CN113231914B - 叶轮叶片机器人轨迹恒力跟踪去毛刺方法 - Google Patents

叶轮叶片机器人轨迹恒力跟踪去毛刺方法 Download PDF

Info

Publication number
CN113231914B
CN113231914B CN202110781798.8A CN202110781798A CN113231914B CN 113231914 B CN113231914 B CN 113231914B CN 202110781798 A CN202110781798 A CN 202110781798A CN 113231914 B CN113231914 B CN 113231914B
Authority
CN
China
Prior art keywords
grinding
polishing
force
robot
deburring
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110781798.8A
Other languages
English (en)
Other versions
CN113231914A (zh
Inventor
田威
王品章
王长瑞
张新龙
张奇
沈烨
刘明轩
康瑞浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202110781798.8A priority Critical patent/CN113231914B/zh
Publication of CN113231914A publication Critical patent/CN113231914A/zh
Application granted granted Critical
Publication of CN113231914B publication Critical patent/CN113231914B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B9/00—Machines or devices designed for grinding edges or bevels on work or for removing burrs; Accessories therefor
    • B24B9/02—Machines or devices designed for grinding edges or bevels on work or for removing burrs; Accessories therefor characterised by a special design with respect to properties of materials specific to articles to be ground
    • B24B9/04—Machines or devices designed for grinding edges or bevels on work or for removing burrs; Accessories therefor characterised by a special design with respect to properties of materials specific to articles to be ground of metal, e.g. skate blades
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B41/00—Component parts such as frames, beds, carriages, headstocks
    • B24B41/06—Work supports, e.g. adjustable steadies
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B47/00—Drives or gearings; Equipment therefor
    • B24B47/20—Drives or gearings; Equipment therefor relating to feed movement
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
    • B24B49/12—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation involving optical means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
    • B24B49/16—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation taking regard of the load
    • B24B49/165—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation taking regard of the load for grinding tyres
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/005—Manipulators for mechanical processing tasks
    • B25J11/0065—Polishing or grinding
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)
  • Manipulator (AREA)
  • Grinding And Polishing Of Tertiary Curved Surfaces And Surfaces With Complex Shapes (AREA)
  • Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)

Abstract

本发明涉及叶轮叶片机器人轨迹恒力跟踪去毛刺方法，该方法基于零件种类识别的磨抛轨迹与去毛刺刀具自主选择，创新了集刀具零点标定、错刀识别与断刀检测与一体的刀具信息保障系统，建立了毛刺去除量与磨抛法向力间的关联关系，融合了刀具法向被动调节、恒力电主轴轴向浮动与力位混合主动柔顺控制的机器人磨抛轨迹恒力跟踪，通过对视觉、力觉与机器人位姿信息进行神经网络学习实现磨抛加工碰撞预测。本发明方法为复杂曲面狭窄空间类零件去毛刺加工提供了一种解决方案，具有自适应强、柔性高等特点，通过多源信息融合实现机器人去毛刺轨迹恒力跟踪，实用性及通用性好。

