降低制造系统中工业机器人的能耗外文文献翻译、中英文翻译
收藏
资源目录
压缩包内文档预览：(预览前20页/共26页)
编号：20809516
类型：共享资源
大小：1.87MB
格式：ZIP
上传时间：2019-07-12
上传人：QQ14****9609
认证信息
个人认证
郭**（实名认证）
陕西
IP属地：陕西
20
积分
- 关 键 词：
-
工业机器人中英文翻译
外文文献翻译
外文翻译文献
工业机器人外文文献翻译
工业机器人中英文
工业机器人的
工业机器人的外文翻译
- 资源描述：
-
降低制造系统中工业机器人的能耗外文文献翻译、中英文翻译,工业机器人中英文翻译,外文文献翻译,外文翻译文献,工业机器人外文文献翻译,工业机器人中英文,工业机器人的,工业机器人的外文翻译
- 内容简介：
-
Int J Adv Manuf Technol (2015) 78:13151328DOI 10.1007/s00170-014-6737-zORIGINAL ARTICLE降低制造系统中工业机器人的能耗Paryanto Matthias Brossog Martin Bornschlegl Jorg FrankeReceived: 24 July 2014 / Accepted: 18 December 2014 / Published online: 7 January 2015 Springer-Verlag London 2015摘要 目前降低工业机器人（IR）的功耗，已经成为制造系统中绿色生产发展的一个主要焦点。在当今时代，几乎所有的自动化制造过程中都以IR作为主要组成部分，减少IR的功耗将减少运营成本和二氧化碳的排放， 因此研究制造系统中IR的节能减排已经是迫在眉睫。本文首先对我国制造系统中IR的能耗进行了分析研究（文献R），调查发现目前在这一领域的研究主要集中在能够预测其能量消耗的IR模拟模型的开发上。其次是开发分析功耗和动态行为的模块化模型。最后是进行实验调查以验证和估计开发模型的准确性。调查表明，开发的模块化模型可以方便地优化生产计划和过程优化阶段需要的工业机器人的运行参数。另外，据调查显示，流程约束，环境布局，生产力要求Paryanto（）BrossogJ. Franke工厂自动化与生产系统研究所（FAPS），弗里德里希 - 亚历山大大学Erlangen-Nurnberg埃格兰德 7-9,91058 Erlangen，Germany电子信箱：paryantofaps.fau.deBornschlegl奥迪Planung GmbH，以及机器人有效载荷和运行速度是优化IR的生产力和效率必须考虑的关键因素。关键词： 能源效率工业机器人功耗制造系统生产计划运行参数1 介绍 机电一体化行业中特别是材料的处理和加工通常使用IR作为其自动化制造系统的主要组成部分。因为机器人具有重复性，高准确性，速度和效率。在制造系统中利用IR，能够降低运营成本并提高生产力。由于目前国际上对二氧化碳的排放有严格的限制，导致能源成本上升，因此降低IR的能耗是尤为重要的2-4。据调查资料显示IR的能耗大约是生产过程中消耗总电能的85。降低IR的功耗可大大提高制造系统的效率。此外，关于IR的能源消耗分析的研究也可以帮助制造商制定出节能减排降低运营成本的新战略，例如可再生能源的扩展使用引起的能源供应的能源灵活性6。可以在制造系统开发的不同阶段实现IR的功耗降低：例如生产计划阶段，调试过程或优化阶段（见表1）。1316Int J Adv Manuf Technol (2015) 78:13151328在生产计划阶段，当制造过程遇到问题时，规划工程师可以通过优化设计流程和制定多种降低能耗的策略来更加灵活的解决问题。在工程师制定的优化IR运行时间表和选择能耗低的IR 7或优化IR运行参数及其运行条件IR节能优化的方案下，可以大大提高生产效率。在调试阶段，可以通过消除等待时间和减少IR的空闲时间来降低能耗。但是减少IR的能耗并不如生产计划阶段那么灵活;因此必须考虑诸如制造生产率等许多制约因素。在过程优化阶段降低IR能耗的方法有更严格的限制;在这个阶段，工程师不能改变IR的硬件设备或制造系统的生产率。例如，可以通过最佳轨迹来启动、更早地释放致动器和制动器、缩短使用时间方法实现节能8。 我们的研究的目的是开发一个可用于分析功耗和动态行为的IR模块化模型。在早期开发阶段和流程优化阶段因为只有有限的能源数据可用，所以对现有制造系统进行实验优化方法的调查需要很多的努力和时间。通过这个IR模块化模型将省去大部分的实验大大节省时间。它可以用于自动化制造系统的开发，特别是在过程规划和过程优化阶段。 此外，本文还总结了过去20年研究中现有的方法，其目的是降低制造系统中使用的IR的能源消耗。 本文的其余部分结构如下：第2节回顾了研究人员开发的当前行业降低IR的能源消耗的方法。此外，还将分别介绍这些方法、讨论IR能源消费领域的研究潜力。 第3节描述了开发IR模块化模型的建模方法。 在这方面，呈现了电子生产线的案例研究和开发模式的应用。 此外，本节还提供实验结果来验证。 第4节介绍了讨论模拟和实验研究的结果。 最后，第5节分析总结了实验结果并对未来的工作提出了优化建议。2 降低IR能耗的现有方法 本节介绍了目前研究人员提出的减少制造系统中IR的能源消耗的几种方法。 这些包括基于理论，实验或建模和模拟等能量减少的方法。 此外，还将介绍了由工业提供并且可商购的能量减少方法。 目前，研究人员开发的减少IR的能耗的主要方法有三种：开发节能运动计划算法，优化IR运行参数，优化IR运行计划（见图1），这些方法的详细论述将在以下小节中介绍。