CN113867260B - 一种采用数值积分的机器人曲面加工关节轨迹生成方法 - Google Patents
一种采用数值积分的机器人曲面加工关节轨迹生成方法 Download PDFInfo
- Publication number
- CN113867260B CN113867260B CN202111198242.2A CN202111198242A CN113867260B CN 113867260 B CN113867260 B CN 113867260B CN 202111198242 A CN202111198242 A CN 202111198242A CN 113867260 B CN113867260 B CN 113867260B
- Authority
- CN
- China
- Prior art keywords
- tool
- optimization
- track
- robot
- point
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000003754 machining Methods 0.000 title claims abstract description 35
- 230000010354 integration Effects 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 16
- 239000013598 vector Substances 0.000 claims description 80
- 238000005457 optimization Methods 0.000 claims description 75
- 238000005520 cutting process Methods 0.000 claims description 16
- 230000033001 locomotion Effects 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/19—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/35—Nc in input of data, input till input file format
- G05B2219/35349—Display part, programmed locus and tool path, traject, dynamic locus
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本申请公开了一种采用数值积分的机器人曲面加工关节轨迹生成方法,属于精密加工这一领域,其设计要点在于:首先由CAM软件规划出在机器人工件坐标系下的刀尖点曲面加工扫描路径,然后采用数值积分的方法对刀具方位姿态轨迹进行积分,得到整体的曲面加工刀具运行轨迹。采用本申请的方法,能够有效的提高机器人曲面加工关节的生成精度。
Description
技术领域
本申请涉及精密加工这一领域,更具体地说,尤其涉及一种采用数值积分的机器人曲面加工关节轨迹生成方法。
背景技术
曲面加工一直是一个工业界关注的技术问题。经过检索,发现了如下的现有技术:
合肥工业大学在CN112947298A公开了一种机器人曲面加工轨迹优化生成方法、系统及终端。该方法包括如下步骤:S1:获取当前待加工曲面的曲面类型,确定曲面类型为自由曲面或直纹曲面;S2:生成相应的机器人的加工刀具的扫掠轨迹;S3:计算机器人的刀轴的矢量约束空间;S4:获取概率路线图方法中优化性能最佳的版本作为路径优化器;S5:在加工刀具的扫掠轨迹和刀轴矢量约束空间的约束下,由路径优化器对有效路径进行优化,得到最优的加工轨迹。
然而,上述方法是基于概率路线图,而这一方法本身存在一定的误差。因此,寻找一种精度更高的机器人曲面加工关节轨迹生成方法,一直是学者们致力于研究的课题。
发明内容
本申请的目的在于针对上述现有技术的不足,提出一种采用数值积分的机器人曲面加工关节轨迹生成方法。
本申请的技术方案如下:
一种基于采用数值积分的机器人曲面加工关节轨迹生成方法,首先由CAM软件规划出在机器人工件坐标系下的刀尖点曲面加工扫描路径,然后采用数值积分的方法对刀具方位姿态轨迹进行积分,得到整体的曲面加工刀具运行轨迹。
进一步,在每一步的数值积分过程中,根据关节光滑性要求以及加工过程中刀具角度要求,对每一步相应的微分向量进行优化。
进一步,在积分过程中,首先根据刀具空间姿态约束以及机器人状态,直接给出起始点处的最优刀具姿态;然后采用优化的微分向量,通过数值积分得到下一步的刀具姿态轨迹。