Description

叶轮叶片机器人轨迹恒力跟踪去毛刺方法
技术领域
本发明涉及领域为G05D：非电变量的控制或调节系统，具体涉及叶轮叶片机器人轨迹恒力跟踪去毛刺方法。
背景技术
航空发动机作为飞机的“心脏”，其制造技术收到世界各国的重视。叶轮叶片是航空发动机的核心部件，其制造精度直接关系到发动机的整体性能。通常为了提高发动机的推进性能，其叶片的设计和制造要满足流体动力学的要求，因此叶片的表面形状多呈现为空间任意积叠的自由曲面，这对零件的加工提出了较高的挑战。叶片表面毛刺容易导致表面龟裂和削边等问题，其加工质量直接影响便面精度和形状精度，研究一种能够应用于弱刚性、复杂曲面、狭窄空间叶轮叶片去毛刺的加工方法与装备，对推动中国高性能发动机研制具有非常重要的实用价值。
现有的叶片去毛刺方法与装备多是针对单个叶片，对发动机叶轮叶片的磨抛加工研究较少，其叶片之间作业空间狭窄，传统的砂带机、砂轮机等磨抛方式加工姿态固定、结构尺寸大、浮动精度不可控，加工空间开敞性较差的叶轮叶片极易产生干涉，对叶片产生加工损伤。同时采用固定曲率砂带机与砂轮机加工变曲率叶轮叶片时，当叶轮叶片曲率小于砂带机/砂轮机时，会出现无法加工的情况。
发明内容
发明目的：本发明提出叶轮叶片机器人轨迹恒力跟踪去毛刺方法，以解决现有技术存在的上述问题。
技术方案：叶轮叶片机器人轨迹恒力跟踪去毛刺方法，其基于下述硬件实现：去毛刺机器人、六维力传感器、浮动电主轴、双目视觉、刀库、对刀仪，以及叶轮叶片随行夹具。其中六维力传感器安装在去毛刺机器人法兰盘与浮动电主轴之间，叶轮叶片加工区间位于双目视觉视场范围内，所述的刀库、对刀仪均固定在机器人作业范围内，并具有刀具种类检测、刀具零点定位功能。
具体步骤如下：
步骤S1、将待加工零件以固定姿态安装在随行夹具上，确保随行夹具与叶轮叶片整个去毛刺过程均保持在双目视觉视场中，采用双目视觉采集叶轮图片，通过识别轮廓尺寸及特征点，与数据库中特征数据进行对比，确定当前叶轮叶片种类。
步骤S2、在步骤S1中确定叶轮叶片种类后，采用离线编程的方式确定机器人去毛刺轨迹，调用对应型号叶轮叶片加工程序。
步骤S3、根据S1中确定的叶轮叶片种类，选定对应的去毛刺刀具，并在刀库自动完成换刀，刀库不同标号对应不同的打磨刀具，且刀具的刀片可预定程度上实现磨抛法向力反向浮动。
步骤S4、在步骤S3完成自动换刀后，到对刀仪进行刀具零点标定，通过对刀仪与机器人基坐标系之间的位置关系，确定当前刀具刀尖点在机器人基座标系中的位置，从而确定机器人去毛刺轨迹。
步骤S5、在进行打磨刀具标定的同时，通过双目视觉及激光位移传感器完成刀具的种类检测，确定是否有断刀和/或错刀。
步骤S6、根据叶轮叶片种类确定机器人初始加工轨迹，通过采集3组以上不同机器人位姿信息及六维力传感器信息，进行重力补偿求解出力传感器后的重力及重心，消除不同刀具带来的重力影响。
步骤S7、将整个磨抛过程分为了三个区域，分别为毛刺区域、尺寸效应区域与深度可调节区域。第一个区域内为毛刺，在磨抛过程中被全部去除，由去除毛刺所产生的法向力为
Figure 100002_DEST_PATH_IMAGE001
。
第二个区域为可磨抛厚度内存在尺寸效应区域，在磨抛深度或进给速度、加工速度较小时，金属材料的剪切流动应力增大，在加工余量较小的时候所受的单位磨抛力更大，法向力和磨抛深度并不是呈线性变化，难以通过控制磨抛法向力大小调节磨抛深度。
第三个区域为可磨抛厚度内的深度可调节区域，在本区域内单位磨抛法向力
Figure 915273DEST_PATH_IMAGE002
与可调节磨抛深度
Figure 100002_DEST_PATH_IMAGE003
之间满足如下关系：
Figure 100002_DEST_PATH_IMAGE005
式中
Figure 783872DEST_PATH_IMAGE006
为比例系数，
Figure 100002_DEST_PATH_IMAGE007
为机器人的进给速度，
Figure 489659DEST_PATH_IMAGE008
为去毛刺刀具切削刃的线速度，
Figure 100002_DEST_PATH_IMAGE009
为动态切刃系数，
Figure 683880DEST_PATH_IMAGE003
为从边界c沿深度方向开始计算的可调节磨抛深度，在深度可调节区域内系数
Figure 147223DEST_PATH_IMAGE010
和
Figure 100002_DEST_PATH_IMAGE011
系数
Figure 308862DEST_PATH_IMAGE010
、
Figure 337998DEST_PATH_IMAGE011
保持不变，且所有过程据满足
Figure 640803DEST_PATH_IMAGE012
，系数
Figure 122600DEST_PATH_IMAGE010
、
Figure 536264DEST_PATH_IMAGE011
的大小与刀具、工件材料相关，并通过实验获得。
确定磨抛法向力
Figure 419906DEST_PATH_IMAGE002
，切向力
Figure 100002_DEST_PATH_IMAGE013
和轴向力
Figure 690351DEST_PATH_IMAGE014
，在磨抛过程中法向力
Figure 659444DEST_PATH_IMAGE002
为影响磨抛力量的主要作用力；去毛刺过程力主要包括磨抛法向力、轴向力和切向力，其中磨抛法向力为去毛刺余量主要影响因素。根据磨抛机理，磨抛法向力包括材料变形产生的磨抛力与刀具、材料之间的摩擦力，同时由于尺寸效应的作用，在磨抛深度或进给速度、加工速度较小时，加工余量与磨抛法向力之间的关系并不是简单的线性关系，在磨抛加工深度越小所需单位法向磨抛力更大，且难以控制。
根据磨抛去毛刺加工特点，将去除余量分为了毛刺去除量和可抛光厚度，而在加工对象、加工条件不变的情况下，当磨抛深度达到一定值后，没有尺寸效应影响，磨抛法向力与磨抛深度之间的转换关系不变。通过经验公式推导单位面积磨抛深度与磨抛法向力之间关系，选定最大毛刺去除法向力，并在通过六维力传感器采集的实际磨抛法向力中补偿掉，结合磨抛横截面积求出位于可抛光厚度区域内的法向力，时刻调整磨抛深度，保证磨抛法向力不变，实现机器人轨迹恒力跟踪去毛刺。