2.1 开发节能运动规划研究节能运动规划的发展是节能的最原始的方法图1 降低IR能耗的现有方法表1 降低不同生产阶段IR能耗的方法发展阶段示例方法灵活性生产规划定义IR操作时间表 选择一个低耗能IR高调试处理消除等待时间并减少空闲时间中处理优化优化IR轨迹;调整IR制动时间低降低IR的能耗 制定节能运动规划优化IR动力学专注于无碰撞运动规划创建一合理和时间最佳的运动规划优化IR控制系统通过内部直流母线进行电能交换优化IR工作参数实验调查法建模与仿真法 实验调查与仿真法的结合安排IR操作优化IR过程序列启停优化优化IR执行时间Int J Adv Manuf Technol (2015) 78:131513281317 在20世纪60年代末期，Stepa-nenko 9提出了一个最佳的能量消耗轨迹问题。 之后，该方法成为降低IR能耗的常用方法之一。 如1,10中提出的，在考虑IR系统动力学的情况下，通过分析配方进行对该方法的改进的经典案例。 但在二十世纪二十年代以后，实验调查变得越来越普遍11-13。 另外，由于模拟技术的日渐成熟，最近许多的研究人员开始使用模拟和建模方法，例如14-16。 使用模拟方法的研究人员通常用模拟结果与实验调查结果进行比较，以此来判断模拟结果的准确性。为了确定最佳运动规划，必须考虑到许多的限制。 从文献中可以看出，最常见的优化约束是环境约束（例如，碰撞），动态行为（例如振动，扭矩，速度和加速度），能量消耗和执行时间。 例如，在17-19中可以找到基于碰撞约束优化IR能量消耗的详细方法，而基于最优时间特征在20中有所体现。生成有效运动规划的标准程序从定义起始点，最终点和夹持器路径的参考点开始21。 Bjorkenstam等人 19建议在制定节能运动规划时，应至少执行三个步骤：(i) 发展自由碰撞运动规划,(ii) 制定最优控制方案来遵循一个已经定义的路径(iii) 解决存在的问题和优化改进的运动方案。同时，20中预先提出了更为复杂的优化标准，不仅研究了碰撞控制，而且还研究了最小执行时间和与IR生产力和质量有关的最小抖动的问题。使用节能运动计划方法的另一项研究在22,23中有所体现。 在研究中，他们发现了通过优化运动方案而不改变系统配置来降低IR的能耗的解决方案。 所提出的方法是利用机器人从最后一个处理点到机器人的原始位置的运动的时间和运动尺度等参数来进行建模和计算，并且通过分析机器人的主要组成部分伺服驱动器的电气损耗和机械损耗等参数来进行详细的建模8，最终提出最优方案使机器人制动器的运行时间有所减少，从而达到节能的目的。 虽然这些方法已经成功测试，能够显着降低IR的能量消耗，但是开发的方法仅适用于特定的IR机器人模型。Romann等人基于计算机器人轴的每个电机的能量消耗开发了一个用于分析IR运动规划对IR能量消耗的影响的模拟仿真环境24,25。 关于运动规划优化的另一种方法在26中有所体现。 该方法通过IR电机驱动器之间的内部DC总线的能量交换放大和优化公共点对点（PTP）轨迹来进行。 一般来说，在过去20年中，运用优化运动计划的主要目标是通过制定有效的路径规划和无碰撞运动来减少IR的能源消耗27,28。2.2 优化IR的运行参数 从前有科学家提出通过优化其运行参数来优化IR能量消耗。 例如，在文献29-32中可以找到使用特定的IR能达到节能目的的实验结果。 在之前科学家的研究成果33,34中，也对这一点进行了相关的模拟和实验研究。 这里开发了一种机器人模型，以克服仅适用于特定机器人模型的实验调查的缺点。 并且，采用实际的措施来验证IR模型的正确性和合理性。 虽然在生产计划阶段使用这种方法能显著降低IR的能耗，但是在制造系统建立之后，改变IR的运行参数会使生产率发生变化而不符合实际生产要求，因此在大多数情况下，该方法不能实施。 然而，新的过程序列需要改变制造系统的过程，通过组合仿真方法和实验验证，该方法不仅可以在生产计划阶段，而且在优化过程阶段也可以使用。 从系统工程师的角度来看，这种方法非常强大，因为不需要更改IR系统的软件或硬件。2.3调度IR操作 调度IR操作是另一种广泛用于降低制造系统能耗的方法。 通过减少IR的工作时间，空闲时间和优化IR子任务的机器人序列来优化IR的工作进度来实现IR的节能35-37。 使用这种方法的一个例子是在无生产时间内自动启动和关闭IR。 根据资料显示7，汽车行业的IR能源消耗量估计的年节约潜力约为31（见图2）。1318Reference, 1 year100%8.000-8.7%-5%-0.6%7.000-2.7%-1.8%KWh6.000Shutdownpauses10m-3hInvertersoffpauses3m-10hBrakepowerdownsizing24V-12V-10.8%DefaultconsumptionShutdownweekendsBrakerelease5sToolweight10%down-31%Capacitormodules-1.4%5.0004.000图 2 汽车行业每项活动的节能潜力7 使用这种方法的目的是通过优化IR调度来最大限度地减少空闲时间从而减少总体运行时间。 这种方法对于操作工程师来说也是非常方便的，而且也是其他方案不能使用时最有效的解决方案。 使用自动化系统的新标准通信协议，PROFIenergy是该方法的一个示例实现38。2.4 商业和工业解决方案 已经可用的商业解决方案主要是由ABB制造商开发的建模和仿真方法，例如由ABB开发的RobotStudio。 在RobotStudio中有一个信号分析仪工具箱，可用于预测ABB机器人的能量消耗39。 使用该工具，可以预测IR在几种运行参数下的能量消耗。 此外，研究所MMI的研究人员亚琛40也开发了一种软件工具，用于分析可用于航空航天和工业自动化等几个应用的机器人的能源消耗，并且更加重视 运动规划的分析。 