周帥，劉曉鳴

(南京航空航天大學(xué)機(jī)電學(xué)院，江蘇南京 210016)

0 前言

隨著機(jī)器人技術(shù)的迅速發(fā)展，機(jī)器人在工業(yè)生產(chǎn)中得到了更加廣泛的應(yīng)用，其中機(jī)器人力控制是目前工業(yè)機(jī)器人的主要研究方向之一，研究機(jī)器人力控制技術(shù)具有重要意義[1]。工業(yè)機(jī)器人在進(jìn)行磨削、拋光和裝配等接觸性作業(yè)時，由于機(jī)器人末端與工件表面的接觸力常常難以得到有效控制，容易造成工件表面的損傷，嚴(yán)重時甚至?xí)p壞機(jī)器人，因此需要同時對機(jī)器人進(jìn)行力和位置控制[2]。機(jī)器人的力控制中又分為被動力控制和主動力控制，機(jī)器人憑借一些輔助的柔順機(jī)構(gòu)(如彈簧、阻尼等)，使它在與環(huán)境接觸時能夠?qū)ν獠孔饔昧Ξa(chǎn)生自然順從，這種方式被稱為被動力控制；機(jī)器人利用力的反饋信息，采用一定的控制策略主動控制作用力的方式被稱為主動力控制[3]。由于被動力控制的適應(yīng)能力比較差，并且力控制的準(zhǔn)確度較低，所以主動力控制成為現(xiàn)在的主流。

主動力控制一般可以歸結(jié)為四大類：阻抗控制策略[4]、力/位混合控制策略[5]、自適應(yīng)控制策略和智能控制策略[6]。基于以上4種力控制策略，國內(nèi)外學(xué)者對工業(yè)機(jī)器人加工過程中的力控制做了大量研究。XU等[7]提出了一種力/位置混合控制與PI/PD控制相結(jié)合的方法，應(yīng)用于復(fù)雜幾何形狀的機(jī)器人砂帶磨削。張洪瑤等[8]提出了一種基于模糊PID的力/位混合控制策略應(yīng)用于機(jī)器人自動化葉片磨削系統(tǒng)中，相比于傳統(tǒng) PID 控制策略，接觸力控制效果和葉片加工質(zhì)量都有較大的改善。AHMADI等[9]提出了一種用于工業(yè)機(jī)器人的聯(lián)合視覺與力的控制方法，用于控制機(jī)器人與環(huán)境的相互作用力，同時可以跟蹤工件上的所需路徑。吳炳龍等[10]提出一種基于位置控制的工業(yè)機(jī)器人力跟蹤剛度控制，該方法通過力閉環(huán)的積分控制實(shí)現(xiàn)力的直接控制，通過剛度控制實(shí)現(xiàn)力的間接控制，兩者的結(jié)合可以讓機(jī)器人控制更像人類與外界的交互方式。

為了解決機(jī)器人自動化磨削過程中的磨削力控制問題，本文作者提出一種基于神經(jīng)網(wǎng)絡(luò)算法的工業(yè)機(jī)器人力控制方法，并搭建一套機(jī)器人自動化磨削系統(tǒng)，驗(yàn)證所提出的力控制方法。

1 基于神經(jīng)網(wǎng)絡(luò)的機(jī)器人磨削力控制

1.1 神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)是20世紀(jì) 40 年代由美國數(shù)學(xué)家 PITTS 和心理學(xué)家MC CULLOCH首次提出的[11]。神經(jīng)網(wǎng)絡(luò)類似于人的腦神經(jīng)，以神經(jīng)元作為基本單元，神經(jīng)元之間相互連接形成一個網(wǎng)絡(luò)。在輸入大量的訓(xùn)練數(shù)據(jù)和參數(shù)之后，神經(jīng)元會不斷地學(xué)習(xí)，不斷地傳遞信息，然后從這些復(fù)雜的數(shù)據(jù)中，找出其共同點(diǎn)和規(guī)律。神經(jīng)元以平行排列的方式排列，每層都具有各自的作用，不同層的神經(jīng)元之間相互連接在一起，網(wǎng)絡(luò)中的信息通過神經(jīng)元之間的傳遞和處理，組成一個完整的神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)具體所實(shí)現(xiàn)的功能取決于其結(jié)構(gòu)、權(quán)值、偏置值還有其神經(jīng)元模型。神經(jīng)元是神經(jīng)網(wǎng)絡(luò)的基本計(jì)算單元，也被稱作節(jié)點(diǎn)或者單元。它既能接收其他神經(jīng)元的輸入，又能從外部直接接收信號，然后計(jì)算一個輸出。最后通過輸出數(shù)據(jù)與訓(xùn)練數(shù)據(jù)的差值反向傳播修正權(quán)重參數(shù)w和偏置參數(shù)b，使得模型預(yù)測值與訓(xùn)練數(shù)據(jù)值逐漸一致。神經(jīng)元的結(jié)構(gòu)如圖1所示。