进一步,得到刀具姿态后,结合刀尖点坐标,通过运动学逆解,得到相应的机器人关节轨迹;然后基于当前点轨迹,再对相应微分向量进行优化,然后进行积分,得到下一点刀具姿态,从而得到相应机器人关节轨迹。重复上述过程,直至刀尖点轨迹终点。
一种基于采用数值积分的机器人曲面加工关节轨迹生成方法,适用于机器人加工自由曲面零件,包括如下步骤:
(1)根据自由曲面,采用CAM软件生成刀尖点扫掠轨迹,并将轨迹根据线性化误差要求,进行离散;
(2)在初始刀尖点位置,根据机器人状态以及刀具角度姿态要求,选择最优的刀具姿态,通过运动学逆解得到初始刀具姿态下各个关节位置;
(3)根据关节轨迹光滑度要求,设计以刀具姿态微分向量为变量的优化目标;
(4)根据加工过程切削角度限制要求,设计以刀具姿态微分向量为变量的优化目标;
(5)根据步骤(3)、步骤(4)的各个优化目标需求,构建微分向量的组合优化目标,并采用优化算法,根据组合优化目标对微分向量进行优化;
(6)根据优化的微分向量,通过数值积分求解下一离散刀尖轨迹点处刀具姿态,并通过运动学逆解得到该刀具姿态下各个关节位置;
(7)判断是否是刀位点轨迹的最后一个点。如果是,结束循环;不是则重复步骤(2)直至刀位点轨迹的最后一个点。
本申请的有益效果在于:
本发明公开了一种采用数值积分的机器人曲面加工关节轨迹生成方法:首先由CAM软件规划出在机器人工件坐标系下的刀尖点曲面加工扫描路径,然后采用数值积分的方法对刀具方位姿态轨迹进行积分,得到整体的曲面加工刀具运行轨迹。在每一步的数值积分过程中,根据关节光滑性要求以及加工过程中刀具角度要求,对每一步相应的微分向量进行优化。在积分过程中,首先根据刀具空间姿态约束以及机器人状态,直接给出起始点处的最优刀具姿态。然后采用优化的微分向量,通过数值积分得到下一步的刀具姿态轨迹。得到刀具姿态后,结合刀尖点坐标,通过运动学逆解,得到相应的机器人关节轨迹。然后基于当前点轨迹,再对相应微分向量进行优化,然后进行积分,得到下一点刀具姿态,从而得到相应机器人关节轨迹。重复上述过程,直至刀尖点轨迹终点。
附图说明
下面结合附图中的实施例对本申请作进一步的详细说明,但并不构成对本申请的任何限制。
图1是本申请的采用数值积分的机器人曲面加工关节轨迹生成方法的顺序图。
具体实施方式
实施例一,一种基于采用数值积分的机器人曲面加工关节轨迹生成方法,适用于机器人加工自由曲面零件。
第一,总体构思
操作步骤如下:
(1)根据自由曲面,采用CAM软件生成刀尖点扫掠轨迹,并将轨迹根据线性化误差要求,进行离散;
(2)在初始刀尖点位置,根据机器人状态以及刀具角度姿态要求,选择最优的刀具姿态,通过运动学逆解得到初始刀具姿态下各个关节位置;
(3)根据关节轨迹光滑度要求,设计以刀具姿态微分向量为变量的优化目标;
(4)根据加工过程切削角度限制要求,设计以刀具姿态微分向量为变量的优化目标;
(5)根据步骤(3)、步骤(4)的各个优化目标需求,构建微分向量的组合优化目标,并采用优化算法,根据组合优化目标对微分向量进行优化;
(6)根据优化的微分向量,通过数值积分求解下一离散刀尖轨迹点处刀具姿态,并通过运动学逆解得到该刀具姿态下各个关节位置;
(7)判断是否是刀位点轨迹的最后一个点。如果是,结束循环;不是则重复步骤(2)直至刀位点轨迹的最后一个点。
第二,步骤(2)的具体设计
步骤(2)根据当前刀尖点位置,选择最优初始姿态,在初始轨迹刀尖点C(u0)=[x(u0),y(u0),z(u0)]处,式中x(u0),y(u0),z(u0)为在工件坐标系下刀尖点坐标,u为刀尖点轨迹曲线参数,u0为刀尖初始点参数。根据刀具姿态空间约束要求以及机器人状态要求,采用简单的全局离散采样的方法,选择最优刀具姿态轨迹R(u0)=[α(u0),β(u0),γ(u0)],式中α,β,γ为刀具在工件坐标系下刀具姿态角。具体实施步骤为:
根据切削角度的要求,在C(u0)处,限定刀具姿态角度在一定范围:
除了刀具姿态约束要求,机器人应远离机器人奇异点。机器人条件数cond(q),式q中为机器人关节角度。为评价机器人奇异性的指标,其数值越小,表示机器人越远离奇异点。因此第二个初始点优化目标:
由于较难同时满足以上两个优化目标,因此需要对优化目标进行归一组合。组合后的优化目标为:
对刀具姿态角度空间[α,β,γ]以0.5°间隔进行全域离散,并将各个离散点处的优化目标值求出。选择优化目标值Obj0original_posture最小的[α,β,γ],作为初始点C(u0)处的刀具姿态。从而得到初始点处工件坐标系下位姿矩阵T0,通过运动学逆解,求出机器人各个关节坐标q0。
q0=IK(T0) (7)
第三,步骤(3)的具体设计