考虑受尺寸效应的影响，磨抛力和磨抛深度之间的关系为：
Figure 100002_DEST_PATH_IMAGE015
……………………………… (1)
式中
Figure 345640DEST_PATH_IMAGE006
为比例系数，
Figure 349368DEST_PATH_IMAGE007
为机器人的进给速度，
Figure 993976DEST_PATH_IMAGE008
为砂带机加工轮的线速度，
Figure 450365DEST_PATH_IMAGE003
为磨抛深度；系数
Figure 205832DEST_PATH_IMAGE010
和
Figure 267328DEST_PATH_IMAGE011
随着磨削过程中随磨抛深度和磨削力不断变化，且
Figure 82838DEST_PATH_IMAGE012
，
Figure 292102DEST_PATH_IMAGE009
为动态切刃系数。
步骤S8、根据不同叶轮叶片种类，设定浮动电主轴轨迹跟踪恒力大小，实现去毛刺过程中的轴向浮动，同时结合步骤S3中所提到的刀具磨抛法向力方向浮动，实现去毛刺过程中的多向浮动。在浮动电主轴中设置安全力阈值，当浮动电主轴所受轴向力大于设定的安全力阈值，则认定发生碰撞，并停止机器人打磨。
步骤S9、通过ATI六维力传感器信息在去毛刺加工过程中实时采集力信息，结合步骤S6中重力补偿所求得的重力和重心信息，消除采集力信息中重力的影响，获得由于去毛刺所产生的打磨力。
步骤S10、结合步骤S7中得到的磨抛法向力与磨抛深度之间的关系，调节导纳控制模型系数，根据步骤S9中得到的实际打磨力，经过导纳控制模型，将磨抛力信息转换为机器人去毛刺过程中的轨迹调整信息，实现去毛刺轨迹的主动恒力跟踪。
步骤S11、在步骤S8中根据力信息进行叶轮叶片机器人磨抛状态判断的基础上，结合双目视觉，对机器人轨迹进行实时跟踪，同时采集机器人位姿、速度、加速度信息，结合神经网络对机器人轨迹进行预测，从而预防机器人与环境发生碰撞，保障叶轮叶片去毛刺全过程的顺利进行。
有益效果：
1）本发明提出的叶轮叶片的机器人恒力跟踪去毛刺加工方法，通过高柔性机器人平台，结合六维力传感器、浮动电主轴、加工刀具，实现了对复杂曲面狭窄空间的叶轮叶片去毛刺加工，该方法对于狭窄空间复杂曲面零件具有通用性，具有自适应强、柔性高等特点，可以根据叶轮叶片零件种类调整机器人磨抛轨迹及浮动恒力大小，对复杂曲面类零件具有通用性；
2）本发明中创新了集磨抛刀具零点自动标定、错刀识别、断刀检测于一体的刀具信息保障系统，通过激光跟踪仪标定对刀仪与机器人基座标系转换关系，确定刀具零点位置，采用双目视觉采集、提出刀具轮廓信息与特性点识别刀具种类，避免了由刀具信息导致的加工质量降低；
3）本发明提出的基于磨抛法向力与磨抛去除余量转换关系的轨迹恒力跟踪方法，刀具法向力方向与浮动电主轴的轴向浮动，实现叶轮叶片去毛刺过程中的被动柔顺打磨，结合基于六维力传感器的力位混合主动柔顺打磨控制，实现了主动与被动相融合的磨抛轨迹恒力跟踪，为复杂曲面弱刚性类零件的高精度加工提供解决方案；
4）本发明中通过六维力传感器的重力补偿获得了实际磨抛力信息，并对加工过程实际力信息进行实时监控，通过设定碰撞力阈值，实现了基于力信息的碰撞监测；同时通过双目视觉对机器人去毛刺加工全程监测，基于当前机器人位姿、速度和加速度信息，结合神经网络进行碰撞预测，实现了力觉与视觉防碰撞的双重保障。
附图说明
图1为叶轮叶片机器人轨迹恒力跟踪去毛流程图。
图2为对刀仪、刀具与机器人空间位置及转换关系。
图3为去毛刺机器人末端结构及重力分析图。
图4为恒力去毛刺过程示意图。
图中各附图标记为：连接件1、法兰盘2、六维力传感器3、浮动电主轴4、打磨刀具5。
具体实施方式
在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。
申请人认为，叶轮叶片的复杂空间曲面和弱刚性是导致其去毛刺一致性差的重要原因，中国专利“CN201810268885.1，一种基于大数据的工业机器人恒力磨抛方法”，通过采集机器人及力传感器数据，并不断调整打磨轨迹的贴合程度，结合BP神经网络对数据集进行训练，并将训练好的模型运用到无传感器的工业机器人打磨实例，根据预设打磨力阈值实现恒力打磨。上述专利方案中通过BP神经网络训练实现无传感器轨迹恒力跟踪打磨，要求训练模型与叶片种类一一对应，同时无传感器无法对由于装配误差等因素导致加工轨迹突变做出迅速反应，通用性较差。
叶轮叶片彼此之间空间狭窄，对其去毛刺加工方法提出较高的要求。中国专利“CN201711164886.3，一种叶片全特征机器人磨抛装置”，采用自适应砂带磨抛机、接触轮式砂带磨抛机及砂轮磨抛机构，通过力传感器采集实际磨削力，实现根据不同磨削余量的变力磨抛；中国专利“CN201510483566.9，基于砂带磨抛机的工业机器人叶片磨抛工艺”，基于叶片CAD模型离线编程，结合在线扫描点云数据匹配，在线调整磨抛加工轨迹，通过砂带磨抛机进行抛光。上述两种方法均采用的砂带、砂轮等磨抛装置，只适用于单个叶片的磨抛加工，无法应用于作业空间狭窄的叶轮叶片的去毛刺加工。
为此，申请人提出一种叶轮叶片机器人轨迹恒力跟踪去毛刺方法，用于复杂曲面狭窄空间叶轮叶片去毛刺加工，实现对叶轮叶片的自动化去毛刺，为高精度、高效率、低成本的生产提供技术支撑。
本实施例提出一种叶轮叶片机器人轨迹恒力跟踪去毛刺方法，其基于如下硬件实现：去毛刺机器人、六维力传感器3、浮动电主轴4、双目视觉、刀库、对刀仪，叶轮叶片随行夹具。其中，六维力传感器3安装在去毛刺机器人法兰盘2与浮动电主轴4之间，叶轮叶片加工区间位于双目视觉视场范围内，所述的刀库、对刀仪均固定在机器人作业范围内，刀库中的刀具均为用于叶轮叶片加工的刀具，并具有刀具种类检测、刀具零点定位功能。
