CN109799701B - 一种工业机器人振动抑制方法 - Google Patents

Abstract

一种工业机器人振动抑制方法，记录机器人动作过程中控制系统下发的给定位置，及编码器反馈的实际位置信息，根据给定位置和反馈位置的偏差计算位置补偿量及速度补偿量，对给定位置加入位置补偿量，利用速度前馈接口加入速度补偿量，进行机器人的振动抑制。本发明直接使用工业机器人的位置编码器，无需增加外部传感器，避免增加优化成本，并避免了额外增加外设所带来的数据误差，本发明方法既可以解决机器人动作过程中的抖动，也可以解决定位抖动。本发明通过学习得到振动抑制补偿量后，若机器人的动作轨迹没有发生变化，位置补偿量及速度补偿量可以反复使用，无需再进行振动抑制学习。

Description

一种工业机器人振动抑制方法

技术领域

本发明属于机器人技术领域，涉及工业机器人，为一种工业机器人振动抑制方法。

背景技术

工业机器人的振动抑制是指对机器人动作过程中的振动的控制方法。机器人的振动抑制可以从机械结构、控制算法两方面进行。通过增加机械结构的刚度、机械系统的阻尼以实现对机器人的机械结构优化，但这会增加机械系统的整体质量，使得机器人系统的能耗增大，也容易影响系统的响应速度，而且这种方法不能根本解决机器人的振动问题。机器人控制算法一般利用机器人的运动学模型或动力学模型，通过选择合适的反馈参数或控制率来提高振动抑制的效果，相比于优化机械结构设计，这类方法更容易实现,得到了更多的研究和应用。

在机器人控制算法中，基于动力学模型的方法存在动力学模型不精确的问题，通过参数辨识的方法也很难保证模型的精确性，尤其是对柔性的串联型工业机器人，因此利用动力学模型进行振动抑制的方式存在一定的问题。基于运动学的方法是在机器人的末端增加传感器，如加速度传感器、激光跟踪仪等，该类方法无形地增加了机器人成本，而且操作复杂，尤其对于使用加速度传感器，实际现场应用时需要更高的标定精度，否则适得其反。针对以上存在的问题，本发明提供了一种新型的工业机器人振动抑制的方法。

发明内容

本发明要解决的问题是：现有对机器人的振动抑制方法中，采用外设的方式增加机器人能耗负担，影响机器人运动，采用控制算法的方式需要另外设置检测传感器，增加成本，且设置复杂。

本发明的技术方案为：一种工业机器人振动抑制方法，记录机器人动作过程中控制系统下发的给定位置，及编码器反馈的实际位置信息，根据给定位置和反馈位置的偏差计算位置补偿量及速度补偿量，对给定位置加入位置补偿量，利用速度前馈接口加入速度补偿量，进行机器人的振动抑制。

进一步的，对振动抑制的过程进行学习，首先，机器人按照预设的动作轨迹运行，采集机器人的给定位置及反馈位置，通过计算位置偏差量，对位置偏差量使用振动信号滤波器得到振动信号，再对振动信号进行迭代学习得到学习位置补偿量，然后通过乘以系数函数得到振动抑制的位置补偿量；同时，利用低通滤波器对位置偏差量进行滤波去除毛刺，再通过微分处理得到速度偏差量，并乘以增益得到速度补偿量；

所述迭代学习为：将上一次的位置补偿量与当前给定位置相加下发至机器人伺服系统，并将速度补偿量通过伺服前馈接口下发伺服速度环中，机器人运行得到反馈位置，再进行补偿量计算，形成迭代学习；

机器人重复多次运行，直至机器人反馈位置表明机器人不振动或振动达到接受范围内停止。

作为优选方式，位置补偿量的计算学习具体为：

机器人的各轴给定位置为θ_set，反馈位置为θ_act，两者的位置偏差量θ_offs为：

θ_offs＝θ_set-θ_act*δ(t-t_delay)