步骤(3)以刀具姿态微分向量为变量,设计关节轨迹光滑度要求优化目标,对于机器人加工过程中,各关节的运动微分向量Dq=[dq1,dq2,dq3,dq4,dq5,dq6]越小,关节轨迹越光滑。因此可以将Dq最小值设置为优化目标,这样可以得到一个几何平滑的机器人曲面加工过程。
机器人的雅可比矩阵J建立了关节微分运动Dq与机器人夹持刀具微分运动D=[dx,dy,dz,δα,δβ,δγ]-1之间的联系
在整个加工过程中不存在奇异点时,刀具位姿的微分向量D与各机器人关节的微分向量Dq关系为:
Dq=J-1D (9)
考虑关节光滑性的要求,构建出基于刀具姿态微分向量的优化目标为:
第四,步骤(4)的具体内容
步骤(4)以刀具姿态微分向量为变量,设计加工过程切削角度限制要求优化目标,在加工过程中,根据切削角度要求,需要对刀具姿态进行约束,即在任意i刀尖点位置处,在切削加工局部坐标系下,刀具姿态角度[α0,β0,γ0]需要限定在一定范围(α0为刀具刀轴矢量ztool在局部坐标系下局部坐标系xoy内投影与局部坐标系x轴的夹角,β0为刀具刀轴矢量ztool绕自身旋转轴的旋转角度,γ0为刀具刀轴矢量在局部坐标系下与局部坐标系z轴的夹角),且刀具姿态角度也应尽量远离边界。
为了使姿态角度远离可行域的边界,刀具姿态角度微分向量应使得刀具姿态角度运行方向指向可行域的中心由于在切削加工过程中,刀具绕自身旋转轴的运动无限制要求,因此β0的无约束要求。在i点处切削角度α0与γ0为:
α0(ui)=acos(dot(Proj(ztool_i),xi)) (14)
γ0(ui)=acos(dot(ztool_i,zi)) (15)
相对应在i+1点处切削角度α0与γ0为:
α0(ui+1)=acos(dot(Proj(ztool_i+1),xi+1)) (16)
γ0(ui+1)=acos(dot(ztool_i+1,zi+1)) (17)
由此,可得α0与γ0角度的变化Δγ0=γ0(ui+1)-γ0(ui),Δα0=α0(ui+1)-α0(ui)为
Δγ0=acos(dot(ztool_i+1,zi+1))-acos(dot(ztool_i,zi)) (19)
设i+1处的刀尖点位姿为Ti+1=[xtool,ytool,ztool,ptool]i+1,根据刀具位姿的微分向量D,是第i点出的刀尖点姿态Ti=[xtool,ytool,ztool,ptool]i通过刀尖点的微分运动D得到:
Ti+1=R(D)Ti (20)
R(D)为微分向量D=[dx,dy,dz,δα,δβ,δγ]-1的齐次坐标变换矩阵:
则由微分向量D引起的Δγ0,Δα0为
Δα0=acos(dot(Proj(R(D)ztool_i),xi+1))-acos(dot(Proj(ztool_i),xi)) (21)
Δγ0=acos(dot(R(D)ztool_i,zi+1))-acos(dot(ztool_i,zi)) (22)
根据当前切削角度α0(ui)和γ0(ui),需要Δα0与Δγ0变化使的α0(ui+1)和γ0(ui+1)朝向可行域的中心。加工过程刀具角度要求为:
和/>是可行域的中心点,根据上式无论α0(ui)与γ0(ui)大于或小于αhf_i和γhf_i,优化目标Obj2differential和Obj3differential的最小值都会使得α0(ui+1)和γ0(ui+1)通过Δα0与Δγ0朝/>和/>变化。
第五,步骤(5)的具体内容
步骤(5)根据多个刀轴矢量需求构建基于微分向量组合优化对象,根据机器人加工过程,对刀轴矢量的微分运动提出了各种优化需求Obj1differential,Obj2differential和Obj3differential。为了得到能够使得以上各个优化目标最小的微分向量,需要对优化目标进行组合与平衡化处理。首先对优化目标进行规范化处理,使得各个优化目标在优化变量的可行域范围内,最大时,各个优化目标都取值为1;最小时,各优化目标都取值为0。则规范化后的优化目标分别为
通过式(25-27),各个优化目标的取值范围将在0-1范围内变化。
最终将各个优化目标Obj1st,Obj2st与Obj3st进行组合,从而得到组合的优化目标。从而求得最优的微分向量D,组合的优化目标如下式:
式中λ1,λ2与λ3为各个优化目标协调参数。主要考虑各个影响因素不平衡时,通过协调各个参数数值的大小,实现对各个优化目标的协调。当对关节空间的光滑度要求比较高时,可以提高λ1的数值。相对于关节平滑度要求,刀轴矢量要求Obj2st和Obj3st则不是线性的。当刀轴矢量角度α0(ui)和γ0(ui)越靠近可行域中心αhf_i和γhf_i时,Obj2st和Obj3st要求越小。当α0(ui)和γ0(ui)靠近边界时,希望Obj2st和Obj3st所占份额急剧上升,保证α0(ui)和γ0(ui)不超出边界约束。因此,设计影响因子λ2与λ3为:
