CN116276908A - 一种面向搅拌摩擦焊焊缝打磨的机器人自适应示教方法 - Google Patents

Abstract

本发明提供一种面向搅拌摩擦焊焊缝打磨的机器人自适应示教方法，属于工业机器人技术领域。为解决现有的在线加工‑实时补偿方法，对弱刚度、变刚度的薄壁工件的焊缝去除过程中的震颤导致力反馈不稳定的问题。本发明将机器人原始路径离散为多个时间点‑机器人位姿的序列，在未加工的离线状态下，基于超螺旋自适应滑模阻抗的接触力控制方法，控制工具末端与工件的接触力尽可能接近期望力，获取打磨工具的时间点‑补偿结果的序列，并将补偿结果与焊缝点云信息融合得到智能贴合补偿量；将离散的智能贴合补偿量与原始路径进行叠加，得到修正后的加工路径。本发明在离线状态下获取补偿结果，过程中反馈力相对稳定，可得到整定的参数，提高了打磨质量。

Description

一种面向搅拌摩擦焊焊缝打磨的机器人自适应示教方法

技术领域

本发明涉及工业机器人技术领域，具体而言，涉及一种面向搅拌摩擦焊焊缝打磨的机器人自适应示教方法。

背景技术

在航空航天、国防工业中，由于减重等特殊需求，大量采用轻质薄壁结构进行设计。一般情况下，由于工件尺寸较大，整体的薄壁工件通常需要多个工件采用搅拌摩擦焊的方式焊接而成。搅拌摩擦焊焊接过程是由一个圆柱体或其他形状的搅拌针伸入工件的接缝处，通过焊头的高速旋转，使其与焊接工件材料摩擦，从而使连接部位的材料温度升高软化。搅拌摩擦焊工艺是自激光焊接问世以来最引人注目的焊接方法。它的出现将使铝合金等有色金属的连接技术发生重大变革。用搅拌摩擦焊方法焊接铝合金取得了很好的效果。搅拌摩擦焊在航空航天工业领域有着良好的应用前景。

在每个薄壁工件焊接前后，均需要对其进行大量加工处理，具体包括焊后焊缝的去除加工。而此类薄壁工件通常具有无明确定位基准、装夹及加工过程中受力变形较大等特点，给自动化加工带来了诸多难点。在现有的情况下，通常采用人工的方式进行加工，其劳动强度大、效率低，严重制约生产效率，同时加工中粉尘多、噪音大，对工人身心健康带来很大的危害。因此，针对航天、国防工业重要部件的自动化改造需求，本发明面向搅拌摩擦焊焊缝打磨加工处理进行研究。

机器人可代替人工完成高负荷、重复性任务，提高生产效率，工业领域应用需求量大。现有的机器人示教大多采用示教盒示教，示教过程复杂，精度较低，且对操作者技术水平要求高，限制了机器人推广应用。尤其是在对示教轨迹精度要求高的领域，如喷涂、打磨等，采用示教盒示教时存在着工作量大、效率低下的问题。针对薄壁工件的加工，由于测量误差及薄壁工件弱刚度、变刚度特性使工件受加工力发生较大且不均匀的变形，使得理想的加工路径与测量提取路径存在一定的偏离，以及在线加工-实时补偿方法中因薄壁工件加工颤振而导致力反馈的波动大等控制难点，因此，亟需一种面向搅拌摩擦焊焊缝打磨的机器人自适应示教方法，从本质上避免薄壁工件特性给在线加工补偿带来的难点。

发明内容

本发明要解决的技术问题是：

现有的机器人自适应示教方法多采用在线加工-实时补偿方法，存在对弱刚度、变刚度的薄壁工件的焊缝去除过程中的震颤导致力反馈不稳定的问题。

本发明为解决上述技术问题所采用的技术方案：

本发明提供了一种面向搅拌摩擦焊焊缝打磨的机器人自适应示教方法，包括如下步骤：

S1、获取焊缝点云信息，生成机器人的原始路径；将机器人原始路径离散为多个时间点-机器人位姿的序列；

S2、在未加工的离线状态下，机器人沿原始路径运动，基于超螺旋自适应滑模阻抗的接触力控制方法，控制工具末端与工件的接触力尽可能接近期望力，获取打磨工具的补偿结果，将补偿结果离散为时间点-补偿结果的序列，并将补偿结果与焊缝点云信息融合，得到最终的智能贴合补偿量；