见图1，具体步骤如下：
步骤S1、将待加工零件以固定姿态安装在随行夹具上，确保随行夹具与叶轮叶片整个去毛刺过程均保持在双目视觉视场中，采用双目视觉采集叶轮图片，通过识别轮廓尺寸及特征点，与数据库中特征数据进行对比，确定当前叶轮叶片种类；
步骤S2、在步骤S1中确定叶轮叶片种类后，采用离线编程的方式确定机器人去毛刺轨迹，调用对应型号叶轮叶片加工程序；
上述步骤S2中所述的离线编程采用的是基于三维数模的方式确定机器人的去毛刺轨迹，并且在生成加工轨迹后进行仿真实验，避免打磨过程中发生碰撞。
步骤S3、根据S1中确定的叶轮叶片种类，选定对应的去毛刺刀具，并在刀库自动完成换刀。去毛刺刀具自身带有浮动调节功能，可根据不同叶轮叶片材料及毛刺去除量调节刀具松紧度。
步骤S4、在步骤S3完成自动换刀后，到对刀仪进行刀具零点标定。
在上述步骤的刀具零点标定中，采用的是高精度加工标定杆，位于空间中固定位置，同时空间位置固定后采用激光跟踪仪标定其与机器人基座标之间的空间转换关系，如附图2所示，其步骤如下：
（1）机器人基座标系
Figure 588610DEST_PATH_IMAGE016
与法兰盘2坐标系
Figure 100002_DEST_PATH_IMAGE017
之间的空间位置关系①由机器人本体结构决定，其根据机器人型号确定两者之间的空间位置转换关系
Figure 832509DEST_PATH_IMAGE018
；
（2）法兰盘2坐标系
Figure 22182DEST_PATH_IMAGE017
与去毛刺刀具的工具坐标系
Figure 100002_DEST_PATH_IMAGE019
之间的空间位置关系②由末端结构决定，两者之间的空间位置转换关系为
Figure 984322DEST_PATH_IMAGE020
；
（3）工具坐标系
Figure 347170DEST_PATH_IMAGE019
与激光跟踪仪坐标系
Figure 100002_DEST_PATH_IMAGE021
之间的空间位置关系③由机器人姿态与激光跟踪仪空间位置决定，通过激光跟踪仪采集机器人末端上的靶标点位信息，确定机器人基座标系
Figure 445576DEST_PATH_IMAGE016
与激光跟踪仪坐标系之间的转换关系
Figure 602888DEST_PATH_IMAGE022
，并由机器人基座标系、法兰盘2坐标系、工具坐标系之间的转换关系共同求出：
Figure DEST_PATH_IMAGE023
…………………………………………………………… (2)
Figure 255586DEST_PATH_IMAGE024
为激光跟踪仪坐标系到工具坐标系之间的转换关系，根据下式：
Figure 100002_DEST_PATH_IMAGE025
……………………………………………………………… (3)
可以求出工具坐标系到激光跟踪坐标系之间的转换关系
Figure 422126DEST_PATH_IMAGE026
；
（4）激光跟踪仪坐标系
Figure 375038DEST_PATH_IMAGE021
与标定坐标系
Figure 100002_DEST_PATH_IMAGE027
之间的空间位置关系④通过激光跟踪仪标定，两者之间的转换关系为
Figure 234410DEST_PATH_IMAGE028
；
（5）根据上述坐标系之间的转换关系，结合下式：
Figure DEST_PATH_IMAGE029
…………………………………………………… (4)
即可求出机器人基座标系
Figure 108825DEST_PATH_IMAGE016
与标定坐标系
Figure 810546DEST_PATH_IMAGE027
之间的转换关系
Figure 617965DEST_PATH_IMAGE030
。
通过标定上述坐标系之间的转换关系，即可在通过三维数据进行离线规划时确定工具与机器人基座标系之间的转换关系，从而完成机器人磨抛轨迹的离线编程。同时，在对同一叶轮叶片加工时，更换刀具后的加工轨迹只需要在原始加工轨迹的基础上，补偿两把刀具之间的标定差值，即可获得新刀具的加工轨迹。
步骤S5、在进行打磨刀具5标定的同一工位，在刀具的正上方通过双目视觉采集刀具特征信息，与刀库数据进行匹配，确定刀具种类，判断是否发生错刀，并为机器人磨抛轨迹选择提供支撑。
同时在刀具的正下方，装有激光位移传感器，通过将激光点打到刀具上进行反射，根据反射信息确定当前刀具是否发生断刀。
步骤S6、根据叶轮叶片种类确定机器人初始加工轨迹，并进行重力补偿，消除不同刀具带来的重力影响。
在步骤S6中确定机器人初始加工轨迹后，需结合刀具的标定结果对加工轨迹进行补偿。同时由于更换刀具带来的机器人末端重量变换，需对末端重量及重心进行求解。
如附图3所示，在机器人法兰盘2后通过连接件1与ATI的六维力传感器3相连，同时六维力传感器3也通过连接件1与浮动电主轴4相连，电主轴终端为打磨刀具5。六维力传感器3
Figure DEST_PATH_IMAGE031
中所采集的力信息除了磨抛加工时的磨抛力，还包括连接件1、浮动电主轴4以及打磨刀具5，而不同的刀具会引起重力G及重心
Figure 648238DEST_PATH_IMAGE032
的变化，因此每次完成换刀后必须进行重力补偿。
在进行重力补偿时，为防止求解时出现病态矩阵，至少采集3组以上机器人不同位姿及对应位姿下六维力传感器3的数值，包括重力G在传感器坐标系中三个轴方向的分力
Figure DEST_PATH_IMAGE033
、
Figure 9949DEST_PATH_IMAGE034
、
Figure DEST_PATH_IMAGE035
以及绕三个坐标轴方向的扭矩
Figure 518291DEST_PATH_IMAGE036
、
Figure DEST_PATH_IMAGE037
、
Figure 711375DEST_PATH_IMAGE038
。同时为保证求解出的重力和重心的准确性，通常采集多组（大于3组）数据，并结合最小二乘法的理念求解出相应的重力和重心。