式(29-30)中,a1与a2大于2;b1与b2选择大于2的偶数。当对刀轴矢量约束要求较高时,选择较大的a1与a2和b1与b2的值。在本次实验中选择a1=a2=4;b1=b2=8。当α0(ui)与γ0(ui)趋向于αhf_i与γhf_i,λ2和λ3会趋向于0。当α0(ui)与γ0(ui)趋向可行域的边界时,λ2和λ3较快增长。根据式(29-30),当α0(ui)或γ0(ui)处于边界时,λ2或λ3将等于256。该问题是一个常规非线性优化问题,可以采用非线性优化算法进行求解。
第六,步骤(6)的具体内容
根据优化的微分向量,通过数值积分求解下一离散刀尖轨迹点处刀具姿态,并通过运动学逆解得到该刀具姿态下各个关节位置:
通过对刀具姿态的角度微分向量进行优化,得到优化的[δα,δβ,δγ]optimized。而刀具位移的微分向量,即刀尖点移动微分向量与CAM规划的刀具轨迹的切向量C’(u)=[x’(u),y’(u),z’(u)]一致。选定特定的离散参数间隔Δu=ui+1-ui,则刀具位姿微分运动向量为Doptimized=[x’(u)Δu,y’(u)Δu,z’(u)Δu,δαoptimized,δβoptimized,δγoptimized]-1。根据优化的微分向量Doptimized,以及当前刀具位姿Ti,得出下一离散点刀具位姿Ti+1:
Ti+1=R(Doptimized)Ti (31)
通过运动学逆解,求出机器人各个关节坐标qi+1。
qi+1=IK(Ti+1) (32)
本申请中的各个数学表达式的含义解释如下:
C(u0):初始轨迹刀尖点;
x(u0),y(u0),z(u0)为在工件坐标系下初始轨迹刀尖点坐标;
u:刀尖点轨迹曲线参数;
u0:刀尖初始点参数。
R(u0):最优刀具姿态轨迹;
α(u0),β(u0),γ(u0)分别为刀尖初始点在工件坐标系下刀具姿态角;
α,β,γ:刀具在工件坐标系下刀具姿态角;
Obj1original_posture:初始点姿态优化目标;
Obj2original_posture:第二个初始点优化目标;
cond(q):机器人条件数;q:机器人关节角度;
Obj0original_posture:组合后的优化目标;
T0:初始点处工件坐标系下位姿矩阵;
q0:机器人各个关节坐标;
IK(T0):机器人运动学逆解求解运算;
Dq:各关节的运动微分向量;
dq1,dq2,dq3,dq4,dq5,dq6表示各关节的运动微分向量的相关参数;
J:机器人的雅可比矩阵;
D=[dx,dy,dz,δα,δβ,δγ]-1:D表示机器人夹持刀具微分运动向量,dx,dy,dz,δα,δβ,δγ分别为相关参数;
||Dq||2min:最小化的关节空间微分向量Dq的二范数
||J-1D||2min:最小化的J-1D的二范数
α0:刀具刀轴矢量ztool在局部坐标系下局部坐标系xoy内投影与局部坐标系x轴的夹角;
β0为刀具刀轴矢量ztool绕自身旋转轴的旋转角度;
γ0为刀具刀轴矢量在局部坐标系下与局部坐标系z轴的夹角;
α0(ui),β0(ui),γ0(ui):i点的α0、β0、γ0角度;
Proj(ztool_i):刀轴矢量在工件坐标系xoy面内的投影。
Ti+1=[xtool,ytool,ztool,ptool]i+1:第i+1处的刀尖点位姿;
Ti=[xtool,ytool,ztool,ptool]i:第i点出的刀尖点姿态
R(D)为变换矩阵参数;
Δγ0,Δα0为相关计算参数;
Obj1st,Obj2st与Obj3st分别表示第一优化目标、第二优化目标、第三优化目标;
λ1,λ2与λ3:各个优化目标协调参数;
α0(ui)、γ0(ui):刀轴矢量角度;αhf_i和γhf_i表示:可行域中心;
[δα,δβ,δγ]optimized:对刀具姿态的角度微分向量进行优化参数;
C’(u)=[x’(u),y’(u),z’(u)]:CAM规划的刀具轨迹的切向量;
Δu:离散参数间隔;
Doptimized=[x’(u)Δu,y’(u)Δu,z’(u)Δu,δαoptimized,δβoptimized,δγoptimized]-1:刀具位姿优化的微分运动向量;
R(Doptimized):姿态微分向量Doptimized的微分变换矩阵
qi+1:机器人关节坐标。
IK(Ti+1):机器人运动学逆解求解运算
Ti:当前刀具位姿;
Ti+1:下一离散点刀具位姿。
以上所举实施例为本申请的较佳实施方式,仅用来方便说明本申请,并非对本申请作任何形式上的限制,任何所属技术领域中具有通常知识者,若在不脱离本申请所提技术特征的范围内,利用本申请所揭示技术内容所作出局部更动或修饰的等效实施例,并且未脱离本申请的技术特征内容,均仍属于本申请技术特征的范围内。