S3、将离散的智能贴合补偿量与原始路径进行叠加，得到修正后的加工路径。

进一步地，S1中的原始路径生成方法为：获取焊缝点云，通过拟合方法求取焊缝曲线方程，由于曲线方程可表示为在同一平面的多项式，因此采用平面拟合及多项式拟合的方法获得机器人原始路径。

进一步地，S2中所述基于超螺旋自适应滑模阻抗的接触力控制方法的构建过程为：

在面对变刚度环境，工具位置变量为：

其中，x为工具实际位置，f_d为期望接触力，f_e为实际接触力，k_e为环境刚度，x_e为环境未受力时的位置，e为期望力与实际力之差，即e＝f_d-f_e；

式(1)的一阶和二阶导数为：

令系统控制输入u作为阻抗控制的虚拟力，系统方程为：

式中，m为期望质量，b为阻尼，k为刚度，x_r为参考位置；

将公式(1)(2)和(3)带入公式(4)中，由于期望接触力固定，即

得到接触力误差的动态微分方程：

令x₁＝e，

建立误差的状态方程为：

式中，d项为因环境变化而带来的扰动项，其定义为：

针对控制量增益部分

存在的扰动，其来源为k_e，即工件刚度，采用基于超螺旋自适应滑模控制的方法，取滑模参数/>

滑模控制方法具体如下所示：

其中，k₁和k₂为增益值；通过线性增长法选择合适的k₁、k₂，保证系统的滑模参数处于阈值|s|＜s_t内，使得系统至少收敛至误差为|e|＜s_t/c的范围内以实现接触力控制。

进一步地，S2中智能贴合补偿量的获取方法为：

针对均匀型焊缝的补偿量计算方法为：

dx_n％＝t_n％+d_s-s (9)

式中，t_n％为n％时刻的补偿结果，d_s为打磨区域焊缝平均高度，s为砂带厚度；

针对飞边型焊缝的补偿量计算方法为：

式中，md_n％为n％时刻范围内临近范围((n-m_o)％,(n+m_o)％)内的最大高度，c_n％为焊缝高度；对md_n％大于预设值dt的焊缝高度值进行缩放，比例为w<1。

进一步地，S3中智能贴合补偿量与原始路径进行叠加的方法为：

式中，Tr_n％为机器人原始路径中对应n％时刻的位姿，d_n％为补偿结果与焊缝点云信息的融合结果中对应n％时刻的补偿量，具体为d_n％＝[dx_n％ 0 0]，Tf_n％为修正后路径。

相较于现有技术，本发明的有益效果是：

本发明一种面向搅拌摩擦焊焊缝打磨的机器人自适应示教方法，采用离线的智能贴合补偿方法，通过控制末端受力在期望值附近进行补偿，过程中反馈力相对稳定；将砂带工具与焊缝根部的接触力控制在期望力，使其对应的静态力能真正代表避免对工件的过量打磨时的状态；基于连续智能贴合补偿结果及焊缝点云等信息对加工路径进行修正，将路径智能修正方法应用于机器人焊缝打磨。从本质上避免了在线力控补偿方法针对弱刚度、变刚度的薄壁工件的焊缝打磨过程中的震颤导致力反馈不稳定，难以实现参数整定的问题，提高了打磨质量。同时也解决了人工打磨方法效率低、对工人危害大的问题。

附图说明

图1为本发明实施例中面向搅拌摩擦焊焊缝打磨的机器人自适应示教方法流程图；

图2为本发明实施例中阻抗控制示意图；

图3为本发明实施例中薄壁工件接触力控制实验结果图；

图4为本发明实施例中的砂带工具智能贴合补偿结果图；

图5为本发明实施例中的机器人路径生成结果图；

图6为本发明实施例中的机器人焊缝打磨结果图。

具体实施方式

在本发明的描述中，应当说明的是，在本发明的实施例中所提到的术语“第一”、“第二”、“第三”仅用于描述目的，并不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括一个或者多个该特征。