圖1 神經(jīng)元結(jié)構(gòu)示意

其中：x1，x2，x3，… ，xn是神經(jīng)元的多維度輸入；w1，w2，w3，… ，wn是各個維度輸入數(shù)據(jù)與神經(jīng)元之間的權(quán)值；∑為求和公式，它表示將神經(jīng)元的輸入xi與對應(yīng)的權(quán)值wi相乘再求和；b是神經(jīng)元的偏置值；f(·)是神經(jīng)元的激活函數(shù)，它能夠?qū)⑤斎氲臄?shù)據(jù)經(jīng)過一定的變換，把輸出結(jié)果限定在規(guī)定的范圍內(nèi)；y是神經(jīng)元的輸出，其表達(dá)式如下所示：

y=f(WX+b)

(1)

其中：X=[x1，x2，x3，…，xn]；W=[w1，w2，w3，…，wn]T。

1.2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)

文中構(gòu)建的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。整個網(wǎng)絡(luò)包括：輸入層、隱含層和輸出層。輸入層有一個神經(jīng)元，代表輸入的磨削力信息；隱含層有2層，每層有16個神經(jīng)元；輸出層有一個神經(jīng)元，代表輸入磨削力對應(yīng)的位移修正值。

圖2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意

采用控制變量法選取學(xué)習(xí)率、激活函數(shù)、Epochs和Batch size等參數(shù)，以保證神經(jīng)網(wǎng)絡(luò)的預(yù)測精度。經(jīng)過實(shí)驗(yàn)，選取學(xué)習(xí)率為0.000 1，隱含層的激活函數(shù)LeakyRelu，Epochs為500。文中所構(gòu)建的神經(jīng)網(wǎng)絡(luò)選用的所有參數(shù)如表1所示。

表1 神經(jīng)網(wǎng)絡(luò)參數(shù)

隱含層1第k個神經(jīng)元的輸出為

ck=Max(0，wkx+bk)+0.2·Min(0，wkx+bk)k=1，2，…，p

(2)

其中：ck為隱含層1的輸出；wk為輸入層與隱含層1神經(jīng)元之間的連接權(quán)值；x為輸入數(shù)據(jù)；bk為隱含層1的偏置值；n為輸入層神經(jīng)元的個數(shù)；p為隱含層1的神經(jīng)元個數(shù)。

隱含層2第t個神經(jīng)元的輸出為

(3)

其中：dt為隱含層2的輸出；wtk為隱含層1與隱含層2神經(jīng)元之間的連接權(quán)值；btk為隱含層2的偏置值；q為隱含層2的神經(jīng)元個數(shù)。

輸出層的輸出為

(4)

其中：y為輸出層的輸出；wjt為隱含層2與輸出層神經(jīng)元之間的連接權(quán)值；bjt為輸出層的偏置值。

神經(jīng)網(wǎng)絡(luò)中各層神經(jīng)元的權(quán)值和偏置值都會在訓(xùn)練過程中得到調(diào)整，從而減小神經(jīng)網(wǎng)絡(luò)的輸出與實(shí)際輸出之間的差距。神經(jīng)網(wǎng)絡(luò)的具體訓(xùn)練流程如圖3所示。

圖3 神經(jīng)網(wǎng)絡(luò)算法流程

1.3 訓(xùn)練神經(jīng)網(wǎng)絡(luò)

為了使神經(jīng)網(wǎng)絡(luò)的預(yù)測效果達(dá)到最佳狀態(tài)，需要大量的實(shí)際數(shù)據(jù)對它進(jìn)行訓(xùn)練。文中當(dāng)ABB機(jī)器人夾持工件磨削時，利用ATI六維力傳感器對法向磨削力進(jìn)行采集(文中只針對法向磨削力進(jìn)行研究)，設(shè)置每秒鐘采集力信號1 000次，同時設(shè)置機(jī)器人法向進(jìn)給速度為5 mm/s，從而可以獲得工件在磨削過程中法向磨削力與對應(yīng)的法向位移偏移量。使用獲得的實(shí)際數(shù)據(jù)對構(gòu)建好的神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，再用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型在測試數(shù)據(jù)上進(jìn)行驗(yàn)證，結(jié)果如圖4所示。

