基于混联机器人的薄壁栅格构件镜像加工精度控制技术基础

To achieve fast and accurate milling of large thin-walled component with grid structures, this project is focused on improving the motion accuracy of two mirrored hybrid robots which can perform the milling with high speed and flexible structure. Firstly, trajectory control of hybrid robot is studied with raster feedback based closed-loop control strategy and adaptive robust dynamic control model. To guarantee the trajectory control accuracy of mirrored robots, cooperative trajectory planning is studied with the path design without singular configuration and the feed rate optimization based on dynamic characteristic. Finally, kinematic calibration of mirrored hybrid robots is studied with coordinate transformation calibration, parallel mechanism calibration and wrist calibration. To verify the validity of above research results, experiments are carried out. This project is to equip the mirrored hybrid robots with good trajectory control accuracy and good raster feedback precision, so it can guarantee the thickness accuracy of large thin-walled component. This project will provide a solid technical foundation for applying hybrid robot in the milling of large thin-walled component.

本项目针对大型薄壁栅格构件高效高精度加工需求，研究基于双混联机器人的镜像加工系统的精度控制策略与方法。首先，研究混联机器人的高精度轨迹控制，包括以光栅信息为反馈的全闭环控制策略、自适应鲁棒动力学控制模型。其次，研究双混联机器人协同的轨迹规划，包括无奇异位形的路径设计、基于动特性约束的进给率优化。最后，研究双混联机器人协同的运动学标定，包括混联机器人间基准传递标定、并联机构位姿全局标定、A/C转头位姿全局标定。在此基础上，利用已有机器人系统硬件平台，验证所提出相关方法的有效性。本项目所提出技术方案的优点在于，通过保障两台机器人的轨迹控制精度和光栅反馈精度，实现满足壁厚精度要求的镜像加工。本项目旨在为推进高性能混联机器人在大型薄壁栅格构件镜像加工中的工程应用提供重要的技术基础。

本项目建立了TriMule混联机器人主动关节动力学模型，分析非线性摩擦、不确定载荷、建模误差等因素对系统动力学模型的影响，设计非线性摩擦前馈控制策略提高机器人系统的动特性，进一步设计连续滑模鲁棒动力学控制策略保障机器人系统的稳定性，实现多变载荷下复杂加工轨迹的高精度跟踪控制。提出一种基于轨迹修正的双混联机器人镜像加工方法，通过修正两机器人运动轨迹，在线控制被动智能支撑装置的支撑力；开发一种被动智能支撑装置，采用一种高柔度菱形栅格结构实现支撑力的高分辨率感知，同时具备接触位置高精度测量功能，通过刚度建模解析支撑装置的力感知特性及其主要设计因子，并实验验证设计被动支撑装置的有效性。提出一种基于末端冗余驱动双混联机器人镜像加工方法，利用主动智能支撑装置实现支撑力的快速精确控制；开发一种压电驱动的主动智能支撑装置，采用双反馈并联柔性铰链机构实现支撑力的测量与支撑位置的感知，采用压电驱动实现支撑力的快速主动控制与支撑位置的补偿，建立该主动支撑装置性能解析模型，并开展实验样机的性能分析。项目执行过程中，发表SCI论文5篇，EI论文1篇，受理国家发明专利3件。