为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

如图1所示，本发明提供一种面向搅拌摩擦焊焊缝打磨的机器人自适应示教方法，包括如下步骤：

S1、获取焊缝点云信息，生成机器人的原始路径；将机器人原始路径离散为多个时间点-机器人位姿的序列；

S2、在未加工的离线状态下，机器人沿原始路径运动，基于超螺旋自适应滑模阻抗的接触力控制方法，控制工具末端与工件的接触力尽可能接近期望力，获取打磨工具的补偿结果，将补偿结果离散为时间点-补偿结果的序列，将补偿结果与焊缝点云信息融合，得到最终的智能贴合补偿量；

S3、将离散的智能贴合补偿量与原始路径进行叠加，得到修正后的加工路径。

具体实施方案二：S1中的原始路径生成方法为：获取焊缝点云[e_i}，通过拟合方法求取焊缝曲线方程，由于曲线方程可表示为在同一平面的多项式，因此采用平面拟合及多项式拟合的方法获得机器人原始路径。本实施方案其他与具体实施方一相同。

具体实施方案三：S2中所述基于超螺旋自适应滑模阻抗的接触力控制方法的构建过程为：

采用阻抗控制的目的是为了保持接触力偏差与位置偏差的动态关系，从砂带工具运动控制实现的角度，采用阻抗控制能使得砂带工具的运动速度不发生跳变，使其运动相对平稳。实际接触力来源于末端接触环境，环境接触模型在多数研究中被视作刚度环节。环境接触模型可表示为f_e＝k_e(x-x_e)；如图2所示，当采用阻抗控制时，砂带工具自身运动等效为弹簧-质量-阻尼系统，其一侧受到f_d的推力，而另一侧受到环境接触力f_e。令e为期望力与实际力之差，即e＝f_d-f_e，即可根据环境接触模型得到变刚度环境的工具位置变量：

其中，x为工具实际位置，f_d为期望接触力，f_e为实际接触力，k_e为环境刚度，x_e为环境未受力时的位置，e为期望力与实际力之差，即e＝f_d-f_e；

式(1)的一阶和二阶导数为：

令系统控制输入u作为阻抗控制的虚拟力，系统方程为：

式中，m为期望质量，b为阻尼，k为刚度，x_r为参考位置；

将公式(1)(2)和(3)带入公式(4)中，得到接触力误差的动态微分方程：

由于期望接触力固定，即

则式(5)可简化为：

令x₁＝e，

建立误差的状态方程为：

式中，d项为因环境变化而带来的扰动项，其定义为：

对状态方程分析，可知在各个部分均存在扰动，具体包括：(1)线性系统部分，具体为

(2)控制量增益部分即/>

考虑到该项中的变化来源于k_e，即工件刚度，因而，干扰不会使得控制输入改变方向。定义增益的估计值为b₀，实际值为/>

其中b₁为估计值变化的倍数，为一定范围内的正数；(3)纯干扰项，具体可表示为式(8)。由于对打磨对象已知一定信息，因而可认为已知以上三项扰动的一定范围。

采用基于超螺旋自适应滑模控制的方法，取滑模参数

滑模控制方法具体如下所示：

控制量由两部分组成，分别包含符号切换函数及其积分。其中，k₁和k₂为增益值；通过线性增长法选择合适的k₁、k₂，保证系统的滑模参数处于阈值|s|＜s_t内，使得系统至少收敛至误差为|e|＜s_t/c的范围内以实现接触力控制。本实施方案其他与具体实施方二相同。

针对k₁和k₂进行具体讨论：

将式(9)带入式(7)中，得到滑模参数的微分方程：

为简化表述，定义扰动项为

及a₂＝d则：

为证明方法的稳定性，定义Lyapunov函数为：

式中，z＝[z₁，z₂]＝[|s|^1/2sign(s)，b₁v+a₂]，λ＞0，ε＞0。当z₁，z₂→0时，s→0，系统进入滑模面，进而收敛。对z₁和z₂求导，可得：