其中，t_delay为动作时滞，δ为阶跃函数；

利用振动信号滤波器对位置偏差θ_offs进行滤波处理，提取机器人的振动信号θ_vib，建立PI型迭代学习方式，对振动信号及上次振动抑制补偿量进行学习计算，首先依据滤波后的振动信号θ_vib计算振动信号的微分θ'_vib：

θ_k＝θ_comp-Φθ_vib-Γθ'_vib

其中Φ、Γ为迭代学习增益，k为学习次数；

对迭代学习后的学习量θ_k乘以系数函数A，得到振动补偿量θ_comp：

θ_comp,i＝θ_k,i*A_i

其中，i为机器人关节数，i＝1,…,m，m总数目，系数函数A依据采样数据的总数目建立，系数函数A的构成考虑机器人动作加速及减速、动作匀速两种类型段，取值在[0,1]之间，构建方式包括使用线性方式和非线性方式，同时保证系数函数的元素单调不递增。

进一步的，得到位置偏差量后，对位置偏差量进行判断处理，若没有发生振动或者振动小于设定的阈值，则不进行振动抑制，否则进行振动抑制。

作为优选方式，速度补偿量的计算学习为：

机器人的各轴给定位置为θ_set，反馈位置为θ_act，两者的位置偏差量θ_offs为：

θ_offs＝θ_set-θ_act*δ(t-t_delay)

其中，t_delay为动作时滞，δ为阶跃函数；

利用低通滤波器对位置偏差量进行滤波处理，得到去除毛刺后的位置偏差量θ'_offs，将位置偏差量θ'_offs进行微分处理，并乘以速度增益K_v，得到速度补偿量v_comp，并将速度补偿量进行存储，供下次振动学习或者振动抑制使用。

本发明方法中，速度增益K_v的形式包括常数、线性表达式及非线性表达式。

本发明方法中，振动信号滤波器的实现方式包括带通滤波器和小波滤波，使用滤波器时，包括时域滤波器和频域滤波器。

本发明方法中，迭代学习包括P型迭代学习、PI型迭代学习、自适应迭代学习、基于频域分析的迭代学习、基于2-D理论的迭代学习、和最优化迭代学习。

本发明方法中，作为替换方式，还可根据位置补偿量及速度补偿量，使用位置控制、速度前馈、力矩前馈三种方式组合，对机器人进行振动抑制。

与现有技术相比，本发明方法的有益效果如下：

(1)本发明直接使用工业机器人的位置编码器，无需增加外部传感器，避免了外部传感器标定误差带来计算位置补偿量和速度补偿量的不精确性。

(2)本发明方法既可以解决机器人动作过程中的抖动，也可以解决定位抖动。本发明多次反复学习，可以通过机器人运动轨迹各个插补点的位置偏差计算全轨迹各个插补点的学习补偿量抑制运动过程中的抖动，提高机器人的轨迹精度，也可以通过机器人定位时的位置偏差计算学习补偿量，解决定位时的抖动。

(3)本发明没有依据机器人的运动学和动力学模型，而是直接通过机器人运动位置偏差来计算补偿，方法通用性强，易于实现。

(4)本发明无需优化机器人机械结构的设计，可以避免增加成本。

(5)本发明通过增加系数函数，减少甚至避免了抖动的连续影响，优化振动抑制的学习效果。

(6)对于振动产生的位置偏差，本发明不仅进行位置补偿，还通过增加速度前馈及速度增益，有效地优化振动抑制的学习效果。

(7)本发明易于实现，无需对机器人进行改动，能够提高机器人的工作效率、降低机器人成本及生产线系统成本。

(8)本发明通过学习得到振动抑制补偿量后，若机器人的动作轨迹没有发生变化，位置补偿量及速度补偿量可以反复使用，无需再进行振动抑制学习。

附图说明

图1为本发明机器人振动抑制系统的结构图。

图2为本发明振动抑制方法的流程图。

图3为本发明实施例中工业机器人的示意图。

图4为本发明实施例中工业机器人轴1的给定位置及反馈位置示意图。

图5为本发明实施例中工业机器人轴给定位置与反馈位置的位置偏差示意图。

图6为本发明实施例中工业机器人振动信号示意图。

图7为本发明实施例中工业机器人振动补偿量示意图。

图8为本发明实施例中系数函数的示意图。

图9为本发明实施例速度补偿量的结果示意图。

具体实施方式

本发明的目的是提供一种工业机器人振动抑制的方法，通过记录机器人动作过程中的控制系统下发给定位置及编码器反馈的实际位置信息，并依据设计的振动抑制系统计算得到振动抑制的位置补偿量及速度补偿量，最后通过对给定位置加入位置补偿量及利用速度前馈接口加入速度补偿量，以实现机器人的振动抑制。