圖4 實(shí)際位移修正值和預(yù)測位移修正值對比

1.4 機(jī)器人磨削力控制系統(tǒng)

利用前面所構(gòu)建的神經(jīng)網(wǎng)絡(luò)，設(shè)計(jì)出一種基于神經(jīng)網(wǎng)絡(luò)的機(jī)器人磨削力控制系統(tǒng)。其控制系統(tǒng)框圖如圖5所示。

圖5 機(jī)器人磨削力控制系統(tǒng)框圖

首先利用離線編程獲得機(jī)器人磨削加工軌跡，設(shè)定為離線軌跡；然后機(jī)器人控制器根據(jù)軌跡進(jìn)行計(jì)算，得到各個關(guān)節(jié)所要轉(zhuǎn)動的角度，從而控制機(jī)器人運(yùn)動。在磨削加工過程中，力傳感器對實(shí)際磨削力進(jìn)行實(shí)時監(jiān)控，并將力信號反饋給訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型。通過神經(jīng)網(wǎng)絡(luò)模型預(yù)測得到機(jī)器人磨削加工的軌跡修正值，將離線軌跡與軌跡修正值相加，就可以得到機(jī)器人的預(yù)期軌跡，從而實(shí)現(xiàn)機(jī)器人的間接力控制。

2 工業(yè)機(jī)器人磨削系統(tǒng)

2.1 硬件部分

以ABB機(jī)器人為中心，搭建一套工業(yè)機(jī)器人磨削系統(tǒng)。系統(tǒng)硬件部分包括：ABB 4600 六自由度工業(yè)機(jī)器人、砂帶機(jī)、ATI Omega160 IP65 六維力傳感器、POE交換機(jī)和PC上位機(jī)。工業(yè)機(jī)器人磨削系統(tǒng)如圖6所示。

圖6 工業(yè)機(jī)器人磨削系統(tǒng)

2.2 軟件部分

ABB公司提供了軟件開發(fā)包PC SDK，它可以使得用戶基于機(jī)器人控制器開發(fā)一些定制的PC應(yīng)用。由于PC SDK使用的是Microsoft.NET平臺，所以文中使用Microsoft Visual Studio軟件來開發(fā)機(jī)器人磨削系統(tǒng)上位機(jī)軟件，上位機(jī)軟件界面如圖7所示。該上位機(jī)軟件具有3種功能：(1)與ABB機(jī)器人控制器進(jìn)行連接，可以對機(jī)器人進(jìn)行遠(yuǎn)程控制，實(shí)現(xiàn)機(jī)器人程序的運(yùn)行和停止，并實(shí)時獲取機(jī)器人的狀態(tài)；(2)與ATI力傳感器通過UDP協(xié)議進(jìn)行通信，可設(shè)置力傳感器每隔20 ms向上位機(jī)發(fā)送一次力數(shù)據(jù)，上位機(jī)接收到數(shù)據(jù)后，在上位機(jī)界面中以波形圖的形式實(shí)時顯示加工過程中機(jī)器人末端接觸力的變化，并記錄下來以便于后期分析；(3)將基于神經(jīng)網(wǎng)絡(luò)的力控制算法集成在上位機(jī)軟件中，能夠根據(jù)力傳感器的力信息實(shí)時計(jì)算機(jī)器人加工軌跡的位移修正值，并實(shí)時輸送給機(jī)器人控制器，再利用ABB機(jī)器人的Path Offset功能(即路徑偏移，可以理解為在機(jī)器人原有加工路徑的基礎(chǔ)上進(jìn)行偏移。)完成加工軌跡的實(shí)時修正，從而實(shí)現(xiàn)機(jī)器人的間接力控制。

圖7 上位機(jī)軟件界面

2.3 磨削系統(tǒng)加工流程

力傳感器是整個系統(tǒng)的關(guān)鍵部件，它能夠?qū)C(jī)器人末端在加工過程中的接觸力進(jìn)行實(shí)時監(jiān)控，并將力信號反饋給力控制器。在此基礎(chǔ)上，力信號通過訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型預(yù)測機(jī)器人磨削加工的軌跡修正值，并將軌跡修正值輸出給機(jī)器人控制器。機(jī)器人控制器對修正后的軌跡進(jìn)行計(jì)算，得到期望加工軌跡，從而控制機(jī)器人本體進(jìn)行運(yùn)動，夾持工件在砂帶機(jī)上進(jìn)行磨削，產(chǎn)生的接觸力由力傳感器測量再傳入力控制器。整個系統(tǒng)保持實(shí)時監(jiān)測，實(shí)時修正。整個系統(tǒng)的加工流程如圖8所示。