进一步的，令ρ₁＝a₁/z₁，

则式(13)可转化为：

对于Lyapunov函数式(12)，计算其导数，得：

其中，Q具体为：

观察矩阵Q可发现，当k₂＝2εk₁时，矩阵可进一步简化。同时，当矩阵Q为最小特征值大于2ε的正定矩阵时，对特征值求解，可得到矩阵应满足：

由于b₁为k_e的变化倍数，而k_e为工件的刚度，因而其一定具有下界b_d≤b₁。由此可得，当参数k1满足式(18)时，矩阵Q为最小特征值大于2ε的正定矩阵，即z^TQz≥2ε||z||²。

当式(18)满足时，可得

由|z₁|＝|s|^1/2≤||z||可得

进而得到/>

由式(12)可得/>

进而得到/>

综上可得，/>

即说明系统将到达滑模面，进而收敛至误差零点。

以上结果说明应选择合适的滑模增益参数k₁使得式(18)满足，且保证k₂＝2εk₁。采用将滑模增益参数线性增长的方法(简称为线性增长法)，可表示为：

式(19)表示当误差处于一定范围外时，增益k₁将逐渐增长，直至沿滑模面到达误差阈值e_t范围内。然而，采用该方法一般均在理论上进行了较为严格的假设，如假设

和/>

均处于一定范围内，式(18)中的ρ₁和ρ₂在一定范围内，进而说明线性增长的k₁可以最终满足要求而使系统收敛。在本发明方法中，由于工件扰动变化有限且相对平缓，因而/>

有界的假设可近似满足，然而对于/>

有界的假设通常不容易满足，ρ₁具体可表示为：

可发现当控制参数设计合理时，扰动项对该式的影响相对较小，主要变化取决于当前的误差e及其导数

当e和/>

的值接近滑模面时，ρ₁值将会在滑膜面附近较小范围内剧烈增大，在此范围外，ρ₁将随着e和/>

的增长而缓慢增加。虽然通过上述分析可得ρ₁并不满足上文中所述假设，但一般情况下，当线性增长法中k₁的初值和增长率w设置合理时，能够使得误差状态在包含其初始值的较大范围内满足式(18)，进而在该范围内沿滑模面附近的区域收敛至稳定状态，另一方面，本发明提出一种通过结合线性增长法与对式(18)的估计来进行增益k₁调整的方法，在原有的增益k₁线性增长基础上，观测系统滑模参数是否满足|s|＜s_t且/>

当发生此情况时，滑模参数在一定的范围外处于发散的状态，说明式(18)不成立。由于工件扰动变化的总体范围一般已知，在获取到当前系统的控制参数k、m、b、v及当前状态e、/>

的情况下，可估计出ρ₁和ρ₂的范围，进而通过优化Lyapunov函数中λ值估计出式(18)右侧所需大小k₁*，控制增益值k₁>k₁*。该方法保证系统的滑模参数处于阈值|s|＜s_t内，使得系统至少收敛至误差为|e|＜s_t/c的范围内以实现接触力控制。

具体实施方案四：S2中智能贴合补偿量的获取方法为：

针对均匀型焊缝的补偿量计算方法为：

dx_n％＝t_n％+d_s-s (21)

式中，t_n％为n_％时刻的补偿结果，d_s为打磨区域焊缝平均高度，s为砂带厚度；

飞边型焊缝的高度不均匀，贴合补偿过程中的接触轮半径相对较大，与焊缝部分可能未完全接触，并不能进行简单叠加，因此采用如下所示的补偿量计算方法：

式中，md_n％为n％时刻临近范围((n-m_o)％,(n+m_o)％)内的最大高度，c_n％为焊缝高度；对md_n％大于预设值dt的焊缝高度值进行缩放，比例为w<1。本实施方案其他与具体实施方三相同。

具体实施方案五：S3中智能贴合补偿量与原始路径进行叠加的方法为：

式中，Tr_n％为机器人原始路径中对应n％时刻的位姿，d_n％为补偿结果与焊缝点云信息的融合结果中对应n％时刻的补偿量，具体为d_n％＝[dx_n％ 0 0]^T，Tf_n％为修正后路径。本实施方案其他与具体实施方四相同。