以下，参照附图，说明本发明的实施例所涉及的机器人振动抑制系统。图1表示本发明的实施例所涉及的机器人振动抑制系统的结构图。

运动内核根据机器人动作的预期位置进行运动学规划，以得到机器人的各轴给定位置θ_set。机器人动作的预期位置通过在线示教或离线编程的方式设定，该类方式是在机器人基坐标空间设定预期的位姿(X、Y、Z、A、B、C)，其中，(X、Y、Z)为机器人预期到达的位置，(A、B、C)为机器人末端预期到达的姿态。

伺服系统根据运动控制器下发的给定位置θ_set，利用位置控制调节器得到速度指令，速度控制调节器依据速度指令得到电流指令，电流控制调节器依据电流指令控制功率变换器输出一定的电压、电流信号给伺服电机以驱动机器人的轴动作。在位置控制模式下，伺服电机依据给定位置进行动作，伺服系统通过采集位置编码器得到各轴的实际变化角度，即反馈位置θ_act。

在计算位置补偿量时，振动信号滤波器对机器人的给定与反馈位置的偏差进行滤波处理，以得到振动信号。

在计算速度补偿量时，由低通滤波器对机器人的给定与反馈位置的偏差进行滤波处理，用于去除偏差量中的毛刺信号。

本发明在振动抑制中采用迭代学习方式，实现对振动补偿的跟踪，系数函数用于对学习位置补偿量进行优化处理，以得到精准的振动抑制位置补偿量。通过迭代学习方式，依据振动信号及上一次的位置补偿量进行学习，得到学习位置补偿量。

本发明实施时可以在机器人的控制器中设置位置补偿存储器，用于储存机器人的位置补偿量，机器人上电启动时将补偿量文件中的补偿量读取并存放至位置补偿存储器中，当需要进行振动抑制学习时，位置补偿存储器暂存学习过程中的位置补偿量，当振动抑制学习结束后，将位置补偿量从位置补偿存储器中备份至文件，已备下次系统启动读取。

本发明实施时可以在机器人的控制器中设置速度补偿存储器，用于储存机器人的速度补偿量，机器人上电启动时将补偿量文件中的补偿量读取并存放至速度补偿存储器中，当需要进行振动抑制学习时，速度补偿存储器暂存速度补偿量，当振动抑制学习结束后，将速度补偿量备份至文件，已备下次系统启动读取。

接下来说明机器人利用本发明方法进行振动抑制的流程。

图2为振动抑制的流程图。首先机器人按照预先设定的动作轨迹运行，采集机器人的给定位置及反馈位置，通过计算位置偏差量，使用振动信号滤波器得到振动信号，再通过学习系统进行迭代学习得到学习位置补偿量，然后通过系数函数处理得到振动抑制的位置补偿量，并利用低通滤波器对位置偏差量进行滤波去除毛刺，再通过微分处理得到速度偏差量，并乘以增益K_v得到速度补偿量，下次学习时将位置补偿量与给定位置相加下发至伺服系统，以及将速度补偿量通过伺服前馈接口下发伺服速度环中，重复多次运行直至机器人不振动或振动达到接受范围内停止。本发明使用位置给定及速度前馈的方式进行机器人的振动抑制，但本发明不限于该模式的情况，根据系统或实际应用，可进行位置控制、速度前馈、力矩前馈方式的组合。

机器人按照预先设定的动作轨迹运行，如图3所示，在动作过程中，采集机器人各轴的给定位置θ_set及反馈位置信息θ_act，本实例中给出机器人轴1的数据实例，轴1的给定位置及反馈位置如图4所示，以下如不进行特殊说明，均为轴1的实验数据。