步骤S7、如附图4所示，
Figure DEST_PATH_IMAGE039
为毛刺高度，
Figure 178128DEST_PATH_IMAGE040
为可磨抛厚度，
Figure DEST_PATH_IMAGE041
为磨抛尺寸效应发生区域，
Figure 558294DEST_PATH_IMAGE042
为磨抛深度调节区域，
Figure DEST_PATH_IMAGE043
为毛刺厚度。根据恒力去毛刺机理，在磨抛过程中，刀具与工件为线接触，要确定磨抛过程力，首先确定单位宽度磨抛力。根据磨抛机理确定单位磨抛法向力
Figure 135906DEST_PATH_IMAGE002
，切向力
Figure 652338DEST_PATH_IMAGE044
和轴向力
Figure 496184DEST_PATH_IMAGE014
，在磨抛过程中法向力
Figure 98067DEST_PATH_IMAGE002
为影响磨抛力量的主要作用力。
在
Figure 885895DEST_PATH_IMAGE041
区域内，考虑受尺寸效应的影响，在磨抛深度或进给速度、加工速度较小时，金属材料的剪切流动应力增大，在加工余量较小的时候所受的单位磨抛力更大，法向力和磨抛深度并不是呈线性变化，难以通过控制磨抛法向力大小调节磨抛深度。
因此本发明在磨抛过程中引入可抛光厚度
Figure 256833DEST_PATH_IMAGE040
与磨抛深度调节区域
Figure 534231DEST_PATH_IMAGE042
，保证整个磨抛过程控制在区域
Figure 357830DEST_PATH_IMAGE042
内，在此区域内单位磨抛法向力和磨抛深度之间的关系为：
Figure 949348DEST_PATH_IMAGE015
………………………………… (5)
式中
Figure 174793DEST_PATH_IMAGE006
为比例系数，
Figure 357513DEST_PATH_IMAGE007
为机器人的进给速度，
Figure 933988DEST_PATH_IMAGE008
为去毛刺刀具切削刃的线速度，
Figure 125935DEST_PATH_IMAGE009
为动态切刃系数，
Figure 205886DEST_PATH_IMAGE003
为从磨抛深度调节区域
Figure 28349DEST_PATH_IMAGE042
边界c开始，沿深度方向的磨抛调节深度。
在磨抛尺寸效应发生区域
Figure 826541DEST_PATH_IMAGE041
内，系数
Figure 291020DEST_PATH_IMAGE010
和
Figure 756636DEST_PATH_IMAGE011
随着磨抛过程中随磨抛深度和磨抛力呈非线性变化，磨抛去除量越小，系数
Figure 546738DEST_PATH_IMAGE010
越小，
Figure 769909DEST_PATH_IMAGE011
越大；磨抛深度越大；系数
Figure 303658DEST_PATH_IMAGE010
越大，
Figure 623781DEST_PATH_IMAGE011
越小，超过边界c进入
Figure 316275DEST_PATH_IMAGE042
区域后尺寸效应减弱到可以忽略，则系数
Figure 89059DEST_PATH_IMAGE010
、
Figure 364182DEST_PATH_IMAGE011
保持不变，且所有过程据满足
Figure 273233DEST_PATH_IMAGE012
，系数
Figure 670716DEST_PATH_IMAGE010
、
Figure 665217DEST_PATH_IMAGE011
的大小与刀具、工件材料相关，并通过实验获得；
公式（5）中等式右边分为左右两部分，根据磨抛机理，左半部分为叶轮叶片磨抛变形产生的磨抛力，右半部分是磨抛过程中的摩擦力，经过上述分析可以看出，在区域
Figure 744031DEST_PATH_IMAGE041
内时，当磨抛深度逐渐减小，磨抛法向力中的摩擦力逐渐增大，使材料发生变形的磨抛力逐渐减小，因而导致去除余量进一步减少，其磨抛深度与磨抛法向力之间的关系呈非线性，难以控制。
而在区域
Figure 773167DEST_PATH_IMAGE042
内，没有尺寸效应影响，磨抛法向力
Figure 810393DEST_PATH_IMAGE002
与切向力
Figure 823349DEST_PATH_IMAGE013
之间的转换关系较为固定：
Figure DEST_PATH_IMAGE045
…………………………………………… (6.1)
式中系数与叶轮叶片材料、加工刀具及进给速度、刀具加工线速度等实际磨抛条件相关，并可通过实验获得，将上式代入公式（5）中得到：
Figure 768171DEST_PATH_IMAGE046
………………………………………………… (6.2)
将上式进行进一步化简得到：
Figure DEST_PATH_IMAGE047
………………………………………………………(7)
公式（7）中的
Figure 386234DEST_PATH_IMAGE048
与K均与实际磨抛条件相关，当时加工条件确定后其值均为常数，可经过实际实验拟合求得。则将上式进一步简化为：
Figure DEST_PATH_IMAGE049
…………………………………………………………………(8)
其中
Figure 125520DEST_PATH_IMAGE050
，则保证磨抛加工条件不变的基础上，可以得到单位磨抛法向力
Figure 360192DEST_PATH_IMAGE002
与磨抛调节深度
Figure 577547DEST_PATH_IMAGE003
之间的关系：
Figure DEST_PATH_IMAGE051
…………………………………………………………… (9)
在磨抛去毛刺过程中，造成磨抛力的区域来分，实际磨抛的法向力