对路径采用多项式拟合方法进行平滑处理，以计算出修正后路径。此外，若整条飞边类焊缝中存在较多的均匀部分，也可仅对均匀部分采用式(21)所示的计算方式，进而将结果拟合生成修正后路径。

砂带工具原始路径由焊缝点云规划得到，可以很容易得到对应n％时刻范围内的焊缝最大高度md_n％。但由于机器人测量存在误差，需要进行数据对齐以得到初始接触时对应的具体焊缝点云。扩大机器人的测量范围，使其大于加工范围，从测量结果中获取大于智能贴合范围内的焊缝数据并将其归一化至md_n％，智能贴合范围记为全部焊缝中的p％，可能的初始点范围即为0至1-p％。当焊缝高度变化较大时，焊缝高度突变的影响大于整体刚度变化影响，使得砂带工具补偿量变化与焊缝高度变化呈负相关。基于此原理，通过计算两者的相关系数来获得初始接触点。在0至1-p％内，当每取定一个初始位置后，对其后续p％内的点重新归一化，计算每一点的相比于前一点的高度变化值c_n％，当变化值大于阈值c_t时，与对应的智能贴合补偿量变化值相乘，全部点乘积之和即为焊缝变化与工具补偿量变化的正相关系数。计算0至1-p％内正相关系数最小的点，即可获取初始点，进而获得md_n％以用于式(22)的计算中。

实施例1

实验平台包括埃夫特ER210六轴工业机器人、自制砂带打磨工具、薄壁实验工件、焊缝实验工件及其固定工装。自制砂带打磨工具采用的砂带旋转驱动电机为松下MGMF242L1G6M，功率为2400W，末端补偿部分的驱动电机为松下MSMF042L1V2M，功率为400W，其打磨头部安装有瑞尔特力传感器1199～300N。砂带打磨工具的控制基于研华工控机UNO-1372G-J，采用倍福TwinCAT3控制器，控制周期为1ms。

薄壁工件接触力控制实验：

采用薄壁工件作为环境对象，薄壁工件为贮箱工件的一部分，底部通过虎钳夹紧在工作台上。为验证环境接触模型f_e＝k_e(x-x_e)，采用机器人固定，砂带工具移动的方式进行工件刚度测量，分别在同一位置以两次不同速度与工件顶部接触，接触过程中砂带工具的位移量与受力关系如图3所示。结果表明，采用两次不同速度的数据几乎相同，环境接触模型，对数据拟合后可得刚度值为1.24N/mm。对工件底部进行接触实验，可得刚度值为26.44N/mm，说明后续实验过程中的环境刚度发生了较大的变化。

在接触力控制实验中，机器人从工件下方至上方移动，运动路径未经过精确计算，仅保证与工件的接触位置位于砂带工具的补偿范围内，使得环境位置与刚度同时发生变化。控制参数上，期望力为f_d＝50N，阻抗参数为m＝1，b＝100，k＝20，x_r＝20，滑模控制参数为c＝5，k₁(0)＝0，w＝100，ε＝2.5，e_t＝5，b₀＝-40。实验分为初始位置接触和变化环境跟踪两个阶段。在初始位置接触阶段，机器人不动，砂带工具逐渐移动至与工件接触，并控制接触力为期望力50N，该过程受力曲线如图3b)所示，砂带工具位置曲线如图3c)所示。前一段时间内砂带工具未接触工件，此时砂带工具逐渐向前运动，约4s时接触工件，接触后受力经少量超调后调整回期望力50N，滑模增益k₁由0逐渐增长至约490。在变化环境跟踪阶段，机器人沿工件移动，此时砂带工具在变刚度、变位置的环境下进行恒力跟踪。在移动过程中，砂带工具受力、位移及滑模增益k₁分别如图3d)、e)、f)所示。结果表明，受力在初始阶段有少量超调，但很快调整至期望力并保持平稳。在整个跟踪过程中砂带工具位移从约25mm变化至约-5mm，完成了约30mm的补偿，增益k₁在经过少量增长后始终保持不变，说明当参数调节合理时，滑模控制能适应薄壁接触工件环境位置及刚度变化带来的扰动。