计算机器人轴给定位置θ_set与反馈位置θ_act的位置偏差量θ_offs，如图5所示。

θ_offs＝θ_set-θ_act*δ(t-t_delay)

其中，t_delay为动作时滞，δ为阶跃函数。

对位置偏差量进行判断处理，若没有发生振动或者振动小于设定的阈值，则不进行振动抑制的学习，否则继续以下流程处理。

利用振动信号滤波器对位置偏差θ_offs进行滤波处理，以提取机器人的振动信号θ_vib。振动信号滤波器的参数选择依据工业机器人的输出特性确定，实例结果如图6所示。

建立PI型迭代学习方式，对振动信号及上次振动抑制补偿量进行学习计算，具体流程如下所示。

首先依据滤波后的振动信号θ_vib计算振动信号的微分θ'_vib，具体学习的运算方式如下：

其中Φ、Γ为迭代学习增益，k为学习次数。

对迭代学习后的学习量θ_k乘以系数函数A，以得到振动补偿量θ_comp，振动补偿量如图7所示。

θ_comp,i＝θ_k,i*A_i

其中，i为机器人关节数，i＝1,…,m，m为采样数据的总数目，系数函数A依据采样数据的总数目建立。系数函数A的构成需要考虑动作加速及减速、动作匀速两种类型段。系数函数A的取值在[0,1]之间，构建方式可以使用线性方式、非线性方式，但建立两种类型段时，需要保证系数函数的元素单调不递增，图8为一种实例方式。

利用低通滤波器对位置偏差量进行滤波处理，得到去除毛刺后的位置偏差量θ'_offs。

将位置偏差量θ'_offs进行微分处理，并乘以速度增益K_v，得到速度补偿量v_comp，并将速度补偿量存储于速度补偿存储器中，供下次学习或者振动抑制使用。图9为速度补偿量的实例结果。

将位置补偿量θ_comp与机器人的给定位置θ_set进行相加运算，作为机器人的下次运行的位置给定θ'_set，θ'_set＝θ_comp+θ_set。将速度补偿量v_comp下发至速度前馈接口，当机器人以位置给定θ'_set及给定速度前馈补偿量v_comp动作后，会采集得到新的反馈位置θ'_act，再依据以上的流程重复动作学习，直至机器人不振动或振动在可接受的范围内。

本发明提供了一种新型振动抑制方法，除了上述实施例的具体方式，在实施过程中还可进行技术手段的替换，包括以下：

本发明使用工业机器人的位置编码器进行振动抑制，流程处理过程中通过机器人自身的编码器提取有效的振动信号，使用带通滤波器实现，但不仅限于使用带通滤波器，还包含其他方式，如小波处理方法。提取振动信号的滤波器包含时域滤波器和频域滤波器。

本发明方法通过迭代学习的方式实现振动抑制，本发明使用的是PI型迭代学习控制，但不限于该方式，还可使用其他方式，如自适应迭代学习控制、基于频域分析的迭代学习控制、基于2-D理论的迭代学习控制、最优化迭代学习控制等。

本发明在位置补偿时，通过增加系数函数，减少甚至避免了抖动的连续影响，优化振动抑制的学习效果。系数函数的取值在[0,1]之间，构建方式可以使用线性方式、非线性方式，但建立两种类型段时，需要保证系数函数的元素单调不递增。

本发明通过增加速度前馈操作伺服系统的速度环，并增加速度增益，优化振动抑制的学习效果。速度增益本发明实例提供的是一个常数，但不仅限于常数，还可使用其他线性及非线性表达式。

本发明的抑制方法适用于各种位置控制系统的机器人，本发明使用位置给定及速度前馈的方式进行机器人的振动抑制，但不限于该模式的情况，还可使用位置控制、速度前馈、力矩前馈方式的组合。

Claims (8)