来自西门子的另一个商业软件工具Tecnomatix也将在未来几年内提供一个解决方案，该解决方案在其制造系统包中使用IR的能量消耗模型; 目前，软件仍处于测试阶段41。 除了上述主要用于研究方法的方法之外，还有几种也被用于工业的方法。 根据7，42行业分析，用于降低IR能耗的常用方法如下： 在特定的制造过程中选择具有低能耗的IR 降低IR组件的重量 优化IR的运行轨迹Int J Adv Manuf Technol (2015) 78:13151328 优化IR的运行时间 使用智能机械控制系统从工业的角度来看，这些方法在不改变现有制造系统的情况下，与实际更为贴切且易于实施。2.5 讨论和建议 尽管已经提供了减少IR能量消耗的许多解决方案，但是每种方法都有其优点和缺点。 IR优化运动轨迹可显着降低能耗; 然而，这种方法只是从理论的角度来看是可行的，但对于实际情况来说却不太可行，因为改变现有的IR硬件系统需要话费大量的时间和成本8。 因此，这种方法只适合从IR制造商的角度出发，因为操作工程师在实施此方法时具有较小的灵活性，所以它具有开发IR控制系统的潜力 在当今世界能源价格和能源政策要求不断提高的基础上，研究人员仍然很少研究和使用优化IR的运行参数，以降低能源消耗的方法。目前这种方法只能在生产计划阶段用于计算制造系统的生产率。为了克服这个限制，就需要将仿真模型与现有的制造过程有机的结合，从而得到令人满意的结果。 目前的商业解决方案仍然限于分析特定的IR模型和其工作环境，因为其制造系统过程规划的集成解决方案尚不存在，这使得分析和优化过程费时费力，所以限制了IR内部组件的模拟。优化IR的运行时间也可用于降低制造系统的能耗， 但这种方法需要进行特定的硬件和软件配置，因此主要运用在生产计划阶段。 工业方法也是具有可行性的，但只能用在特定制造系统中的某些制造工艺。 在这些方法中，建模和仿真得到了科学家们的深刻关注，因为它们能够容易地并且以合理的成本分析IR系统33。 IR仿真模型不仅可用于多个制造系统的开发阶段的模拟，而且可以在生产计划中用于预测IR的功耗并进行功耗优化Int J Adv Manuf Technol (2015) 78:131513281327drives. IEEE International Conference on Industrial Technology (ICIT). doi:10.1109/ICIT.2013.65059673. Thiede S (2012) Energy efficiency in manufacturing systems. Springer, Berlin Heidelberg4. Bornschlegl M, Drechsel M, Kreitlein S, Franke J (2014) Holis-tic approach to reducing CO2 emissions along the energy-chain (E-chain). In: Wellnitz, et al. (eds) Sustainable automotive tech-nologies 2013. Lecture Notes in Mobility 2014, pp 227-2345. Engelmann J (2009) Methoden und Werkzeuge zur Planung und Gestaltung energieeffizienter Fabriken. Dessertation, TU Chemnitz6. Popp R, Keller F, Atabay D et al (2013) Technische innovationen fur die Energieflexible Fabrik. ZWF 108(78):5565607. Meike M, Ribickis L (2011) Energy efficient use of robotics in the automobile industry. International Conference on Advanced Robotics (ICAR). doi:10.1109/ICAR.2011.60885678. Meike M, Pellicciari M, Berselli G (2013) Energy efficient use of multirobot production lines in the automotive industry: detailed system modeling and optimization. IEEE Trans Autom Sci Eng:1 12. doi:10.1109/TASE.2013.22858139. Field G, Stepanenko Y (1996) Iterative dynamic programming: an approach to minimum energy trajectory planning for robotic manipulators. IEEE Int Conf Robot Autom (ICRA) 3:27552760. doi:10.1109/ROBOT.1996.50657910. Park JS (1996) Motion profile planning of repetitive point-to-point control for maximum energy conversion efficiency under acceleration conditions. Mechatronics 