面向焊后焊缝的机器人路径智能修正及打磨实验：

为验证路径智能修正方法及砂带工具焊缝打磨能力，分别对均匀型焊缝和飞边型焊缝进行路径智能修正及打磨实验。焊缝工件底部夹持于工作台上，加工处的刚度变化范围约为9.06～29.22N/mm，为变刚度环境。分别均匀型焊缝和飞边型焊缝进行智能贴合补偿实验。修正过程中，机器人沿平行于焊缝工件的原始路径逐渐向上运动。控制参数上，期望力为f_d＝100N，阻抗参数为m＝1，b＝500，k＝20，x_r＝20，滑模控制参数为c＝5，k₁(0)＝0，w＝100，ε＝2.5，e_t＝5，b₀＝-40。

两次智能贴合补偿的结果如图4所示。其中，均匀型焊缝智能贴合补偿的受力过程及砂带工具补偿曲线如图4a)和b)所示，整个过程中砂带工具受力保持在期望力100N左右，补偿量随路径向上而逐渐增大，这是由于上方工件刚度较小，为达到相同接触力需要进一步向工件内部补偿。

飞边型焊缝智能贴合补偿的受力过程及砂带工具补偿曲线如图4c)和d)所示，两类焊缝的接触力控制效果较好，说明反馈力未出现在线打磨补偿方法中的因薄壁颤振而导致的较大波动，进而避免了在线力控中的参数整定难题。飞边型焊缝实验中砂带工具位置整体变化趋势与均匀型焊缝相同，但由于焊缝高度不均匀，砂带工具位置有小幅度变化。

根据智能贴合补偿结果，融合机器人最终打磨路径。对于均匀型焊缝，焊缝高度d_s约为1.5mm，砂带厚度s为1.2mm，对原始路径均匀增加0.3mm的补偿即可。对飞边型焊缝，补偿量融合及平滑处理的参数选取为d_t＝1，w＝0.5，m＝3，c_t＝0.3，采用三次多项式拟合，路径融合如图5a)所示，焊缝高度及确定范围如图5b)和c)所示。两条路径补偿前后的对比如图5d)所示，两条路径补偿后的整体变化趋势一致，在向上运动的过程中逐渐向工件内部方向补偿。

采用融合路径对焊缝进行打磨，打磨参数上，砂带工具驱动电机转速设置为800r/min，气动张紧部分气压设置为0.25MPa，采用80目的陶瓷刚玉砂带。对于机器人进给速度，由于整体上飞边型焊缝去除量更大，因此均匀型和飞边型焊缝实验中机器人速度分别设置为20mm/s和10mm/s。

两条焊缝区域打磨前后的对比如图6a)和b)所示，说明采用本发明砂带打磨工具及智能修正路径可以对焊缝实现效果较好的打磨去除。为验证焊缝打磨满足母材去除量小于0.5mm的工艺要求，采用线激光传感器及米铱scanCONTROL台阶测量功能对打磨后的表面及附近未打磨母材表面进行高度差测量，如图6c)和d)所示。对两个区域分别均匀的进行10次测量，去除量结果如表1所示。

表1

区域1的平均去除量为0.125mm，最大去除量为0.195mm。区域2的平均去除量为0.266mm，最大去除量为0.33mm。由于区域2中机器人速度相对较慢，因而其去除量略大，但整体的焊缝打磨均满足母材去除量小于0.5mm的要求，说明砂带工具防过量部分可以实现母材保护的功能，使打磨后的工件满足工艺要求。

表2

将本发明方法与目前主流的人工操作方法进行对比，结果如表2所示。综合加工效率为焊缝去除长度与总用时的比值，本发明方法包括智能贴合补偿过程及打磨过程，人工方法包括锤铲、角磨机抛光等过程，其劳动强度大，效率远低于本发明方法。本发明方法的母材去除量及焊缝平整度基于表1中数据计算获得，其结果均优于手工方法。整体上，本发明方法的目的是在满足加工工艺指标要求的情况下，较人工操作方法提高加工效率，并能代替人工方法在大量粉尘、高噪音污染的恶劣环境下进行作业。