Claims (1)
1.一种基于采用数值积分的机器人曲面加工关节轨迹生成方法,适用于机器人加工自由曲面零件,其特征在于,包括如下步骤:
(1)根据自由曲面,采用CAM软件生成刀尖点扫掠轨迹,并将轨迹根据线性化误差要求,进行离散;
(2)在初始刀尖点位置,根据机器人状态以及刀具角度姿态要求,选择最优的刀具姿态,通过运动学逆解得到初始刀具姿态下各个关节位置;所述的步骤(2)根据当前刀尖点位置,选择最优初始姿态,在初始轨迹刀尖点C(u0)=[x(u0),y(u0),z(u0)]处,式中x(u0),y(u0),z(u0)为在工件坐标系下刀尖点坐标,u为刀尖点轨迹曲线参数,u0为刀尖初始点参数;根据刀具姿态空间约束要求以及机器人状态要求,采用简单的全局离散采样的方法,选择最优刀具姿态轨迹R(u0)=[α(u0),β(u0),γ(u0)],式中α,β,γ为刀具在工件坐标系下刀具姿态角;
(3)根据关节轨迹光滑度要求,设计以刀具姿态微分向量为变量的优化目标;所述的步骤(3)以刀具姿态微分向量为变量,设计关节轨迹光滑度要求优化目标,对于机器人加工过程中,各关节的运动微分向量Dq=[dq1,dq2,dq3,dq4,dq5,dq6]越小,关节轨迹越光滑;将Dq最小值设置为优化目标,得到一个几何平滑的机器人曲面加工过程:
机器人的雅可比矩阵J建立了关节微分运动Dq与机器人夹持刀具微分运动D=[dx,dy,dz,δα,δβ,δγ]-1之间的联系:
在整个加工过程中不存在奇异点时,刀具位姿的微分向量D与各机器人关节的微分向量Dq关系为:
Dq=J-1D
考虑关节光滑性的要求,构建出基于刀具姿态微分向量的优化目标为:
(4)根据加工过程切削角度限制要求,设计以刀具姿态微分向量为变量的优化目标;所述的步骤(4)以刀具姿态微分向量为变量,设计加工过程切削角度限制要求优化目标:
在加工过程中,根据切削角度要求,需要对刀具姿态进行约束,即在任意i刀尖点位置处,在切削加工局部坐标系下,刀具姿态角度[α0,β0,γ0]需要限定在一定范围,α0为刀具刀轴矢量ztool在局部坐标系下局部坐标系xoy内投影与局部坐标系x轴的夹角,β0为刀具刀轴矢量ztool绕自身旋转轴的旋转角度,γ0为刀具刀轴矢量在局部坐标系下与局部坐标系z轴的夹角,且刀具姿态角度也应尽量远离边界;
(5)根据步骤(3)、步骤(4)的各个优化目标需求,构建微分向量的组合优化目标,并采用优化算法,根据组合优化目标对微分向量进行优化;
步骤(5)根据多个刀轴矢量需求构建基于微分向量组合优化对象,根据机器人加工过程,对刀轴矢量的微分运动提出了各种优化需求Obj1differential,Obj2differential和Obj3differential;
为了得到能够使得以上各个优化目标最小的微分向量,需要对优化目标进行组合与平衡化处理;首先对优化目标进行规范化处理,使得各个优化目标在优化变量的可行域范围内,最大时,各个优化目标都取值为1;最小时,各优化目标都取值为0;
规范化后的优化目标分别为:
其中,Obj1st,Obj2st与Obj3st分别表示第一优化目标、第二优化目标、第三优化目标;
各个优化目标Obj1st,Obj2st与Obj3st的取值范围将在0-1范围内变化;
将各个优化目标Obj1st,Obj2st与Obj3st进行组合,从而得到组合的优化目标;从而求得最优的微分向量D,组合的优化目标如下式:
其中,λ1,λ2与λ3为各个优化目标协调参数;
(6)根据优化的微分向量,通过数值积分求解下一离散刀尖轨迹点处刀具姿态,并通过运动学逆解得到该刀具姿态下各个关节位置;所述的步骤(6)根据优化的微分向量,通过数值积分求解下一离散刀尖轨迹点处刀具姿态,并通过运动学逆解得到该刀具姿态下各个关节位置;
(7)判断是否是刀位点轨迹的最后一个点:如果是,结束循环;不是则重复步骤(2)直至刀位点轨迹的最后一个点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111198242.2A CN113867260B (zh) | 2021-10-14 | 2021-10-14 | 一种采用数值积分的机器人曲面加工关节轨迹生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111198242.2A CN113867260B (zh) | 2021-10-14 | 2021-10-14 | 一种采用数值积分的机器人曲面加工关节轨迹生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113867260A CN113867260A (zh) | 2021-12-31 |