6(6):649663. doi:10.1016/0957-4158(96)00012-811. Constantinescu D, Croft EA (2000) Smooth and time-optimal tra-jectory planning for industrial manipulators along specified paths. J Robotic Syst 17(5):23324912. Meike M, Ribickis L (2011) Industrial robot path opti-mization approach with asynchronous fly-by in joint space. IEEE International Symposium on Industrial Electronics (ISIE). doi:10.1109/ISIE.2011.598428013. Hansen C, Kotlarski J, Ortmaier D (2013) Experimental valida-tion of advanced minimum energy robot trajectory optimization. IEEE International Conference on Advanced Robotics (ICAR): 18. doi:10.1109/ICAR.2013.676646314. Hansen C, Kotlarski J, Ortmaier D (2013) Path planningapproach for the amplification of electrical energy exchange in multi axis robotic systems. IEEE International Con-ference on Mechatronics and Automation (ICMA):4450. doi:10.1109/ICMA.2013.661789115. Paryanto, Merhof J, Brossog M, Fischer C (2013) An integrated simulation approach to the development of assembly system components. Adv Mater Res 769:1926. doi:10.4028/AMR.769.1916. Mohammed A, Schmidt B, Wang L, Gao L (2014) Min-imising energy consumption for robot arm movement. Inter-national Conference on Digital Enterprise Technology (DET). doi:10.1016/cir.2014.10.05517. Muller A (2004) Energy optimal control of serial manipulators avoiding collisions. International Conference on Mechatronics (ICM):299-304. doi:10.1109/ICMECH.2004.136445518. Gregory J, Olivares A, Staffetti E (2012) Energy-optimal trajec-tory planning for robot manipulators with holonomic constraints. Syst Control Lett 61(2). doi:10.1016/j.sysconle.2011.11.00519. Bjorkenstam S, Gleeson D, Bohlin R et al (2013) Energy efficient and collision free motion of industrial robots using optimal con-trol. IEEE International Conference on Automation Science andEngineering (CASE). doi:10.1109/CoASE.2013.665402520. Rubio F, Valero F, Sunyer J, Cuadrado J (2012) Optimal time trajectories for industrial robots with torque, power, jerk and energy consumed constraints. Ind Robot 39(1):92100. doi:10.1108/0143991121119253821. Wapenhans J H J, Steinle J, Pfeiffer F (1994) Optimal trajectory planning with application to industrial robots. Int J Adv Manuf Technol 9:4955. doi:10.1007/BF0179286722. Meike M, Rankis I (2012) New type of power converter for common-ground DC bus sharing to increase the energy effi-ciency in drive systems. IEEE International Energy Conference and