1.一种工业机器人振动抑制方法，其特征是记录机器人动作过程中控制系统下发的给定位置，及编码器反馈的实际位置信息，根据给定位置和反馈位置的偏差计算位置补偿量及速度补偿量，对给定位置加入位置补偿量，利用速度前馈接口加入速度补偿量，进行机器人的振动抑制；

对振动抑制的过程进行学习，首先，机器人按照预设的动作轨迹运行，采集机器人的给定位置及反馈位置，通过计算位置偏差量，对位置偏差量使用振动信号滤波器得到振动信号，再对振动信号进行迭代学习得到学习位置补偿量，然后通过乘以系数函数得到振动抑制的位置补偿量；同时，利用低通滤波器对位置偏差量进行滤波去除毛刺，再通过微分处理得到速度偏差量，并乘以增益得到速度补偿量；

所述迭代学习为：将上一次的位置补偿量与当前给定位置相加下发至机器人伺服系统，并将速度补偿量通过伺服前馈接口下发伺服速度环中，机器人运行得到反馈位置，再进行补偿量计算，形成迭代学习；

机器人重复多次运行，直至机器人反馈位置表明机器人不振动或所产生的振动在机器人工作接受范围内时停止。

2.根据权利要求1所述的一种工业机器人振动抑制方法，其特征是位置补偿量的计算学习具体为：

机器人的各轴给定位置为θ_set，反馈位置为θ_act，两者的位置偏差量θ_offs为：

θ_offs＝θ_set-θ_act*δ(t-t_delay)

其中，t_delay为动作时滞，δ为阶跃函数；

利用振动信号滤波器对位置偏差θ_offs进行滤波处理，提取机器人的振动信号θ_vib，建立PI型迭代学习方式，对振动信号及上次振动抑制补偿量进行学习计算，首先依据滤波后的振动信号θ_vib计算振动信号的微分θ'_vib：

θ_k＝θ_comp-Φθ_vib-Γθ'_vib

其中Φ、Γ为迭代学习增益，k为学习次数；

对迭代学习后的学习量θ_k乘以系数函数A，得到振动补偿量θ_comp：

θ_comp,i＝θ_k,i*A_i

其中，i为机器人关节数，i＝1,…,m，m总数目，系数函数A依据采样数据的总数目建立，系数函数A的构成考虑机器人动作加速及减速、动作匀速两种类型段，取值在[0,1]之间，构建方式包括使用线性方式和非线性方式，同时保证系数函数的元素单调不递增。

3.根据权利要求1所述的一种工业机器人振动抑制方法，其特征是得到位置偏差量后，对位置偏差量进行判断处理，若没有发生振动或者振动小于设定的阈值，则不进行振动抑制，否则进行振动抑制。

4.根据权利要求1所述的一种工业机器人振动抑制方法，其特征是速度补偿量的计算学习为：

机器人的各轴给定位置为θ_set，反馈位置为θ_act，两者的位置偏差量θ_offs为：

θ_offs＝θ_set-θ_act*δ(t-t_delay)

其中，t_delay为动作时滞，δ为阶跃函数；

利用低通滤波器对位置偏差量进行滤波处理，得到去除毛刺后的位置偏差量θ'_offs，将位置偏差量θ'_offs进行微分处理，并乘以速度增益K_v，得到速度补偿量v_comp，并将速度补偿量进行存储，供下次振动学习或者振动抑制使用。

5.根据权利要求4所述的一种工业机器人振动抑制方法，其特征是速度增益K_v的形式包括常数、线性表达式及非线性表达式。

6.根据权利要求1所述的一种工业机器人振动抑制方法，其特征是振动信号滤波器的实现方式包括带通滤波器和小波滤波，使用滤波器时，包括时域滤波器和频域滤波器。

7.根据权利要求1所述的一种工业机器人振动抑制方法，其特征是迭代学习包括P型迭代学习、PI型迭代学习、自适应迭代学习、基于频域分析的迭代学习、基于2-D理论的迭代学习和最优化迭代学习。

8.根据权利要求1所述的一种工业机器人振动抑制方法，其特征是根据位置补偿量及速度补偿量，使用位置控制、速度前馈、力矩前馈三种方式组合，对机器人进行振动抑制。

Images