Figure 50116DEST_PATH_IMAGE052
包括去除毛刺法向力
Figure 697654DEST_PATH_IMAGE001
、去除尺寸效应去区域法向力
Figure 154043DEST_PATH_IMAGE054
和去除可抛光厚度法向力
Figure DEST_PATH_IMAGE055
，即：
Figure 440668DEST_PATH_IMAGE056
……………………………………………………………… (1.1)
其中去除可可调节区域所产生的法向力
Figure 298903DEST_PATH_IMAGE055
与单位磨抛法向力
Figure 114412DEST_PATH_IMAGE002
之间的关系为：
Figure DEST_PATH_IMAGE057
………………………………………………………………… (1.2)
其中
Figure 589256DEST_PATH_IMAGE058
为磨抛时刀具的切削宽度。结合经验公式（5）所描述的单位磨抛法向力与磨抛深度之间的关系，公式（8）可以推导为：
Figure DEST_PATH_IMAGE059
……………………………………………… (1.3)
在磨抛轨迹跟踪过程中，需要保证整个磨抛深度始终处于
Figure 679571DEST_PATH_IMAGE060
区域内，在此区域内所产生的磨抛法向力包括去除毛刺法向力、去除尺寸效应区域法向力和磨抛深度可调节区域的法向力，而所需要进行调整的力只有磨抛深度可调节区域的法向力，因此需补偿掉去除毛刺的法向力和尺寸效应区域的法向力。
定义由去除毛刺和尺寸效应区域所产生的最大法向磨抛力为
Figure DEST_PATH_IMAGE061
，满足
Figure 126733DEST_PATH_IMAGE062
。
去除所有余量所产生的最大实际法向力为
Figure DEST_PATH_IMAGE063
，当实际磨抛法向力满足
Figure 644302DEST_PATH_IMAGE064
时，磨抛深度始终处于可调节区域。
将公式1.3进一步化简为实际磨抛法向力与磨抛深度之间的关系：
Figure DEST_PATH_IMAGE065
…………………………………………… (1.4)
在机器人磨抛轨迹恒力跟踪时，法向深度调整量大小与法向恒力的大小如上式所示，通过补偿实际磨抛法向力
Figure 872021DEST_PATH_IMAGE066
中最大去除毛刺法向力
Figure 969290DEST_PATH_IMAGE061
，既保证去除全部表面毛刺，又保证轨迹修正量在磨抛深度可调节区域内，不会产生过切现象。
步骤S8、根据不同叶轮叶片种类及其毛刺去除余量，设定浮动电主轴4轨迹跟踪恒力大小，并安全力阈值，发生碰撞后停止打磨。
其中浮动电主轴4可以在轴向方向上实现浮动跟随，当主轴所受轴向力大于设置的安全力阈值时，认为刀具或浮动电主轴4与叶轮叶片发生硬性碰撞，机器人停止向前进给，并向轴向力负方向退回。由于叶轮叶片薄、刚性差，因此在设置安全力阈值时其最大值不能造成叶轮叶片塑性变形。
除了通过浮动电主轴4实现轴向力的浮动外，叶轮叶片的打磨刀具5的磨抛法向压力也可调节，其可以实现保持一定打磨力的基础上在法向浮动，与浮动电主轴4相结合，从而可以实现在去毛刺打磨过程中的轴向和法向的多方向浮动，防止叶轮叶片打磨过程中过切、碰撞及变形。
步骤S9、通过ATI的六维力传感器3信息在去毛刺加工过程中实时采集力信息，结合步骤S6中重力补偿所求得的重力和重心信息，消除采集力信息中重力的影响，并通过滤波处理，获得由于去毛刺所产生的打磨力。
步骤S10、结合步骤S7中得到的磨抛法向力与磨抛深度之间的关系，调节导纳控制模型系数，根据步骤S9中得到的实际打磨力，经过导纳控制模型，将磨抛力信息转换为机器人去毛刺过程中的轨迹调整信息，实现去毛刺轨迹的主动恒力跟踪；
上述去毛刺轨迹的恒力跟踪为磨抛过程法向力的恒力跟踪，通过恒力跟踪保证磨抛去除毛刺余量的一致性。机器人轨迹恒力跟踪过程即机器人进行力位混合控制的过程，在开始或结束机器人轨迹恒力跟踪时，应保证刀具未与叶轮叶片发生接触。
在步骤S10中提到的导纳控制模型为：
Figure DEST_PATH_IMAGE067
…………………………(10)
其中，M为6*6的机器人惯性系数矩阵，B为6*6的阻抗系数矩阵，K为6*6的刚度系数矩阵，通过调整M、B、K系数矩阵的大小，可以调节机器人轨迹的跟踪效果。
Figure 64767DEST_PATH_IMAGE068
、
Figure DEST_PATH_IMAGE069
、
Figure 956499DEST_PATH_IMAGE070
分别为机器人当前实际加速度、速度和位移，
Figure DEST_PATH_IMAGE071
、
Figure 937094DEST_PATH_IMAGE072
、
Figure DEST_PATH_IMAGE073
分别为机器人去毛刺加工轨迹的期望加速度、速度和位移，
Figure 572474DEST_PATH_IMAGE074
为实际接触力，
Figure DEST_PATH_IMAGE075
为期望接触力。在确定号叶轮叶片型号后，根据生成的离线加工轨迹，其期望加速度、速度及位移已知，期望力根据叶轮叶片毛刺去除量确定，实际接触力由步骤S9获得，而实际加速度、速度和位移由导纳模型求得。
本实施例中以KUKA机器人为例，其要实现在期望加工轨迹的基础上，根据实际磨抛力进行轨迹调控，需要结合其RSI控制，则可以实现在4ms改变一次轨迹信息，从而保证去毛刺轨迹的恒力跟踪。
步骤S11、在步骤S8中根据力信息进行叶轮叶片机器人磨抛状态判断的基础上，结合双目视觉，对机器人轨迹进行实时跟踪，同时采集机器人位姿、速度、加速度信息，结合神经网络对机器人轨迹进行预测，从而预防机器人与环境发生碰撞，保障叶轮叶片去毛刺全过程的顺利进行。
如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上做出各种变化。