Exhibition. doi:10.1109/EnergyCon.2012.634775723. Meike M, Sanfeld A, Ribickis L (2013) Recuperated energy savings potential and approaches in industrial robotics. TheAnnual Conference of the IEEE Industrial Electronics Society. doi:10.1109/IECON.2013.670032924. Romann J, Kaigom EG, Atorf L et al (2014) Men-tal models for intelligent systems: eRobotics enables new approaches to simulation-based AI. Kunstl Intell 28(2):101110. doi:10.1007/s13218-014-0298-z25. Romann J, Kaigom EG, Atorf L et al (2013) From space to manufacturing industry: new approaches of eRobotics to serve todays and future manufacturing needs. In: Dangelmaier W (ed) Simulation in Produktion und Logistik, pp 417-42626. Hansen C, Oltjen J, Meike D, Ortmaier D (2012) Enhanced approach for energy efficient trajectory generation of industrial robots. IEEE International Conference on Automation Science and Engineering (CASE). doi:10.1109/CoASE.2012.638634327. Verscheure D, Demeulenaere B, Swevers J et al (2009) Time-optimal path tracking for robots: a convex optimiza-tion approach. IEEE Trans Autom Control 54(10):23182327. doi:10.1109/TAC.2009.202895928. Wei Y, Minxiu K, Lining S (2011) Optimal motion generation for heavy duty industrial robots-control scheme and algorithm. IEEE International Conference on Mechatronics (ICM):528533. doi:10.1109/ICMECH.2011.597134229. Chemnitz M, Schreck G, KrugerJ (2011) Analyzingenergyconsumptionofindustrialrobots. IEEEInterna-tionalConferenceonFactory andAutomation(EFTA).doi:10.1109/ETFA.2011.605922130. Rassolkin A, Hoimoja H, Teemets R (2011) Energy saving pos-sibilities in the industrial robot IRB 1600 control. International Conference-Workshop Compatibility Electronics (CPE):100105. doi:10.1109/CPE.2011.594223631. Bryan C, Grenwalt M, Stienecker A (2010) Energy consump-tion reduction in industrial robots. ASEE North Central Sectional Conference 3C:1432. Kolba Z, Smetanova A (2010) Experimental implementation of energy optimization by robot movement. IEEE Interna-tional Workshop on Robotics in Alpe-Adria-Danube Region. doi:10.1109/RAAD.2010.552456433. Paryanto, Brossog M, Kohl J et al (2014) Energy consumption and dynamic behavior analysis of a six-axis industrial robot in an assembly system. Procedia CIRP 23:13113634. Paryanto, Brossog M, Merhof J, Franke J (2014) Mechatronic behavior analysis of a customized manufacturing cell. Lect Notes Prod Eng:389399. doi:10.1007/978-3-319-04271-8 