圖8 磨削系統(tǒng)加工流程

3 實(shí)驗(yàn)與分析

3.1 磨削力跟蹤實(shí)驗(yàn)

針對前面所設(shè)計(jì)的基于神經(jīng)網(wǎng)絡(luò)的機(jī)器人力控制方法，為了驗(yàn)證其恒力控制效果，在所搭建的工業(yè)機(jī)器人磨削系統(tǒng)上進(jìn)行了不同大小的磨削力跟蹤實(shí)驗(yàn)，利用離線編程的磨削軌跡，使機(jī)器人夾持工件試件進(jìn)行砂帶磨削。通過算法設(shè)定預(yù)期法向磨削力分別為20、25、30、35 N，再使用上位機(jī)軟件采集實(shí)驗(yàn)過程中的法向磨削力，力跟蹤實(shí)驗(yàn)波形如圖9所示。

圖9 力跟蹤實(shí)驗(yàn)波形

可以看出：文中所提出的機(jī)器人力控制方法對于所設(shè)定的磨削力響應(yīng)迅速，且在機(jī)器人夾持工件試件進(jìn)行磨削的過程中，對磨削軌跡進(jìn)行實(shí)時修正，磨削過程中的實(shí)際法向磨削力在預(yù)先設(shè)定的磨削力上下6 N內(nèi)波動。驗(yàn)證了基于神經(jīng)網(wǎng)絡(luò)的機(jī)器人力控制方法具有恒力控制效果，且對于設(shè)定的磨削力響應(yīng)迅速。

3.2 鈦合金試件磨削實(shí)驗(yàn)

為驗(yàn)證文中所提出的力控制方法在實(shí)際磨削加工過程中的有效性和機(jī)器人磨削系統(tǒng)的實(shí)用性，進(jìn)行工件力控磨削實(shí)驗(yàn)，加工對象為鈦合金平面工件。設(shè)置期望法向磨削力為40 N，實(shí)驗(yàn)結(jié)果如圖10、圖11所示。

圖10 無力控(a)和有力控(b)的法向磨削力對比

圖11 無力控(a)和有力控(b)的工件表面對比

分析圖10可以看出：在無力控制的情況下，由于砂帶機(jī)和機(jī)器人在實(shí)際磨削過程中產(chǎn)生的頻繁震動，導(dǎo)致實(shí)際法向磨削力在50 N上下波動，且波動幅度較大，波動范圍在33～66 N；而在有力控制的情況下，法向磨削力在40 N上下波動，且波動幅度較小，波動范圍在34～46 N。圖11所示為無力控和有力控的工件表面對比，使用TR200粗糙度儀測量磨削后的工件表面(測量10次，取平均值)，無力控制磨削后的工件表面粗糙度大約為0.501 2 μm，而經(jīng)過有力控制的磨削后，工件表面的粗糙度達(dá)到了大約0.316 6 μm，這說明有力控制磨削的工件表面更加光滑，且表面加工一致性更好。綜上，文中所提出的機(jī)器人力控制方法對實(shí)際磨削過程中的法向磨削力有良好的控制效果，使實(shí)際法向磨削力能夠在預(yù)設(shè)的磨削力上下6 N波動，波動范圍相較于無力控制時更小，并且有力控制磨削時的工件表面粗糙度更低，表面加工一致性更好。

4 結(jié)論

(1)提出了一種基于神經(jīng)網(wǎng)絡(luò)的工業(yè)機(jī)器人力控制方法，通過實(shí)驗(yàn)驗(yàn)證了該力控制方法能夠?qū)C(jī)器人磨削時產(chǎn)生的法向磨削力進(jìn)行有效控制，且響應(yīng)迅速，能夠使其在預(yù)設(shè)的磨削力上下6 N波動，相比在無力控制磨削的情況下，有效地降低了磨削后工件表面的粗糙度。

(2)搭建了一套工業(yè)機(jī)器人磨削系統(tǒng)，并開發(fā)了相應(yīng)的上位機(jī)軟件，通過鈦合金試件磨削實(shí)驗(yàn)，驗(yàn)證了該磨削系統(tǒng)的實(shí)用性。