CN113867260B true CN113867260B (zh) | 2023-05-30 |
Family
ID=78999733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111198242.2A Active CN113867260B (zh) | 2021-10-14 | 2021-10-14 | 一种采用数值积分的机器人曲面加工关节轨迹生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113867260B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06285762A (ja) * | 1993-04-06 | 1994-10-11 | Mitsubishi Electric Corp | ロボットによる自由曲面のティーチング方法 |
JP2018008323A (ja) * | 2016-07-11 | 2018-01-18 | 国立大学法人名古屋大学 | 切削加工装置、切削工具、加工支援装置および加工方法 |
CN110209048A (zh) * | 2019-05-20 | 2019-09-06 | 华南理工大学 | 基于动力学模型的机器人时间最优轨迹规划方法、设备 |
CN112828359A (zh) * | 2021-01-27 | 2021-05-25 | 华中科技大学 | 基于势场法多约束的机器人铣削加工姿态规划方法和系统 |
CN112947298A (zh) * | 2021-03-24 | 2021-06-11 | 合肥工业大学 | 一种机器人曲面加工轨迹优化生成方法、系统及终端 |
CN113341876A (zh) * | 2021-06-24 | 2021-09-03 | 合肥工业大学 | 一种基于微分向量优化的五轴曲面加工轨迹规划方法 |
-
2021
- 2021-10-14 CN CN202111198242.2A patent/CN113867260B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06285762A (ja) * | 1993-04-06 | 1994-10-11 | Mitsubishi Electric Corp | ロボットによる自由曲面のティーチング方法 |
JP2018008323A (ja) * | 2016-07-11 | 2018-01-18 | 国立大学法人名古屋大学 | 切削加工装置、切削工具、加工支援装置および加工方法 |
CN110209048A (zh) * | 2019-05-20 | 2019-09-06 | 华南理工大学 | 基于动力学模型的机器人时间最优轨迹规划方法、设备 |
CN112828359A (zh) * | 2021-01-27 | 2021-05-25 | 华中科技大学 | 基于势场法多约束的机器人铣削加工姿态规划方法和系统 |
CN112947298A (zh) * | 2021-03-24 | 2021-06-11 | 合肥工业大学 | 一种机器人曲面加工轨迹优化生成方法、系统及终端 |
CN113341876A (zh) * | 2021-06-24 | 2021-09-03 | 合肥工业大学 | 一种基于微分向量优化的五轴曲面加工轨迹规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113867260A (zh) | 2021-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gong et al. | Analytical inverse kinematics and self-motion application for 7-DOF redundant manipulator | |
Liao et al. | Region-based toolpath generation for robotic milling of freeform surfaces with stiffness optimization | |
CN111702762B (zh) | 一种工业机器人作业姿态优化方法 | |
Liao et al. | Optimization of robot posture and workpiece setup in robotic milling with stiffness threshold | |