3335. Vergnano A, Thorstensson C, Lennartson B et al (2012) Mod-eling and optimization of energy consumption in cooperative multi-robot systems. IEEE Trans Autom Sci Eng 9(2):423428. doi:10.1109/TASE.2011.218250936. Wigstrom O, Lennartson B, Vergnano A, Breitholtz C (2013) High-level scheduling of energy optimal trajectories. IEEE Trans Autom Sci Eng 10(1):5764. doi:10.1109/TASE.2012.219881637. Alatartsev S, Mersheeva V, Augustine M, Ortmeier F (2013) On optimizing a sequence of robotic tasks. IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS):217223. doi:10.1109/IROS.2013.669635638. Information from Profibus website. Available at http:/www. /technology/profienergy. Accessed 18 July 20141328Int J Adv Manuf Technol (2015) 78:1315132839. Berlin H (2012) Power and productivity for a better world. /blog/gad00540/1dde6.aspx?tag=productivity. Accessed 16 June 201440. Kaigom EG, Priggemeyer M, Romann J (2014) 3Dadvanced simulation approach to address energy consumption issues of robot manipulatorsan eRobotics approach. In: 41st international symposium on robotics (ISR),pp 1-641. Schroder S (2014) Ideallinien fur Industrieroboter. Siemens Pic-tures of the Future, pp 383942. Kara D (2013) Optimizing the energy efficiency of industrial robotics systems. /blog/gad00540/1dde6.aspx? tag=productivity. Accessed 16 June 201443. Motoman MH5L specifications. http:/www.motoman.de. Accessed 9 September 201344. Khalil W, Gautier M, Lemoine P (2007) Identification of the payload inertial parameters of industrial manipulators. IEEE International Conference on Robotics and Automation (ICRA). doi:10.1109/ROBOT.2007.36424145. Diaz JFA, Dutra MS, Pinto FANC (2010) Kinematical and dynamical models of KR 6 KUKA robot, including the kinematiccontrol in a parallel processing platform. In: Lazinica A, Kawai H (eds) Robot manipulators new achievements, pp 60162046. Choset H, Lynch KM, Hutchinson S et al (2005) Principles of robot motion: theory, algorithms and implementation. MIT Press, London47. Peer A, Bajcinca N, Schweiger C (2003) Physical-based friction identification of an electro-mechanical actuator with Dymola/Modelica and MOPS. In: 3rd International ModelicaConference, pp 24124848. Saidur R (2010) A review on electrical motors energy use and energy savings. Renew Sust Energ Rev 14:877898. doi:10.1016/j.rser.2009.10.01849. Haumer A, Kral C, Kapeller H et al (2009) The advanced-machines library: loss models for electric machines. In: 7th international Modelica conference:847854. doi:10.3384/ecp0943010350. Pellicciari M, Berselli G, Leali F, Vergnano A (2011) A minimal touch approach for optimizing energy efficiency in pick-and-place manipulators. International Conference on Advenced Robotics (ICAR). doi:10.1109/ICAR.2011.608862051. Verdonck W (2004) Experimental robot and payload identification with application to dynamic trajectory compensation. Katholieke Universiteit Leuven, DessertationInt J Adv Manuf Technol (2015) 78:131513281319建模和仿真方法不需要进行实验调查，是IR能量优化的最佳解决方案。 因此，在本研究中，提出了基于多域模拟范例开发的IR模块化模型，用于分析和优化IR的能量消耗和运动轨迹。3 建模与仿真方法，降低IR的能耗在本节中，主要讲述可以分析能耗和动态轨迹的方法模拟法图3 六轴工业机器人动态模型路径规划y轴1轴2轴3轴4轴5轴6x控制总线首先，本节介绍了模块化IR机械和电气损耗的详细模型的开发方法， 之后，使用模拟结果与测量结果进行比较来验证IR模型模拟结果的合理性。3.1 开发IR的动力能量学模型工业机器人的动力学模型是利用Catia系统工程软件工具（见图3）使用Modelica语言开发的，用于分析IR的功率消耗和动态特性。 所提出的模型是基于33中开发的扩展模型。该仿真模型不仅能模拟出电机驱动机械损耗而且还提出了电机损耗的优化方案。 机器人轴机器人的结构 机器人的详细结构驱动框架_an = 0,-1,0r = 0.065,0,0.4框架_b1320Int J Adv Manuf Technol (2015) 78:13151328因为在Modelica库中有IR组件的模型，如电动机驱动模型，伺服驱动器模型，结构模型和变速器模型，所以，它可以用于分析多个机器人的动力学模型和功耗。在这项研究中，模型的初始参数主要来自实际的机器人。例如，科学家们开发了Motoman MH5L模型，专门用于使用43的输入参数和机器人平台的实际测量。对于数据库中没有的机器人的型号，则会进行近似模拟和数据的近似计算。例如，通过使用CAD软件工具（例如Solid Edge或/和Catia）来计算几个IR模型的惯性张量。研究人员为了减少开发时间和成本，通常使用近似IR的惯性张量的CAD软件，如44所示，为了规划机器人的运动轨迹，专门使用了Modelica标准库中的标准路径规划模型（PTP和PTP2），而工业机器人结构的惯性张量近似计算的详细方法可以在45中找到。在案例研究中，通常使用包含几个组装系统组件（包括工业机器人）的通用接触模块（UCM） 的测试平台 图4.平台UCMUCMCB平台工业机器人DA输送热测试输送系统模块系统图4 综合测试平台（UCM）和机器人循环（IMAK GmbH设计）的配置3.2 IR模型的功率损耗因为对IR的功耗模拟的精度非常高，所以这种方法对于高精度IR模型的开发很重要。研究表明，IR时间的功率（P）和能量消耗（W）可以如公式 1 30,46。 该方程式告诉人们，机器人的扭矩（T），其角速度（）以及机械和电气效率（m，e）对机器人的功率和能量消耗有很大的影响。 因此，事先在几个有效参数下分析IR，可以更快更精确的计算出IR的功率，机械，电气的损耗。功率损耗发生在工业机器人的每个组件中，可以按以下方式分类：IR机身的功率损耗：该种功率损耗主要是由于IR结构的机械摩擦，例如齿轮传动和齿轮轴承中的摩擦以及IR的每个接头中的摩擦以及由于润滑效应引起的摩擦损失。 IR模型中的摩擦损耗主要是库仑力和粘性摩擦力，而力的大小则取决于速度和输入扭矩47。IR电机驱动器的功率损耗：IR的伺服驱动器用于驱动伺服电机。 大多数六轴IR使用永磁同步电机（PMSM）作为主电机驱动机器人运动8，而有些则使用感应电机驱动， 但无论是哪种电机都会产生电气损耗。 在电动机驱动中，这些损耗如表2所示，在我们的IR电动机驱动模型数据库中配备了所有这些损耗，即铁芯损耗（pc），风阻和摩擦损耗（pf），定子和转子损耗 ），以及杂散负载损耗（ps）。 因为使用Modelica建模的每个电机损耗（ploss）的模型在公式 2中都有所体现.所以所有不同的电机驱动损耗均基于表2中的等式制定的。ploss = pc + pf + pr + ps(2) 而使用这些方程的电动机驱动损耗的评估由Modelica Associations 49进行Int J Adv
- 温馨提示:
1: 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
2: 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
3.本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
人人文库网所有资源均是用户自行上传分享，仅供网友学习交流，未经上传用户书面授权，请勿作他用。
川公网安备: 51019002004831号