一种恒力研磨装置及其研磨控制方法制造方法及图纸

本发明专利技术公开了一种恒力研磨装置，包括六自由度工业机器人、浮动研磨机、一维力传感器、数据采集装置、恒力装置和控制器；本发明专利技术还公开了一种基于上述恒力研磨装置的研磨控制方法，包括如下步骤：控制待研磨工件按照预先的轨迹进行研磨；一维力传感器获得研磨力模拟信号；根据研磨力模拟信号以及期望值，计算得到研磨力误差及误差变化值，将其作为自适应PID控制器的输入；自适应PID控制器输出为伺服电机控制量，根据控制量驱动直线运动模组实时调节，进而控制研磨力。本发明专利技术可实现智能恒力控制，对提高抛光研磨的生产率、保证产品一致性、改善工人劳动条件、节约成本等方面具有良好的作用。

A Constant Force Grinding Device and Its Grinding Control Method

The invention discloses a constant force grinding device, which comprises a six-degree-of-freedom industrial robot, a floating grinder, a one-dimensional force sensor, a data acquisition device, a constant force device and a controller; the invention also discloses a grinding control method based on the above constant force grinding device, including the following steps: controlling the workpiece to be grinded according to the pre-trajectory; and acquiring a one-dimensional force sensor. The abrasive force analog signal is obtained; the abrasive force error and its variation value are calculated according to the abrasive force analog signal and the expected value, which is used as the input of the adaptive PID controller; the output of the adaptive PID controller is the control quantity of the servo motor, which drives the linear motion module to adjust in real time according to the control quantity, and then controls the abrasive force. The invention can realize intelligent constant force control, and has good effects on improving the productivity of polishing and grinding, ensuring product consistency, improving workers'working conditions and saving costs.