Kim et al. | A practical approach for minimum‐time trajectory planning for industrial robots | |
US8972056B2 (en) | Method of finding feasible joint trajectories for an n-dof robot with rotation invariant process (n>5) | |
Li et al. | Generating tool-path with smooth posture change for five-axis sculptured surface machining based on cutter’s accessibility map | |
He et al. | A tolerance constrained G2 continuous path smoothing and interpolation method for industrial SCARA robots | |
Wang et al. | Five-axis tool path generation for a flat-end tool based on iso-conic partitioning | |
Corinaldi et al. | Singularity-free path-planning of dexterous pointing tasks for a class of spherical parallel mechanisms | |
CN108608425B (zh) | 六轴工业机器人铣削加工离线编程方法及系统 | |
EP2523786B1 (en) | Method of finding feasible joint trajectories for an n-dof robot with rotation invariant process (n>5) | |
JP4431880B2 (ja) | 多軸数値制御装置用のncポストプロセッサ装置 | |
JP2006289580A (ja) | プログラムの教示点修正方法及びプログラム教示点修正装置 | |
Guilamo et al. | Manipulability optimization for trajectory generation | |
Funes-Lora et al. | A novel mesh following technique based on a non-approximant surface reconstruction for industrial robotic path generation | |
CN111515954B (zh) | 一种机械臂高质量运动路径生成方法 | |
CN113867260B (zh) | 一种采用数值积分的机器人曲面加工关节轨迹生成方法 | |
Xu et al. | Automatic interpolation algorithm for NURBS trajectory of shoe sole spraying based on 7-DOF robot | |
Gueta et al. | Multiple-goal task realization utilizing redundant degrees of freedom of task and tool attachment optimization | |
Erdos et al. | Parametric tool correction algorithm for 5-axis machining | |
JP6897520B2 (ja) | ロボットの制御装置及びロボットの逆変換処理方法 | |
WO2020133882A1 (zh) | 一种机器人应用于再现机加工的方法 | |
Nemer et al. | Off-line nominal path generation of 6-DoF robotic manipulator for edge finishing and inspection processes | |
Liao et al. | Uncertainty-aware error modeling and hierarchical redundancy optimization for robotic surface machining |
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 |