虽然本发明公开披露如上，但本发明公开的保护范围并非仅限于此。本发明领域技术人员在不脱离本发明公开的精神和范围的前提下，可进行各种变更与修改，这些变更与修改均将落入本发明的保护范围。

Claims (5)

1.一种面向搅拌摩擦焊焊缝打磨的机器人自适应示教方法，其特征在于包括如下步骤：

S1、获取焊缝点云信息，生成机器人的原始路径；将机器人原始路径离散为多个时间点-机器人位姿的序列；

S2、在未加工的离线状态下，机器人沿原始路径运动，基于超螺旋自适应滑模阻抗的接触力控制方法，控制工具末端与工件的接触力尽可能接近期望力，获取打磨工具的补偿结果，将补偿结果离散为时间点-补偿结果的序列，并将补偿结果与焊缝点云信息融合，得到最终的智能贴合补偿量；

S3、将离散的智能贴合补偿量与原始路径进行叠加，得到修正后的加工路径。

2.根据权利要求1所述的面向搅拌摩擦焊焊缝打磨的机器人自适应示教方法，其特征在于S1中的原始路径生成方法为：获取焊缝点云，通过拟合方法求取焊缝曲线方程，由于曲线方程可表示为在同一平面的多项式，因此采用平面拟合及多项式拟合的方法获得机器人原始路径。

3.根据权利要求2所述的面向搅拌摩擦焊焊缝打磨的机器人自适应示教方法，其特征在于S2中所述基于超螺旋自适应滑模阻抗的接触力控制方法的构建过程为：

在面对变刚度环境，工具位置变量为：

其中，x为工具实际位置，f_d为期望接触力，f_e为实际接触力，k_e为环境刚度，x_e为环境未受力时的位置，e为期望力与实际力之差，即e＝f_d-f_e；

式(1)的一阶和二阶导数为：

令系统控制输入u作为阻抗控制的虚拟力，系统方程为：

式中，m为期望质量，b为阻尼，k为刚度，x_r为参考位置；

将公式(1)(2)和(3)带入公式(4)中，由于期望接触力固定，即

得到接触力误差的动态微分方程：

令x₁＝e，

建立误差的状态方程为：

式中，d项为因环境变化而带来的扰动项，其定义为：

针对控制量增益部分

存在的扰动，其来源为k_e，即工件刚度，采用基于超螺旋自适应滑模控制的方法，取滑模参数/>

滑模控制方法具体如下所示：

其中，k₁和k₂为增益值；通过线性增长法选择合适的k₁、k₂，保证系统的滑模参数处于阈值|s|＜s_t内，使得系统至少收敛至误差为|e|＜s_t/c的范围内以实现接触力控制。

4.根据权利要求3所述的面向搅拌摩擦焊焊缝打磨的机器人自适应示教方法，其特征在于S2中智能贴合补偿量的获取方法为：

针对均匀型焊缝的补偿量计算方法为：

dx_n％＝t_n％+d_s-s (9)

式中，t_n％为n％时刻的补偿结果，d_s为打磨区域焊缝平均高度，s为砂带厚度；

针对飞边型焊缝的补偿量计算方法为：

dx_n％＝t_n％+c_n％-s

式中，md_n％为n％时刻临近范围((n-m_o)％,(n+m_o)％)内的最大高度，c_n％为焊缝高度；对md_n％大于预设值d_t的焊缝高度值进行缩放，比例为w<1。

5.根据权利要求4所述的面向搅拌摩擦焊焊缝打磨的机器人自适应示教方法，其特征在于S3中智能贴合补偿量与原始路径进行叠加的方法为：

式中，Tr_n％为机器人原始路径中对应n％时刻的位姿，d_n％为补偿结果与焊缝点云信息的融合结果中对应n％时刻的补偿量，具体为d_n％＝[dx_n％ 0 0]^T，T f_n％为修正后路径。

Images