【技术实现步骤摘要】
一种恒力研磨装置及其研磨控制方法
本专利技术涉及机器人恒力研磨控制工程领域，特别涉及一种基于浮动台的机器人恒力研磨装置及其研磨控制方法。
技术介绍
抛光研磨是机械加工最基础的一道工序，其成本占到总成本的30％。通常工业研磨抛光作业均由人工操作完成，作业劳动强度大，工作效率低，作业环境极差。随着人口红利的消失、产品成本降低和产品质量提高的要求等因素，市场对于研磨抛光机器人的需求越发强烈。使用研磨抛光机器人对于提高打磨质量和产品光洁度、保证其一致性、提高生产率、改善工人劳动条件等具有良好的作用。机器人研磨主要面临系统刚度差、研磨力控制难等问题，目前机器人研磨系统多采用六维力传感器测得研磨力，信号处理比较复杂，控制器多采用传统控制方法(传统PID控制器，力/位混合控制等)，系统自调节能力不足。智能控制算法设计比较复杂，目前在研磨系统中多停留在系统仿真阶段。
技术实现思路
本专利技术的目的在于克服现有技术的缺点与不足，提供一种恒力研磨装置及其研磨控制方法，此装置及方法可实现研磨过程中研磨力变化平稳，具有改善工件表面质量并提高加工效率等优点。本专利技术的目的通过以下的技术方案实现：一种恒力研磨装置，包括六自由度工业机器人、浮动研磨机、一维力传感器、数据采集装置、恒力装置和控制器；浮动研磨机上的浮动研磨台恒速转动，六自由度工业机器人末端夹持待研磨工件，待研磨工件在浮动研磨台上研磨；在浮动研磨机下侧设有一维力传感器，所述一维力传感器通过数据采集装置与控制器相连，恒力装置包括伺服电机和直线运动模组，直线运动模组由伺服电机驱动，伺服电机由控制器控制。本专利技术研磨装置可以解决现有机器人研磨过程中研磨力不可控的问题，通过一维力传感器和恒力装置的配合，可以实现研磨过程中研磨力变化平稳，提高研磨质量。优选的，所述直线运动模组包括滚珠丝杆、限位装置及运动滑块等；限位装置设置在滚珠丝杆的两端，运动滑块在滚珠丝杆上滑动；滚珠丝杆与伺服电机的输出轴通过联轴器连接，运动滑块与浮动研磨台固定连接。直线运动模组可将旋转运动转换为直线运动。优选的，所述一维力传感器安装于研磨电机架与直线运动模组的运动滑块之间，可看做为刚性连接。更进一步的，所述恒力研磨装置包括一组动滑轮，动滑轮上的钢丝绳一端连接重块，另一端连接研磨电机架，从而平衡研磨电机及电机架的重量，使一维力传感器的可选取量程更小，精度更高。优选的，所述控制器处设有人机交互模块，包括输入参数信息和控制信号的键盘、对外显示当前的装置状态和采集的数值的显示器。一种基于上述恒力研磨装置的研磨控制方法，包括如下步骤：S1、控制工业机器人末端的待研磨工件按照预先的轨迹进入浮动研磨台进行研磨；S2、一维力传感器获得研磨力模拟信号；S3、根据当前采集的研磨力模拟信号以及期望值，计算得到研磨力误差及误差变化值，将其作为自适应PID控制器的输入；S4、自适应PID控制器输出为伺服电机控制量，伺服电机根据上述控制量驱动直线运动模组实时调节待研磨工件与浮动研磨台的相对位置，进而控制研磨力。优选的，步骤S3中，先对当前采集的研磨力模拟信号进行卡尔曼滤波，得到滤波值，研磨力误差是指期望值与滤波值的差值，研磨力误差变化值是由当前研磨力误差与上时刻研磨力误差作差得到。优选的，步骤S3中，自适应PID控制器包括基于免疫反馈的比例控制器与基于粒子群优化的模糊PID控制器。更进一步的，所述基于免疫反馈的比例控制器用于自适应调节比例系数，公式如下：kp＝k{1-ηf[u(k),△u(k)]}u(k)＝kp·e(k)式中，u(k)为自适应PID控制器输出，即伺服电机控制量；△u(k)为自适应PID控制器输出变化量；kp表示比例系数；f(·)表示关于控制器输出与输出变化量的非线性函数，表示了细胞抑制刺激能力的大小；k表示刺激因子，即系统的反应速度；η表示系统稳定系数；e(k)表示当前时刻误差。更进一步的，非线性函数f(·)采用BP神经网络拟合得到，包括下述步骤：S4.1.1、根据确定非线性函数f(·)的人工经验，生成网络训练样本，样本输入为自适应PID控制器输出与输出变化量，样本输出为非线性函数f(·)值；S4.1.2、根据训练样本确定神经网络结构的输入层、隐含层、输出层的层数；S4.1.3、依据网络结构给定各层间初始权值，并确定网络的学习因子与动量因子、确定网络性能指标函数以及给定的性能指标；S4.1.4、根据训练样本带入神经网络计算网络输出，并计算性能指标函数值，与给定的性能指标比较；若小于给定指标，则将当前权值作为网络模式识别知识库；否则采用δ学习算法，调整各层间的权值ω，重复步骤S4.1.4直至性能指标函数值小于给定的性能指标；S4.1.5、依据网络识别知识库中的权值，将实时获取的控制器输出u(k)、△u(k)分别作为神经网络输入x1、x2，根据式(8)、式(9)、式(10)计算得到非线性函数值：式中，ωij为输入层权值，j表示对应隐含层，i表示对应的输入层，n表示隐含层总层数，xj表示隐含层神经元的所有输入的加权之和，xj'为隐含神经元的输出，ωj2表示输出层权值，f(k)表示非线性函数值，g(xj)表示隐含层输出的激发函数。更进一步的，所述基于粒子群优化的模糊PID控制器用于调节微分系数与积分系数，步骤是：模糊PID控制器输入为滤波后研磨力误差值e与误差变化值ec，二者经过量化因子ke，kec转换为模糊PID控制器输入，研磨力误差值与误差变化值语言值的模糊论域定义七个语言值{NB，NM，NS，ZO，PS，PM，PB}，分别对应{负大，负中，负小，零，正小，正中，正大}，隶属度函数选择三角形函数、S型函数与Z型函数的组合。模糊PID控制器输出模糊论域，论域语言值以及隶属度函数控制器输入相同，通过解模糊化后得到清晰量并经过比例因子k△ki、k△kd得到积分系数变化量△ki与微分系数变化量△ki，最终的积分系数ki与微分系数kd由下式决定：ki＝ki0+△ki(11)kd＝kd0+△kd(12)式中ki0表示积分系数初始值，kd0表示微分系数初始值。更进一步的，模糊PID控制器采用的模糊推理方法，遵循极大极小模糊推理合成规则，并通过重心法解模糊化：式中ui表示模糊输出量，表示模糊输出量对应的隶属度函数值，u*表示模糊PID控制器输出。更进一步的，所述粒子群优化算法是根据粒子适应值实时调节量化因子与比例因子，根据目标函数计算适应值，并选取适应值较小的粒子作为研究实例。每个粒子通过遵循一定的规则进行迭代，直到经过几次迭代后找到最优解：式中x＝[ke,kec,k△ki,k△kd]表示优化位置，表示第i个粒子上一代的位置，表示第i个粒子当前的位置，表示第i个粒子上一代的速度，表示第i个粒子当前的速度，ωk是惯性权值，c1和c2分别为自身认知因子和社会缩放因子，是在区间[0,1]均匀分布的随机数，为以前获得的第i个粒子的最佳位置，为当前迭代中整个群体中获得的最佳位置。优选的，当粒子达到或超出极限时，粒子的演化将陷入停滞，为克服该缺陷，本专利技术引入了一反弹策略，该策略用于进行粒子群极限位置处理，步骤是：式中，xmin，xmax表示粒子最小与最大位置，σ表示反弹量，其值可取0到0.01之间的正值。优选的，惯性权值的选择方法是：混沌线性递减权值在保本文档来自技高网...