Claims (7)

1.叶轮叶片机器人轨迹恒力跟踪去毛刺方法，其特征在于包括如下步骤：
步骤1、确定叶轮叶片种类；
步骤2、在得到叶轮叶片种类的结果后，规划出去毛刺轨迹；
步骤3、选定带有浮动调节头的去毛刺刀具，并在刀库自动换刀；所述浮动调节头根据不同叶轮叶片材料及毛刺去除量调节刀具松紧度；
步骤4、完成自动换刀后，对刀具进行零点标定；
步骤5、在对刀具进行零点标定的同时检测是否存在断刀、错刀的情况；
步骤6、确定机器人初始加工轨迹；
步骤7、确定磨抛法向力、切向力和轴向力；
将整个磨抛过程分为三个区域：
第一个区域为毛刺区域，在磨抛过程中被全部去除，去除毛刺所产生的法向力为
Figure DEST_PATH_IMAGE001
；
第二个区域为可磨抛厚度内存在的尺寸效应区域；
第三个区域为可磨抛厚度内的深度可调节区域，在本区域内单位磨抛法向力
Figure DEST_PATH_IMAGE002
与可调节磨抛深度
Figure DEST_PATH_IMAGE003
之间满足如下关系：
Figure DEST_PATH_IMAGE004
式中
Figure DEST_PATH_IMAGE005
为比例系数，
Figure DEST_PATH_IMAGE006
为机器人的进给速度，
Figure DEST_PATH_IMAGE007
为去毛刺刀具切削刃的线速度，
Figure DEST_PATH_IMAGE008
为动态切刃系数，
Figure 546276DEST_PATH_IMAGE003
为从边界c沿深度方向开始计算的可调节磨抛深度，边界c指尺寸效应区域与磨抛深度可调节区域交界处，在深度可调节区域内系数
Figure DEST_PATH_IMAGE009
和
Figure DEST_PATH_IMAGE010
保持不变，且所有过程均满足
Figure DEST_PATH_IMAGE011
，系数
Figure 853630DEST_PATH_IMAGE009
、
Figure 102208DEST_PATH_IMAGE010
的大小与刀具、工件材料相关，并通过实验获得；
同时将整个磨抛法向力分为去除毛刺产生的法向力
Figure 215527DEST_PATH_IMAGE001
、去除尺寸效应区域产生的法向力
Figure DEST_PATH_IMAGE012
、去除深度可调节区域产生法向力
Figure DEST_PATH_IMAGE013
；
其中去除深度可调节区域产生法向力
Figure DEST_PATH_IMAGE015
与单位磨抛法向力
Figure DEST_PATH_IMAGE017
之间的关系为：
Figure DEST_PATH_IMAGE019
其中
Figure DEST_PATH_IMAGE021
为磨抛时刀具的切削宽度；
为保证去毛刺过程磨抛深度始终在深度可调节区域内，定义去除毛刺和尺寸效应区域所产生的最大法向磨抛力为
Figure DEST_PATH_IMAGE022
，满足
Figure DEST_PATH_IMAGE024
，去除所有余量所允许的最大磨抛法向力为
Figure DEST_PATH_IMAGE025
，当实际磨抛法向力
Figure DEST_PATH_IMAGE026
满足
Figure DEST_PATH_IMAGE027
时，整个磨抛轨迹始终处于深度可调节区域，磨抛可调节深度与磨抛法向力转换关系固定不变，从而实现磨抛轨迹恒力跟踪；
步骤8、设定浮动电主轴轨迹跟踪恒力大小及安全力阈值；
步骤9、在去毛刺加工过程中实时采集力信息，优化重力的影响，获得由于去毛刺所产生的打磨力；
步骤10、将磨抛力信息转换为机器人去毛刺过程中的轨迹调整信息，实现去毛刺轨迹的主动恒力跟踪；
步骤11、在步骤8的基础之上对机器人轨迹进行实时跟踪、并对机器人轨迹进行预测。
2.根据权利要求1所述的叶轮叶片机器人轨迹恒力跟踪去毛刺方法，其特征在于，步骤1进一步包括：
将待加工叶轮叶片以固定姿态安装在随行夹具上，确保随行夹具与叶轮叶片整个去毛刺过程均保持在双目视觉视场中，采用双目视觉采集叶轮叶片图片，通过识别轮廓尺寸及特征点，与数据库中特征数据进行对比，确定当前叶轮叶片种类；
步骤3中所述刀库不同标号对应不同的打磨刀具，且刀具的刀片在预定程度上实现磨抛法向力反向浮动。
3.根据权利要求1所述的叶轮叶片机器人轨迹恒力跟踪去毛刺方法，其特征在于，步骤4进一步包括：
通过对刀仪与机器人基坐标系之间的位置关系，确定当前刀具刀尖点在机器人基座标系中的位置，从而确定机器人去毛刺轨迹。
4.根据权利要求1所述的叶轮叶片机器人轨迹恒力跟踪去毛刺方法，其特征在于，步骤5进一步包括：
在进行打磨刀具标定的同一工位，在刀具的正上方通过双目视觉采集刀具特征信息，与刀库数据进行匹配，确定刀具种类，判断是否发生错刀；
同时在刀具的正下方，装有激光位移传感器，通过将激光点打到刀具上进行反射，根据反射信息确定当前刀具是否发生断刀。
5.根据权利要求2所述的叶轮叶片机器人轨迹恒力跟踪去毛刺方法，其特征在于，步骤8进一步包括：
根据不同叶轮叶片种类，设定浮动电主轴轨迹跟踪恒力大小，实现去毛刺过程中的轴向浮动，同时结合步骤3中刀具磨抛法向力反向浮动，实现去毛刺过程中的多向浮动；
在浮动电主轴中设置安全力阈值，当浮动电主轴所受轴向力大于设定的安全力阈值，则认定发生碰撞，并停止机器人打磨。
6.根据权利要求1所述的叶轮叶片机器人轨迹恒力跟踪去毛刺方法，其特征在于，步骤10进一步包括：
结合步骤7中得到的磨抛法向力与磨抛深度之间的关系，调节导纳控制模型系数，根据步骤9中得到的实际打磨力，经过导纳控制模型，将磨抛力信息转换为机器人去毛刺过程中的轨迹调整信息，实现去毛刺轨迹的主动恒力跟踪。
7.根据权利要求1所述的叶轮叶片机器人轨迹恒力跟踪去毛刺方法，其特征在于，步骤11进一步包括：
在步骤8中根据力信息进行叶轮叶片机器人磨抛状态判断的基础上，结合双目视觉，对机器人轨迹进行实时跟踪，同时采集机器人位姿、速度、加速度信息，结合神经网络对机器人轨迹进行预测。
CN202110781798.8A 2021-07-12 2021-07-12 叶轮叶片机器人轨迹恒力跟踪去毛刺方法 Active CN113231914B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110781798.8A CN113231914B (zh) 2021-07-12 2021-07-12 叶轮叶片机器人轨迹恒力跟踪去毛刺方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110781798.8A CN113231914B (zh) 2021-07-12 2021-07-12 叶轮叶片机器人轨迹恒力跟踪去毛刺方法

