多研究，仍無法完片的自動化拋光。這是因為單獨利用機器人進行葉片拋光還具片難加工部位的結構參數(shù)難以精確測量，離線編程困難；（2）工藝配置困難、準備周期長，難以融入人的智慧經驗，不具備人的專業(yè)技能要求較高。結合工匠智慧與機器人精細加工的雙度柔性、自主編程、經驗沉淀的“能工巧匠”型機器人，是一思路。為了利用機器人實現(xiàn)對汽輪機葉片的拋光，本文將針對能柔順力跟蹤問題進行研究。
【參考文獻】

相關期刊論文 前9條

1 張雷;周宛松;盧磊;樊成;;拋光力實時控制策略研究[J];東北大學學報(自然科學版);2015年06期

2 孫桂濤;邵俊鵬;董翔;王曉晶;;基于環(huán)境參數(shù)自適應估計的液壓機器人力控制[J];華中科技大學學報(自然科學版);2015年04期

3 李正義;曹匯敏;;適應環(huán)境剛度、阻尼參數(shù)未知或變化的機器人阻抗控制方法[J];中國機械工程;2014年12期

4 游有鵬;張宇;李成剛;;面向直接示教的機器人零力控制[J];機械工程學報;2014年03期

5 黃誠;劉華平;左小五;朱記全;胡才紅;孫富春;;基于Kinect的人機協(xié)作[J];中南大學學報(自然科學版);2013年S1期

6 李正義;唐小琦;熊爍;葉伯生;;卡爾曼狀態(tài)觀測器在機器人力控制中的應用[J];華中科技大學學報(自然科學版);2012年02期

7 李杰,韋慶,常文森,張彭;基于阻抗控制的自適應力跟蹤方法[J];機器人;1999年01期

8 殷躍紅,尉忠信,朱劍英;機器人跟蹤未知環(huán)境的智能新策略[J];機械工程學報;1999年01期

9 于海生;;利用分解加速度方法的機器人柔順控制[J];山東紡織工學院學報;1989年04期

相關博士學位論文 前3條

1 賀軍;變負載雙臂機器人阻抗自適應控制系統(tǒng)研究[D];中國科學技術大學;2016年

2 李二超;未確知環(huán)境下機器人力控制技術研究[D];蘭州理工大學;2011年

3 詹建明;機器人研磨自由曲面時的作業(yè)環(huán)境與柔順控制研究[D];吉林大學;2002年

相關碩士學位論文 前6條

1 方駿;基于關節(jié)型測量機引導的機器人示教方法研究[D];安徽工程大學;2017年

2 羅燦;輕型無線化人機協(xié)作機械臂的研究[D];哈爾濱工業(yè)大學;2017年

3 韓靜如;基于六維力傳感器的機器人力覺示教技術研究[D];華北理工大學;2017年

4 劉佳祺;拖拽式多關節(jié)示教機器人位姿學習平臺硬件開發(fā)[D];華中科技大學;2016年

5 周洪波;基于模糊神經網絡機械臂柔順運動阻抗控制算法研究[D];吉林大學;2007年

6 魏媛媛;基于模糊控制理論的機器人柔順控制方法的研究[D];華中師范大學;2001年

本文編號：2859870