【技术保护点】
1.一种恒力研磨装置，其特征在于：包括六自由度工业机器人、浮动研磨机、一维力传感器、数据采集装置、恒力装置和控制器；浮动研磨机上的浮动研磨台恒速转动，六自由度工业机器人末端夹持待研磨工件，待研磨工件在浮动研磨台上研磨；在浮动研磨机下侧设有一维力传感器，所述一维力传感器通过数据采集装置与控制器相连；恒力装置包括伺服电机和直线运动模组，直线运动模组由伺服电机驱动，伺服电机由控制器控制。

【技术特征摘要】
1.一种恒力研磨装置，其特征在于：包括六自由度工业机器人、浮动研磨机、一维力传感器、数据采集装置、恒力装置和控制器；浮动研磨机上的浮动研磨台恒速转动，六自由度工业机器人末端夹持待研磨工件，待研磨工件在浮动研磨台上研磨；在浮动研磨机下侧设有一维力传感器，所述一维力传感器通过数据采集装置与控制器相连；恒力装置包括伺服电机和直线运动模组，直线运动模组由伺服电机驱动，伺服电机由控制器控制。2.根据权利要求1所述的恒力研磨装置，其特征在于：所述直线运动模组包括滚珠丝杆、限位装置及运动滑块；限位装置设置在滚珠丝杆的两端，运动滑块在滚珠丝杆上滑动；滚珠丝杆与伺服电机的输出轴通过联轴器连接；运动滑块与浮动研磨台固定连接。3.根据权利要求1所述的恒力研磨装置，其特征在于：所述一维力传感器安装于研磨电机架与直线运动模组的运动滑块之间。4.根据权利要求3所述的恒力研磨装置，其特征在于：包括一组动滑轮，动滑轮上的钢丝绳一端连接重块，另一端连接研磨电机架。5.一种基于上述恒力研磨装置的研磨控制方法，其特征在于：包括如下步骤：S1、控制工业机器人末端的待研磨工件按照预先的轨迹进入浮动研磨台进行研磨；S2、一维力传感器获得研磨力模拟信号；S3、根据当前采集的研磨力模拟信号以及期望值，计算得到研磨力误差及误差变化值，将其作为自适应PID控制器的输入；S4、自适应PID控制器输出为伺服电机控制量，伺服电机根据上述控制量驱动直线运动模组实时调节待研磨工件与浮动研磨台的相对位置，进而控制研磨力。6.根据权利要求5所述的研磨控制方法，其特征在于：步骤S3中，先对当前采集的研磨力模拟信号进行卡尔曼滤波，得到滤波值，研磨力误差是指期望值与滤波值的差值，研磨力误差变化值是由当前研磨力误差与上时刻研磨力误差作差得到。7.根据权利要求5所述的研磨控制方法，其特征在于：步骤S3中，自适应PID控制器包括基于免疫反馈的比例控制器与基于粒子群优化的模糊PID控制器，基于免疫反馈的比例控制器用于自适应调节比例系数，基于粒子群优化的模糊PID控制器用于调节微分系数与积分系数。8.根据权利要求7所述的研磨控制方法，其特征在于：所述基于免疫反馈的比例控制器用于自适应调节比例系数，公式如下：kp＝k{1-ηf[u(k),△u(k)]}u(k)＝kp·e(k)式中，u(k)为自适应PID控制器输出，即伺服电机控制量；△u(k)为自适应PID控制器输出变化量；kp表示比例系数；f(·)表示关于控制器输出与输出变化量的非线性函数，表示了细胞抑制刺激能力的大小；k表示刺激因子，即系统的反应速度；η表示系统稳定系数；e(k)表示当前时刻误差。9.根据权利要求8所述的研磨控制方法，其特征在于：非线性函数f(·)采用BP神经网络拟合得到，包括下述步骤：S4.1.1、根据确定非线性函数f(·)的人工经验，生成网络训练样本，样本输入为自适应PID控制器输出与输出变化量，样本输出为非线性函数f(·)值；S4.1.2、根据训练样本确定神经网络结构的输入层、隐含层、输出层的层数；S4.1.3、依据网络结构给定各层间初始权值，并确定网络的学习因子与动量因子，确定网络性能指标函数以及给定的性能指标；S4.1.4、根据训练样本带入神经网络计算网络输出，并计算性能指标函数值，与给定的性能指标比较；若小于给定指标，则将当前权值作为网络...

【专利技术属性】
技术研发人员：张铁，蔡超，吴圣和，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44