Publications (2)

Publication Number Publication Date
CN113231914A CN113231914A (zh) 2021-08-10
CN113231914B true CN113231914B (zh) 2021-09-21

Family

ID=77135382

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110781798.8A Active CN113231914B (zh) 2021-07-12 2021-07-12 叶轮叶片机器人轨迹恒力跟踪去毛刺方法

Country Status (1)

Country Link
CN (1) CN113231914B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114131430A (zh) * 2021-11-10 2022-03-04 沈阳工程学院 一种三元叶轮磨削刀具及工艺方法
CN113977429A (zh) * 2021-11-17 2022-01-28 长春理工大学 一种基于深度学习的机器人恒力打磨系统及打磨控制方法
CN113947821A (zh) * 2021-12-20 2022-01-18 南京航空航天大学 一种涡轮增压叶片质量控制方法
CN114408063A (zh) * 2021-12-22 2022-04-29 上海智能制造功能平台有限公司 一种汽车车门密封条自动滚压系统及控制方法
CN114800551B (zh) * 2022-04-20 2024-04-19 中南大学 一种针对复杂曲面的机器人力控磨抛装置及控制方法
CN115179193B (zh) * 2022-09-13 2022-12-06 季华实验室 一种自适应恒力输出方法、装置、介质和电子设备
CN116841270B (zh) * 2023-09-01 2023-11-14 贵州通利数字科技有限公司 一种基于物联网的智能生产线调度方法及系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07246552A (ja) * 1994-03-10 1995-09-26 Nippon Telegr & Teleph Corp <Ntt> ロボットによるばり研削方法
CN102873638B (zh) * 2012-10-12 2014-12-17 上海理工大学 外圆切入磨削进给过程的工件半径在线检测方法
CN103753357B (zh) * 2014-01-23 2015-12-02 南京理工大学 脆性材料超声振动辅助磨削的轴向切削力预测方法
CN105488282B (zh) * 2015-11-30 2019-02-01 南京航空航天大学 一种基于动态加工特征的切削参数分段和变切深优化方法
CN107598732B (zh) * 2017-09-13 2019-04-09 武汉理工大学 一种基于切削力分解模型的机器人砂带磨抛效率精确评估方法
CN108326326B (zh) * 2018-02-02 2019-05-21 湖南大学 一种智能电主轴磨削加工方法及系统
CN110315396B (zh) * 2018-03-29 2020-09-08 华中科技大学 一种基于大数据的工业机器人恒力磨抛方法
CN112139863B (zh) * 2020-09-30 2022-02-25 上海交通大学 基于能量守恒的阀芯棱边磨削毛刺形态预测方法
CN112241810B (zh) * 2020-10-18 2022-12-09 西安交通大学 一种基于局部点云匹配的航发叶片陶瓷型芯在位去毛刺路径生成方法

Also Published As

Publication number Publication date
CN113231914A (zh) 2021-08-10

Similar Documents

Publication Publication Date Title
CN113231914B (zh) 叶轮叶片机器人轨迹恒力跟踪去毛刺方法
EP3213161B1 (en) Method for optimizing the productivity of a machining process of a cnc machine
Pandremenos et al. Machining with robots: a critical review
JP3670700B2 (ja) ロボット機構制御方法
US9696707B2 (en) Method of controlling tool orientation and step-over distance in face milling of curvilinear surfaces
CN107665271B (zh) 一种基于控制线的航空发动机整体叶盘环形刀加工方法
CN109366503B (zh) 基于移动式混联机器人的面向大型构件的加工工艺方法
US10788807B2 (en) Method for compensating milling cutter deflection
CN107838920A (zh) 一种机器人打磨力控制系统和方法
Zhang Process modeling and toolpath optimization for five-axis ball-end milling based on tool motion analysis
CN110394802B (zh) 一种打磨机器人及位置补偿方法
US20110288673A1 (en) Method for Machining Composite Components
Vavruska et al. Reducing machining time by pre-process control of spindle speed and feed-rate in milling strategies
CN109927028A (zh) 一种力控机器人磨抛加工的力位混合控制方法
KR20190112773A (ko) 공구 경로 생성 방법 및 장치
Hähnel et al. Reconfigurable robotic solution for effective finishing of complex surfaces
EP0627283B1 (en) Method of controlling a grinder robot
JP3427389B2 (ja) バリ取り方法及びその装置
CN110281152B (zh) 一种基于在线试触的机器人恒力打磨路径规划方法及系统
EP3486032B1 (en) Machining program generation device and machining method
CN104690646B (zh) 一种精密磨削复合控制方法
CN108746795B (zh) 一种预测模具型腔数控铣削中颤振的方法
CN114131605B (zh) 一种船体零件打磨轨迹自动配准调整装置及方法
RU2629419C1 (ru) Способ финишной обработки лопатки газотурбинного двигателя и устройство для его осуществления
JP7143186B2 (ja) 部品製造方法、加工装置及び部品

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant